全文获取类型
收费全文 | 203篇 |
免费 | 18篇 |
国内免费 | 12篇 |
专业分类
化学 | 32篇 |
力学 | 38篇 |
综合类 | 40篇 |
数学 | 68篇 |
物理学 | 55篇 |
出版年
2024年 | 3篇 |
2023年 | 19篇 |
2022年 | 11篇 |
2021年 | 13篇 |
2020年 | 7篇 |
2019年 | 5篇 |
2018年 | 5篇 |
2017年 | 3篇 |
2016年 | 2篇 |
2015年 | 4篇 |
2014年 | 9篇 |
2013年 | 5篇 |
2012年 | 4篇 |
2011年 | 8篇 |
2010年 | 9篇 |
2009年 | 2篇 |
2008年 | 4篇 |
2007年 | 3篇 |
2006年 | 2篇 |
2005年 | 11篇 |
2004年 | 14篇 |
2003年 | 12篇 |
2002年 | 1篇 |
2001年 | 6篇 |
2000年 | 8篇 |
1999年 | 7篇 |
1998年 | 5篇 |
1997年 | 1篇 |
1996年 | 3篇 |
1995年 | 9篇 |
1994年 | 8篇 |
1993年 | 8篇 |
1992年 | 5篇 |
1991年 | 6篇 |
1990年 | 4篇 |
1989年 | 7篇 |
排序方式: 共有233条查询结果,搜索用时 15 毫秒
1.
2.
从发展智能计算机的战略出发,介绍了人工神经网络的研究背景和发展简史,扼要说明了神经元的基本运算功能以及人工神经网络的构造和类型。从可学习性,大规模并行性以及联想和容错能力等方面,通过已有研究成果的实例,分析了人工神经网络作为一种新型智能信息处理系统所具有的主要特点。并从硬件实现的角度,阐明了人工神经网络与光学或光子技术的密切关系。 相似文献
3.
锂离子电池已成为解决现代社会储能问题的最佳解决方案之一。然而,电池材料和器件开发都是复杂的多变量问题,传统的依赖研究人员进行实验的试错法在电池性能提升方面遇到了瓶颈。人工智能(AI)具有强大的高速、海量数据处理能力,是上述突破研究瓶颈的最具潜力的技术。其中,机器学习 (ML) 算法在评估多维数据变量和集合之间的组合关联方面的独特优势有望帮助研究人员发现不同因素之间的相互作用规律并阐明材料合成和设备制造的机制。本综述总结了锂离子电池传统研究方法遇到的各种挑战,并详细介绍了人工智能在电池材料研究、电池器件设计与制造、材料与器件表征、电池循环寿命与安全性评估等方面的应用。最重要的是,我们介绍了AI和ML在电池研究中面临的挑战,并讨论了它们应用的缺点和前景。我们相信,未来实验科学家、数学建模专家和AI专家之间更紧密的合作将极大地促进AI和ML方法用以解决传统方法难以克服的电池和材料问题。 相似文献
4.
复合材料以其轻质高强高模、可设计性强等优点成为结构轻量化的重要用材. 然而, 随着复合材料组分、结构以及性能需求的日益复杂化, 以实验观测、理论建模和数值模拟为主体的传统研究范式, 在复合材料力学性能分析、设计和制造等方面遇到了新的科学问题与技术瓶颈. 其中, 实验观测不足、理论模型缺乏、数值分析受限、结果验证困难等问题在一定程度上制约了先进复合材料在面向未来工程领域中应用的发展. 人工智能方法以数据驱动的模型替代传统研究中的数学力学模型, 直接由高维高通量数据建立变量间的复杂关系, 捕捉传统力学研究方法难以发现的规律, 在复杂系统的分析、预测、优化方面拥有与生俱来的优势. 而通过人工智能赋能来寻求复合材料中传统研究方法所面临难题的新的解决方案, 目前已成为复合材料研究领域的发展趋势. 本文综述并评价了人工智能方法在复合材料性能预测、优化设计、制造检测及健康监测等方面的研究进展, 并对未来发展方向进行了探讨和展望. 相似文献
5.
6.
《中国惯性技术学报》2019,(4)
自主研发绝对重力仪的测量结果中出现的离群程度不同的异常值会直接影响测量结果的准确度和测量精度。目前一般采用的一元正态分布异常值检测算法漏检率高,容易造成测量结果的偏差和测量精度的下降。利用人工智能算法中的局部异常因子异常值检测算法,可以在线、快速、高效地完成自主研发绝对重力测量数据的异常值检测。首先,根据实测数据构建测试数据集,利用数值模拟确定局部异常因子算法邻域宽度参数的取值;然后,基于实测数据进行异常值检测并进行结果评估。评估结果表明,局部异常因子异常值检测算法对离群程度不同、连续出现异常值等情况检测效果明显优于一元正态分布异常值检测算法,组测量精度平均提高9.37μGal,可以作为自主研发绝对重力仪异常值检测的通用算法完成组测量结果的异常值检测。 相似文献
7.
人工智能助力当代化学研究 总被引:1,自引:0,他引:1
以机器学习为代表的人工智能在当代的科学研究中正在发挥越来越重要的作用.不同于传统的计算机程序,机器学习人工智能可以通过对大量数据的反复分析和自身模型的优化,即“学习”过程,从而在大量的数据中寻找客观事物的相互联系,形成具有更好预测和决策能力的新模型,做出合理的判断.化学研究的特点恰恰是机器学习人工智能的强项.化学研究经常要面对十分复杂的物质体系和实验过程,从而很难通过化学物理原理进行精准的分析和判断.人工智能可以挖掘化学实验中产生的海量实验数据的相关性,帮助化学家做出合理分析预测,大大加速化学研发过程.本文介绍了当代人工智能方法及用其解决化学问题基本原理,并通过具体案例展示了人工智能辅助解决不同化学研发问题的方法以及对应的机器学习算法.将人工智能运用在化学科学的尝试正处于蓬勃上升期,人工智能已经初步展示出对化学研究的强大助力,希望本文能帮助更多的国内的化学工作者了解和运用这一有力的工具. 相似文献
8.
有一些教师在介绍物理学家的奇闻逸事时,往往过分强调他们对科学研究的态度,把他们研究的内容描绘得高深莫测,使很多初学物理的学生认为物理学家都是一些“书呆子”。这种认识当然是片面。物以类聚、人以群分,物理学家无疑具有一些共同的特征,但这种特征更多地表现在科学研究工作中。而在日常生活中,他们也是普通人,也有业余爱好。如此看来,要全方位地介绍物理学家、使学生正确理解物理学家、培养学生对物理的学习乐趣,也需要向学生介绍物理学家作为“人”的一面。 相似文献
9.
在各种体育运动项目中,都包含有大量的物理学知识.比如,在投掷标枪的过程中,运动员需完成助跑、引臂、最后用力掷出以及用力后的缓冲等一系列动作,在这一系列的动作中,包含着哪些物理知识呢?下面,我们就各个动作过程加以说明.助跑:助跑是整个技术中时间最长,动作环节最多的阶段,其目的是使人体和器械获得预先的动量和为最后投掷创造良好的身体用力条件.标枪在助跑中获得的预先速度是有限的,有人研究只相当于器械出手速度的20%, 相似文献
10.
通过对我国体育学专业设置的回顾及国内外专业设置的对比,经过逐类对照分析,对体育学各专业人才的培养提出思考,探讨今后体育学专业发展的基本方向,并对体育学专业建设提出建议. 相似文献