检索结果-内蒙古大学图书馆

作者：李云龙吉林大学

学位级别：硕士

主动学习是一种针对数据注释的研究技术,旨在降低成本的同时提升模型性能。通过合理的采样策略,可有效地减少数据标注的昂贵开销,并减轻深度学习模型对于大量标注数据的依赖。然而,如何合理设置采样策略以在保持模型性能的基础上实现快... 详细信息

主动学习是一种针对数据注释的研究技术,旨在降低成本的同时提升模型性能。通过合理的采样策略,可有效地减少数据标注的昂贵开销,并减轻深度学习模型对于大量标注数据的依赖。然而,如何合理设置采样策略以在保持模型性能的基础上实现快速收敛,成为了关键所在。不确定性估计作为一种量化结果可靠性的方式,为上述问题提供了可靠解决思路。基于不确定性估计的采样策略专注于评估未标注数据的不确定性程度,以便选择对模型再训练最有价值的样本。通过该方式,主动学习可以更聚焦于高质量样本,进而快速提升模型的性能。尽管不确定性估计已经在主动学习中展现了显著优势,但此类方法仍然存在一些亟待解决的问题:1)不确定性策略往往基于模型对未标记样本做出评估,该策略很大程度上依赖模型性能。当模型无法精确地捕捉底层数据分布时,不确定性估计可能无法发挥应有的作用。2)原始数据自身的问题也会对不确定性估计造成潜在影响。当数据辨识度较低时,数据中蕴含的噪声信息会严重影响不确定性估计的可靠性。因此,研究如何缓解模型依赖问题以及样本中噪声信息的干扰问题,对增强主动学习中的不确定性估计具有重要意义。针对以上挑战,本文分别从分布偏移和特征重组两个角度展开研究,提出两种主动学习策略。具体而言,本文针对不确定性估计存在的模型依赖问题,从分布偏移的角度出发,提出了一种基于分布偏移增强不确定性估计的方法。该方法通过应用‘强’和‘弱’两种不同的数据增强策略,诱导数据产生不同角度的分布偏移,并以此引入更多可度量的不确定性。根据数据本身所固有的语义一致性原则,在分布偏移的影响下发生最大变化的样本具有更丰富的信息量。基于此,依据模型不可知的数据增强策略所引起的分布差异来度量不确定性,显著减轻了对模型性能的依赖。此外,本文针对数据本身的噪声信息对不确定性估计带来的影响,从特征重组的角度出发,又提出了一种基于特征重组增强不确定性估计的方法。该方法通过打乱潜在特征来扰动数据本身的信息结构,引入更多不确定性。同时,利用一个可靠的网络保持重组特征与原有特征的一致性。基于此,信息扰动后的数据特征与原有数据特征会保持相同的预测结果。反之,输出结果产生较大变化的数据会蕴含更多的信息量。因此,根据特征重组对未标记样本进行不确定性估计,可有效缓解噪声干扰问题。本文通过在基准数据集上进行的充分实验,验证了所提出方法的有效性。

关键词：主动学习不确定性估计数据增强分布偏移

来源：评论

学校读者我要写书评

暂无评论

不确定性驱动的对抗样本生成研究

不确定性驱动的对抗样本生成研究

引用

作者：方正伟北京交通大学

学位级别：硕士

在干净样本上添加人眼难以察觉的恶意扰动,很容易导致神经网络的输出发生巨大变化,甚至使神经网络的预测结果发生错误。这种现象被称为“对抗攻击”,产生的攻击样本被称为“对抗样本”。目前,由于硬件和软件技术的快速发展,深度学习模... 详细信息

