全文获取类型
收费全文 | 836篇 |
免费 | 228篇 |
国内免费 | 145篇 |
专业分类
航空 | 545篇 |
航天技术 | 220篇 |
综合类 | 225篇 |
航天 | 219篇 |
出版年
2024年 | 13篇 |
2023年 | 51篇 |
2022年 | 82篇 |
2021年 | 103篇 |
2020年 | 80篇 |
2019年 | 68篇 |
2018年 | 37篇 |
2017年 | 40篇 |
2016年 | 32篇 |
2015年 | 31篇 |
2014年 | 68篇 |
2013年 | 60篇 |
2012年 | 82篇 |
2011年 | 77篇 |
2010年 | 37篇 |
2009年 | 41篇 |
2008年 | 55篇 |
2007年 | 59篇 |
2006年 | 55篇 |
2005年 | 29篇 |
2004年 | 28篇 |
2003年 | 21篇 |
2002年 | 15篇 |
2001年 | 8篇 |
2000年 | 9篇 |
1999年 | 6篇 |
1998年 | 9篇 |
1997年 | 6篇 |
1996年 | 2篇 |
1995年 | 2篇 |
1994年 | 1篇 |
1993年 | 1篇 |
1991年 | 1篇 |
排序方式: 共有1209条查询结果,搜索用时 15 毫秒
61.
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
62.
63.
卷积神经网络和峭度在轴承故障诊断中的应用 总被引:1,自引:1,他引:1
针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。 相似文献
64.
航天事业发展趋势和未来需求指明,航天测控系统应该向以自主运行能力为代表特征的智能化方向发展。基于此,提出了标准化的支持与服务、映射现实的体系架构、实时响应的运行模式、服务化的基础平台等4项关键技术。通过将测控系统和卫星系统之间的接口、测控系统和用户系统之间的接口标准化,从而在此基础上建立最优化的操作逻辑。通过在计算机中映射现实系统的思想方法,从而产生稳定性和灵活性兼备的、支持自主运行的,并具有良好进化性能的系统架构。通过实时响应的运行模式可以很好满足全时段和突发性等具有挑战性的测控服务需求。通过大数据和云计算技术构建基础计算服务平台实现基础层与业务层分离,有利于整个系统的持续改进,提高服务质量改善的速度,建立竞争力优势。由此说明,在当前技术条件下实现自主运行的航天测控系统是可行的。 相似文献
65.
为解决基于SRAM(Static Random Access Memory,静态随机存储器)型FPGA(Field Programmable Gate Array,现场可编程门阵列)的扩频应答机在空间环境中时常发生功能故障的难题,提出了一种低轨卫星基于SRAM型FPGA的应答机的单粒子综合防护方案。该方案在代码级、器件级、单机级、整星级综合采用器件优选、结构屏蔽设计、巡检自愈、自主复位等多种方法,有效杜绝了单粒子事件带来的种种危害,已成功应用于某在轨卫星。在轨测试结果表明:遥测、遥控、跟踪测量等功能、性能指标满足任务要求,且未发生需要地面干预的问题或现象。该技术还可推广应用于其他采用低等级器件及其他类型FPGA、DSP(Digital Signal Processing,数字信号处理)等大规模集成电路的星载单机防护。 相似文献
66.
针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17%和单一极端学习机最大14.5%的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性. 相似文献
67.
68.
飞行设备快速存取记录仪(Quick Access Recorder,以下简称QAR)保留了原始航班各类重要飞行参数在内的航行信息,使研究分析航空器实时状况和保障飞行质量成为可能。针对QAR数据高维大样本的特点,在如今大数据背景下,除了传统机理建模分析航空器飞行状态外,采用深度学习的方式建立基于数据驱动的航空器飞行状态识别模型,理论与实用意义兼具。通过对真实QAR飞行数据的研究,开发了基于深度稀疏受限玻尔兹曼机的异常飞行状态识别程序。首先利用小波降噪技术对原始飞行数据进行预处理清洗,在一系列典型飞行参数上提取经典时域特征以及小波奇异熵等信息熵特征构成特征集。在此基础上,分别利用经典的线性主元分析技术和深度稀疏玻尔兹曼机对特征集进行有效降维,最后采用四折交叉验证方式,通过高斯过程分类器实现对飞行状态的辨识。实验结果显示,基于深度受限玻尔兹曼机-高斯过程分类的飞行状态识别具有较高分类准确性。 相似文献
69.
70.