三大检索工具(SCI、EI、ISTP)收录检索技巧及核心期刊投稿导引

全面解析SCI、ISTP和EI检索系统及使用指南 在学术研究领域,SCI(Science Citation Index)、ISTP(Index to Scientific & Technical Proceedings)和EI(Engineering Index)被认为是衡量学术成就和学术影响力的重要工具。它们是三个重要的国际学术信息检索系统,各自侧重于不同学科领域的文献索引,对科研人员的论文发表及检索有着重要影响。引文分析是对学术论文或出版物的引用情况进行量化研究的一种方法。它基于这样的假设:引用次数可以作为衡量文献重要性和影响的一种指标。 阅读详情

一.    三大检索工具及相关数据库介绍

 

 

1.三大检索工具简介

 

科技部下属的“中国科学技术信息研究所”从 1987 年起,每年以国外四大检索工具 SCI 、ISTP 、Ei、ISR 为数据源进行学术排行。由于 ISR(《科学评论索引》) 收录的论文与 SCI 有较多重复,且收录我国的论文偏少。因此,1993年起不再把 ISR 作为论文的统计源。而其中的 SCI 、ISTP 、 Ei 数据库就是图书情报界常说的国外三大检索工具。

 

SCI ,即《科学引文索引》,是自然科学领域基础理论学科方面的重要期刊文摘索引数据库。它创建于1961 年,创始人为美国科学情报研究所所长 Eugene Garfield(1925.9.15).利用它,可以检索数学、物理学、化学、天文学、生物学、医学、农业科学以及计算机科学、材料科学等学科方面。自 1945 年以来重要的学术成果信息;SCI 还被国内外学术界当作制定学科发展规划和进行学术排名的重要依据。

 

ISTP ,即《科学技术会议录索引》,创刊于 1978 年,由美国科学情报研究所编制,主要收录国际上著名的科技会议文献。它所收录的数据包括农业、环境科学、生物化学、分子生物学、生物技术、医学、工程、计算机科学 、化学、物理学等学科。从 1990-2003 年间, ISTP 和 ISSHP( 后文将要讲到 ISSHP) 共收录了 60 , 000 个会议的近 300 万篇论文的信息。

 

Ei,即《工程索引》,创刊于 1884 年,由 Elsevier Engineering Information Inc. 编辑出版。主要收录工程技术领域的论文(主要为科技期刊和会议录论文 ) ,数据覆盖了核技术、生物工程、交通运输、化学和工艺工程、照明和光学技术、农业工程和食品技术、计算机和数据处理、应用物理、电子和通信、控制工程、土木工程、机械工程、材料工程、石油、宇航、汽车工程等学科领域。

 

2.与三大检索工具相关的其它数据库介绍

 

SSCI,即《社会科学引文索引》,创刊于 1969 年,收录数据从 1956 年至今;是社会科学领域重要的期刊文摘索引数据库。数据覆盖了历史学、政治学、法学、语言学、哲学、心理学、图书情报学、公共卫生等社会科学领域。

 

A&HCI,即《艺术与人文科学引文索引》,创刊于 1976 年,收录数据从 1975 年至今;是艺术与人文科学领域重要的期刊文摘索引数据库。数据覆盖了考古学、建筑学、艺术、文学、哲学、宗教、历史等社会科学领域。

 

ISSHP ,即《社会科学和人文会议录索引》,创刊于 1979 年,数据涵盖了社会科学、艺术与人文科学领域的会议文献。这些学科包括:哲学、心理学、社会学、经济学、管理学、艺术、文学、历史学、公共卫生等领域。

 

二.如何利用三大检索工具等数据库检索相关主题文献

 

1.利用SCI、SSCI、A&HCI数据库检索相关主题文献

 

(1) 通过往TOPIC检索入口输入检索主题词获得相关主题文献

 

(2) 通过往TOPIC检索入口输入检索主题词,然后对检索结果进一步分析获得相关主题文献

 

(3) 通过往TOPIC和SOURCE TITLE检索入口同时输入检索主题词获得相关主题文献

 