在干净样本上添加人眼难以察觉的恶意扰动,很容易导致神经网络的输出发生巨大变化,甚至使神经网络的预测结果发生错误。这种现象被称为“对抗攻击”,产生的攻击样本被称为“对抗样本”。目前,由于硬件和软件技术的快速发展,深度学习模型在图像、文本和语音等许多领域都得到了广泛应用。不幸的是,对抗样本被证实普遍存在于这些深度模型中,使模型的鲁棒性和稳定性成为人们最关注和担忧的问题。然而,现有的研究对对抗样本的成因解释不够充分,同时,深度模型的高度非线性特性导致模型推理过程变得不透明和难以解释,给对抗机制的分析解释工作带来了重重困难和挑战。对研究人员而言,对抗样本是评估和增强深度神经网络鲁棒性的关键因素,因此成为非常值得关注的研究问题之一。本文将借助可解释工具中的不确定性度量方法围绕对抗样本的存在原因和生成技术展开研究,并提出以下两个工作: (1)不确定性驱动的采样攻击方法:基准攻击方法产生的对抗样本可以通过利用神经网络对样本的预测不确定性进一步提高样本迁移黑盒模型的能力。基于这一观察和主动学习的启发,本文提出了不确定性驱动的采样攻击方法。该方法通过过滤出现有对抗样本中不确定性最低的样本,试图实现更高的黑盒迁移性。本工作在基准数据集CIFAR-10和Image Net上进行了广泛且充分的实验评估来验证方法的有效性,涉及多种不同的攻击算法包括基于梯度、基于特征、基于优化和基于决策边界的各种基线攻击方法。实验结果表明,该方法可以有效地筛选出迁移性强的对抗样本,从而在很大程度上提高了黑盒攻击的性能。 (2)基于贝叶斯近似学习的黑盒攻击方法:由于对抗样本的生成过程仅需要一个输入样本、少量白盒源模型,无法遍历所有模型结构和参数,当面临未知的目标黑盒模型及其防御策略时,攻击者很容易遇到信息不足的难题;此外,对抗样本的优化过程很容易过度拟合源模型,陷入局部最优点,从而限制了它们对未知模型架构的可迁移性。为此,本文提出了渐近高斯分布攻击(ANDA)和渐近混合高斯分布攻击(Multi ANDA),用以学习对抗噪声的分布,稳定优化过程并可以借助分布生成对抗样本。具体来说,本文利用随机梯度上升的渐近正态特性来近似扰动的后验分布,以估计高斯分布和混合高斯分布,从而更好地探索潜在的优化空间。ANDA和Multi ANDA为每个输入构造了无限数量的对抗噪声,并可靠地保持可迁移性。通过对7个正常训练的模型和7个防御模型进行广泛的实验,本文的方法在有或无防御的深度学习模型的黑盒攻击中优于10个目前最先进的方法。

关键词：对抗样本鲁棒学习黑盒迁移性可解释不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于不确定性分析的深度弥散磁共振图像超分辨率重建网络研究

基于不确定性分析的深度弥散磁共振图像超分辨率重建网络研究

引用

作者：王淳黑龙江大学

学位级别：硕士

近年来,深度学习算法日益兴起,已经在许多领域得到了广泛的应用。在医学领域中,深度学习已经被用于图像去噪,图像分割多个等任务。其中,深度学习在医学图像超分辨率重建方面彰显了巨大潜力,能有效提升图像的质量,辅助医生实现更加精准... 详细信息

近年来,深度学习算法日益兴起,已经在许多领域得到了广泛的应用。在医学领域中,深度学习已经被用于图像去噪,图像分割多个等任务。其中,深度学习在医学图像超分辨率重建方面彰显了巨大潜力,能有效提升图像的质量,辅助医生实现更加精准的临床诊断。但大多数现有的方法都基于确定性模型,忽略了弥散磁共振图像超分辨率中存在的高度不适定性和各种不确定性来源,这些问题导致了网络学习中存在不可避免的模糊性。同时现有研究对于图像超分辨率重建精度的提升有限,不确定估计的结果中蕴含的信息没有被充分利用,忽略了不确定估计的结果对提升图像重建质量的作用。由于三维、多通道的弥散磁共振图像会导致训练过程内存需求增加,数据处理过程较为繁琐,因此迫切需要低内存化模型。为应对上述挑战,本文提出以下解决方法:1)针对不确定性的估计问题,本文提出一种弥散磁共振图像超分辨率不确定性估计网络,采用贝叶斯深度学习模型融合内在不确定性和模型不确定的计算,通过异方差噪声模型和变分推理共同量化弥散磁共振图像不确定性,从而建立超分辨率重建后缺失的可靠性评价。2)为合理运用不确定性的估计结果提升重建精度,本文提出一种弥散磁共振图像不确定性估计优化超分辨率网络,将输出的不确定性估计作为一种注意力机制指导弥散磁共振图像超分辨率重建,以协助医生提高临床诊断的准确率。3)为优化模型内存占用,在卷积网络中添加可逆残差块和检查点技术延伸网络的深度,利用三维混洗操作重新组合不同通道的数据,以减少网络的内存成本和提升网络性能。为验证模型的有效性,在人类脑连接组数据集上与经典的超分辨率网络进行定量和定性的比较。经过实验测试后本文的模型在均方根误差,峰值信噪比,结构相似性以及不确定图的评价指标下取得了较好的实验结果,验证了该模型对于超分辨率精度的有效提升。

