全文获取类型
收费全文 | 9653篇 |
免费 | 1188篇 |
国内免费 | 969篇 |
专业分类
航空 | 6680篇 |
航天技术 | 1274篇 |
综合类 | 1128篇 |
航天 | 2728篇 |
出版年
2024年 | 66篇 |
2023年 | 304篇 |
2022年 | 285篇 |
2021年 | 385篇 |
2020年 | 396篇 |
2019年 | 370篇 |
2018年 | 202篇 |
2017年 | 261篇 |
2016年 | 314篇 |
2015年 | 308篇 |
2014年 | 428篇 |
2013年 | 385篇 |
2012年 | 576篇 |
2011年 | 573篇 |
2010年 | 426篇 |
2009年 | 498篇 |
2008年 | 556篇 |
2007年 | 588篇 |
2006年 | 440篇 |
2005年 | 450篇 |
2004年 | 438篇 |
2003年 | 459篇 |
2002年 | 357篇 |
2001年 | 391篇 |
2000年 | 290篇 |
1999年 | 233篇 |
1998年 | 271篇 |
1997年 | 243篇 |
1996年 | 207篇 |
1995年 | 184篇 |
1994年 | 167篇 |
1993年 | 163篇 |
1992年 | 146篇 |
1991年 | 121篇 |
1990年 | 92篇 |
1989年 | 109篇 |
1988年 | 55篇 |
1987年 | 56篇 |
1986年 | 9篇 |
1985年 | 4篇 |
1984年 | 1篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1981年 | 1篇 |
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
2.
联邦学习是一种新型的分布式学习框架,它允许在多个参与者之间共享训练数据而不会泄露其数据隐私。但是这种新颖的学习机制仍然可能受到来自各种攻击者的前所未有的安全和隐私威胁。本文主要探讨联邦学习在安全和隐私方面面临的挑战。首先,本文介绍了联邦学习的基本概念和威胁模型,有助于理解其面临的攻击。其次,本文总结了由内部恶意实体发起的3种攻击类型,同时分析了联邦学习体系结构的安全漏洞和隐私漏洞。然后从差分隐私、同态密码系统和安全多方聚合等方面研究了目前最先进的防御方案。最后通过对这些解决方案的总结和比较,进一步讨论了该领域未来的发展方向。 相似文献
3.
大型飞机在飞行过程中机身后体会产生一对反向旋转的脱体涡(后体主涡),该涡与平尾翼尖涡共同构成飞机后体的涡系结构。在风洞中,利用激光粒子测速(PIV)方法,对单独后体和加装不同展长平尾的后体,分别研究涡系结构的动力学特征。结果表明:后体主涡的涡核中心沿流向明显向上移动;加装平尾后,涡系呈现典型的四涡结构,平尾翼尖涡对后体主涡影响显著,加大了后者向上移动的趋势,同时使其沿展向外移,并显著削弱其涡旋强度;平尾展长增加后,后体主涡受到的影响有所减弱。在低速环境下,来流速度对后体涡系结构的无量纲动力学参数影响较小。 相似文献
4.
5.
6.
粒子图像测速(PIV)作为一种流体力学实验技术,能够从流体图像中获取全局、定量的速度场信息。随着人工智能技术的发展,设计用于粒子图像测速的深度学习技术具有广泛的应用前景和研究价值。借鉴在计算机视觉领域用于运动估计的光流神经网络,采用人工合成的粒子图像数据集进行监督学习训练,从而获得适用于流体运动估计的深度神经网络模型,并且能够高效地提供单像素级别分辨率的速度场。文中采用人工合成的湍流流场粒子图像进行初步实验评估,并讨论PIV神经网络的隐藏层输出和内在原理,同时将训练而成的深度神经网络模型与传统的相关分析法、光流法对比;随后进行射流流场测速实验,验证深度神经网络PIV的实用性。实验结果表明,文中提出的基于深度神经网络的粒子图像测速在精度、分辨率、计算效率上具有优势。 相似文献
7.
针对导流锥结构参数对内弹道流场耦合影响问题,基于动态分层动网格技术,构建了含导弹运动和二次燃烧的内弹道数值模型,并验证了模型可靠性。解耦分析了导流锥半径、高度及冲击高度对内弹道流场特性和载荷的影响。结果表明:导流锥的结构直接决定燃气飞溅现象的产生和流场结构的紊乱程度,导流锥的半径、高度和冲击高度的改变会对燃气反射点的位置、二次燃烧的区域以及剧烈程度产生影响;结构优化后的导流锥,较大程度地缓解了冲击现象,获得了较好的平滑效果,筒底压力较实验装置降低了24.5%。 相似文献
8.
10.
量子科学实验卫星在轨运行期间完成4种光学实验,地面监测人员通过遥测参数阈值判断卫星是否进行光学实验、实验类型及实验结果.这种方法需要预先设定大量阈值,并且这些阈值需要根据在轨卫星重新设定,可扩展性较差.针对以上问题,提出一种基于机器学习的光学实验判别方法,将量子科学实验卫星的光学实验监测任务抽象为机器学习中的多元分类问题,构建分类模型,利用量子科学实验卫星的真实历史遥测数据对模型进行训练,并通过真实实验计划对训练得到的模型进行验证.实验结果表明,本文提出的方法在没有专家先验知识的前提下,判别准确率达到99%,可用于量子科学实验卫星光学实验的实时监测任务.提出的基于机器学习的判别方法具有较强的可扩展性,可应用于卫星在轨运行的其他监测任务. 相似文献