计算机相关期刊阅读,计算机核心期刊.doc

这篇文档列举了计算机科学、控制理论、信息处理、物理学、化学、地球科学等多个学科的核心期刊,包括《计算机学报》、《自然辩证法研究》、《物理学报》等,覆盖了从基础理论到应用技术的广泛范围,是了解科研动态的重要资源。
摘要由CSDN通过智能技术生成

《计算机核心期刊.doc》由会员分享,提供在线免费全文阅读可下载,此文档格式为doc,更多相关《计算机核心期刊.doc》文档请在天天文库搜索。

1、1.计算机学报 2.软件学报 3.计算机研究与发展 4.自动化学报 5.计算机科学 6.控制理论与应用 7.计算机辅助设计与图型学学报 8.计算机工程与应用9.模式识别与人工智能 10.控制与决策 11.小型微型计算机系统 12.计算机工程 13.计算机应用 14.信息与控制 15.机器人 16.中国图象图形学报.A版 17.计算机应用研究 18.系统仿真学报 19.计算机集成制造系统-CIMS 20.遥感学报 21.中文信息学报 22.微计算机信息 23.数据采集与处理 24.微型机与应用 25.传感器技术 26.传感技术学报 28.计算机应用与软件29.微型计算机30.微电子学与计算机 31.计算机工程与科学 32.计算机工程与设计N/Q,T/X 综合性科学技术1.科学通报2.中国科学.A辑,数学,物理学,天文学(分成:中国科学.A辑,数学和中国科学.G辑,物理学、天文学) 3.清华。

2、大学学报.自然科学版 4.华中科技大学学报 5.上海交通大学学报6.北京大学学报.自然科学版7.中山大学学报.自然科学版 8.中国科学.D辑,地球科学9.南京大学学报.自然科学10.中国科学.E辑,技术科学11.国防科技大学学报 12.哈尔滨工业大学学报13.西安交通大学学报14.大连理工大学学报15.北京师范大学学报.自然科学版 16.天津大学学报.自然科学与工程技术版(改名为:天津大学学报)17.厦门大学学报.自然科学版18.复旦学报.自然科学版19.东北大学学报.自然科学版20.四川大学学报.自然科学版21.华东理工大学学报22.中南工业大学学报.自然科学版(改名为:中南大学学报.自然科学版)23.武汉大学学报.理学版24.同济大学学报.自然科学版25.北京理工大学学报26.华南理工大学学报.自然科学版27.四川大学学报.工程科学版28.兰州大学学报.自然科学版29.自然科学进展30。

3、.吉林大学自然科学学报(改名为:吉林大学学报.理学版)31.湖南大学学报.自然科学版32.浙江大学学报.工学版33.武汉大学学报.工学版34.华中师范大学学报.自然科学版35.南开大学学报.自然科学版36.浙江大学学报.理学版37.高技术通讯38.中国科学技术大学学报39.云南大学学报.自然科学版40.北京工业大学学报 41.陕西师范大学学报.自然科学版42.应用科学学报 43.上海大学学报.自然科学版44.内蒙古大学学报.自然科学版 45.西北工业大学学报 46.山东大学学报.自然科学版(改名为:山东大学学报.理学版)47.西北大学学报.自然科学版48.山西大学学报.自然科学版49.北京化工大学学报(改名为:北京化工大学学报.自然科学版)50.华东师范大学学报.自然科学版51.东北师大学报.自然科学版 52.重庆大学学报.自然科学版 53.暨南大学学报.自然科学与医学版 54.福州大学学。

4、报.自然科学版 55.东南大学学报.自然科学版 56.北方交通大学学报 57.宁夏大学学报.自然科学版 58.河北师范大学学报.自然科学版59.四川师范大学学报.自然科学版 60.湖南师范大学自然科学学报61.湖北大学学报.自然科学版62.河北大学学报.自然科学版63.深圳大学学报.理工版64.河南师范大学学报.自然科学版65.空军工程大学学报.自然科学版66.南京师大学报.自然科学版 67.海军工程大学学报68.南京理工大学学报.自然科学版69.信阳师范学院学报.自然科学版70.湘潭大学自然科学学报71.辽宁师范大学学报.自然科学版72.太原理工大学学报73.广西师范大学学报.自然科学版74.安徽大学学报.自然科学版75.中国学术期刊文摘 76.黑龙江大学自然科学学报77.河南大学学报.自然科学版78.华侨大学学报.自然科学版 79.福建师范大学学报.自然科学版80.江西师范大学学报.自。

5、然科学版81.吉林工业大学自然科学学报(改名为:吉林大学学报.工学版)82.南昌大学学报.理科版83.西南师范大学学报.自然科学版84.武汉理工大学学报85.上海理工大学学报86.合肥工业大学学报.自然科学版 87.甘肃工业大学学报(改名为:兰州理工大学学报) 88.桂林工学院学报 89.科技通报N 自然科学总论1.系统工程理论与实践 2.系统工程 3.系统工程与电子技术 4.系统工程学报 5.系统工程理论方法应用 6.自然辩证法研究 7.科学 8.管理科学学报 9.自然科学史研究 10.自然杂志 11.科学技术与辩证法 12.中国科学基金 13.中国科技史料O1 数学1.数学学报 2.数学年刊.A辑 3.应用数学学报 4.计算数学 5.数学进展 6.数学研究与评论 7.系统科学与数学 8.数学物理学报 9.应用概率统计 10.工程数学学报 11.应用数学 12.数学杂志 13.高校应用数。

