全文获取类型
收费全文 | 1191篇 |
免费 | 224篇 |
国内免费 | 240篇 |
专业分类
化学 | 459篇 |
晶体学 | 1篇 |
力学 | 85篇 |
综合类 | 31篇 |
数学 | 293篇 |
物理学 | 786篇 |
出版年
2024年 | 5篇 |
2023年 | 94篇 |
2022年 | 86篇 |
2021年 | 84篇 |
2020年 | 54篇 |
2019年 | 116篇 |
2018年 | 40篇 |
2017年 | 44篇 |
2016年 | 50篇 |
2015年 | 60篇 |
2014年 | 86篇 |
2013年 | 52篇 |
2012年 | 49篇 |
2011年 | 53篇 |
2010年 | 62篇 |
2009年 | 63篇 |
2008年 | 55篇 |
2007年 | 78篇 |
2006年 | 55篇 |
2005年 | 40篇 |
2004年 | 49篇 |
2003年 | 35篇 |
2002年 | 45篇 |
2001年 | 28篇 |
2000年 | 25篇 |
1999年 | 28篇 |
1998年 | 22篇 |
1997年 | 27篇 |
1996年 | 35篇 |
1995年 | 19篇 |
1994年 | 13篇 |
1993年 | 18篇 |
1992年 | 20篇 |
1991年 | 17篇 |
1990年 | 14篇 |
1989年 | 13篇 |
1988年 | 8篇 |
1987年 | 1篇 |
1986年 | 4篇 |
1985年 | 1篇 |
1983年 | 1篇 |
1982年 | 4篇 |
1959年 | 2篇 |
排序方式: 共有1655条查询结果,搜索用时 15 毫秒
1.
1引言初中生的数学运算能力是一项非常重要的能力,该运算能力的高低决定着学生求学之路能走多深、能走多远.笔者在实践中,深刻体会到:选取恰当的数学习题用于训练,是提高初中生运算能力的关键之举,精准的习题是提高初中生运算能力的保证.下面列举了六种有效提高初中生运算能力的数学习题的类型:(1)涉及去括号的习题;(2)涉及添括号的习题;(3)涉及整式乘法的习题;(4)涉及乘法公式的习题;(5)涉及去分母的习题;(6)涉及去绝对值的习题.这些类型的习题将帮助初中生在浩瀚的题海里不至于漫无目标,争取花费较少的时间,获取高质量的效果.只有运用科学的训练方法,注意加强练习,注重积累、提升,初中生的数学运算能力才能不断提高. 相似文献
2.
拉曼光谱物质定性识别已被广泛的应用于化工、安防、缉毒等行业和研究领域,但是传统的拉曼光谱分析技术依赖于光谱数据库,通过光谱特征提取进行识别。特征提取是拉曼识别的关键处理步骤,通常利用主成分分析,因子分析等方法进行特征提取,而后通过KNN,SVM和随机森林等方法进行光谱特征定性识别,当拉曼数据库不存在待定性物质时,易造成待检测物质的错误分类。针对此问题,提出一种基于卷积神经网络的对数据库缺少物质光谱识别方法。在实验过程中,采用九类,200余种精神类药品拉曼光谱作为测试对象,通过搭建卷积神经网络自动特征提取并利用Softmax分类器将200余种物质,按照Amphetamine, cathinone, cannabinoids等九种类别进行定性分析。通过与传统机器学习方法如K近邻,支持向量机等方法进行比较,基于卷积神经网络的模型识别准确性有显著提高,该方法可为拉曼光谱数据库的光谱识别检索提供一种新的识别方法。 相似文献
3.
4.
5.
6.
近年来, 随着深度学习在图像处理、语音识别、自动驾驶、自然语言处理等领域迅速发展, 该技术也被越来越广泛地应用于处理具有复杂非线性、高维度、大数据量等特点的流体力学方向. 传统的方法无法有效地处理这些庞大的数据, 深度学习因其具有强大的函数拟合能力, 可以从大量的数据中挖掘有用的信息. 当前, 流体力学深度学习技术有了初步的一些研究成果, 在流动信息特征提取、多源数据信息融合及流场的智能重构等方面具有重要的工程价值, 其应用潜力逐渐得到证实. 如何利用地面风洞试验、数值模拟及飞行试验获取的数据进行深入挖掘, 快速智能感知及重构流场, 可为主动流动控制提供重要指导. 本文主要从深度学习不同类型的网络结构出发探讨了卷积神经网络在流场重构中的研究进展, 文章首先介绍卷积神经网络的一些基本概念以及基本网络结构, 之后简要介绍流场超分辨率重构网络、端到端的映射网络、长短期记忆网络的基本结构与理论, 并详细归纳出他们的改进形式在流场重构领域的一系列研究进展与成果, 最后对文章做出总结并探讨了流场重构深度学习技术所面临的挑战与展望. 相似文献
7.
