全文获取类型
收费全文 | 131篇 |
免费 | 35篇 |
国内免费 | 37篇 |
专业分类
化学 | 97篇 |
晶体学 | 11篇 |
力学 | 10篇 |
综合类 | 2篇 |
数学 | 18篇 |
物理学 | 65篇 |
出版年
2024年 | 3篇 |
2023年 | 9篇 |
2022年 | 14篇 |
2021年 | 11篇 |
2020年 | 6篇 |
2019年 | 6篇 |
2018年 | 16篇 |
2017年 | 5篇 |
2016年 | 6篇 |
2015年 | 6篇 |
2014年 | 22篇 |
2013年 | 12篇 |
2012年 | 5篇 |
2011年 | 9篇 |
2010年 | 5篇 |
2009年 | 3篇 |
2008年 | 7篇 |
2007年 | 4篇 |
2006年 | 2篇 |
2005年 | 4篇 |
2004年 | 6篇 |
2003年 | 5篇 |
2002年 | 3篇 |
2001年 | 10篇 |
2000年 | 9篇 |
1999年 | 5篇 |
1998年 | 4篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1993年 | 1篇 |
1991年 | 2篇 |
排序方式: 共有203条查询结果,搜索用时 0 毫秒
31.
正相高效液相色谱法分离检测壬基酚和短链壬基酚聚氧乙烯醚 总被引:4,自引:0,他引:4
建立了一种以正相高效液相色谱等强度洗脱分离检测壬基酚和短链壬基酚聚氧乙烯醚的新方法。采用Cosmosil5SL-Ⅱ(250mm×4.6mmi.d,5μm)色谱柱,以乙酸乙酯-乙醇为流动相,流速1.0mL/min,281nmUV检测,在10min内可分离检测p-壬基酚以及短链壬基酚聚氧乙烯醚混合物的3种主要组分。运用本方法对NP,NPnEO(n=1~3)进行测定的相对标准偏差分别为1.4%、1.6%、2.5%和1.4%;检出限分别为0.1mg/L(NP)和0.5mg/L(NPnEO),重复性好且灵敏度高。 相似文献
32.
33.
甲 :我们一起来做一个游戏 .乙 :什么游戏 ?甲 :猜物游戏 .乙 :怎么猜 ?甲 :在木板上把二十五件小物品每五件放一行 ,共放五行 ,摆成一个正方形 .乙 :(把摆好物品的木板给甲看 )摆好了 .甲 :找一位观众上来 ,在木板上任指一件物品给你和观众看 ,你看后给我说一句话 ,我就能猜出观众所指的物品 .乙 :我给你说观众指的是哪件物品 ?甲 :不是 .乙 :那怎么说 ?甲 :你过来我小声教你 .乙 :(乙走到甲跟前 ,甲对乙耳语 ,乙频频点头 )知道了 .甲 :哪一位观众上台来指物 ?(确定一位指物观众 )乙 :(乙指甲 )请你背向木板 ,不准偷看 .甲 :(背向木板 ,用… 相似文献
34.
基于自主设计的一种新型的集萃取、过滤和转移功能为一体的样品萃取管,建立了高效液相色谱(HPLC)测定卷烟爆珠中甲醛和乙醛的分析方法。爆珠用乙腈水溶液萃取,在酸性条件下,经2,4-二硝基苯肼衍生化后,衍生物直接用HPLC法测定。结果表明:采用改进的样品萃取管可大大简化前处理步骤,甲醛和乙醛分别在8~1 500μg/L与10~1 650μg/L范围内呈较好的线性关系,相关系数(r~2)大于0.999,检出限分别为2.5、2.8μg/L,定量下限分别为8.0、9.5μg/L;在2.0、5.0、10.0μg/g 3个加标水平下的平均回收率为96.9%~101.1%,日内精密度和日间精密度均小于4%。该方法具有较好的重复性,适用于卷烟爆珠中甲醛和乙醛的测定。 相似文献
35.
36.
采用不同的测试方法,对双酚A型苯并(口恶)嗪和两种苯并(口恶)嗪模型化合物热聚合体系固化过程中的体积变化从表观体积收缩率、密度-固化时间曲线、恒温固化收缩率以及密度-温度曲线几方面进行了研究,深入探讨了苯并(口恶)嗪在固化过程中是否发生体积膨胀,并着重讨论了不同酚核结构苯并(口恶)嗪开环聚合过程中体积变化的差异及影响因素.结果表明,不同结构的苯并(口恶)嗪均呈现出宏观体积膨胀效应,但在恒温固化过程中却均呈现体积收缩,且这种体积变化的大小与苯并(口恶)嗪的分子结构、聚合反应程度和交联密度相关. 相似文献
37.
立体几何中的动点轨迹问题,是一个不会被忽略的问题,在各级各类考试中都有它的一席之地,高考试题中也时有出现,是一类考查学生空间想象能力、思维能力和创新意识创新能力的好题型.本文中以两道高考真题为例,从方程角度探究立体几何中动点轨迹问题的解法. 相似文献
38.
39.
40.
物理信息神经网络(physics-informed neural networks, PINN)由于嵌入了物理先验知识,可以在少量训练数据的情况下获得自动满足物理约束的代理模型,受到了智能科学计算领域的广泛关注.但是, PINN的离散时间模型(PINN-RK)无法同时近似多个物理量相互耦合的偏微分方程系统,限制了其处理复杂多物理场的能力.为了打破这一限制,文章提出了一种基于龙格库塔法的多输出物理信息神经网络(multi-output physics-informed neural networks based on the Runge-Kutta method, MO-PINN-RK), MO-PINN-RK模型在离散时间模型的基础上采用了并行输出的神经网络结构,通过将神经网络划分为多个子网络,建立了多个神经网络输出层.采用不同输出层近似不同物理量的方式, MO-PINN-RK模型不仅可以同时表征多个物理量,而且还能够实现求解偏微分方程系统的目的.另外, MO-PINN-RK克服了PINN离散时间模型仅适用于一维空间的局限性,将其应用范围扩展到了更为普遍的多维空间.为了验证MO-PIN... 相似文献