全文获取类型
收费全文 | 964篇 |
免费 | 75篇 |
国内免费 | 162篇 |
出版年
2024年 | 15篇 |
2023年 | 34篇 |
2022年 | 37篇 |
2021年 | 53篇 |
2020年 | 44篇 |
2019年 | 27篇 |
2018年 | 15篇 |
2017年 | 16篇 |
2016年 | 24篇 |
2015年 | 36篇 |
2014年 | 56篇 |
2013年 | 63篇 |
2012年 | 55篇 |
2011年 | 35篇 |
2010年 | 81篇 |
2009年 | 115篇 |
2008年 | 96篇 |
2007年 | 58篇 |
2006年 | 58篇 |
2005年 | 57篇 |
2004年 | 42篇 |
2003年 | 30篇 |
2002年 | 33篇 |
2001年 | 21篇 |
2000年 | 20篇 |
1999年 | 12篇 |
1998年 | 9篇 |
1997年 | 6篇 |
1996年 | 10篇 |
1995年 | 7篇 |
1994年 | 7篇 |
1993年 | 3篇 |
1992年 | 6篇 |
1991年 | 6篇 |
1990年 | 7篇 |
1989年 | 2篇 |
1988年 | 2篇 |
1983年 | 2篇 |
1981年 | 1篇 |
排序方式: 共有1201条查询结果,搜索用时 171 毫秒
11.
灵芝对小鼠空间分辨学习与记忆的影响 总被引:4,自引:0,他引:4
本文用Y-型迷宫法测试小鼠空间分辨行为。实验结果表明,每日ig灵芝2.58/kg共7d,有明显促进学习的作用。每日ig灵芝2.5g/kg共7d或ig灵芝5g/kg共7d都能显著地拮坑东莨菪碱所致学习障碍的作用。此外,学习训练后立即ig灵芝2.5g/kg或ig灵芝5g/kg也有明显地改善东莨菪碱损害记忆巩固的作用。 相似文献
12.
海马内生长抑素与γ-氨基丁酸在大鼠穿梭箱主动回避反应中的作用 总被引:1,自引:0,他引:1
本实验以大鼠穿梭箱主动回避反应(AAR)的习得和消退为学习记忆的指标,研究了海马内生长抑素(SS)和γ-氨基丁酸(GABA)在学习记忆中的作用。结果如下:(1)经训练而建立了AAR的大鼠,其海马内SS较对照组显著增高,而海马内GABA含量却明显降低;(2)海马内注入SS的耗竭剂半胱胺(Cys,20g/L)使大鼠AAR的习得受到明显损害,AAR的消退显著加速,海马内SS明显降低,而GABA含量却显著升高;(3)海马内注入GABA(200g/L)使大鼠AAR的消退显著加速的同时,其海马内SS含量亦显著降低。由此表明,海马内SS可能有促进学习记忆的作用,而海马内GABA升高则有相反的效应;二者在海马调控学习记忆过程中具有重要作用。 相似文献
13.
高中生物新课标倡导探究性学习,探究模式源于美国教育家萨其曼(Richrd Suchman)对于独立学习者发展的信念.他认为,在学生积极参与科学探索过程中,教师模拟科学家解决问题的过程,使学生体会科学家如何面临疑难情境,学会搜集、加工和整合资料,最终达到问题的解决,从而获得在真实生活情境中发现问题和解决问题的能力. 相似文献
14.
探究性学习——学生的福音。多年的讲学性教学方法让很多学生成了机器人,机械地接受老师传达的内容,刻在脑子里。学生只是学到了知识,而不是拥有了能力。我们不能完全的批判讲学性学习的缺点,但实践证明,这种方式确实是不完善的.。而新课标提出的探究性学习,弥补了讲学性学习造成的不足,使培养出的学生更具竞争力。 相似文献
15.
在介观尺度上,小鼠大脑图像的数据量可达到10 TB量级,人脑数据量则达到惊人的几十PB,从海量脑图像数据中识别和分析神经元的形态是一项复杂且具有挑战的任务。当前研究人员提出了基于传统机器学习和深度学习的神经元识别算法,其中传统机器学习方法存在迁移、泛化能力较差的问题,基于深度学习的算法虽然可以通过海量精确标注的训练数据提高模型的泛化性,但缺乏精确且丰富的图像标记数据集,因此同样存在过拟合和泛化能力弱等问题。本文提出了一种基于深度学习的弱监督神经元识别方案,仅需要少量有标注的数据,即可通过迭代策略获取海量神经元图像的精确识别结果,具备较强的泛化能力,并最大限度减少人工参与量。该方法在fMOST、BigNeuron等数据集上进行了实验,自动识别精度F1值分别为0.9247和0.8318,优于其他对比的神经元识别算法。 相似文献
16.
18.
20.
为提高农作物重大病虫害发生信息自动化、智能化采集能力,全面提升监测预警水平,笔者基于大数据、人工智能和深度学习技术,研发了一款农作物病虫害移动智能采集设备——智宝,主要实现了3个方面的功能:一是病虫害发生信息自动采集上报.通过该产品进行人工拍照,可实现对田间农作物重大病虫害发生图像、发生位置、发生数量、微环境因子等数据的实时采集和上报.二是自动识别计数.基于植保大数据与人工智能技术,通过构建病虫害自动识别系统,可实现重大病虫害精准识别与分析,只要拍摄照片,即可快速、精确地识别病虫害种类,并自动计数、上报到指定的测报系统.三是自动分析判别分级.针对拍摄采集上报的重大病虫害发生信息,系统可在自动识别和计数的基础上,进一步对病虫害发生严重程度进行智能判别分级,甚至根据相关预测模型,对病虫害的发生趋势进行辅助分析预测,提出预测建议.通过2016—2019年组织多地植保机构进行试验改进,该技术产品日趋成熟,有望在未来的农作物病虫害发生信息采集和预测预报工作中推广使用. 相似文献