例子:往TOPIC中输入"nano*",同时往SOURCE TITLE 中输入"ARTIFICIAL CELLS BLOOD SUBSTITUTES AND IMMOBILIZATION BIOTECHNOLOGY or BIO-MEDICAL MATERIALS AND ENGINEERING or BIOMATERIALS or CELLULAR POLYMERS or DENTAL MATERIALS or JOURNAL OF BIOACTIVE AND COMPATIBLE POLYMERS or JOURNAL OF BIOMATERIALS SCIENCE-POLYMER EDITION or JOURNAL OF BIOMATERIALS APPLICATIONS or JOURNAL OF BIOMEDICAL MATERIALS RESEARCH or JOURNAL OF MATERIALS SCIENCE-MATERIALS IN MEDICINE or MACROMOLECULAR BIOSCIENCE", 利用上面的检索式,可以检索出SCI网络版2002年数据库收录"MATERIALS SCIENCE, BIOMATERIALS"类的文章102篇。

 

2.利用ISTP数据库检索相关主题文献

 

可以通过TOPIC、SOURCE TITLE、CONFERENCE相结合的方式来检索

 

3.利用Ei数据库检索相关主题文献

 

例子:检索医学领域中含有 "pipe" 的文献

 

如果仅仅用 "pipe" 检索在所有字段中检索,会命中 4 万多条记录;即使同时限制在 TITLE 中检索,结果也有 1 万多条,数据冗余太大。这时,可以考虑从学科的角度进行限制检索:

 

先检索到从 Ei Thesaurus 中检索医学类目:

 

Medicine : 461.6 , Medical care : 461.7 , Medical imaging : 461.1 , Medical problems ,

 

Medical supplies : 462.1 , Medical computing : 723.5 , Medical diagnosis , Medical education ,

 

Medical equipment , Medical monitoring : 462.2

 

利用 "Expert Search" : (461.1 wn CL OR 461.6 wn CL OR 461.7 wn CL OR 462.1 wn CL OR 723.5 wn CL) AND (pipe wn TI) 命中 500 多条记录,因 723.5 类与计算机应用有关,命中记录中有许多看不出是与医学有关的,可以考虑将该类去掉检索。结果就比较令人满意。

 

4.利用 SCOPUS 数据库检索相关主题文献

 

该数据库提供了学科限制,因而相对容易。

 

三.如何利用三大检索工具等数据库检索论文收录情况

 

1.利用三大检索工具等数据库检索单位 / 集体论文收录情况

 

以清华大学为例

 

(1)利用 SCI 数据库检索单位 / 集体论文收录情况

 

(tsinghua univ or tsing hua univ or qinghua univ or qing hua univ or 100084) same (peoples r china or beijing or bei jing)

 

(2)利用 ISTP 数据库检索单位 / 集体论文收录情况

 

(tsinghua univ or tsing hua univ or qinghua univ or qing hua univ or 100084) same (peoples r china or beijing or bei jing)

 

(3)利用 Ei 数据库检索单位 / 集体论文收录情况

 

利用作者索引或用复杂检索,但效果均不好。

 

(4)利用 SCOPUS 数据库检索单位 / 集体论文收录情况

 

AFFIL(100084 AND tsinghua)

 

(5)利用 CSSCI 、《中国期刊网》、《中文科技期刊数据库》检索单位 / 集体论文收录情况

 

三个数据库均提供机构检索入口,可以查找单位 / 集体论文收录情况。

 

2.利用三大检索工具等数据库检索个人论文收录情况

 

以周远翔老师的论文为例子 ( 见附录 ) :

 

(1)利用 SCI 数据库检索个人论文收录情况

 

作者的文献 ( 文章或报告 ) 共有 104 篇,在这些文章中,他的合作者包括以下八人: N. Yoshimura, 关志成, H. Katoh, 严萍,梁曦东,李光范, M. Nifuku, Atsushi Satake

 