关键词：不确定性估计超分辨率重建弥散磁共振图像深度学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习及其预测不确定性的暂态稳定评估方法研究

基于深度学习及其预测不确定性的暂态稳定评估方法研究

引用

作者：袁梦薇贵州大学

学位级别：硕士

随着现代电力系统规模的不断扩大,不同区域电网间的互联关系日益复杂,这导致现代电力系统呈现高维非线性的特点,并给暂态稳定评估带来新的挑战。传统时域仿真法与直接法耗时长、适用性差,难以满足在线评估的需求,因此目前亟需一种快速... 详细信息

随着现代电力系统规模的不断扩大,不同区域电网间的互联关系日益复杂,这导致现代电力系统呈现高维非线性的特点,并给暂态稳定评估带来新的挑战。传统时域仿真法与直接法耗时长、适用性差,难以满足在线评估的需求,因此目前亟需一种快速、准确、可靠的电力系统暂态稳定评估方法,辅助运行人员做出决策,提高电力系统运行稳定性。深度学习技术无需对复杂的电网进行物理建模,可实现实时运算,满足在线实时预测的要求。本文基于深度学习理论及其不确定性量化方法,研究了一种基于卷积神经网络及其变体网络的暂态稳定评估框架,实现了端到端的暂态稳定评估以及预测结果的不确定性量化。论文主要工作由以下两部分组成:为了避免人工特征选择引入的主观偏差对模型预测性能的影响,本文选择PMU的底层量测数据作为输入特征,为捕捉输入特征的时序信息,提出了一种基于一维卷积神经网络(1D-CNN)的暂态稳定评估方法;同时,考虑数据集样本不平衡带来的预测精度下降问题,采用SVM-SMOTE技术对样本进行均衡化。算例仿真结果显示,所提出的方法实现了端到端的时序特征提取和暂态稳定评估,可满足在线评估准确性、快速性和可靠性的要求,且有效解决了不平衡数据集中失稳样本漏判率高的问题。为了解决传统神经网络模型在暂态稳定评估问题中无法对不确定性进行量化的问题,本文构建了一种基于贝叶斯卷积神经网络(BCNN)的暂态稳定评估模型,该模型通过在CNN网络的参数上设置一个分布来引入不确定性估计。通过算例验证,BCNN模型不仅具有更强的鲁棒性及小数据集适应性,该模型还能在预测电力系统暂态稳定状态的基础上给出预测结果的不确定性估计,这意味着BCNN模型具有更好的可解释性与可靠性,运行人员可根据具体需求设置不同的不确定性阈值改善预测结果,使得预测结果更具有指导意义。

关键词：暂态稳定评估深度学习不确定性估计卷积神经网络贝叶斯神经网络

来源：评论

学校读者我要写书评

暂无评论

基于超模型的航空电子设备等效建模及不确定性量化研究

基于超模型的航空电子设备等效建模及不确定性量化研究

引用

作者：姜腾腾南京航空航天大学

学位级别：硕士

电子设备结构复杂,在工作过程中由于振动、温度等影响,容易发生失效。在航空航天领域,电子设备失效甚至影响生命安全。超模型是一个非常详细的有限元模型,认为它可以准确的匹配来自实际结构的试验测试数据,且精度极高。为了保证航空电... 详细信息

