全文获取类型
收费全文 | 4048篇 |
免费 | 236篇 |
国内免费 | 346篇 |
出版年
2024年 | 35篇 |
2023年 | 93篇 |
2022年 | 80篇 |
2021年 | 103篇 |
2020年 | 138篇 |
2019年 | 65篇 |
2018年 | 20篇 |
2017年 | 80篇 |
2016年 | 111篇 |
2015年 | 110篇 |
2014年 | 262篇 |
2013年 | 240篇 |
2012年 | 275篇 |
2011年 | 246篇 |
2010年 | 202篇 |
2009年 | 235篇 |
2008年 | 306篇 |
2007年 | 271篇 |
2006年 | 272篇 |
2005年 | 279篇 |
2004年 | 164篇 |
2003年 | 181篇 |
2002年 | 159篇 |
2001年 | 156篇 |
2000年 | 122篇 |
1999年 | 80篇 |
1998年 | 78篇 |
1997年 | 68篇 |
1996年 | 40篇 |
1995年 | 36篇 |
1994年 | 29篇 |
1993年 | 28篇 |
1992年 | 31篇 |
1991年 | 14篇 |
1990年 | 9篇 |
1989年 | 12篇 |
排序方式: 共有4630条查询结果,搜索用时 31 毫秒
61.
62.
李秋萍 《兵团教育学院学报》2023,(2):15-20
中小学校长是基础教育改革与发展的直接实践者,肩负着基础教育为党育人、为国家育才的重大责任。新形势下,要进一步发展中小学校长的领导力,最直接、最简单的方法就是接受必要的体验式案例教学培训,不断提高领导的境界,发挥好自身的职能和作用。 相似文献
63.
时代的飞速发展对于人才培养的规格与质量提出了新的要求,为了进一步提高学生的核心素养,实现以减负增质为导向的教育教学目标,以深度学习理论为基础,对数学课堂教学实践中引用深度学习策略的必要性进行分析,探究了当今数学课堂教学实践中面临的某些问题,从而寻找能够进一步提高学生学习效率的教学方法,促使学生能够积极主动参与教学过程。 相似文献
64.
为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。 相似文献
65.
习主席在党的二十大报告中指出,“坚持和发展马克思主义,必须同中华优秀传统文化相结合”,“我们必须坚定历史自信、文化自信,坚持古为今用、推陈出新,把马克思主义思想精髓同中华优秀传统文化精华贯通起来、同人民群众日用而不觉的共同价值观念融通起来,不断赋予科学理论鲜明的中国特色,不断夯实马克思主义中国化时代化的历史基础和群众基础,让马克思主义在中国牢牢扎根”。这些重要论述,为我们更好汲取中华优秀传统文化的营养,推动中华优秀传统文化与思政课有机融合提供了科学的方法论指导。 相似文献
66.
岳磊袁建虎杨柳吕婷婷 《现代防御技术》2023,(1):67-74
巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。 相似文献
67.
城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法:首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明:相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。 相似文献
68.
针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。 相似文献
69.
70.