构建检索式: (zhou yx or yunxiang z) and (Yoshimura n or guan zc or zhicheng g or Katoh h or yan p or ping y or liang xd or xidong l or li gf or guangfan l or Nifuku m or Satake a or Atsushi S)

 

在 AUTHOR 字段中输入上述检索式,命中 9 条记录。与作者提供的论文核对后发现:这 9 条记录全是作者本人的论文。

 

还有几篇文献是作者单独完成的,对于这些文献,需要单独处理。

 

(2)利用 ISTP 数据库检索个人论文收录情况

 

与检索 SCI 数据库类似,用同样的检索式和同样的方法即可。

 

在 AUTHOR 字段中输入上述检索式,命中 14 条记录。与作者提供的论文核对后发现:这 14 条记录全是作者本人的论文。比作者事先查好的 12 篇还多 2 篇。

 

(3)利用 Ei 数据库检索个人论文收录情况

 

在高级检索中输入 (Ei 数据库作者标引与 SCI 有很大不同: Ei 一般要将姓和名写全,而 SCI 是要求姓写全,名用第一个字母 ) :

 

(zhou, y.x. wn AU OR zhou, yuanxiang wn AU OR yuanxiang, z. OR yuanxiang, zhou OR zhou, y.-x. wn AU OR zhou, yx wn AU) AND (Yoshimura wn AU OR guan, z.c. wn AU OR guan, z.-c. wn AU OR zhicheng, g wn AU OR guan, zhicheng wn AU OR guan, zc wn AU OR Katoh wn AU OR yan, p wn AU OR yan, ping wn AU OR ping, y. wn AU OR ping, yan wn AU OR liang, x.-d. wn AU OR liang, x.d. wn AU OR liang, xd wn AU OR xidong, liang wn AU OR liang, xidong wn AU OR xidong, l. wn AU OR li, gf wn AU OR li, g.f. wn AU OR li, g.-f. wn AU OR guangfan, l. wn AU OR guangfan, li wn AU OR li, guangfan wn AU OR Nifuku wn AU OR Satake wn AU OR Atsushi wn AU)

 

命中 19 条记录,这与读者自己检索的 27 条记录相差 8 条。

 

后经检查,发现漏检的 8 条记录中,有 7 条作者是 "zhou, y" ,有一条是 "zhou, yuanxing" 。所以,用上述检索式会漏掉一部分记录;因而我们应再修改一下检索式:

 

把上述检索式修改为: (zhou, y* wn AU OR yuanxiang, z. OR yuanxiang, zhou) AND (Yoshimura wn AU OR guan, z.c. wn AU OR guan, z.-c. wn AU OR zhicheng, g wn AU OR guan, zhicheng wn AU OR guan, zc wn AU OR Katoh wn AU OR yan, p wn AU OR yan, ping wn AU OR ping, y. wn AU OR ping, yan wn AU OR liang, x.-d. wn AU OR liang, x.d. wn AU OR liang, xd wn AU OR xidong, liang wn AU OR liang, xidong wn AU OR xidong, l. wn AU OR li, gf wn AU OR li, g.f. wn AU OR li, g.-f. wn AU OR guangfan, l. wn AU OR guangfan, li wn AU OR li, guangfan wn AU OR Nifuku wn AU OR Satake wn AU OR Atsushi wn AU) 命中 34 条记录,从中找出了作者有 27 篇文献被 Ei 数据库收录。

 

需要说明的是:利用第一个检索式基本上可以比较准确地检索到作者的文献。只所以利用第二个检索式,是考虑到 Ei 数据库在数据标引过程中可能出现的小的差错,可以基本上没有遗漏地检索出作者所有被 Ei 数据库收录的文献。

 

(4)利用 SCOPUS 数据库检索个人论文收录情况

(5) 利用 CSSCI 、《中国期刊网》、《中文科技期刊数据库》检索个人论文收录情况

 

四.如何检索论文被引用情况

 

1.检索单位 / 集体论文被引用情况

 

(1)利用 SCI 、 SSCI 、 A&HCI 检索论文被引用情况

 

从收录的角度检索,例子:

 

