全文获取类型
收费全文 | 1006篇 |
免费 | 244篇 |
国内免费 | 146篇 |
出版年
2024年 | 4篇 |
2023年 | 14篇 |
2022年 | 19篇 |
2021年 | 19篇 |
2020年 | 32篇 |
2019年 | 19篇 |
2018年 | 19篇 |
2017年 | 61篇 |
2016年 | 81篇 |
2015年 | 37篇 |
2014年 | 81篇 |
2013年 | 67篇 |
2012年 | 94篇 |
2011年 | 98篇 |
2010年 | 52篇 |
2009年 | 96篇 |
2008年 | 72篇 |
2007年 | 67篇 |
2006年 | 81篇 |
2005年 | 69篇 |
2004年 | 70篇 |
2003年 | 38篇 |
2002年 | 44篇 |
2001年 | 29篇 |
2000年 | 17篇 |
1999年 | 18篇 |
1998年 | 22篇 |
1997年 | 19篇 |
1996年 | 9篇 |
1995年 | 14篇 |
1994年 | 7篇 |
1993年 | 9篇 |
1992年 | 8篇 |
1991年 | 4篇 |
1990年 | 4篇 |
1989年 | 2篇 |
排序方式: 共有1396条查询结果,搜索用时 15 毫秒
281.
282.
针对C~3I 系统对分布式计算机网络数据加密的特定需求,重点对网络加密方式、密码装置、软件编程设计等核心问题进行了研究。可对数据加密总体设计与软件概要设计提供参考。 相似文献
283.
层次分析法在舰船作战能力分析中应用 总被引:2,自引:0,他引:2
舰载武器系统作战能力评估与分析是海军现代化建设研究领域的一个重要课题,通过对不同武器配置的作战能力的评估与分析可以检验武器配置是否优化合理,研究的着眼点就是探索能够最真实检验一种武器配置方案是否能够最大限度地满足作战能力的评估的各项指标。文中采用层次分析理论(AnelyticHierandyProcess),简称AHP方法,引进科学评估方法,所有基本指数由专家确定,并对专家的判断进行一致性检验和最小偏差处理,理论与经验相结合,使最终的指数最大限度地符合现实,其评价体系是直观的,易被军事人员接受。 相似文献
284.
CEC网络—实现海上战斗兵力群战术协同作战的关键 总被引:4,自引:2,他引:2
在夺取制海权的作战中,海上战斗兵力群是最重要的。群内各兵力的战术协同是提高兵力群整体作战能力的关键,当然也是最难实现的。美国海军正加紧研制、试验和发展的战术协同作战网络,简称CEC网络,极大地提高了由水面舰艇和飞机组成的兵力群战术协同作战能力,代表了兵力群战术协同作战的最高水平,将对海军的作战方法和样式产生重大影响。介绍了CEC网络要实现的目的、组成、工作原理、特点、试验和发展情况 相似文献
285.
本文揭示了神经计算的本质──并行分布处理,并以此为基础提出了时间步的概念。分析了映射算法的两个重要概念──负载均衡和通讯开销,并提出了映射分配准则。在神经网络的映射分配中引入图论的有关思想,提出了一种优化的神经网络映射算法──吸收算法。最后给出了重要的试验结果,这些数据表明吸收算法是一种有效的映射算法。 相似文献
286.
曹国柱 《军械工程学院学报》1995,(1)
本文介绍了笔者为开发名为OONMES的网络管理专家系统所实现的一个简单专家系统工具SIM-LISP。SIM-LISP是一个用C/C++语言来实现的模拟LISP语言的可调用函数集,它短小精巧,速度快,可以完成针对网管专家系统的事实或规则知识的表示、匹配、合一和推理等基本操作,并有与知识对象的连接功能,是网管专家系统内核实现的支撑环境。 相似文献
287.
结合非线性优化理论和方法提出了易于实现、收敛速度比较快的多层神经网络共轭梯度反传算法。液体火箭发动机参数辨识技术已得到广泛的应用,由于传统的数学方法必须基于发动机已知模型,使得其参数辨识受到极大的限制。文中基于神经网络共轭梯度反传算法进行液体火箭发动机的系统辨识,结合变推力发动机热试车动态数据,得到了满意的仿真结果。 相似文献
288.
针对机床智能加工对加工状况监测的要求,文中提出一种在线估计表面粗糙的神经网络多传感器融合方法,用该方法可获得表面粗糙度的较好估计。文中论述了该方法的特征提取,维数压缩和归一化等预处理方法,神经网络的构造及训练等内容。仿真表明,该方法是可行和有效的。 相似文献
289.
本文在详细讨论特征结构提取问题的能量函数表示的基础上,通过对该能量函数表示的适当变换和整理,高阶关联非线性连续时间神经网络被引入到特征结构的提取问题中。这种方法直观、明了,它将所要提取的特征结构与网络稳定时的输出直接对应起来,可对特征结构进行自适应跟踪、估计,这为特征结构的提取提出了一个新的方法。 相似文献
290.
本文介绍了一种基于自组织神经网络的雷达信号分选系统,概率神经网络通过计算输入信号矢量的联合概率密度实现贝叶斯分选,它与传统的信号分选算法相比在分选精度和资源利用率上有显著的提高。这种并行的神经网络计算结构也很适合于VLSI实现。本文还介绍了此系统在复杂雷达信号环境下的仿真分选试验。 相似文献