计算机核心期刊目录

Carl_Ding Carl_Ding 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.2k累计阅读 3.3k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄18年
关注
转载 最新推荐文章于 2026-04-16 09:49:04 发布 3.2k 阅读 AI 写同款· GEO 优化 ›
计算机，刊物和核心介绍 阅读详情

计算机核心期刊目录 TP 自动化技术,计算机技术
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



数据来源：http://www.cug.edu.cn/ReadNews.asp?NewsID=1100


1.《软件学报》 （月刊） EI、ISTIC收录
主办单位：中国计算机学会 中国科学院软件研究所
地址：北京8718信箱 北京海淀区中关村《软件学报》编辑委员会
邮编：100080
邮发代号：82－367
E-mail:jos@iscas.ac.cn
http://www.jos.org.cnhttp://www.jos.org.cn

2.《计算机学报》 （月刊） EI、ISTIC收录
主办单位：中国计算机学会 中国科学院计算技术研究所
地址：北京2704信箱 中国科学院计算技术研究所 《计算机学报》编辑部
邮编：100080
邮发代号：2－833
E-mail: cjc@ict.ac.cn" target="_blank">cjc@ict.ac.cn
http://www.ict.ac.cn/cjc/cjc.htmlcjc@ict.ac.cn
http://www.ict.ac.cn/cjc/cjc

.html
3.《计算机研究与发展》 （月刊） ISTIC收录
主办单位：中国科学院计算技术研究所 中国计算机学会
地址：北京2704信箱 中国科学院计算技术研究所 《计算机研究与发展》 编辑委员会
邮编：100080
邮发代号：2－654 E-mail:crad@ict.ac.cn
http://crad.ict.ac.cn

4.《计算机工程 （半月刊）》 ISTIC收录
主办单位：华东计算技术研究所 上海市计算机学会
地址：上海市漕河泾桂林路418号 《计算机工程》编辑部
邮编：200233
邮发代号：4－310
E-mail:hdsce@china.com
http://www.jsjc.chinajournal.net ... chinajournal.net.cn

5.《自动化学报》 （双月刊） EI、ISTIC收录
主办单位：中国自动化学会 中国科学院自动化研究所
地址：北京中关村中国科学院自动化所《自动化学报》编辑部
邮编：100080
邮发代号：2-180
E-mail:aas@iamail.ia.ac.cn http://www.chinainfo.gov.cn/periodical/zdhxbhttp

://www.chinainfo.gov.cn/periodical/zdhxb
6 .《模试识别与人工智能》 （季刊） ISTIC收录
主办单位：中国自动化学会 国家智能计算机研究开发中心
地址：合肥1130信箱 中国科学院合肥智能机械研究所 《模式识别与人工智能》编辑部

邮编230031
邮发代号：26-69
E-mail:bjb@mail.iim.ac.cn
7.《小型微型计算机系统》 （月刊） ISTIC收录
主办单位：中科院沈阳计算技术研究所 地址：沈阳市和平区三好街100号 中科院沈阳计
算技术研究所 《小型微型计算机系统》编辑部
邮编：110004
邮发代号：8－108
E-mail:xwjxt@sict.ac.cn
http://www.sict.ac.cn

8.《计算机科学》 （月刊） ISTIC收录
主办单位：国家科技部西南信息中心
地址：重庆市渝中区胜利路132号 《计算机科学》杂志社
邮编：400013
邮发代号：78－68
E-mail:jsjkx@swic.ac.cn
9.《计算机应用与软件》（月刊）
主办单位：上海市计算技术研究所 上海计算机软件技术开发中心
地址：上海市愚园路546号 《计算机应用与软件》编辑部
邮编：200040
邮发代号：4－379
10.《数值计算与计算机应用》 （季刊） ISTIC收录
主办单位：中国科学院计算数学与科学工程计算研究所
地址：北京市2719信箱 《数值计算与计算机应用》编辑部
邮编：100080
邮发代号：2-413
E-mail:SZJS@chinajournal.net.cn http://www.chinainfo.gov.cn/periodicalhttp:

//www.chinainfo.gov.cn/periodical
11.《计算机工程与应用》 （旬刊） ISTIC收录
主办单位：华北计算技术研究所
地址：北京市北四环中路211号 北京619信箱26分箱《计算机工程与应用》杂志社
邮编：100083
邮发代号：82－605
投稿信箱： tjit@public2.bat.net.cn" target="_blank">tjit@public2.bat.net.cn
         cea@163bj.com" target="_blank">cea@163bj.com
http://www.chinainfo.gov.cn/periodical/tjit@public2.bat.net.cn
cea@163bj.co" target="_blank">cea@163bj.co
m
http://www.chinainfo.gov.cn/periodical/