(tsinghua univ or tsing hua univ or qinghua univ or qing hua univ or 100084) same (peoples r china or beijing or bei jing)

 

(2)利用 SCOPUS 检索论文被引用情况

 

(3)利用《中国期刊网》检索论文被引用情况

 

备注: CSSCI 、《中国科技论文引文统计分析数据库》均没有提供按单位 / 集体检索论文被引用情况的入口。

 

2.检索个人论文被引用情况

 

(1) 利用SCI、SSCI、A&HCI检索论文被引用情况 从收录的角度检索,例子:

 

(2) 利用SCOPUS检索论文被引用情况

 

(3) 利用CSSCI、《中国科技论文引文统计分析数据库》、《中国期刊网》检索论文被引用情况

 

五.核心期刊投稿导引

 

1.期刊评价及评价工具

 

关于期刊评价,目前国内学术界有两种观点:一是核心期刊评价法,二是期刊综合评价梯度法。前者简称“ 0/1 法则”,后者简称“综合法则”。两种法则都是以传统的情报学文献离散定律、引文分析定律等为理论依据的。只是“综合法则”涵盖了“ 0/1 法则”,更加强调梯度的概念。 期刊评价的工具,国外以 JCR(Journal Citation Reports) 为代表,国内以《中文核心期刊要目总览》、《中国科技期刊引证报告》和《中国学术期刊综合引证报告》为代表。《中文核心期刊要目总览》和《中国科技期刊引证报告》是“0/1 法则”评价的结果,《中国学术期刊综合引证报告》是“综合法则”评价的结果。

 

2. 核心期刊的内涵及国内、国际核心期刊外延的界定

 

核心期刊的概念可以用一句话来概括:某一学科中高水平、高影响力的期刊。不难看出,核心期刊有两个主要特性:一是学科性,二是学术性。

 

一般情况下,核心期刊都是在某一个学科范围内来界定的某一个学科的核心期刊,到另一个学科就不一定是核心期刊 ( 当然,综合性学科的核心期刊,如 NATURE 、 SCIENCE 等例外 ) 。

 

核心期刊的学术性主要要是以期刊影响因子来测定的。关于影响因子,有两种统计方法:一种是三年统计法,一种是中期统计法。按三年统计法得出的结果就是目前我们常说的影响因子 (IF: Impact Factor :某一种期刊在第三年得到的引文数与该刊前两年的总论文数之比。 ) ,按中期统计法得出的结果叫 “ 中期影响因子”(MIF: Median Impact Factor 某一种期刊的引文累计达到 1/2 时,引文数与此时的总论文数之比 ) 。

 

3.如何向国内、国际核心期刊投稿

 

投国际刊物,请参考 JCR( 包括科技版和社科版 ) ,选择自己想要找的学科类目,按照影响因子排序,挑选适合的刊物。然后在《乌利希国际期刊指南》网站查找刊物的地址或网站信息,登陆刊物的网站,查找在线投稿信息。

 

投国内刊物,请参考《中文核心期刊要目总览》和《中国科技期刊引证报告》,从中选择自己想要找的学科类别,然后按照影响力,挑选适合的刊物。投稿地址信息可以参考工具书《中文核心期刊要目总览》,也可以登录“中国期刊网”,查找刊物的投稿信息。

 

在向核心期刊投稿的过程中,需要注意的事项:

 

(1)尽量不要投增刊。

(2) 单位署名要规范。写清华大学要同时写上 Beijing, Peoples Republic of China. 这在 SCI 中尤其要注意。

 

六.SCI 收录期刊

 

SCI收录全世界出版的数、理、化、农、林、医、生命科学、天文、地理、环境、材料、工程技术等自然科学各学科的核心期刊约3500种。美国科学情报研究所通过它严格的选刊标准和评估程序挑选刊源,而且每年略有增减,从而做到SCI收录的文献能全面覆盖全世界最重要和最有影响力的研究成果。

 

