全文获取类型
收费全文 | 164篇 |
免费 | 22篇 |
国内免费 | 18篇 |
专业分类
航空 | 74篇 |
航天技术 | 48篇 |
综合类 | 57篇 |
航天 | 25篇 |
出版年
2024年 | 2篇 |
2023年 | 21篇 |
2022年 | 17篇 |
2021年 | 16篇 |
2020年 | 4篇 |
2019年 | 6篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2015年 | 3篇 |
2014年 | 5篇 |
2013年 | 10篇 |
2012年 | 23篇 |
2011年 | 16篇 |
2010年 | 10篇 |
2009年 | 10篇 |
2008年 | 11篇 |
2007年 | 11篇 |
2006年 | 7篇 |
2005年 | 5篇 |
2004年 | 4篇 |
2003年 | 3篇 |
2002年 | 3篇 |
2000年 | 1篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1997年 | 2篇 |
1995年 | 1篇 |
1994年 | 4篇 |
1993年 | 1篇 |
1992年 | 2篇 |
1990年 | 1篇 |
排序方式: 共有204条查询结果,搜索用时 15 毫秒
91.
92.
一个甲子是60年,双甲子就是2个60年,即120年。青岛自1891年建制至今已有120年历史。曾经,这里承载着历史的重量,而今,她的美是否变了模样?宜居之城"面朝大海,春暖花开"。海子的这句形容对于青岛应该算是再贴切不过了。在许多人心目中,青岛是中国最美丽、最浪漫的地方。有海的城市,在"宜居"二字面前,总是容易讨人喜的。尤其像青岛这样有着绵长旖旎海岸线,有 相似文献
93.
提出了一个基于长短期记忆神经网络的耀斑预报模型,利用过去24 h太阳活动区的磁场变化时序构建样本,通过长短期记忆神经网络对磁场特征时序演化进行分析,预报未来48 h内是否发生≥M级别耀斑事件。使用的数据集为2010年5月到2017年5月所有活动区样本,选取了SDO/HMI SHARP的10个磁场特征参量。在建模过程中通过XGBoost方法选取权重、增益率和覆盖率均较高的6个特征参量作为输入参数。通过测试对比,模型的虚报率和准确率与传统机器学习模型相近,报准率和临界成功指数分别为0.7483和0.7402,优于传统机器学习模型。模型总体效果优于传统机器学习模型。 相似文献
94.
电离层总电子含量(TEC)不仅是分析电离层形态的关键参数之一,同时为导航及定位等空间应用系统消除电离层附加时延提供重要支撑。由于电离层TEC的时空变化特征,本文融合因果卷积和长短时记忆网络,以太阳活动指数F10.7、地磁活动指数Dst和电离层TEC历史数据作为特征输入,构建深度学习模型,实现提前24 h预报电离层TEC。进一步利用2005-2013年连续9年的CODE TEC数据,全面评估了模型在北京站(40°N,115°E)、武汉站(30.53°N,114.36°E)和海口站(20.02°N,110.38°E)的预报性能。结果显示不同太阳活动条件下三个站的TEC值与真实测量值的相关系数都大于0.87,均方根误差大都集中在0~1 TECU以内,且模型预报精度与纬度、太阳、地磁活动程度、季节变化相关。与仅由长短时记忆网络构成的预报模型相比,本实验模型均方根误差降低了15%,为电离层TEC预报模型的实际应用提供了参考。 相似文献
95.
96.
97.
为了研究航空发动机转子叶片的剩余寿命预测问题,提出了一种基于多传感器信号融合的深度长短期记忆网络(DLSTM)预测模型。首先利用深度学习和长短期记忆的组合来构造DLSTM网络。然后,将多个传感器信号数据进行融合处理,从而通过深度学习发现各个传感器时序信号之间隐藏的长期依赖关系。进一步在给定网格搜索策略的情况下,通过自适应矩估计算法调整DLSTM的网络结构和参数,并且在DLSTM模型中引入了一种随机丢失策略,以缓解过度拟合问题并使预测模型规范化。最后利用CMAPSS涡扇发动机进行了实验验证,在一种故障模式和两种故障模式条件下,DLSTM网络预测模型相对于其他传统方法的评价指标Score分别下降了17.19%和14.37%,其他两个评价指标相对来说也较优,结果表明本文提出的方法具有更高的准确性以及稳定性。 相似文献
98.
航空发动机的性能退化是影响飞机飞行安全的重要因素。准确预测发动机的退化过程,对于飞机安全飞行具有重要意义。针对航空发动机剩余寿命预测问题,本文提出了一种将卷积神经网络和长短期记忆网络相融合的数据驱动模型。与常规使用单一的神经网络不同,所提出的融合模型结合了两种神经网络的优点,利用卷积神经网络提取数据中的空间特征并采用长短期记忆网络提取时间特征。实验结果证实,在寿命预测中,所提出的数据驱动模型与已有的方法相比,评分和均方根误差分别下降了32%和6.4%,因此,所提出的数据驱动模型可对数据中所包含的信息进行充分挖掘,其对航空发动机寿命预测精度较高,并具有良好的稳定性。 相似文献
99.
100.
为探索适用于涂层型自润滑关节轴承的寿命预测和可靠性评估方法,提出一种基于卷积神经网络(CNN)和长短期记忆(LSTM)神经网络的轴承剩余寿命预测模型。首先利用CNN对关节轴承的摩擦扭矩信号进行失效特征提取,然后将通过主成分分析(PCA)和滤波处理后的扭矩信号输入LSTM神经网络中进行训练,得到涂层型自润滑关节轴承寿命预测模型,可实现对轴承剩余寿命的准确预测。最后,基于加速寿命试验数据,采用两参数Weibull分布模型对涂层型自润滑关节轴承的服役可靠性进行评估,结果表明涂层型自润滑关节轴承在轻载低频工况下能够维持在高可靠性水平(90%)下进行长时间稳定服役。 相似文献