全文获取类型
收费全文 | 200篇 |
免费 | 82篇 |
国内免费 | 27篇 |
专业分类
航空 | 117篇 |
航天技术 | 84篇 |
综合类 | 28篇 |
航天 | 80篇 |
出版年
2024年 | 15篇 |
2023年 | 51篇 |
2022年 | 50篇 |
2021年 | 53篇 |
2020年 | 35篇 |
2019年 | 34篇 |
2018年 | 13篇 |
2017年 | 3篇 |
2016年 | 2篇 |
2015年 | 2篇 |
2014年 | 6篇 |
2013年 | 3篇 |
2012年 | 5篇 |
2011年 | 3篇 |
2010年 | 5篇 |
2009年 | 3篇 |
2008年 | 2篇 |
2006年 | 5篇 |
2005年 | 5篇 |
2004年 | 2篇 |
2001年 | 1篇 |
2000年 | 1篇 |
1999年 | 2篇 |
1998年 | 2篇 |
1997年 | 1篇 |
1996年 | 2篇 |
1994年 | 2篇 |
1993年 | 1篇 |
排序方式: 共有309条查询结果,搜索用时 46 毫秒
101.
为降低弹道目标整体误识别代价,提出了基于代价敏感剪枝(CSP)一维卷积神经网络(1D-CNN)的弹道目标高分辨距离像识别方法。首先,基于彩票假设提出了同时以降低模型复杂度和误识别代价为目标的统一框架;然后,在此基础上,提出了基于人工蜂群算法的网络结构无梯度优化方法,以网络结构搜索的方式自动地寻找1D-CNN的代价敏感子网络,即代价敏感剪枝;最后,为了使代价敏感子网络在微调过程中仍以最小化误识别代价为目标,提出了一种代价敏感交叉熵(CSCE)损失函数对训练进行优化,使代价敏感子网络侧重对误识别代价较高的类别正确分类来进一步降低整体误识别代价。实验结果表明:结合CSP和CSCE损失函数的1D-CNN能在保持较高的识别正确率的前提下,相比传统的1D-CNN具有更低的整体误识别代价,且降低了50%以上的计算复杂度。 相似文献
102.
针对火星局部地表形貌原始自然、色彩单一和纹理相似度高难以实现双目精确定位的问题,提出一种融合深度信息的火星局部地表图像立体匹配方法.利用空间金字塔特征提取模块聚合不同尺度和位置的上下文信息,然后通过分层立体匹配架构构建多尺度的匹配代价卷,用条件代价卷归一化代替批量归一化层,在立体匹配网络的代价正则化阶段以深度信息为条件调制匹配代价卷特征,从而降低计算量,提升推理速度,并生成高精度的视差图.最终利用感兴趣目标的视差值并结合相机的基线参数,得到目标点在指定坐标系下的三维坐标从而实现定位任务.在火星模拟场数据集上的视差图达到了三像素误差小于0.017%,通过与GCNet+ CCVNorm等方法的结果进行比较,表明所提出方法在火星局部地表下的优势. 相似文献
103.
在遥感图像目标检测领域内,旋转物体的检测存在挑战,卷积神经网络在提取信息时会受制于固定的空间结构,采样点无法聚焦于目标;遥感图像尺度变化大,不同物体需要具有不同尺度感受野的特征映射,具有单一尺度感受野的特征映射无法包含所有有效信息。基于此,提出了可变形对齐卷积,根据候选边框调节采样点,并根据特征映射学习采样点的细微偏移,使采样点聚焦于目标,从而实现动态特征选择;同时提出了基于可变形对齐卷积的感受野自适应模块,对具有不同尺度感受野的特征映射进行融合,自适应地调整神经元的感受野。在公开数据集上的大量实验验证了所提算法可以提高遥感图像目标检测的精度。 相似文献
104.
二值卷积神经网络(BNN)占用存储空间小、计算效率高,然而由于网络前向的二值量化与反向梯度的不匹配问题,使其与同结构的全精度深度卷积神经网络(CNN)之间存在较大的性能差距,影响了其在资源受限平台上的部署。至今,研究者已提出了一系列网络设计与训练方法来降低卷积神经网络在二值化过程中的性能损失,以推动二值卷积神经网络在嵌入式便携设备发展中的应用。因此,本文对二值卷积神经网络进行综述,主要从提高网络表达能力与充分挖掘网络训练潜力两大方面,给出了当前二值卷积神经网络的发展脉络与研究现状。具体而言,提高网络表达能力分为二值化量化方法设计、结构设计两方面,充分挖掘网络训练潜力分为损失函数设计与训练策略两方面。最后,对二值卷积神经网络在不同任务与硬件平台的实验情况进行了总结和技术分析,并展望了未来研究中可能面临的挑战。 相似文献
105.
基于卷积神经网络的深度学习流场特征识别及应用进展 总被引:2,自引:1,他引:1
深度学习架构的出色性能使得机器学习在流体力学中的应用得到新的发展,可以应对流体力学中诸多问题和需求。卷积神经网络(CNN)强大的非线性映射能力以及分层提取信息特征的功能,使其成为当下流场特征研究不容忽视的工具。围绕这一研究前沿与热点问题,概述和归纳了这一研究领域的进展与成果。首先,对深度学习在流体力学中的发展以及卷积神经网络进行了简单的回顾。然后,从卷积神经网络能够识别特征出发,先后介绍了基于卷积的深度学习特征识别在流场预测、流动外形优化、流场可视化精度提升和生成对抗等应用方面的研究进展。最后,对深度学习在流场识别领域的应用进行了展望,为后续的研究提供参考。 相似文献
106.
无人机数据链通信受到各种自然与人为的干扰,信噪比(SNR)是信道状态和通信质量的有效评估指标。为解决传统估计算法信噪比估计精度不足的问题,提出了一种卷积神经网络(CNN)与长短时记忆(LSTM)网络结合的估计模型。利用仿真与实测相结合的方式,构建了一个包含不同信噪比、调制方式、衰落信道等信息的无人机通信信号数据集;在网络训练阶段,将样本序列进行分割,对分割后的每一部分序列使用CNN-LSTM网络提取深度特征,多次训练并保存模型参数;在测试阶段,利用构建好的测试集完成对算法的验证与测试,得到信噪比估计值。实验表明,相比于传统信噪比估计算法与单一网络结构的深度学习算法,所提算法的均方误差最低,实现了对信噪比的高精度估计。 相似文献
107.
采用电流密度卷积FDTD算法(JEC-FDTD)计算了等离子体天线的散射特性, 分析了等离子体天线处于工作状态时等离子体参数(密度、碰撞频率)及天线外部约束腔体对天线雷达散射截面(RCS)的影响. 数值结果表明, 等离子体天线的RCS会随等离子体密度的减小及碰撞频率的增大而减小. 而约束腔体只有在高频段时才会对等离子体天线的RCS值产生较大的影响. 因此, 在不影响天线性能的情况下, 可以根据信号频率调节等离子体参数、选取合适的腔体材料以达到增强等离子体天线隐身性能的目的. 相似文献
108.
109.
110.
对可提供三维空间听觉信息并增强人在虚拟环境中沉浸感的双耳声做了介绍。从声音传播、被感知角度,对双耳声的数学模型做了推导。由于头部相关传递函数和单声道的声音信号卷积可生成双耳声,因此对头部相关传递函数做了较详细的阐述。对长时间声音信号的卷积算法中的重叠保留法做了论述,对可仿真声源平滑运动的交叉衰减技术做了介绍,最后对虚拟座舱中的一种三维音响生成方案做了设计。 相似文献