ISI所谓最有影响力的研究成果,指的是报道这些成果的文献大量地被其它文献引用。为此,作为一部检索工具,SCI一反其它检索工具通过主题或分类途径检索文献的常规做法,而设置了独特的"引文索引"(Citation Index)。即通过先期的文献被当前文献的引用,来说明文献之间的相关性及先前文献对当前文献的影响力。

 

SCI 以上做法上的特点,使得 SCI 不仅作为一部文献检索工具使用,而且成为科研评价和的一种依据。科研机构被 SCI 收录的论文总量,反映整个机构的科研、尤其是基础研究的水平;个人的论文被 SCI 收录的数量及被引用次数,反映他的研究能力与学术水平。

 

SCI 的出版形式包括印刷版期刊和光盘版及联机数据库,现在还发行了互联网上 Web 版数据库。个人通过网络就可以对 sci 期刊目录进行搜索和查找,相关链接如下:

 

SCI 收录期刊 ( 按字母 ) :

http://www.isinet.com/cgi-bin/jrnlst/jlresults.cgi?PC=K

 

SCI 收录期刊 ( 按分类 ) :

http://www.isinet.com/cgi-bin/jrnlst/jlsubcatg.cgi?PC=K

 

七.EI 投稿指南

为了适应我国科学技术的快速发展,为我国科技工作者向 EI 收录期刊投稿提供方便,本指南收集了 EI 收录的科技期刊中近 1900 余种刊物的最新投稿信息,其中包括通信地址、电话号码、电子邮件地址和网站的网址等。

 

使用说明

 

(1) 本目录按中国科学院图书分类法排列。

 

(2)各来源期刊款目的著录格式如下:

 

375C0005 ①   ISSN 0306-4573 ②

 

Information  Processing & Management. ③

 

1963. 6/yr ④   Editor-in-chief: Tefko Saracevic, School of Communication Information and Library Studies Rutgers University 4

 

Huntington Street New Brunswick,NJ 08903 USA. ⑤

 

E-mail:j.rigg@elsvier.co.uk

 

http://www.elsevier.nl/inca/publications/store/2/4/4/ ⑥

 

《信息处理与管理》刊载信息处理、传播、储存、利用、检索和管理,包括:计算机和自动化技术在图书馆信息工作中的应用以及信息政策等方面的研究论文、评论和简讯。 ⑦

 

注:   ① 中图公司报刊刊号

 

  ② 国际标准刊号

 

  ③ 刊名

 

  ④ 创刊年及出版周期(或全年期数)

 

  ⑤ 编委或编辑部或出版机构名称、地址、电话、传真

 

  ⑥ 电子邮件地址和网址

 

  ⑦ 译名和内容简介(中文或英文)

 

(3)指南中部分缩写解释

 

ISSN:International Standard Serial Number 国际标准刊号

 

Pub:Publisher 出版者

Unity物理引擎实战:从刚体重心到碰撞体,打造真实不倒翁交互 刚体(Rigidbody)是Unity物理系统的核心组件,它定义了游戏对象的物理属性,如质量、阻力和碰撞响应。其原理基于牛顿力学,通过物理引擎(如PhysX)实时计算物体的运动状态。在游戏开发中,刚体的价值在于能够模拟真实世界的物理行为,为玩家提供沉浸式的交互体验。碰撞体(Collider)则定义了物体的形状边界,用于检测与其他物体的接触。通过精细调整刚体的重心(Center of Mass)和碰撞体形状,开发者可以模拟出各种有趣的物理现象,例如低重心物体的动态平衡。这在休闲游戏、物理玩具模拟等场景中尤为实 阅读详情

相关推荐

(十)安卓开发中的Activity之间的通信使用详解

下面将结合代码和具体在 Android 开发中,Activity 之间的通信是非常常见且核心的功能之一使用场景,详细讲解这几种方式。

cuijiying的博客 1280

如何查询文章是否被SCI EI ISTP索引

三大核心索引

read, note and comment papers 1万+

从零开始使用matlab实现EKF-SLAM算法(含完整代码)

