全文获取类型
收费全文 | 5041篇 |
免费 | 230篇 |
专业分类
公路运输 | 1519篇 |
综合类 | 1588篇 |
水路运输 | 1447篇 |
铁路运输 | 595篇 |
综合运输 | 122篇 |
出版年
2024年 | 43篇 |
2023年 | 190篇 |
2022年 | 134篇 |
2021年 | 203篇 |
2020年 | 177篇 |
2019年 | 184篇 |
2018年 | 67篇 |
2017年 | 106篇 |
2016年 | 116篇 |
2015年 | 130篇 |
2014年 | 189篇 |
2013年 | 211篇 |
2012年 | 239篇 |
2011年 | 284篇 |
2010年 | 303篇 |
2009年 | 347篇 |
2008年 | 327篇 |
2007年 | 312篇 |
2006年 | 302篇 |
2005年 | 237篇 |
2004年 | 179篇 |
2003年 | 172篇 |
2002年 | 124篇 |
2001年 | 132篇 |
2000年 | 89篇 |
1999年 | 96篇 |
1998年 | 97篇 |
1997年 | 56篇 |
1996年 | 66篇 |
1995年 | 55篇 |
1994年 | 33篇 |
1993年 | 32篇 |
1992年 | 16篇 |
1991年 | 8篇 |
1990年 | 8篇 |
1989年 | 7篇 |
排序方式: 共有5271条查询结果,搜索用时 15 毫秒
1.
为了实现对转桨水动力性能实时预报,基于BP神经网络构建对转桨水动力性能预报模型。首先,采用低阶速度势边界元法建立对转桨水动力性能预报模型,通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算,从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构,通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究,结果表明,采用BP神经网络预报模型可获得与边界元法精度相当的预报结果,但该模型与边界元法相比计算所耗时间可以忽略不计,可有效实现对转桨水动力性能实时、快速预报。 相似文献
2.
舰船图像类型识别是计算机视觉领域研究的热点,当前舰船图像类型识别方法存在误识率高、识别时间长等不足,为获得更优的舰船图像类型识别结果,提出基于卷积神经网络的舰船图像类型识别方法。首先提取舰船图像,对其进行增强、去噪、过滤处理,提升舰船图像质量,然后从舰船图像中提取识别特征,将其作为卷积神经网络的输入,舰船图像类型识别作为卷积神经网络的输出,建立舰船图像类型识别分类器,最后采用Matlab2017对5种类型的舰船图像进行仿真测试,卷积神经网络的舰船图像类型识别正确率超过95%,舰船图像类型的误识率和漏识别均低于5%,获得了理想的舰船图像类型识别结果,而且舰船图像类型识别性能远高于其他舰船图像类型识别方法,具有十分广泛的前景。 相似文献
3.
4.
针对USV运动航向控制问题,利用基于Lyapunov稳定性理论的滑模控制方法设计USV航向控制律.考虑到USV运动系统具有不确定性,利用具有万能逼近性能的模糊系统对USV运动模型中不确定项及外界干扰项进行模糊逼近.为了进一步提高模糊系统的逼近性能,采用具有学习能力快的RBF神经网络对模糊系统进行在线学习,优化模糊规则.仿真结果表明基于RBF网络优化的模糊控制该算法能够实现USV航向连续稳定跟踪. 相似文献
5.
6.
民航运输是云南省在进行综合交通运输建设的重点之一,也是该省在未来"十四五"(2021-2025年)和"十五五"(2026-2030年)规划期间的研究热点。本文以云南省为研究范围,以省内民航客运为研究对象,选取省内主要的社会经济因素为影响因子,运用主成分分析法(PCA)、反向传播神经网络算法(BP神经网络算法)和回归分析法,构建了省内民航客运的预测模型,得出省内各主要机场在"十四五"末和"十五五"末的预计旅客吞吐量,对省政府在进行机场改扩建上有一定的指导意义。 相似文献
7.
船舶动力设备在自身性能退化过程中的相当长一段时间内仍能完成规定功能,对具有重要特征参数或性能指标的船舶动力设备而言,若使用定基线进行健康状态评估会导致评估值连续较低甚至误报警问题。为了解决这一问题,以目标设备按性能退化时间序列采集的特征参数为研究对象,首先建立退化基线计算方法,利用滑动概率神经网络和性能可靠度与基线值间的转换函数获得目标设备的动态退化基线;然后建立ARMA预测模型获得预测参数,并与退化基线计算方法结合对退化基线发生动态变化的时间节点进行预测;最后利用海水泵对建立的方法可行性进行验证。结果表明,本文建立的退化基线计算方法能够获得动态基线,退化基线预测方法能够对动态基线的变化时间节点进行准确预测。 相似文献
8.
9.
10.
灰色理论在电力负荷预测领域中有重要应用,为了扩展灰色模型在中长期电力负荷预测中应用,提出了一种基于加权马尔可夫优化的非线性灰色伯努利(nonlinear grey Bernoulli Model, NGBM(1,1))预测模型.首先引进新型非线性NGBM(1,1)模型对电力负荷数据的总体趋势进行拟合,得到的灰拟合精度序列是一个随机波动的过程,再利用加权马尔可夫的特点确定灰拟合精度的加权转移概率矩阵,通过插值和还原计算对NGBM(1,1)模型的预测结果进行优化.将该模型运用到江苏省农村电力负荷预测中,结果验证其在预测精度上的优越性,并用于中长期电力负荷预测是有效可行的. 相似文献