全文获取类型
收费全文 | 106篇 |
免费 | 38篇 |
国内免费 | 4篇 |
出版年
2024年 | 4篇 |
2023年 | 17篇 |
2022年 | 7篇 |
2021年 | 20篇 |
2020年 | 20篇 |
2019年 | 7篇 |
2018年 | 2篇 |
2017年 | 2篇 |
2016年 | 4篇 |
2015年 | 2篇 |
2014年 | 7篇 |
2013年 | 5篇 |
2012年 | 5篇 |
2011年 | 2篇 |
2010年 | 4篇 |
2009年 | 1篇 |
2008年 | 7篇 |
2007年 | 4篇 |
2006年 | 1篇 |
2005年 | 2篇 |
2004年 | 5篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 2篇 |
1997年 | 2篇 |
1995年 | 3篇 |
1994年 | 1篇 |
1992年 | 2篇 |
1991年 | 2篇 |
1990年 | 3篇 |
1989年 | 1篇 |
排序方式: 共有148条查询结果,搜索用时 15 毫秒
1.
郭强 《国防科技大学学报》1990,12(4):28-33
目前,诸如Fortran 8x 程序设计语言中已经引入了并行运算成份。这给普通串行(标量)机上实现编译器带来了困难。本文提出了数组(矩阵)运算串行化的概念,并给出了串行化的判别准则及算法。 相似文献
2.
Mathematica是主要做数学研究的计算机系统。利用该系统能进行符号运算的特点,编制了确定梁的挠曲线函数及压杆的临界力的通用程序。并给出算例。 相似文献
3.
4.
对常规杀伤方式(破片杀伤)反辐射导弹建立毁伤模型,分析其破片场,研究其有效破片随距离的失效规律,最后讨论其模拟程序框图,仿真运算验证模型的可行性. 相似文献
5.
针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望. 相似文献
6.
大整数乘除运算在PC机上的实现 总被引:3,自引:0,他引:3
大整数在要求高精度的应用中非常有用.特别是大质数和一般大整数有一个极为重要的应用,就是关于计算机数据加密.在计算机数据加密技术中,常会遇到大整数的算术运算问题.由于所使用的机器和所用语言的限制,大整数的"乘""模"两种运算很难运用高级语言中的"乘""除"运算.提出了一种逐位存储、按字节运算的方法,并用C 实现了大整数的十进制乘除法运算,之后将提出的算法与类似算法的时间复杂度进行了比较,最后给出了算法的运行时间. 相似文献
7.
针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明:在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。 相似文献
8.
针对基于深度卷积神经网络的合成孔径雷达(synthetic aperture radar, SAR)图像的变化检测方法,在利用图像块分析特征的过程中易将噪声引入到边缘区域,造成SAR图像变化检测精度较差等问题。提出了一种基于多域卷积与自注意机制的SAR图像变化检测方法。该方法先通过多域卷积模型增强输入SAR图像块的中心区域,减少边缘噪声的影响;然后,再利用注入空洞卷积的改进自注意机制模型充分挖掘SAR图像的重要空间结构信息,来提高变化检测的性能;最后采用3种不同类型的SAR数据集进行实验结果表明,本文中所提出方法能获得较高的检测准确率和KC系数,优于各种对比方法。 相似文献
9.
10.
针对图像语义分割应用中像素级标注数据费时昂贵的问题,主要研究以对象边框标注数据为代表的弱监督模型下的图像语义分割方法。使用基于金字塔的密集采样全卷积网络提取图像的像素级特征,并用GrabCut算法转化对弱监督数据进行数据标记,通过将图像特征和标记数据进行联合训练,构建了基于金字塔密集采样全卷积网络的对象边框标注弱监督图像语义分割模型,并在公开数据集上进行了验证。实验结果表明,所构建的弱监督模型与DET3-Proposed模型、全矩形转化模型以及Bbox-Seg模型相比,达到了更好的分割效果。 相似文献