全文获取类型
收费全文 | 2434篇 |
免费 | 115篇 |
专业分类
公路运输 | 854篇 |
综合类 | 869篇 |
水路运输 | 489篇 |
铁路运输 | 286篇 |
综合运输 | 51篇 |
出版年
2024年 | 47篇 |
2023年 | 187篇 |
2022年 | 172篇 |
2021年 | 205篇 |
2020年 | 120篇 |
2019年 | 59篇 |
2018年 | 19篇 |
2017年 | 30篇 |
2016年 | 27篇 |
2015年 | 50篇 |
2014年 | 96篇 |
2013年 | 107篇 |
2012年 | 144篇 |
2011年 | 112篇 |
2010年 | 133篇 |
2009年 | 152篇 |
2008年 | 101篇 |
2007年 | 138篇 |
2006年 | 122篇 |
2005年 | 85篇 |
2004年 | 98篇 |
2003年 | 85篇 |
2002年 | 56篇 |
2001年 | 60篇 |
2000年 | 36篇 |
1999年 | 15篇 |
1998年 | 7篇 |
1997年 | 10篇 |
1996年 | 28篇 |
1995年 | 16篇 |
1994年 | 7篇 |
1993年 | 7篇 |
1992年 | 3篇 |
1991年 | 4篇 |
1990年 | 2篇 |
1989年 | 2篇 |
1988年 | 2篇 |
1987年 | 1篇 |
1986年 | 4篇 |
排序方式: 共有2549条查询结果,搜索用时 15 毫秒
81.
文章基于汽车保险行业岗位要求,根据《汽车保险与理赔》课程特点和教学中存在的问题进行信息化教学改革,培养学生保险销售能力、承保核保能力以及查勘定损实际处理能力。此次改革增强了学生自主学习意识,提高了学习兴趣,实现以“学生为主,教师为辅”的教学模式,提升教学效果。 相似文献
82.
83.
城市停车已逐步实现信息化和动态化管理,本文对动态管理模式下大范围路侧泊位占有率预测方法进行研究.在收集美国旧金山492万条停车交易数据的基础上,利用可同时提取数据空间关联和时序趋势特征的卷积长短时记忆神经网络(Convolutional LSTM Network,ConvLSTM),分别构建考虑停车费率和时限动态变化的有政策模型,和没有动态管理信息输入的无政策模型.结果显示,有政策模型的训练效率和预测精度会显著提升.在政策平稳阶段,两种模型均能够有效预测泊位占有率;在政策发生变化时段,无政策模型的预测误差出现激增,但有政策模型的预测误差依然保持平稳,表明本文提出的方法能够很好地应对动态管理模式下停车需求的变化. 相似文献
84.
为深入挖掘交通流时空特性,提高交通流参数估计精度,基于深度学习提出一种交通流参数估计的组合方法.根据目标断面及其上游断面的交通流数据构造输入矩阵,利用卷积神经网络捕捉交通流的空间特性,使用长短期记忆和门控循环神经网络挖掘交通流的时间特性,组合3种深度学习方法所得输出,得到交通流参数估计值.采用中国安徽省合肥市和美国加州... 相似文献
85.
支持向量机增量学习算法研究 总被引:15,自引:0,他引:15
给出了使用多支持向量机进行增量学习的算法.传统的支持向量机不具有增量学习性能,而常用的增量学习方法各具有不同的优缺点,基于固定划分和过间隔技术,提出了使用多支持向量机进行增量学习的算法;使用此算法,针对标准数据集BUPA及用NDC生成的数据集OUTTRAIN进行了实验,结果表明,使用单一的支持向量机进行增量学习,不论采用过间隔还是固定划分技术,其增量学习的正确率不及使用多支持向量机增量学习算法的正确率。 相似文献
86.
87.
88.
由于浮式起重船在海上进行风电设备安装和运维作业期间,离岸距离远且作业时间长,波浪变化多样且不确定,极易产生新频率的船舶运动,使得无法进行精确预测,从而导致海上作业无法安全进行甚至造成设备损坏,因此文章提出基于联邦学习的多变量多步长短期记忆网络(LSTM)预测方法。针对无线数据采集时间间隔不一致,将其和船舶升沉运动数据共同作为双层LSTM预测模型的输入变量并进行多步预测。同时针对突遇新频率船舶运动的情况,采用联邦学习方法联合多家海上风电安装运维企业的船舶升沉运动数据,共同训练适用于复杂海况下的船舶升沉运动LSTM预测模型。使用Stewart六自由度波浪补偿平台模拟浮式起重船的升沉运动,试验结果表明,在遇到新频率船舶运动时,该方法能有效提高船舶升沉运动的预测效果,模型预测精度(RMSE值)至少可达到0.095。 相似文献
89.
90.
为解决小概率高风险边缘测试场景的问题,本文提出一种基于场景动力学和强化学习的边缘场景生成方法,实现边缘场景的自动生成,能模拟真实世界中车辆间的对抗与博弈行为的特征。首先将随时间动态变化的场景模型由一组微分方程描述为场景动力学系统;然后利用神经网络作为通用函数逼近器来构造场景黑盒控制器,并基于强化学习实现边缘场景控制器的优化求解;最后以超车切入场景为例,在Matlab/Simulink软件进行仿真验证,结果表明,边缘场景强化生成模型在场景交互博弈、覆盖率和可重复测试等方面具有良好的性能。 相似文献