全文获取类型
收费全文 | 625篇 |
免费 | 28篇 |
专业分类
公路运输 | 231篇 |
综合类 | 191篇 |
水路运输 | 143篇 |
铁路运输 | 75篇 |
综合运输 | 13篇 |
出版年
2024年 | 10篇 |
2023年 | 50篇 |
2022年 | 33篇 |
2021年 | 25篇 |
2020年 | 18篇 |
2019年 | 15篇 |
2018年 | 6篇 |
2017年 | 4篇 |
2016年 | 3篇 |
2015年 | 6篇 |
2014年 | 22篇 |
2013年 | 25篇 |
2012年 | 42篇 |
2011年 | 41篇 |
2010年 | 35篇 |
2009年 | 50篇 |
2008年 | 43篇 |
2007年 | 43篇 |
2006年 | 40篇 |
2005年 | 23篇 |
2004年 | 31篇 |
2003年 | 15篇 |
2002年 | 15篇 |
2001年 | 12篇 |
2000年 | 14篇 |
1999年 | 7篇 |
1998年 | 2篇 |
1997年 | 5篇 |
1996年 | 5篇 |
1995年 | 2篇 |
1994年 | 2篇 |
1993年 | 4篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1989年 | 2篇 |
1987年 | 1篇 |
排序方式: 共有653条查询结果,搜索用时 15 毫秒
541.
介绍防止船舶生活污水污染规则(MARPOL73/78公约附则Ⅳ)修订的目的、背景和所修订的条款,阐述对该规则及其修订的理解。 相似文献
542.
传统的地铁状态监测系统仅能反映变压器绕组当前的温度状态及其历史温度趋势,当绕组温度超过阈值时系统报警,但不能对绕组未来的温度变化进行预测。绕组温度受设备运行功率和环境温度等多重因素影响,其变化呈现非线性和周期性,传统预测方法精度难以提升。本文基于长短期记忆网络(long short-term memory,LSTM)算法预测变压器绕组温度,选取绕组温度、环境温度、运行功率、运行电流作为输入变量,收集变压器历史状态数据构成训练数据进行离线训练,通过训练完成的绕组温度预测模型反映多重影响因素与绕组温度的变化关系。最后将算法应用于某地铁站动力变压器,收集样本数据进行训练得到温度预测模型,将测试数据输入模型中,计算绕组温度真实值和预测值之间的相对温差,分析验证算法可行性与模型准确度。结果表明:LSTM算法面对大数据量样本可充分挖掘多重影响因素与绕组温度之间的深层关系,温度预测模型可准确预测绕组温度的变化。 相似文献
543.
目的 糖尿病小鼠可表现出学习记忆功能障碍,探究Sigma-1受体激动剂PRE-084对1型糖尿病小鼠海马区神经元及认知损伤的影响。方法 将20只8~10周龄链脲佐菌素诱导的1型糖尿病小鼠和20只对照小鼠随机分为4组(CON+Vehicle、CON+PRE-084、T1DM+Vehicle和T1DM+PRE-084组);分别用添加PRE-084及对照溶剂的高糖培养基培养小鼠原代神经元。监测并记录各组小鼠的体质量、饮食饮水量及空腹血糖水平,利用新物体识别实验检测小鼠的学习记忆能力,透射电镜检测小鼠海马CA1区神经元MAM结构的变化,生化试剂盒检测小鼠海马区ATP、活性氧(ROS)的表达水平;利用CCK8和细胞ROS试剂盒检测原代神经元的细胞活力和ROS水平。结果 PRE-084可降低糖尿病小鼠体质量、饮食饮水量和血糖。PRE-084明显缓解1型糖尿病小鼠的学习记忆障碍,改善糖尿病小鼠海马CA1区神经元MAM结构的变化,升高糖尿病小鼠海马区ATP的水平,降低糖尿病小鼠海马区及高糖条件下神经元中ROS表达水平。结论 Sigma-1受体激动剂PRE-084改善1型糖尿病小鼠学习记忆障碍可能与海马... 相似文献
544.
由于船舶交通流具有非线性和复杂性的特征,传统交通流量预测方法的预测结果精度普遍不高,且需大量历史数据进行训练。在考虑船舶交通流数据时间特性的基础上增加了对数据空间特性的考虑,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和长短时记忆网络(Long Short-Term Memory, LSTM)的短时船舶交通流量预测模型,并引入动态时间规整(Dynamic Time Warping, DTW)算法构造损失函数,提升模型的预测精度。结果表明:通过与灰色模型(Grey Model, GM)、差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model, ARIMA)、小波神经网络(Wavelet Neural Network, WNN)、反向传播神经网络(Back Propagation Neural Network, BPNN)和CNN-LSTM等模型对比,所提出的CNN-LSTM-DTW预测模型的预测结果相对误差最小,可信度高,预测精度优于对比模型。 相似文献
545.
546.
行人作为重要的交通参与者,其行走意图和轨迹预测对智能驾驶汽车的决策规划具有重要意义。基于注意力机制增强的长短时记忆(Long Short-term Memory, LSTM)网络,设计一种多特征融合的行人意图以及行人轨迹预测方法。该方法通过融合行人骨架和头部方向特征,以加强行人运动特征的表达,并将融合特征作为意图预测网络输入,继而得到行人意图;由于行人运动具有不确定性,将行人意图预测类别和历史轨迹坐标的联合向量作为行人轨迹预测网络的输入,以期生成更为精确的轨迹预测结果。此外,在轨迹预测网络中引入注意力机制,以加强LSTM对各个时刻编码向量的有效利用,从而提高网络的行人轨迹预测性能,并基于Daimler数据集进行训练及验证。研究结果表明:所提出的多特征意图预测方法准确率可达96.0%,优于基于骨架单特征的意图预测网络;在预测时域为1 s的情况下,预测轨迹的位置均方根误差为347 mm,相较于恒速度(Constant Velocity, CV)模型、交互多模型(Interacting Multiple Model, IMM)、常规LSTM等基线方法均有明显的提升;在实际场景分析中,提出的方... 相似文献
547.
谷志忠 《广东交通职业技术学院学报》2007,6(1):76-78
一些成教学院的学生往往因为自己基础差、底子薄,学习英语都有一定的畏难情绪,英语的听力理解更是他们的薄弱环节。笔者分析认为,成教学院的学生在英语听力理解方面的困难主要是由语言知识障碍、背景知识障碍和心理因素障碍三个因素造成的,并提出对学生进行听力策略训练,逐步提高成教学生的英语听力理解水平。 相似文献
548.
考虑铁路枢纽出租车客流需求量短时波动和历史时间序列等影响因素,为提升铁路枢纽站出租车需求量短时预测精度,提出了一维卷积神经网络(CNN)与长短时记忆神经网络(LSTM)的组合预测模型(CNN-LSTM)。采用人工计数法,获取铁路枢纽站出租车客流需求的时间序列数据,根据供需量平衡理论,建立理想条件下需求量短时计算模型。以标准化原始数据为CNN的输入,分别通过双层卷积和池化,提取原始数据特征向量输入特征,并以此作为LSTM的训练数据进行短时预测,将预测数据标准化还原后可得到匹配原始数据的预测数据。对比分析SARIMA、LSTM预测模型,构建的CNN-LSTM组合模型RMSE值有所降低,表明构建模型适用于铁路枢纽出租车需求量短时预测。 相似文献
549.
550.