全文获取类型
收费全文 | 2787篇 |
免费 | 260篇 |
国内免费 | 42篇 |
专业分类
化学 | 19篇 |
晶体学 | 3篇 |
力学 | 12篇 |
综合类 | 25篇 |
数学 | 843篇 |
物理学 | 293篇 |
无线电 | 1894篇 |
出版年
2024年 | 34篇 |
2023年 | 103篇 |
2022年 | 156篇 |
2021年 | 159篇 |
2020年 | 153篇 |
2019年 | 117篇 |
2018年 | 71篇 |
2017年 | 79篇 |
2016年 | 81篇 |
2015年 | 72篇 |
2014年 | 109篇 |
2013年 | 133篇 |
2012年 | 102篇 |
2011年 | 106篇 |
2010年 | 81篇 |
2009年 | 141篇 |
2008年 | 206篇 |
2007年 | 163篇 |
2006年 | 176篇 |
2005年 | 123篇 |
2004年 | 92篇 |
2003年 | 120篇 |
2002年 | 94篇 |
2001年 | 73篇 |
2000年 | 73篇 |
1999年 | 78篇 |
1998年 | 46篇 |
1997年 | 44篇 |
1996年 | 28篇 |
1995年 | 10篇 |
1994年 | 16篇 |
1993年 | 8篇 |
1992年 | 11篇 |
1991年 | 9篇 |
1990年 | 4篇 |
1989年 | 7篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1985年 | 2篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1979年 | 1篇 |
1977年 | 1篇 |
1959年 | 2篇 |
排序方式: 共有3089条查询结果,搜索用时 15 毫秒
141.
在LTE系统中,物理广播信道和物理下行控制信道均采用了咬尾卷积编码,咬尾卷积编码拥有很多优良的性能.针对咬尾卷积译码,提出了一种基于Viterbi译码的修正算法——正逆序结合译码算法,根据分支度量确定误码在数据帧的分布,最后确定采用正序还是逆序译码结果.仿真结果表明,Viterbi的修正方法有效地降低了系统误码率,而且具有普适性,适合应用于LTE系统. 相似文献
142.
循环码的周期分布的新的计算公式 总被引:17,自引:1,他引:17
本文在[1]文的基础上进一步分析了循环码的周期分布的性质,给出了新的计算方法和公式,并且确定了一些熟知的循环码的周期分布。 相似文献
143.
144.
145.
146.
近年来,卷积神经网络(Convolutional Neural Network,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分类中取得了较好的分类结果。CNN结构中,前面若干层由交替的卷积层、池化层堆叠而成,后面若干层为全连接层。全卷积神经网络(All Convolutional Neural Network, A-CNN)是对CNN结构的一种改进,其中池化层和全连接层都用卷积层代替,该结构已在计算机视觉领域被应用。针对公布的MSTAR数据集,提出了基于A-CNN的SAR图像目标分类方法,并与基于CNN的SAR图像分类方法进行对比。实验结果表明,基于A-CNN的SAR图像目标分类正确率要高于基于CNN的分类正确率。 相似文献
147.
148.
149.
复杂场景中的运动目标检测是计算机视觉领域的重要问题,其检测准确度仍然是一大挑战.本文提出并设计了一种用于复杂场景中运动目标检测的深度帧差卷积神经网络(Deep Difference Convolutional Neural Network,DFDCNN).DFDCNN由DifferenceNet和AppearanceNet组成,不需要后处理就可以预测分割前景像素.DifferenceNet具有孪生Encoder-Decoder结构,用于学习两个连续帧之间的变化,从输入(t帧和t+1帧)中获取时序信息;AppearanceNet用于从输入(t帧)中提取空间信息,并与时序信息融合;同时,通过多尺度特征图融合和逐步上采样来保留多尺度空间信息,以提高网络对小目标的敏感性.在公开标准数据集CDnet2014和I2R上的实验结果表明:DFDCNN不仅在动态背景、光照变化和阴影存在的复杂场景中具有更好的检测性能,而且在小目标存在的场景中也具有较好的检测效果. 相似文献
150.
一种基于卷积神经网络的雷达目标分类方法 总被引:1,自引:0,他引:1
雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。 相似文献