全文获取类型
收费全文 | 894篇 |
免费 | 197篇 |
国内免费 | 83篇 |
专业分类
航空 | 423篇 |
航天技术 | 234篇 |
综合类 | 205篇 |
航天 | 312篇 |
出版年
2024年 | 37篇 |
2023年 | 140篇 |
2022年 | 160篇 |
2021年 | 137篇 |
2020年 | 91篇 |
2019年 | 72篇 |
2018年 | 19篇 |
2017年 | 16篇 |
2016年 | 20篇 |
2015年 | 17篇 |
2014年 | 14篇 |
2013年 | 27篇 |
2012年 | 24篇 |
2011年 | 38篇 |
2010年 | 38篇 |
2009年 | 57篇 |
2008年 | 50篇 |
2007年 | 34篇 |
2006年 | 44篇 |
2005年 | 31篇 |
2004年 | 25篇 |
2003年 | 22篇 |
2002年 | 13篇 |
2001年 | 10篇 |
2000年 | 9篇 |
1999年 | 6篇 |
1998年 | 7篇 |
1997年 | 6篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1993年 | 3篇 |
1992年 | 1篇 |
排序方式: 共有1174条查询结果,搜索用时 109 毫秒
391.
丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明:改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。 相似文献
392.
随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。 相似文献
393.
394.
395.
以Dick与Carey的系统教学设计模式与相关文献为主要理论基础,在"互联网+"环境上建构一门以系统观点探讨"飞行英语听说"的自我导向式课程,并在实际教学过程中,由学习者中辍率、参与程度、对教学方案的满意以及与对学习的帮助程度等指标,分析设计成果的成效及呈现的问题.结果显示学习者中辍率仅12%,多数学习者每周登录4-9... 相似文献
396.
397.
398.
随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。 相似文献
399.
在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大的问题。迁移学习通过冻结预训练模型的卷积层权重,并在自制的人证数据集微调,提高了网络模型的人证场景的识别性能。实验结果表明,所设计的轻量级人证比对算法在验证精度、参数量以及运行效率等方面取得了很好的效果,且对生活场景有较好的鲁棒性。 相似文献
400.
深度强化学习在学习过程中需要与环境进行大量的交互,训练效率低下。模仿学习通过从专家示范中学习,可以有效地应对这一挑战,但是需要收集大量的专家示范轨迹,在复杂任务中往往导致高昂的示范代价。本文提出一种基于主动学习的行为克隆算法,通过主动挑选示范起始状态来减小示范代价。该方法基于不确定性采样和不相似性采样两种策略,从状态候选集中挑选最有价值的状态作为起始状态,然后向专家查询固定长度的示范轨迹,希望从尽可能少的示范中学习出有效策略。在多个不同任务上的实验表明,本文方法可以用更少的示范轨迹进行行为克隆,降低了强化学习中的专家示范代价。 相似文献