12.《计算机应用研究》 （月刊） ISTIC收录
主办单位：四川省电子计算机应用研究中心
地址：成都市人民南路4段11号附1号 《计算机应用研究》杂志社
邮编：610041
邮发代号：62－68
E-mail：SRCCA@SICHUAN.NET.CNSR" target="_blank">SRCCA@SICHUAN.NET.CNSRCCA@SICHUAN.NET.CN
13.《计算机工程与科学》 （双月刊） ISTIC收录
主办单位：国防科技大学计算机学院
地址：湖南长沙砚瓦池正街47号 《计算机工程与科学》编辑部
邮编：410073
邮发代号：42－153
E-mail：cchunxi@163.net" target="_blank">cchunxi@163.net
       cchunxi@163.net" target="_blank">cchunxi@163.net
14.《中文信息学报》 （双月刊） ISTIC收录
主办单位：中国科学院软件研究所 中国中文信息学会
地址：北京8718信箱 《中文信息学报》编辑部
邮编：100080
E-mail:cips@admin.iscas.ac.cn
15.《计算机应用》 （月刊） ISTIC收录
主办单位：中科院成都计算机应用研究所 四川省计算机学会
地址：成都市人民南路四段九号 成都237信箱《计算机应用》编辑部
邮编：610041
邮发代号：62－110
E-mail:bjb@computerapplications.com.cn  http://www.computerapplications.com

.cn
16.《计算机辅助设计与图形学学报》 （月刊） ISTIC收录
主办单位：中国计算机学会
地址：北京2704信箱 中国科学院计算技术研究所
邮编：100080
邮发代号：82－456
E-mail:jcad@ict.ac.cn
http://jcad.ict.ac.cn

http://jcad.ict.ac.cn

17.《计算机科学与技术》（英文版） （双月刊） SCIE、EI收录
主办单位：中国科学院计算技术研究所
地址：北京2704信箱
邮编：100080
邮发代号：2－578
E-mail:jcst@ict.ac.cn
http://jcst.ict.ac.cn

http://jcst.ict.ac.cn

18.《计算机工程与设计》 （月刊）
主办单位：中国航天科工集团二院706所
地址：北京142信箱406分箱 《计算机工程与设计》编辑部
邮编：100854
邮发代号：82－425
E-mail:ced@httx.com.cn
      ced@httx.com.cn" target="_blank">ced@httx.com.cn
19.《 微电子学与计算机》 （月刊）
主办单位：中国航天科技集团公司西安微电子技术研究所
地址：西安市81号信箱 《 微电子学与计算机》编辑部
邮编：710054
邮发代号：52－16
说明：检索系统摘引情况选定三个系统，即SCI(科学引文索引)、EI(工程索引)和 ISTI
C (中国科技期刊引证报告统计源期刊)，未注明者为非统计源期刊, 参照1999年度的数
据。

标签
#.net #图形 #制造
计算机类中文核心期刊目录 计算机类中文核心期刊目录 1.《软件学报》 （月刊） EI、ISTIC收录 主办单位：中国计算机学会 中国科学院软件研究所 地址：北京8718信箱 北京海淀区中关村《软件学报》编辑委员会 邮编：100080 邮发代号：82－367 E-mail:jos@iscas.ac.cn http://www.jos.org.cn 2.《计算机学报》 （月刊） EI、ISTIC收录 主办单位：中国计算机学会 阅读详情

相关推荐

2015最新中文核心期刊影响因子排名.xls

主要用于相关科研人员查阅相关期刊的影响因子，方便相关人员合理投稿

计算机核心期刊排名

计算机核心期刊排名 自动化、计算机部分 1 计算机学报 北京 中国计算机学会等 2 软件学报 北京 中国科学院软件研究所 3 计算机研究与发展 北京 中国科学院计算技术研究所等 4 自动化学报 北京 中国科学院等 5 计算机科学 重庆 国家科技部西南信息中心 6 控制理论与应用 广州 中国科学院系统科学研究所等 7 计算机辅助设计与图形学学报 北京 中国计算机学会等 8 计算机工

qachenzude的专栏 3万+

计算机专业核心期刊目录

计算机专业的核心期刊列表，及各核心期刊的影响因子。

为什么计算机类期刊的影响因子这么低？

下雨的晚上就适合写日志，今天来个正经的，刚科研出来的成果。影响因子（IF）是中国的CSer心中永远的痛！每当人家都说自己领域的IF=4,6的期刊的时候，CSer只能看看国内惟一的一个SCI检索的JCST-- IF=0.4，而某一网站曾统计，计算机方向最牛的SIGXXX会议的IF也仅为一点几。结果，招生最热的CS在学校成果评定的时候成了最尴尬的……事实果然如此吗？先看看从Google上搜索的SCI的

