全文获取类型
收费全文 | 1988篇 |
免费 | 322篇 |
国内免费 | 171篇 |
专业分类
航空 | 905篇 |
航天技术 | 510篇 |
综合类 | 267篇 |
航天 | 799篇 |
出版年
2024年 | 48篇 |
2023年 | 168篇 |
2022年 | 188篇 |
2021年 | 188篇 |
2020年 | 123篇 |
2019年 | 107篇 |
2018年 | 41篇 |
2017年 | 46篇 |
2016年 | 59篇 |
2015年 | 62篇 |
2014年 | 62篇 |
2013年 | 93篇 |
2012年 | 98篇 |
2011年 | 101篇 |
2010年 | 113篇 |
2009年 | 123篇 |
2008年 | 119篇 |
2007年 | 106篇 |
2006年 | 91篇 |
2005年 | 92篇 |
2004年 | 63篇 |
2003年 | 45篇 |
2002年 | 44篇 |
2001年 | 45篇 |
2000年 | 39篇 |
1999年 | 39篇 |
1998年 | 32篇 |
1997年 | 42篇 |
1996年 | 23篇 |
1995年 | 23篇 |
1994年 | 14篇 |
1993年 | 9篇 |
1992年 | 6篇 |
1991年 | 12篇 |
1990年 | 2篇 |
1989年 | 4篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1986年 | 3篇 |
1985年 | 2篇 |
1983年 | 1篇 |
1982年 | 1篇 |
1979年 | 1篇 |
排序方式: 共有2481条查询结果,搜索用时 15 毫秒
271.
272.
273.
274.
针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。 相似文献
275.
研究了空间平台发射拦截器的两体耦合动力学,以及拦截器拦截目标星的最优脉冲控制问题。平台首先与目标星形成绕飞关系,保持其发射筒轴线始终瞄准目标星。接到发射指令后,拦截器从发射筒中射出,本文采用拉格朗日第二类方程建立了发射过程平台-拦截器两体动力学模型。因为两体耦合影响,平台姿态偏转,拦截器出筒时的速度已经不能瞄准目标星。通过小型火箭发动机给其施加速度脉冲,使其进入拦截轨道,保证拦截的同时,将脉冲速度最小化以节省燃料,本文将其归结为一个非线性规划问题,采用三级优化的策略来求解。在拦截飞行时间相较于平台绕飞目标星的周期是小量的条件下,可以视绕飞平均角速度为小参数,采用正则摄动方法求出非线性规划的一阶近似解,然后以此为迭代初值,寻找最优真解。最后进行了数值仿真验证。 相似文献
276.
为了提高终端区相似气象场景(Similar weather scenarios,SWSs)的识别准确率,提出一种基于对比学习的SWS(SWS based on contrastive learning,SWS-CL)识别模型。首先,针对对流天气图像特点,设计了一种数据增强方法来增加天气图像样本的数量和质量。接着,设计了一种对比损失函数使向量表征空间中的正样本与锚点样本之间的距离更近,而负样本与锚点样本之间的距离更远,进而基于对比学习技术在无标记样本集上训练得到相似气象场景分类预训练模型。最后,利用少量标记样本对预训练SWS-CL模型进行监督微调,进一步提高SWS-CL模型的性能。在广州终端区气象图像集上的对比实验表明,所提出的数据增强方法能有效提高气象图像集的质量,所提出的SWS-CL模型能取得令人满意的识别精度,且在标签稀少的数据集上具有明显的优势。 相似文献
277.
元强化学习是指自动从一组相关任务中学习强化学习所需归纳偏置的相关理论和方法,对于提高强化学习算法在困难场景下的样本效率和泛化能力具有重要用途。本文提出一种新的元强化学习框架,指出设计和分析一个元强化学习算法需要同时考虑学习经验(相关任务)、归纳偏置及学习目标3个独立因素及这3个因素之间的依赖关系。在此基础上对该领域的研究现状进行了分析和总结,特别对近年来元强化学习若干文献进行了分析和归类,并详细阐述了几种代表性算法的原理及各自特点。本文还对元强化学习常用的实验环境和性能评价方法进行了介绍,对该领域的不足和未来的发展方向进行了讨论和分析。 相似文献
278.
279.
280.
跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明:在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。 相似文献