首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1660篇
  免费   352篇
  国内免费   87篇
化学   229篇
晶体学   4篇
力学   179篇
综合类   85篇
数学   231篇
物理学   1371篇
  2024年   3篇
  2023年   54篇
  2022年   42篇
  2021年   36篇
  2020年   35篇
  2019年   74篇
  2018年   22篇
  2017年   82篇
  2016年   87篇
  2015年   98篇
  2014年   178篇
  2013年   72篇
  2012年   100篇
  2011年   104篇
  2010年   94篇
  2009年   90篇
  2008年   112篇
  2007年   96篇
  2006年   82篇
  2005年   86篇
  2004年   85篇
  2003年   79篇
  2002年   58篇
  2001年   53篇
  2000年   45篇
  1999年   29篇
  1998年   33篇
  1997年   35篇
  1996年   21篇
  1995年   20篇
  1994年   20篇
  1993年   13篇
  1992年   17篇
  1991年   8篇
  1990年   8篇
  1989年   8篇
  1988年   9篇
  1987年   4篇
  1986年   2篇
  1984年   2篇
  1982年   1篇
  1959年   2篇
排序方式: 共有2099条查询结果,搜索用时 15 毫秒
1.
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   
2.
深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。  相似文献   
3.
植物精油是从芳香植物提取的天然复杂化合物,作为芳香植物的次生代谢产物具有挥发性和浓郁香味,其特有的多样化生物活性广泛应用于医药和化妆品行业。植物精油具有高渗透性,能以活跃的分子态渗透皮肤组织,经淋巴腺吸收后进入血液,其所含的重金属元素也极易随植物精油进入人体对健康构成潜在威胁。采用硝酸-双氧水对植物精油进行微波消解,在多模式样品导入系统(MSIS)的双重模式下,采用电感耦合等离子体发射光谱(ICP-OES)测定其中可形成蒸气重金属元素As,Sn,Sb,Hg和不可形成蒸气重金属元素Cr,Ni,Cd和Pb的含量。选择盐酸对样品进行酸化并预还原氧化态元素,通过在线加入L-半胱氨酸/酒石酸提高可形成蒸气元素的蒸气发生效率,利用硼氢化钠/氢氧化钠在MSIS中将As,Sn,Sb和Hg转变为蒸气状态;针对分析过程中存在的多个或单个光谱重叠和背景干扰,分别对空白溶液、分析元素和预期干扰元素的纯溶液进行测定,根据获得的光谱响应数据解卷积构建快速自动曲线拟合技术(FACT)模型,将分析谱线从干扰谱线中分离出来,从而实现光谱重叠干扰和背景干扰的实时校正;采用加标回收并与电感耦合等离子体质谱(ICP-MS)进行对比分析评价方法的准确性。各元素方法的检出限(MDL)为0.38~11.2 μg·kg-1,加标回收率为95.4%~104%,相对标准偏差(RSD)为1.9%~4.9%,对比分析的相对误差(RE)在-2.1%~2.7%之间,表明方法准确可靠,精密度高。对8种植物精油中的重金属元素进行了分析,所有植物精油样品中重金属元素As,Hg和Pb的含量远低于GB/T 26516—2011制定的限量标准,植物精油中重金属元素Cr,Ni,Sn,Cd和Sb的含量虽然没有制定限量标准,但均处于极低水平。MSIS兼具传统雾化和蒸气发生双重功能,在分析可形成蒸气元素和不可形成蒸气元素时无需切换不同进样系统,能满足大批量植物精油中微量重金属元素的高通量分析需要。  相似文献   
4.
在金属线膨胀系数实验过程中,发现被测金属棒进水口和出水口存在较大温差,并通过实际测量和理论分析找到了产生温差的原因。优化了系统测温方案,通过测温装置准确反馈金属棒各部位温度,来降低自动温控仪的仪器误差,同时测温装置将实验数据实时收集到云端服务器,通过可视化大屏全程展示,方便学生进行数据记录和分析。  相似文献   
5.
6.
随着自动驾驶技术研究的兴起,对自动驾驶车辆建立一个科学完善的测试评价体系也逐渐受到重视.自动驾驶车辆的测试评价体系主要包括测试方法,以及评价方案与指标的选取.各个国家也为自动驾驶车辆的技术发展和应用制定了标准和法规,对于评价体系的建立有所帮助.因此,文章针对于自动驾驶车辆的测评研究进行了相关的调研工作,从现状背景、测试方法、评价方案、不同国家政策标准等方面进行了梳理和介绍.现状背景方面介绍自动驾驶车辆测评的意义和应用.测试方法方面具体介绍了蒙特卡洛方法、博弈论方法、测试矩阵评价方法和最坏场景评估方法四种,并详细阐述了对自动驾驶加速测试方法.评价方案方面,文章选取了中国自动驾驶仿真技术研究报告、德国PEGASUS项目、中国智能车未来挑战赛和欧洲AdaptIVe项目四个项目,针对其中的评价方案进行了具体说明,另外,也介绍了其他学术文献中提到的评价方案.最后,文章对中国、美国、欧洲等国家和地区近年来为自动驾驶制定的各类标准和政策进行了整理,并介绍了各国的研究现状、参与研究的公司和现有的仿真软件.  相似文献   
7.