相位恢复法利用光波传输中某一(或某些)截面上的光强分布来传感系统波前,其结构简单,不易受震动及环境干扰,被广泛应用于光学遥感和像差检测等领域.传统相位恢复法采用迭代计算,很难满足实时性要求,且在一定程度上依赖于迭代转换或迭代优化初值.为克服上述问题,本文提出了一种基于卷积神经网络的相位恢复方法,该方法采用基于小波变换的图像融合技术对焦面和离焦面图像进行融合处理,可在不损失图像信息的同时简化卷积神经网络的输入.网络模型训练完成后可依据输入的融合图像直接输出表征波前相位的4-9阶Zernike系数,且波前传感精度均方根(root-mean-square,RMS)可达0.015λ,λ=632.8 nm.研究了噪声、离焦量误差和图像采样分辨率等因素对波前传感精度的影响,验证了该方法对噪声具有一定鲁棒性,相对离焦量误差在7.5%内时,波前传感精度RMS仍可达0.05λ,且随着图像采样分辨率的提升,波前传感精度有所改善,但训练时间成本随之增加.此外,分析了实际应用中,当系统像差阶数与网络训练阶数略有差异时,本方法所能实现的传感精度,并给出了解决方案. 相似文献
8.
9.
以MXene(Ti3C2Tx)为前驱体,采用季铵盐(TTAB、CTAB、STAB)为插层剂,制备季铵盐插层MXene复合材料.研究表明,随着季铵盐烷基碳链原子数的增加,MXene的层间距逐渐增大,复合材料的电容脱盐性能随层间距的增加而逐步提高.NaCl溶液浓度为1000 mg·L-1,工作电压为1.2V时,MXene、MXene@TTAB、MXene@CTAB和MXene@STAB电极的脱盐量分别为47.4、67.2、74.0和82.0 mg·g-1,MXene@STAB电极进行10次CDI循环性能测试后,脱盐量仍可保持原来的86.2%. 相似文献
10.
近年来,二维材料由于其独特的性质而受到了广泛关注。在制备二维层状晶体的各种方法中,机械剥离法获得的薄层二维材料晶体质量高,适用于基础研究及性能演示。然而用机械剥离法从衬底上获得的材料具有一定的随机性,可能包含了少许相对较厚的部分。实现对这些二维薄层材料有效、快速且智能化的表征有利于促进二维材料性能的进一步研究。提出了一种基于深度学习的表征方法,通过搭建的编解码结构的卷积神经网络语义分割算法,可以根据光学显微镜图像进行分割和快速识别二维材料纳米片。卷积神经网络作为深度学习在图像处理领域中的典型算法,能够对光学显微镜图像中的复杂信息进行特征提取。首先采用机械剥离制备MoS2纳米片样本,通过光学显微镜采集高光谱图像并对样本进行标记,根据样本的厚度范围标记出不同的区域,对标记后的图像进一步处理,包括图像的颜色校准和剪切操作,得到用于网络训练和测试的数据集。针对光学图像中二维纳米薄片存在的低对比度、碎裂等特点,编码时加入残差结构和金字塔池化模型,有助于特征信息的提取;解码时融合编码路径中提取的浅层特征信息,以提高网络分割精度。实验中采用带权重的交叉熵损失函数解决类别数量不平衡问题和采用数据增强扩大数据集。对训练后的网络测试结果表明,模型像素精度为97.38%,平均像素精度为90.38%,均交并比为75.86%。之后通过迁移学习成功地对剥离的单层和双层石墨烯纳米片样本进行了识别,均交并比达到了81.63%,表明该方法具有普适性。通过MoS2和石墨烯纳米片的识别演示,实现了深度学习在二维材料的光学显微镜图像中的成功应用。该方法有望在更多的二维材料上得到扩展并突破自动动态处理光学显微镜图像的问题,同时为其他纳米材料的高光谱图像处理提供参考。 相似文献