全文获取类型
收费全文 | 556篇 |
免费 | 44篇 |
专业分类
公路运输 | 184篇 |
综合类 | 185篇 |
水路运输 | 70篇 |
铁路运输 | 141篇 |
综合运输 | 20篇 |
出版年
2024年 | 1篇 |
2023年 | 6篇 |
2022年 | 32篇 |
2021年 | 43篇 |
2020年 | 14篇 |
2019年 | 13篇 |
2018年 | 11篇 |
2017年 | 13篇 |
2016年 | 9篇 |
2015年 | 22篇 |
2014年 | 23篇 |
2013年 | 32篇 |
2012年 | 39篇 |
2011年 | 43篇 |
2010年 | 48篇 |
2009年 | 47篇 |
2008年 | 49篇 |
2007年 | 41篇 |
2006年 | 53篇 |
2005年 | 27篇 |
2004年 | 15篇 |
2003年 | 7篇 |
2002年 | 5篇 |
2001年 | 4篇 |
2000年 | 3篇 |
排序方式: 共有600条查询结果,搜索用时 15 毫秒
591.
目的探讨miR-1246对人宫颈癌SiHa细胞增殖、侵袭、迁移能力的影响。方法将SiHa细胞分成3组,分别转染miR-1246mimics(模拟物)、miR-1246inhibitor(抑制物)、空白质粒,并测定转染效率。采用MTT法对比转染后SiHa细胞增殖能力的区别;Transwell小室、划痕实验对比转染后SiHa细胞侵袭、迁移能力的区别;Western blot对比转染后SiHa细胞表达THBS2(血小板反应蛋白2)的区别。构建THBS2的3UTR双荧光素酶质粒,与miR-1246共转染入SiHa细胞,检测荧光素酶的相对活性。结果转染miR-1246mimics的SiHa细胞,MTT试验显示其增殖能力较另外两组强;划痕实验显示细胞的迁移能力较另两组强;迁移、侵袭实验显示该组细胞穿膜数量较另外两组多(P<0.01);WB实验显示其THBS2蛋白低表达(灰度值6.28±10.22,与空白对照组相比P=0.013)。转染miR-1246inhibitor的SiHa细胞,MTT试验显示其生长速度较另外两组慢;划痕实验显示细胞的迁移能力较另两组弱;迁移、侵袭实验显示该组细胞穿膜数量较另外两组少(P<0.01);WB实验显示其THBS2蛋白表达稍高(灰度值12.90±19.81,与空白对照组相比P=0.037)。共转染miR-1246mimics和包含THBS2的3UTR端双萤光素酶质粒后,SiHa细胞荧光素酶表达降低。结论 miR-1246对人宫颈癌SiHa细胞的增殖、侵袭、迁移能力有促进作用,THBS2是其靶基因,降调靶蛋白THBS2的表达,可能是miR-1246促进宫颈癌发生发展的其中一个机制。 相似文献
592.
593.
594.
基于形貌优化的某船用油柜结构优化设计 总被引:2,自引:2,他引:0
由于油柜结构设计不合理,经常会出现结构疲劳断裂、剪切破坏现象,给船舶航行带来了巨大的安全挑战。为改善油柜结构抗疲劳能力,本文基于HYPERMESH软件建立油柜结构的有限元模型,并对该结构进行模态分析,为形貌优化选择合适的目标函数。形貌优化以节点位移作为设计变量,以结构前两阶固有频率作为目标函数,使之最大化,来提高结构刚度。优化结果表明:油柜第1阶固有频率值提高102%;第2阶固有频率提高99%。优化得出的压延筋形状类似于"O"型,适合于冲压工艺进行加工,可以有效提高油柜结构刚度,降低疲劳破坏几率。 相似文献
595.
596.
597.
为了揭示湿陷性黄土地区刚-柔性桩复合地基的荷载传递机理, 开展了现场原型试验, 分析了桩身和桩间土的应力在不同荷载与深度下的变化规律; 通过与刚性单桩的对比, 总结了刚-柔性桩复合地基的桩土相互作用特点; 结合已有文献, 分析了湿陷性黄土地区刚-柔性桩复合地基与软土地区刚-柔性桩复合地基在力学表现上的差异。分析结果表明: 湿陷性黄土地区刚-柔性桩复合地基中柔性桩的主要作用是挤密桩间土, 消除其湿陷性, 试验场地处理后湿陷系数基本小于0.015;由于柔性桩的挤密作用, 桩间土的承载力得以充分发挥, 刚性桩的荷载传递能力得以增强; 软土地区柔性桩的荷载分担率一般大于桩间土, 由于黄土的承载力较高及柔性桩与桩间土的模量比小, 湿陷性黄土地区桩间土的荷载分担率稳定在26%左右, 远大于柔性桩的7%;复合地基中的刚性桩属于端承摩擦桩, 随着荷载增加, 刚性桩的荷载传递能力逐渐强化, 荷载分担率逐渐增加, 最终稳定在67%左右; 刚性桩荷载传递能力的增强并不利于刚-柔性桩复合地基承载能力的充分发挥, 在设计时需要充分考虑对纯摩擦桩有效桩长的影响, 以及对端承摩擦桩桩端土体承载能力的影响。 相似文献
598.
599.
基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素;裂缝检测模型集成于机器人平台,从而实现对土木基础设施的全自动裂缝检测。为此,从以上4个方面对当前研究进行了系统梳理。首先,回顾了深度学习的发展历程,重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着,详细介绍了3类基于深度学习的裂缝检测主流算法,包括分类算法、目标检测算法和语义分割算法。然后,对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后,总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明:基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类,而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取;由于像素级标注的成本和专业性高,大型的裂缝语义分割数据集相对缺乏,致使当前基于语义分割算法的裂缝检测模型鲁棒性较差;目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价,缺乏统一的基准测试数据集和评价指标体系,无法对不同模型的性能进行平行比较;目前针对不同基础设施已相应开发了一些裂缝检测机器人,提高裂缝检测机器人的多场景适应性,并降低其应用成本是未来的发展方向。 相似文献
600.