对民族服饰图案进行自动分割以提取图案纹样元素,是民族服饰图案素材库构建急需解决的难题。通过融合形态学连通域标记和CV模型(MCC-CV),提出了一种民族服饰图案自动分割方法,首先对民族服饰图案进行预处理,然后采用形态学连通域标记算法获得待分割目标的位置和大致轮廓信息,对CV模型进行初始化,最后通过CV模型对不同分割目标进行边缘追踪,以实现民族服饰图案纹样元素的自动分割。实验表明,融合形态学连通域和CV模型的民族服饰图案纹样元素自动分割方法在边界召回率(BR)为0.5时,分割准确率为60%,与其他自动分割算法相比,该算法更为有效,满足了民族服饰图案素材库建设对图案纹样元素分割的基本要求。  相似文献   
8.
图像校准是将任意相邻两图像都具有公共部分的一列图像合成一副全图的图像处理过程.而图像自动化校准的难点在于对一组图像公共部分特征信息的提取和自动匹配,尤其是自动匹配和图像校准的误差分析.本文基于放射变换不变性,给出了一种基于特征信息质心的自动匹配方法,与目前国际上主流特征提取和特征校准方法相比,本文方法较准确,且适用于卫星图片及一些MRI和CT 图片.本文方法的另一优点是具有线性计算复杂度.  相似文献   
9.
恒星光谱数据的分类是天体光谱自动识别的最基本任务之一,光谱分类的研究能够为恒星的演化提供线索。随着科技的发展,天文数据也向大数据时代迈进,需要处理的恒星光谱数量越来越多,如何对其进行自动而精准地分类成为了天文学家要解决的难题之一。当前恒星光谱自动分类问题的解决方法相对较少,为此本文使用了一种基于卷积神经网络的方法对恒星光谱MK系统进行分类。该网络由数据输入层、四个卷积层、四个池化层、全连接层、输出层构成,与传统网络相比具有局部感知、参数共享等优点实验。在Python3.5的环境下编程,利用Tensorflow构建了一个简单高效的具有四个卷积层的卷积神经网络,并将Dropout作用于全连接层之后以防止过度拟合。Dropout的基本思想:当网络模型进行训练时,把一些神经网络节点按一定的比例丢弃,使其暂时不发挥作用。Dropout可以理解成是一种十分高效的神经网络模型平均方法,由于它不依赖于某些局部特征所以能够让网络模型更加鲁棒。实验中使用的一维恒星光谱图是取自LAMOST DR3数据库,首先进行预处理截取光谱3 600~7 300 Å的部分,均匀采样后使用min-max标准化法对其进行初始化。实验包括两部分:第一部分为依据恒星光谱MK系统对光谱进行分类,每一类的训练样本包含1 000条光谱数据,测试样本为400条光谱数据,首先通过训练样本对CNN网络进行训练,进行3 000次的迭代,用训练后的网络将测试样本进行分类以验证网络的准确性;第二部分为相邻两类的恒星光谱的分类,其中O型星数据集样本为250条光谱,其余类别恒星样本数据集均为4 000条光谱,将数据5等分,每次选取当中的一份当作测试集,其余部分当作训练集,采用5折交叉验证法求得模型准确率,用BP神经网络进行对比实验。选择对网络模型进行评估的指标包括精确率P、召回率R、F-score、准确率A。实验结果显示CNN在对六类恒星光谱进行分类时其准确率都在95%以上,在对相邻类别的恒星进行分类时,由于O型星样本量较少,所以得到的分类结果不太理想,对其余类别的恒星分类准确率都高于98%,以上结果都证明了CNN算法能够很好地解决恒星光谱的分类问题。  相似文献   
10.
《中国光学》2020,(1):120-120
●中国光学开拓者之一王大珩院士亲自创办的新中国历史最悠久的光学期刊●现任主编为国家级有突出贡献的青年科学家曹健林博士●Benjamin J Eggleton,John Love等国际著名光学专家为本刊国际编委《光学精密工程》主要栏目有现代应用光学(空间光学、纤维光学、信息光学、薄膜光学、光电技术及器件、光学工艺及设备、光电跟踪与测量、激光技术及设备);微纳技术与精密机械(纳米光学、精密机械);信息科学(图像处理、计算机应用与软件工程)等。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号