小吹的专栏 4654

手把手教你用ADS和CGH40010F模型搭建Doherty功放仿真原型（附工程文件）

本文详细介绍了如何使用ADS软件和CGH40010F GaN器件模型搭建Doherty功放仿真原型，涵盖工程准备、关键电路模块实现、效率优化技巧及常见问题排查。通过实战指南和效率优化技巧，帮助工程师快速掌握Doherty功放设计，提升5G基站和广播发射系统的功率放大器性能。

weixin_26897585的博客 345

revit二次开发环境搭建（2024版）（小白友好）

revit二次开发环境配置，SDK、addin manager和lookup新手友好安装教程

m0_56961251的博客 1420

计算机类核心期刊排名及投稿信息介绍

1   计算机学报     北京     中国计算机学会等 2    软件学报     北京     中国科学院软件研究所 3    计算机研究与发展     北京     中国科学院计算技术研究所等 4    自动化学报     北京     中国科学院等 5    计

qkqlqq0288的专栏 1万+

【BigWorld 游戏服务器引擎】Cell 架构设计介绍，及Java实现方案的探索

横向扩展（Scalability）：通过动态增减CellApp和BaseApp的数量，可以轻松应对玩家人数的变化。世界可以做得非常大，只需增加更多的 Cell。负载分离（Load Separation）：将不同性质的负载分离，避免了单一进程瓶颈。CPU 密集型的实时计算（CellApp）和 I/O 密集型的数据操作（BaseApp）互不影响。高效的视野管理（AOI）：每个 Cell 只关心自己区域内和边界上的实体，大大降低了计算复杂度。容错性：某个CellApp。

代码时光 1205

计算机核心期刊新排名（八大学报）

八大学报 1.计算机学报 2.软件学报 3.计算机科学与技术学报（JCST） 4.计算机研究与发展 5.自动化学报 6.电子学报 7.通信学报 8.中国科学 被SCI检索的国外期刊（顶级会议） 新排名 2004部分核心期刊名单（自动化、计算机部分与无线电、电信部分) 自动化、计算机部分 1 计算机学报 北京 中国计算机学会等 2 软件学报 北京 中国科学院软件研究所 3 计算机研究与发展 北京 中国科学院计算技术研究所等 4 自动化学报 北京 中国科学院等 5 计算机科学 重庆 国家科技部西南信息中心 6

计算机辅助工程 7170

华强北手表256G真相大揭秘：ADB命令实测内存与存储（附完整调试教程）

本文通过ADB命令实战揭秘华强北智能手表256G存储等硬件参数的真实性。文章提供了从开启调试模式到使用ADB命令查询系统属性、验证内存与存储容量的完整教程，帮助用户识别参数虚标，评估设备真实性能与潜在风险。

e3f4g5的博客 1233

信号完整性基础04：串扰（1）

我们理解了“单个”传输线（传输线是信号路径+回流路径，切记~），但大多数情况下单独“传输线”的情况并不多见（理想情况下的同轴线缆可以算一个），大多数我们PCB板上有成百上千条走线，它们组成了一个“大社会”，就如当年的TVB神剧《创世纪》一样，到处充满着恩怨情仇；稍处理不慎，单板这个“社会”就会崩溃。那么我们要从哪里入手去理解它呢？最基本的就是从两条PCB走线（传输线）之间的串扰开始。好，年前倒数第二章：《为什么会有串扰》。 ps：我们了解了x射线是啥，那么今天开始讲“放射线”，这两种东西是否就是同一种呢~

WKEZHENG的博客 6034

2017年计算机期刊目录,【2017年整理】核心期刊目录一览表.doc

【2017年整理】核心期刊目录一览表刊物名称(以字母排列)123456AActa Math Appl Sin+Acta Math Sci+Acta Math Sin New Ser+ACTA MATHEMATICA SCI+ACTA MATHEMATICA SINICA+ACTA MECAHNICA SINICA+Acta Mech Sin+ACTA METALLURGICA SINICA+ACT...

weixin_39855843的博客 386

把 Client 当成 ABAP 系统的多租户底座：从 sy-mandt 到 CDS_CLIENT 的隔离机制与工程实践

本文深入解析SAP ABAP系统中Client概念的本质与应用。Client不仅是数据表的MANDT字段，更是会话级别的隔离边界，贯穿用户登录、授权和数据访问控制全过程。文章从ABAP SQL的隐式Client处理机制出发，详细介绍了USING CLIENT、USING ALL CLIENTS等安全跨客户端访问方式，并对比了传统CLIENT SPECIFIED的风险。同时阐述了ABAP CDS中@ClientHandling注解的类型与算法选择，包括#AUTOMATED自动拼接和#SESSION_VARIA

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 182

2018年版计算机技术类北大中文核心期刊目录

2018年版计算机技术类北大中文核心期刊目录 1.软件学报 2.计算机学报 3.计算机研究与发展 4.计算机辅助设计与图形学学报 5.自动化学报 6.中国图象图形学报 7.计算机工程与应用 8.系统仿真学报 9.计算机工程 10.计算机集成制造系统 11.控制与决策 12.小型微型计算机系统 13.控制理论与应用 14.计算机应用研究 15.机器人 16.中文信息学报 17.计算机应用 18.信息...