扩展卡尔曼滤波器同步定位与建图 (EKF-SLAM) 算法建立在 EKF 的基础上,集成了 EKF 的功能,可解决机器人技术中最具挑战性的问题之一:同时定位与建图 (SLAM)。 EKF-SLAM采用EKF方法来同时估计机器人的状态和周围环境的布局,而无需事先了解位置。 这种双重功能对于在未知环境中运行的自主系统至关重要,使它们能够在绘制区域地图时有效导航。 EKF-SLAM 算法一直是自动驾驶车辆和机器人系统开发的基石,为处理现实世界环境中固有的不确定性提供了一个强大的框架。

mjmmm的博客 6634

ISTP概况及网络版检索方法

1. ISTP概况: 会议文献是主要的文献类型之一,是科技人员获取信息的重要渠道之一。ISTP是美国《科学技术会议录索引》( Index to Scientific & Technical Proceedings)的简称,由美国科学信息研究所编辑出版,1978年创刊,为月刊。ISTP是国际上检索会议文献的权威的、综合性的检索工具,收录以图书、科技报告、预印本及期刊论文等形式出版的一般性会议...

EI检索_ISTP检索_CPCI检索 3352

别再调PID了!用MATLAB/Simulink给四旋翼无人机搭个ADRC控制器(附完整仿真模型)

本文详细介绍了在MATLAB/Simulink环境中为四旋翼无人机搭建ADRC控制器的完整流程,包括核心原理、Simulink建模、参数调试技巧及与PID控制的性能对比。ADRC通过扩张状态观测器(ESO)有效提升无人机在复杂扰动下的控制性能,特别适合四旋翼无人机这类强耦合系统。文章还提供了完整的仿真模型和工程实践问题解决方案。

weixin_26808439的博客 382

DeepSeek Harness接入QQ实战:把DSH变成赛博群友

大模型应用正从单机问答走向多平台集成,如何将模型能力嵌入即时通讯工具成为工程实践的热点。消息接入、会话管理、插件扩展是构建智能群聊机器人的核心三要素。DeepSeek Harness(DSH)作为一款模型会话工作流管理工具,凭借多会话管理、模型调用编排以及灵活的插件机制,能够在QQ群聊场景中实现“接收消息→模型生成→回复推送”的完整闭环。本文从基础概念切入,详解DSH接入QQ的两种实现路线——外部API转发与原生插件适配,覆盖环境准备、启动调试、接口调用与性能观察,并给出常见问题排查清单。无论是本地AI助理

weixin_27427619的博客 1878

【转载】谈SCI、EI、ISTP三大索引收录号的检索

《科学引文索引》(简称SCI)、《工程索引》(简称EI)、《科学技术会议录索引》(简称ISTP)是世界公认的著名的三大索引,被三大索引收录与否是 衡量一篇论文学术水平高低重要尺度。自2008年始,各高校和科研院所在统计本单位职工所发表论文被三大索引收录况时,相继提出了论文在三大索引中的收录 号问题。收录号能体现出该篇论文被收录情况的针对性和唯一性,也具有易于统计和管理的特点,因而被逐渐重视。

our2848884的专栏 9412

SAP公司间采购后台配置及前台操作详解

公司间采购后台配置及前台操作详解 SAP 实施中公司间交易几乎每个项目都会有此业务需求,比如内地很多公司都会在香港设置贸易型子公司。通过香港公司接单,然后转内地公司生产,或内地公司通过香港公司采购进口原材料,这些业务必然会涉及到公司间交易,下面我将详细说明下SAP是如何实现这种业务场景的,供大家参考。 配置前必须前台先创建公司间供应商主数据和客户主数据 1. 创建相应的客户主数据 功能说明 公司间...

weixin_40672823的博客 1万+

解析三大检索—SCI、EI、ISTP

· SCI--Science Citation Index《科学引文索引》 · EI—Engineering Index《工程索引》 · ISTP—Index to Scientific & Technical Proceedings 《科技会议录索引》 对于三大检索工具,目前有:印刷版(print)/ 光盘版(CD-ROM)/ 网络版(web) /联机版(online)四种利用方式。鉴于...

