首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   2475篇
  免费   67篇
  国内免费   35篇
  2024年   27篇
  2023年   84篇
  2022年   51篇
  2021年   46篇
  2020年   56篇
  2019年   13篇
  2018年   13篇
  2017年   17篇
  2016年   19篇
  2015年   37篇
  2014年   178篇
  2013年   216篇
  2012年   209篇
  2011年   164篇
  2010年   211篇
  2009年   214篇
  2008年   197篇
  2007年   167篇
  2006年   120篇
  2005年   187篇
  2004年   81篇
  2003年   87篇
  2002年   65篇
  2001年   67篇
  2000年   30篇
  1999年   11篇
  1998年   4篇
  1997年   2篇
  1996年   1篇
  1995年   2篇
  1992年   1篇
排序方式: 共有2577条查询结果,搜索用时 265 毫秒
991.
近年来,各级党委领导从端正学风入手,注重深化对学习重要性的认识,自觉把抓好理论学习作为第一位的任务、第一位的需要、第一位的责任。切买加强组织领导,严格落实制度,促进了理论学习向深层次发展。但也要清醒地看到,当前学风方面还存在一些问题。  相似文献   
992.
我们在组织官兵学习十六大精神过程中,紧紧抓住官兵关注的热门话题,顺势搞好教育引导,收到了事半功倍的学习效果。  相似文献   
993.
学习力,是一个人的学习态度、学习能力的总和。学习力是最可贵的生命力,最活跃的创新力,也是最持久、最本质的竞争力。联合国教科文组织在一篇报告中提出一个观点:“未来的文盲不是不识字的人,而是没有学会怎样学习的人。”学习能力、思维能力、创新能力是构成现代人才体系的三大能力,其中,学习能力又是最基本、最重要的第一能力,没有学习能力,其他能力都不可能存在。因此,抓人才最根本的就是抓学习,抓学习最重要的就是提高学习力。  相似文献   
994.
党的十六大把“三个代表”重要思想写入党章,确立为全党的指导思想,号召在全党全军进一步兴起学习“三个代表”重要思想的新高潮,党中央也专门作出兴起学习“三个代表”重要思想新高潮的决定。按照党中央的要求,搞好“三个代表”重要思想的学习教育是一项长期的战略任务。  相似文献   
995.
当前,我军正面临着推进中国特色军事变革,实现机械化和信息化建设的双重历史任务。党委书记是各单位党委班子的“领头雁”,在与时俱进地完成历史任务中肩负着重大责任。因此,党委书记只有加强学习、勤奋学习,才能适应时代发展的新要求,完成时代赋予的新任务;才能真正使我们的全部工作在与时俱进中体现时代性,把握规律性,富于创造性.  相似文献   
996.
兴起学习贯彻“三个代表”重要思想新高潮,军队要走在前列。各级党委是部队学习的组织者和领头人,担负着领导部队落实兴起新高潮的政治任务,必须发挥好模范带头作用,走在部队的前列。创建学习型党委活动是提高党委整体素质,带动部队学习的重要载体,我们必须结合实际,积极探索开展创建活动的有效途径,努力把创建学习型党委活动提高到新的水平,推动部队党委建设上新的台阶。  相似文献   
997.
我部紧密联系基层实际,积极探索基层干部理论学习的特点和规律,逐步建立了“每日一读、每周一学、每月一议、每季一交流、半年一考核”的“五个一”学习机制,使基层干部理论学习走向经常化、制度化、规范化的轨道,有力地促进了基层干部队伍素质的提高,有效地保证了以军事斗争准备为龙头的各项任务的完成,推进了基层建设的全面发展。  相似文献   
998.
袁德金 《国防》2007,(11):6-9
胡锦涛同志在党的十七大报告中指出:"必须站在国家安全和发展战略全局的高度,统筹经济建设和国防建设,在全面建设小康社会进程中实现富国和强军的统一."这是胡锦涛对国防建设与经济建设相互关系思想的最新发展.  相似文献   
999.
为了提高计算效率,提出基于自训练的改进EM算法STEM。在每步迭代的E-step中,将中间分类器最有把握对其类别进行预测的未标注样本转移至标注样本集,并应用到M-step中进行下一个中间分类器的训练,从而引入了利用中间结果的自训练机制。文本分类实验表明STEM算法在大部分情况下的分类准确性都高于EM,并通过减少迭代提高了分类器学习的计算效率。  相似文献   
1000.
多智能体协同博弈具有实时及动作连续性、非完全信息博弈、庞大的搜索空间、多复杂任务和时间空间推理等特点,是当前人工智能领域极具挑战的难题之一。针对大规模多智能体强化学习训练时间长、难以收敛等问题,提出了一种基于Actor-Critic的多智能体强化学习协同博弈框架,利用元课程强化学习方法对小规模场景进行基础课程元模型提取,并且基于课程学习向大规模场景进行模型迁移,在元模型基础上继续进行训练,扩展元模型策略网络,最终得到较优协同博弈策略。在《星际争霸Ⅱ》平台上进行仿真实验,结果表明:基于元课程强化学习的多智能体协同博弈技术可有效地加速其训练过程,相较于传统训练方法可以在较短时间内达到较高的胜率,训练速度提升约40%,该方法可有效支撑多智能体协同博弈策略的高效生成,为低资源下的强化学习高效训练奠定理论基础。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号