全文获取类型
收费全文 | 591篇 |
免费 | 71篇 |
国内免费 | 33篇 |
专业分类
化学 | 156篇 |
晶体学 | 3篇 |
力学 | 90篇 |
综合类 | 45篇 |
数学 | 94篇 |
物理学 | 307篇 |
出版年
2024年 | 5篇 |
2023年 | 10篇 |
2022年 | 24篇 |
2021年 | 34篇 |
2020年 | 18篇 |
2019年 | 18篇 |
2018年 | 12篇 |
2017年 | 36篇 |
2016年 | 28篇 |
2015年 | 18篇 |
2014年 | 52篇 |
2013年 | 28篇 |
2012年 | 41篇 |
2011年 | 38篇 |
2010年 | 27篇 |
2009年 | 24篇 |
2008年 | 120篇 |
2007年 | 31篇 |
2006年 | 16篇 |
2005年 | 24篇 |
2004年 | 23篇 |
2003年 | 12篇 |
2002年 | 16篇 |
2001年 | 8篇 |
2000年 | 4篇 |
1999年 | 5篇 |
1998年 | 6篇 |
1997年 | 2篇 |
1996年 | 1篇 |
1995年 | 3篇 |
1994年 | 1篇 |
1993年 | 3篇 |
1992年 | 2篇 |
1991年 | 4篇 |
1990年 | 1篇 |
排序方式: 共有695条查询结果,搜索用时 390 毫秒
91.
高占科于惠莉袁玲玲程绍华 《化学分析计量》2021,30(10):78-84
为评价海洋检验检测机构海水盐度检测能力,国家海洋标准计量中心设计并实施了2020年度海水盐度能力验证计划,制备能力验证样品并开展均匀性检验。本次能力验证采用双样品以随机组合形式发放,利用迭代算法A对62家实验室提交的能力验证数据进行统计分析处理,合理确定指定值及其不确定度,将能力验证数据转化为能力统计量,根据Z比分数评定各参加实验室能力验证结果。结果显示,双样品全部“满意”的实验室有52家,占85.5%,有3家实验室能力验证结果“不满意”,6家实验室能力验证结果“有问题”。“不满意”和“有问题”的实验室共占14.5%。本次能力验证数据的频率分布接近正态分布,通过开展双样品联合置信概率分析和仪器类型统计分析,与往年能力验证结果“满意率”进行比较,绝大多数实验室海水盐度检测能力良好,个别实验室仍需加强海水盐度检测能力建设和内部质量控制。 相似文献
92.
电感耦合等离子体质谱(ICP-MS)法测定葡萄酒中的铜、镉、铅 总被引:2,自引:0,他引:2
建立了电感耦合等离子体质谱(ICP-MS)法直接测定葡萄酒中铜、镉、铅含量的一种快速、灵敏、准确的定量方法。采用微波消解及直接进样技术比对,结果表明,以钪(Sc)、铟(In)、铽(Tb)为内标元素,消除基体干扰及仪器漂移。在选定的仪器条件下,直接进样,外标法定量,相对标准偏差小于3%,加标回收率在86.4%~100%,精密度和准确度都能满足测定要求,成功用于能力验证样品的测定,结果令人满意。 相似文献
93.
2003年5~8月期间,中国实验室国家认可委员会组织了CNAL/T0086水溶液的pH值测定能力验证。本次能力验证由中国实验室国家认可委员会组织,国家标;住物质研究中心负责协调及实施。能力验证的目的是评价各实验室水溶液pH值测定的测试能力和测试水平。对测试结果的统计采用方便并为国际和区域承认的方法——稳健统计法,根据Z比分数评判各实验室的测试结果。 相似文献
94.
能力验证及其评价 总被引:4,自引:0,他引:4
马冲先 《理化检验(化学分册)》2005,41(11):861-864,870
The definitions, purposes and uses of proficiency testing and interlaboratory comparison were expounded in detail. Main types of proficiency testing were illustrated. Special emphases were made on the organization, practice and evaluation of the planning of proficiency testing. Related policies about proficiency testing given by the China National Accreditation Board for Laboratories (CNAL) were also briefly introduced. 相似文献
95.
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
96.
97.
98.
99.
100.