6、学学报.A辑 14.模糊系统与数学 15.高等学校计算数学学报 16.数学季刊 17.工科数学(改名为:大学数学) 18.数学的实践与认识 19.纯粹数学与应用数学 20.运筹学学报 21.数学教育学报22.数学杂志 23. 分析理论及其应用O3 力学1.力学学报 2.应用数学和力学 3.计算力学学报 4.力学进展 5.固体力学学报 6.力学与实践 7.应用力学学报 8.工程力学 9.爆炸与冲击 10.空气动力学学报 11.实验力学 12.工程热物理学报 13.振动工程学报 14.力学季刊 15.振动与冲击 16.水动力学研究与进展.A辑 17.般空学报 18.机械强度O4 物理学1.物理学报 2.光学学报 3.高能物理与核物理 4.光子学报 5.中国激光 6.物理 7.原子与分子物理学报 8.半导体学报 9.光谱学与光谱分析 10.强激光与粒子束 11.量子电子学报 12.物理学进展 1。

7、3.声学学报 14.红外与毫米波学报 15.发光学报 16.核技术 17.大学物理 18.金属学报 19.低温物理学报 20.无机材料学报 21.高压物理学报 22.材料研究学报 23.波谱学杂志 24.量子光学学报 25.化学物理学报 26.计算物理 27.人工晶体学报 28.光学技术 29.原子核物理评论 30.光电子技术与信息 31.物理教学O6 化学1.高等学校化学学报 2.分析化学 3.化学学报 4.化学通报 5.中国科学.B辑,化学 6.物理化学学报 7.光谱学与光谱分析 8.催化学报 9.理化检验.化学分册 10.应用化学 11.高分子学报 12.有机化学 13.无机化学学报 14.分析实验室 15.色谱 16.冶金分析 17.分子催化 18.分析测试学报 19.化学物理学报 20.计算机与应用化学 21.化学试剂 22.结构化学 23.化学研究与应用 24.化学进展大纲25。

8、合成化学26化学教育 27中学教学P1 天文学1.天文学报 2.天文学进展 3.云南天文台台刊P2 测绘学1.测绘学报 2.武汉大学学报.信息科学版 3.测绘通报 4.地图 5.遥感学报 6.地壳形变与地震(改名为:大地测量与地球动力学)7.测绘科学 8.测绘学院学报 P3 地球物理学1.地球物理学报 2.地震学报 3.地震 4.地震地质 5.中国地震 6.空间科学学报 7.地震工程与工程振动 8.西北地震学报 9.地震研究 10.地球物理学进展 11.水文P4 大气科学(气象学)1.气象学报 2.大气科学 3.高原气象 4.气象 5.应用气象学报 6.南京气象学院学报 7.热带气象学报 8.气候与环境研究 9.气象科学P5 地质学1.地质论评2.地质学报3.地球科学4.地学前缘5.岩石学报6.沉积学报 7.地球化学 8.矿床地质9.地质科学10.第四纪研究11.地球学报12.矿物学报13。

9、.地质地球化学14.地质科技情报15.地质与勘探16.现代地质17.成都理工学院学报(改名为:成都理工大学学报:自然科学版)18.地球科学进展19.中国区域地质(并入:中国地质)20.高校地质学报21.长春科技大学学报(改名为:吉林大学学报.地球科学版)22.地层学杂志23.古生物学报24.矿物岩石 25.大地构造与成矿学 26.岩石矿物学杂志 27.水文地质工程地质 28.中国岩溶P7 海洋学1.海洋学报 2.海洋与湖沼 3.青岛海洋大学学报.自然科学版(改名为:中国海洋大学学报.自然科学版) 4.海洋地质与第四纪地质 5.热带海洋学报 6.海洋通报 7.海洋工程 8.海洋科学 9.台湾海峡 10.黄渤海海洋(改名为:海洋科学进展)11.东海海洋 12.海洋湖沼通报K9,P9 地理学1.地理学报 2.经济地理 3.地理研究 4.地理科学 5.人文地理 6.中国沙漠 7.干旱区地理 8.中。

10、国历史地理论丛 9.地域研究与开发 10.冰川冻土 11.干旱区资源与环境 12.自然资源学报13.地理学与国土研究(改名为:地理与地理信息科学)14.资源科学15.山地学报 16.湖泊科学 17.地理科学进展 18.长江流域资源与环境 19.干旱区研究Q综合性生物1.生态学报 2.生物化学与生物物理学报 3.遗传学报 4.中国生物化学与分子生物学报 5.生物化学与生物物理进展 6.微生物学报 7.生物物理学报 8.遗传 9.生物工程学报 10.应用生态学报 11.生理学报 12.中国科学.C辑,生命科学 13.古生物学报 14.微生物学通报 15.水生生物学报 16.菌物系统(改名为:菌物学报) 17.生物多样性 18.生物工程进展(改名为:中国生物工程杂志) 19.实验生物学报 20.生命的化学 21.古脊椎动物学报 22.微体古生物学报 23.生态学杂志 24.生物数学学报 25.细胞生物学Q94 植物学1.植物生理学报(改名为:植物生理与分子生物学学报) 2.植物生理学通讯 3.云南植物研究 4.植物分类学报 5.西北植物学报 6.武汉植物学研究 7.植物生态学报 8.植物学通报 9.广西植物 10.热带亚热带植物学报 11.植物研究 12植物资源与环境学报 Q95/96 动物学/昆虫学1.动物学报 2.昆虫学报 3.动物学研究 4.动物学杂志 5.兽类学报 6.动物分类学报 7.人类学学报 8.昆虫分类学报 9.四川动物。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值