ZCC的专栏 2万+

vue3：html2canvas+jspdf将页面以A4导出为PDF文件，解决内容截断+在分页处截断问题详细排查和解决教程（jsPDF + html2canvas A4分页截断、内容分页时存在截断）

html2canvas + jsPDF 解决内容截断问题，vue3 jspdf-html2canvas生成多页pdf防截断处理(包含代码)，vue3解决html2canvas + jsPDF导出pdf分页内容截断问题，jsPDF + html2canvas A4分页截断 完美解决方案（含代码 + 案例），html页面导出pdf截断问题,html2canvas 与 jspdf 相结合生成 pdf 内容被截断的终极解决方案，提供html2canvas+jsPDF将HTML页面以A4纸方式导出为PDF后，内容分页

✅ 精选推荐文章 2245

从LLM到VLM再到VLA：三兄弟的“变形记”——定义、架构演进与最新趋同

LLM、VLM、VLA虽然在时间上依次出现，但它们在架构上的演进并非线性替代，而是形成了一个从“理解语言”到“理解世界”再到“改变世界”的认知闭环。VLA之所以能在短短三年内从概念走向现实，正是因为它站在了LLM和VLM的肩膀上——RT-2的泛化能力来自互联网规模的VLM预训练，π0的扩散策略受益于生成式模型的突破，Helix的双系统架构借鉴了“快慢思考”的认知科学洞见。而反过来，VLA在实际部署中遇到的效率瓶颈和实时性要求，也在倒逼LLM和VLM向更轻量、更高效的架构方向演进。

Ven%的博客 490

转：中文计算机核心期刊目录

转：中文计算机核心期刊目录 1.《软件学报》 （月刊） EI、ISTIC收录 主办单位：中国计算机学会 中国科学院软件研究所http://www.jos.org.cn2.《计算机学报》 （月刊） EI、ISTIC收录 主办单位：中国计算机学会 中国科学院计算技术研究所 http://www.ict.ac.cn/cjc/cjc.html3.《计算机研究与发展》 （月刊） EI、ISTIC收录 ...

weixin_30394633的博客 140

VC中sqlite的使用

在VC中对sqlite的使用，实现数据库大批数据的快速插入，读取数据库中的数据在ListCtrl中显示

中文计算机核心期刊目录

1.《软件学报》 （月刊） EI、ISTIC收录 主办单位：中国计算机学会 中国科学院软件研究所http://www.jos.org.cn2.《计算机学报》 （月刊） EI、ISTIC收录 主办单位：中国计算机学会 中国科学院计算技术研究所 http://www.ict.ac.cn/cjc/cjc.html3.《计算机研究与发展》 （月刊） EI、ISTIC收录 主办单位：中国科学院计算技术研究所

s060403006的专栏 1255

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

北大核心期刊目录2021年 计算机类

北大核心期刊目录2021年 计算机类 1 计算机学报 2 软件学报 3 自动化学报 4 计算机研究与发展 5 中国图象图形学报 6 机器人 7 控制与决策 8 计算机科学 9 计算机应用研究 10 计算机应用 11 计算机工程与应用 12 计算机辅助设计与图形学学报 13 控制理论与应用 14 模式识别与人工智能 15 计算机工程 16 计算机集成制造系统 17 中文信息学报 18 传感技术学报 19 小型微型计算机系统 20 智能系统学报 21 计算机科学与探索 22 系统仿真学报 23 计算机工程与设计

LOVCTGU的博客 6562

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

中英文计算机核心期刊目录

中文核心期刊 中文核心期刊是北京大学图书馆联合众多学术界权威专家鉴定，受到了学术界的广泛认同。 1.计算机学报                                          2.软件学报 3.计算机研究与发展                               4.中国图象图形学报 5.系统仿真学报                                 ...

qq_27802435的博客 2355

期刊目录 核心期刊 计算机学术期刊等

本文整理了SCI收录的中国国家一级期刊名录及相关核心期刊体系，涵盖国内权威期刊分类（如CSSCI、CSCD、北大核心等），并结合2020年影响因子及各领域顶级期刊排名，为科研人员提供学术发表参考。同时涉及自动化、计算机、控制等领域主流期刊介绍，助力学者精准选择投稿目标。

青少年趣味编程 1052
上一篇： C# WinForm 开机自动运行
下一篇： SQL Server中判断一个数据库是否存在的方法
点赞 0
评论 0
书签 书签 1
Carl_Ding
Carl_Ding
博客等级 码龄18年 14粉丝 8原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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