全文获取类型
收费全文 | 802篇 |
免费 | 201篇 |
国内免费 | 72篇 |
专业分类
航空 | 622篇 |
航天技术 | 191篇 |
综合类 | 83篇 |
航天 | 179篇 |
出版年
2024年 | 34篇 |
2023年 | 121篇 |
2022年 | 135篇 |
2021年 | 131篇 |
2020年 | 103篇 |
2019年 | 68篇 |
2018年 | 24篇 |
2017年 | 26篇 |
2016年 | 43篇 |
2015年 | 25篇 |
2014年 | 30篇 |
2013年 | 27篇 |
2012年 | 29篇 |
2011年 | 36篇 |
2010年 | 26篇 |
2009年 | 25篇 |
2008年 | 29篇 |
2007年 | 24篇 |
2006年 | 9篇 |
2005年 | 22篇 |
2004年 | 12篇 |
2003年 | 17篇 |
2002年 | 17篇 |
2001年 | 10篇 |
2000年 | 10篇 |
1998年 | 2篇 |
1997年 | 3篇 |
1996年 | 4篇 |
1995年 | 8篇 |
1994年 | 5篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1990年 | 5篇 |
1989年 | 11篇 |
排序方式: 共有1075条查询结果,搜索用时 31 毫秒
61.
针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。 相似文献
62.
63.
64.
根据波音737NG飞机的维护数据,该文分析波音737NG飞机水平安定面主要结构的受力特性;同时,定性分析了水平安定面肋下缘条及连接的蒙皮等部位的典型疲劳裂纹。分析波音公司针对该问题对现有机队的预防性改进措施,借鉴大修厂的实际维护经验以及一系列数据和现场照片,最终给出针对该疲劳裂纹的建议措施,以供民机设计制造单位及波音737NG营运人参考借鉴。 相似文献
65.
目前,国内缺少一套科学、系统的适用于飞机、发动机和导弹等航空装备修理工厂的质量竞争力评价体系。运用系统工程理论和过程分析方法,从质量体系能力、质量支持能力、质量运行能力和质量绩效能力四个方面构建涵盖19项二级、60项三级指标的质量竞争力评价指标体系;提出一种基于G1专家组合多重相关赋权的评价方法,全面综合决策者或专家意愿,形成一套标准化的权重系数集;依据评价准则,采用专家打分、模糊评价的方式对航空装备修理工厂质量竞争力进行评价,并作进一步分析。结果表明:该指标体系合理,评价方法可行,对航空装备修理工厂提高自身质量竞争力具有一定的指导和借鉴意义。 相似文献
66.
67.
68.
反舰导弹作为海上作战的主战武器,由于其精度高、射程远、威力大等特性长期以来一直被当作舰艇编队的主要防御对象。针对反舰导弹打击舰艇编队的火力分配问题,我们提出了一种基于深度Q值网络求解反舰导弹火力分配策略的算法。不同于现有的基于领域知识的方法,深度Q值网络无需依赖任何先验信息,就能够通过与模拟器的交互自动求解最佳的攻击策略。该算法使用深度神经网络拟合Q值函数,解决了传统强化学习中的状态空间过大无法遍历的问题。实验结果表明,在各种不同的舰队防御配置下,深度Q值网络求解得到的攻击策略均获得了最佳的毁伤效果。 相似文献
69.
以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。 相似文献
70.
Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度。由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation)模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高。通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB_200_2011数据集上提升了1%~1.7%和0.8%~1%,证明了SE模块能够进一步提升Xception的精确度。将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63%的识别率。 相似文献