乐在其中/Leo在其中 1289

【工具篇】万字长文拆解 Otter.ai:语音转文字领域的「瑞士军刀」是如何炼成的?(附保姆级教程)

但需要注意,2024年欧盟已出台《AI转录伦理指南》,要求所有录音需获得参与者明确授权。举个真实案例:某硅谷创业团队用Otter.ai记录产品评审会,系统自动标红争议点并生成待办事项,会议效率提升40%。AIGC技术原理、 实时转录解析、 定价策略分析、 语音算法拆解、 多平台兼容测试、 深度学习框架、 空间计算专利。——无论是跨国会议、课堂讲座还是深夜灵感,它都能实时生成带时间戳的文本记录,准确率高达95%。(此处建议插入Otter.ai会议转录动图,展示实时字幕生成效果)(数据来源:综合参考文献整理)

商务合作|问题讨论|交流学习 请联系作者微信,加微信请务必注明来意,博客主页有联系方式 1259

数学建模学习(121):Python实现模糊AHP(Fuzzy AHP)——从原理到实践

Python实现模糊AHP(Fuzzy AHP)

全栈川川 1540

SCI、EI、ISTP收录检索技巧及核心期刊投稿导引

三大检索工具(SCI、EI、ISTP)收录检索技巧及核心期刊投稿导引 一.    三大检索工具及相关数据库介绍   1.三大检索工具简介   科技部下属的“中国科学技术信息研究所”从 1987 年起,每年以国外四大检索工具 SCI 、ISTP 、Ei、ISR 为数据源进行学术排行。由于 ISR(《科学评论索引》) 收录的论文与 SCI 有较多重复,且收录我国的论文偏少。因此

eisci2528265908的博客 1733

国科大学习资料--遥感原理集图像处理(尤红建)--2019年期末考试

国科大学习资料–遥感原理集图像处理(尤红建)–2019年期末考试 国科大学习资料–遥感原理集图像处理(尤红建)–2019年期末考试 国科大学习资料–遥感原理集图像处理(尤红建)–2019年期末考试 ================================================================== ================================================================== ==============

无名何许人的博客 1469

[Academia] 学术文章数据库及搜索引擎

学术文章数据库 名字 Main Subjects 数量 作者或机构 DBLP DataBase systems and Logic ProgrammingDigital Bibliography & Library ProjectThe DBLP Computer Science Bibliography Computer Science  more tha

windtalkersm的专栏 1779

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")

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

【常见的检索源期刊】SCI+EI(核心)+ISTP+CSSCI+SSCI+A&HCI简介

【常见的检索源期刊】SCI+EI(核心)+ISTP+CSSCI+SSCI+A&amp;HCI简介  PS:资料来自网络,可能存在偏差,望甄别 1、SCI        美国《科学引文索引》(Science Citation Index, 简称 SCI )于1957 年由美国科学信息研究所(Institute for Scientific Information, 简称 ISI)在美费城创...

小C的博客 2万+

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

EI、ISTP和SCI查询途径(确认EI、ISTP和SCI检索的方法)

确实,许多学术数据库如EI、ISTP和SCI等,通常需要通过购买订阅或访问权限才能使用。这通常由高校、研究机构或图书馆提供给其成员或学生。对于个人用户来说,这可能是一个门槛,特别是如果他们只需要偶尔使用这些资源。

sunnyday0919的博客 1479

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

SCI、EI、ISTP、ISR、SSCI、AHCI简介

SCI、EI、ISTP、ISR是世界四大重要检索系统,其收录论文的状况是评价国家、单位和科研人员的成绩、水平以及进行奖励的重要依据之一。 《SCI》(科学引文索引,Science Citation Index) 一、概述 SCI是美国《科学引文索引》的英文简称,其全称为:Science Citation Index,创刊于1961年,它是根据现代情报学家加菲尔德(Engene

