筛选文献摸索中

文章讲述了作者在2023年分别在谷歌学术、WebofScience、dblp等学术数据库中的检索经验,强调了不同平台的检索规则差异,包括布尔逻辑、截词、短语检索以及特殊字符的使用。还提到了Nature、Science、PNAS和PECS等知名期刊的检索模式指南。

1、2023.9.20上午8:30->11:30

筛了一上午,筛了20篇文章。

1.1 收获:

谷歌学术:

  • 检索模式和知网类似,and <=> *;or <=> +
  • 不知道为何,搜文献到一半就说流量异常,非常影响体验.
    • 点击为什么会这样,进行人机认证,就可以了。
  • 谷粉学术是用来搜国内的
  • 待探索其他的检索模式

Web of Science:

dblp

  • 检索词:(sok$ | surver | review | challenge | trend) & different priva
    • 为什么会有&, 官网没说逻辑与是&
    • 这是我看B站上的,&后面跟主题就是了。
  • $是单词的精确匹配的意思。模糊匹配就单词不写完,如priva
  • 逻辑或是|,逻辑与是[空格]或者&,千万不要用and
  • A-B,那么就是A先出来B后出来
  • 如果按照期刊检索,可以这样输入:
    venue:IEEE Trans. Knowl. Data Eng. & 主题
  • dblp检索的是title名等那一row;不是主题
  • 检索模式参考文献:

dblp检索模式
How to use the dblp search?

2、2023.10.11

2.1 nature的检索模式

参考文章:Nature数据库检索指南

  • 词和词默认之间的关系是AND的关系
  • 布尔逻辑和截词检索
    在这里插入图片描述
  • 短语检索
    在这里插入图片描述
    eg. nonlinear ("network security" OR "cyber security")

2.2 Science

在这里插入图片描述
位置就在Science高级搜索

2.3 PNAS

官方帮助

2.4 PECS

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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