全文获取类型
收费全文 | 3098篇 |
免费 | 373篇 |
国内免费 | 290篇 |
专业分类
化学 | 36篇 |
晶体学 | 5篇 |
力学 | 201篇 |
综合类 | 175篇 |
数学 | 3040篇 |
物理学 | 304篇 |
出版年
2024年 | 12篇 |
2023年 | 68篇 |
2022年 | 65篇 |
2021年 | 81篇 |
2020年 | 64篇 |
2019年 | 79篇 |
2018年 | 65篇 |
2017年 | 79篇 |
2016年 | 100篇 |
2015年 | 100篇 |
2014年 | 145篇 |
2013年 | 137篇 |
2012年 | 157篇 |
2011年 | 186篇 |
2010年 | 184篇 |
2009年 | 195篇 |
2008年 | 223篇 |
2007年 | 221篇 |
2006年 | 160篇 |
2005年 | 165篇 |
2004年 | 140篇 |
2003年 | 170篇 |
2002年 | 160篇 |
2001年 | 165篇 |
2000年 | 95篇 |
1999年 | 99篇 |
1998年 | 74篇 |
1997年 | 64篇 |
1996年 | 68篇 |
1995年 | 62篇 |
1994年 | 39篇 |
1993年 | 28篇 |
1992年 | 29篇 |
1991年 | 23篇 |
1990年 | 24篇 |
1989年 | 14篇 |
1987年 | 4篇 |
1986年 | 2篇 |
1985年 | 1篇 |
1984年 | 2篇 |
1983年 | 2篇 |
1982年 | 4篇 |
1980年 | 5篇 |
1959年 | 1篇 |
排序方式: 共有3761条查询结果,搜索用时 265 毫秒
1.
2.
《数学的实践与认识》2019,(24)
目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%. 相似文献
3.
本文针对求矩阵方程AXB+CXD=F唯一解的参数迭代法,分析当矩阵A,B,C,D均是Hermite正(负)定矩阵时,迭代矩阵的特征值表达式,给出了最优参数的确定方法,并提出了相应的加速算法. 相似文献
4.
缪正武 《浙江大学学报(理学版)》2019,46(6):680-685
提出利用拉格朗日乘子法重新证明σ 2 ![]()
![]()
算子的最优凹性,并定义了一个凸锥Γ 3 ? = λ = ( λ 1 , λ 2 , ? , λ n ) ∈ R n : σ 1 ( λ ) > 0 , σ 2 ( λ | i ) > 0 , 1 ≤ i ≤ n ![]()
![]()
。利用σ 2 ![]()
![]()
算子的最优凹性,给出了σ 2 H e s s i a n 方 程 P o g o r e l o v ![]()
![]()
型C 2 ![]()
![]()
内估计,进而证明了σ 2 ( D 2 u ( x ) ) = 1 , x ∈ R n ![]()
![]()
的满足二次多项式增长条件的Γ 3 ? - ![]()
![]()
凸整解为二次多项式。 相似文献
5.
在长期投资组合中,既要考虑金融资产自身的价格波动风险,又要关注宏观经济环境变化及通胀风险对各资产的影响.为此,本文建立宏观经济环境服从隐半马尔科夫链的金融市场,由通胀指数债券、银行存款和普通股票构成投资组合.由期望效用最大化构建随机控制模型,考虑到该隐半马尔科夫市场的不完备性,进一步将该投资组合问题视作部分信息的随机控制问题,并利用隐半马尔科夫滤波将部分信息控制问题转化问完全信息问题,得到解的存在唯一性.本文最后给出若干数值模拟结果,结果显示本文建立的模型优于普通市场的模型. 相似文献
6.
7.
航空器供油问题是一类非线性组合优化问题,其目标函数为分式形式,该问题目前不存在多项式时间算法,也未被证明是NP完全问题。一般可以用置换来刻画n架飞机的一个供油顺序。该问题中有一类实例被称为“完全逆序类”,“完全逆序类”用动态规划算法求解计算时间为O(n2n),具有指数时间复杂度。本文通过对该“完全逆序类”问题做进一步分析,发现在“完全逆序类”中也存在着多项式时间可解的情况。定理1研究一类一次可解的情况,若问题满足定理1的条件,则求解一次即可找到其最优解;定理2研究一类多项式时间可解的情况,当问题满足定理2的条件时,其最优解可在多项式时间内获得。 相似文献
8.
9.
10.