GoodShot的专栏 4885

查看论文是否被ISTP、EI检索

查了大半天,终于在网上找到了最快最准的方法,当然不保证是唯一的方法,只是个人记录一下,我终于查到自己的论文啦! ISTP检索: 进入数据库检索网站: https://www.webofknowledge.com/ 直接输入论文相关信息(标题或作者或DOI……),查看搜索结果。能查到就说明论文已被ISTP检索了。 常见问题解答: http://www.cpci-istp.com/

jingmiaa的博客 4万+

如何查询ISTP源期刊检索

如何查询istp检索  进入ISTP数据库   ◆正在阅读器外面间接输出网址:isiknowledge.com ;,翻开主页后,单击左下部的“ISI PROCEEDINGS”,即可进入该数据库的网页面。 ◆留意:ISTP数据库采纳IP掌握运用权限,请确认本人的部门体育馆能否曾经购置此数据库,要不进没有去。  ISTP检索办法 组委会官网 istp-conf.org 零碎需要F

ISTP检索源期刊 3097

如何寻找并确认EI/ISTP收录的会议

寻找并确认EI/ISTP收录的会议需要耐心和细致的调查。通过访问知名出版社官网和直接联系组委会,你可以获取最准确和最新的会议信息。同时,保持警惕,避免受到虚假检索承诺的欺骗。选择参加高质量的学术会议不仅能够提升你的学术影响力,还能帮助你建立宝贵的学术联系。

sunnyday0919的博客 2282

三大索引

三大检索工具指的是:SCI(科学引文索引),EI(工程索引),ISTP(科技会议录索引) 介绍:SCI(sciencecitationindex)是美国科学情报研究所出版的一部世界著名的期刊文献检索工具,其出版形式包括印刷版期刊和光盘版及联机数据库,现在还发行了互联网上web版数据库。 EI是最早的工程文摘来源。 ISTP是index to scientific&technic...

Alicecristy的博客 2560

ISTP期刊检索

通过我们组办、承办、协办的国际会议,将与会论文送ISTP检索中心进行检索。当文章在我们这里发表在国际ISTP会议上后,6个月内文章会被ISTP数据库全文收录(全英文版文章),这时作者可以登陆ISTP数据库检索到自己的文章。本会议索引收录生命科学、物理化学、农业生物和环境科学、工程技术、管理信息、教育发展、社科人文和应用科学等学科的会议文献,包括一般性会议、座谈会、研究会、讨论会、发表会等。其中工程

ISTP检索源期刊 1919

三大检索xxx

无

try_trying_try的博客 754

关于会议论文/CPCI/ISTP会议论文

EI是工程索引,以收录工程技术领域的文献全面且水平高为特点,它主要收录生物工程、运输、计算机、物理、电子和通信、材料、航空和汽车工程等工程领域的国际会议,具有综合性强、资料来源广、地理覆盖面广、报道量大、报道质量高、权威性强、检索方便等特点。收录文章涉及动力、电工、电子、土建、水利等工程方向。会议论文是公开发表的学术论文,一般正式的国际学术会议都会公开征稿,并要求录用的论文在会议上进行宣读、交流,然后集结出版,这就是我们常说的会议论文集,而这些发表的论文也可用于硕博毕业、项目结题、职称评定等。

S19713133262的博客 2596

世界上著名的三大检索工具

<br />三大检索是以下三种:SCI(科学引文索引 )、EI(工程索引 )、ISTP(科技会议录索引 ) 是世界著名的三大科技文献检索系统,是国际公认的进行科学统计与科学评价的主要检索工具,其中以SCI最为重要。<br />《科学引文索引》(Science Citation Index, SCI)是由美国科学信息研究所(ISI)1961年创办出版的引文数据库,其覆盖生命科学、临床医学、物理化学、农业、生物、兽医学、工程技术等方面的综合性检索刊物,尤其能反映自然科学研究的学术水平,是目前国际上三大检索系统中

张林林|深蓝(Linlin Zhang,shenlan211314) 的专栏 8707
上一篇: SCI EI 期刊等讨论站点
下一篇: 一年5篇EI,一篇一级学报,经验略谈
GoodShot
博客等级 码龄22年 968粉丝 281原创
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
 
 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