全文获取类型
收费全文 | 285篇 |
免费 | 19篇 |
专业分类
公路运输 | 181篇 |
综合类 | 52篇 |
水路运输 | 35篇 |
铁路运输 | 31篇 |
综合运输 | 5篇 |
出版年
2024年 | 15篇 |
2023年 | 46篇 |
2022年 | 29篇 |
2021年 | 20篇 |
2020年 | 5篇 |
2019年 | 2篇 |
2016年 | 2篇 |
2015年 | 3篇 |
2014年 | 16篇 |
2013年 | 11篇 |
2012年 | 13篇 |
2011年 | 9篇 |
2010年 | 16篇 |
2009年 | 22篇 |
2008年 | 10篇 |
2007年 | 14篇 |
2006年 | 23篇 |
2005年 | 23篇 |
2004年 | 6篇 |
2003年 | 3篇 |
2002年 | 3篇 |
2001年 | 1篇 |
2000年 | 4篇 |
1999年 | 1篇 |
1998年 | 1篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1992年 | 1篇 |
排序方式: 共有304条查询结果,搜索用时 15 毫秒
71.
72.
73.
74.
针对边界模糊、路况多变的非结构化道路,为满足智能汽车在正常、应急等复杂行驶工况下对可行驶区域的视觉检测需求,提出一种在M形深度架构下融合多尺度交互策略和双重注意力机制的可行驶区域推荐模型,能够在复杂驾驶场景中精细分割出非结构化道路的强推荐、弱推荐、不推荐行驶区域。首先,在编码器-解码器的骨架基础上,构建倒金字塔式的多尺度分层输入和分层输出结构,以有效融合非结构化道路的浅层形态学特征与深层语义信息,并平衡模型在不同尺度上的预测偏倚,提升复杂驾驶场景下对多尺度与变尺度目标的分割精度;其次,构建集成通道注意力和空间注意力的跳跃连接结构,使模型在实现编码特征与解码特征高效传递的同时,聚焦于学习与道路可行驶性相关的重要特征,进一步强化模型对非结构化道路的检测性能。通过多种途径构建包含城郊、乡村、园区等真实场景的非结构化道路驾驶数据集。试验结果表明:得益于M形深度架构对多尺度交互策略和双注意力机制的融合,提出的模型在多种真实驾驶场景下均能较好地实现强推荐行驶区域、弱推荐行驶区域、不推荐行驶区域和背景区域的精细分割,平均交并比达到92.46%,平均检测速度达到22.7帧·s-1;与现有其他主流模型相比,提出的模型兼顾了分割精度和时间效率,在非结构化道路可行驶区域检测任务上有明显优势。 相似文献
75.
76.
张宇翔 《拖拉机汽车驾驶员》2014,(9):178-181
不追求速度的车迷不是好车迷?伪命题!反例赵冬,长安福特新蒙迪欧车主、一个很少风驰电掣的年轻车迷,只需两个理由就足够自我辩护:充分的理由是,当速度成了手到擒来的财产,就无须再以其“炫富”;更充分的理由是,掌握一部处处卓绝之车,乐趣无穷,何必只以助跑和冲刺来对接自己的注意力——打倒一个伪命题,就站起来一个真命题:驾驶威风八面的新蒙迪欧。即便不踩油门,也可以直达事业和生活的快车道! 相似文献
77.
针对城市轨道交通站点客流预测问题,本文提出一种基于注意力机制的动态时空神经网络(DSTNN)模型。模型采用多分支并行架构,能够有效提取地铁客流的复杂时空特征,在空间维度上,全局和局部注意力机制相结合,实现站点间动态时空关联和静态拓扑结构的捕捉;在时间维度上,使用双向长短时记忆和注意力机制共同学习客流数据的时变规律。在杭州地铁数据集上进行实验,结果表明:相较于经典预测模型和深度学习模型,DSTNN具有更高的预测精度和训练效率。在4种不同的预测时长下,DSTNN模型平均绝对误差的平均值较基线中扩散卷积循环神经网络模型(DCRNN)和物理虚拟结合图网络模型(PVCGN)分别降低6.63%和2.57%。此外,可视化分析证明了本模型对时空关联的动态学习能力,消融实验验证了各分支的有效性。 相似文献
78.
接触网支持装置是接触网悬挂状态检测监测图像分析的关键对象,对支持装置零部件的检测定位是实现缺陷自动分析的基础。针对接触网支持装置零部件种类多、尺寸差异大、存在遮挡、部分零部件相似度高等问题,提出一种融合卷积块注意力模块(convolutional block attention module,CBAM)和双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)的接触网支持装置检测方法。在YOLO v5s网络模型基础上,该方法通过CBAM增强接触网支持装置的特征提取,结合BiFPN,实现不同零部件分辨率特征图的融合。利用4C装置获得的图像数据集,开展验证试验。试验结果表明,相对YOLO v5s网络模型,融合CBAM和BiFPN的接触网支持装置检测方法,网络平均精度mAP@0.5提高2.12%;能显著提升小目标检测效果,提高定位的准确性和稳定性,对接触网状态的智能分析有重要意义。 相似文献
79.
80.
深度残差网络中的残差模块能较大程度解决特征的丢失和损耗问题,从而能够搭建更深的层数来改善神经网络的训练效果,但是冗余噪声会干扰机械故障诊断精度.残差收缩模块(RSNB)利用注意力机制根据重要程度不同来对特征进行加权,自动地给各个样本设置不同的阈值,在降噪的同时最大程度的保护数据的原始特征.为加快网络训练速度,引入权值均... 相似文献