电子设备结构复杂,在工作过程中由于振动、温度等影响,容易发生失效。在航空航天领域,电子设备失效甚至影响生命安全。超模型是一个非常详细的有限元模型,认为它可以准确的匹配来自实际结构的试验测试数据,且精度极高。为了保证航空电子设备在工作中具有高可靠性,使用有限元方法考虑其不确定性因素,对电子设备进行动力学特性分析以及在设计开发初期使用超模型计算结果代替实际结构试验数据进行模型验证具有重要意义。本文以某型航空机载电子设备为研究对象,在动力学模型分层修正技术的基础上,对电子设备等效建模方法进行了研究,基于试验数据对有限元模型参数进行校准,建立了PCB光板和带器件电路板的等效模型。研究了带典型器件电路板超模型的建立,建立了5种不同网格尺寸的有限元模型,应用Richardson外推法进行网格收敛性分析,获得收敛网格尺寸并估算了离散误差。将三种收敛网格尺寸的有限元模型视为超模型,基于试验数据对超模型的准确性进行了验证,对比分析超模型自身的收敛性,并总结了带典型器件电路板超模型建立步骤。考虑附带器件电路板中的不确定性因素,基于超模型计算结果应用Bayes理论对不确定参数进行估计,获得了不确定参数的后验分布。最后,建立了电子设备的确认模型,预测参考点的随机振动响应,并通过随机振动试验进行验证。

关键词：等效建模方法超模型电子设备不确定性估计响应预测

来源：评论

学校读者我要写书评

暂无评论

基于集成不确定性的道路场景异常检测算法

基于集成不确定性的道路场景异常检测算法

引用

作者：韦翔宇南京理工大学

学位级别：硕士

随着计算机视觉领域的快速发展，自动驾驶技术成为了新的研究热点。然而要实现可在真实场景下使用的自动驾驶技术仍存在着许多的问题丞待解决，其中如何检测影响驾驶安全的道路异常则是最重要的研究方向之一。当前的解决思路主要通过显... 详细信息

随着计算机视觉领域的快速发展，自动驾驶技术成为了新的研究热点。然而要实现可在真实场景下使用的自动驾驶技术仍存在着许多的问题丞待解决，其中如何检测影响驾驶安全的道路异常则是最重要的研究方向之一。当前的解决思路主要通过显式设置的度量或是图像重建去评估模型预测的不确定性，这些方案存在其局限性，无法适应复杂多样的驾驶场景。本文针对道路异常检测任务进行了深入的探索，提出了一种全新的解决方案，具体的研究内容如下：　　（1）提出了一种基于元学习范式的集成不确定指导的道路场景异常检测方法。该方法通过集成多个基本模型对于分布外样本（Out-of-Distribution,OoD）的不确定性来指导模型检测道路异常。由于基本模型都来自现成的语义分割模型，因此可以直接被使用，大大减小了训练开销。我们在LostAndFound、RoadAnomaly、RoadObstacle数据集上都产生了具有竞争力的检测结果，它的AP分别比最好的SOTA（state-of-the-art）高3.5%，3.1%，5.2%。此外，我们通过大量的消融实验研究了影响检测性能的相关因素。　　（2）提出了使用知识蒸馏技术来改进我们提出的EUG模型。该方法基于教师-学生的离线蒸馏范式，尝试使用单个模型去学习多个语义分割模型中包含的不确定性信息。实验围绕几部分内容展开，包括基于响应和基于特征的知识蒸馏技术，蒸馏标签的软硬，蒸馏目标损失函数的选择以及教师模型和学生模型的选择对于最终蒸馏结果的影响。我们最终训练完成的学生模型在推理速度和模型的参数规模上相较于蒸馏前具有较大优势。　　（3）提出了一种定量评估模型差异性的方法。该方法给出了对于模型间差异性的定量度量分析方式，用于以评估模型的不同模块结构、参数规模、信息聚合方式对于差异性的影响。同时我们研究了模型的差异性对于异常检测潜力的影响，在多个数据集上验证了他们之间的相关关系。我们也对于多个数据集的数据域偏移程度进行了定量的评估，使其风格模式差异符合我们直观的目视检查结果。

关键词：自动驾驶道路异常检测不确定性估计知识蒸馏语义分割

来源：评论

学校读者我要写书评

暂无评论

基于不确定性与弱监督学习的齿痕舌识别方法研究

基于不确定性与弱监督学习的齿痕舌识别方法研究

引用

作者：李尚轩广州中医药大学

学位级别：硕士

目的:齿痕舌识别具有显著的临床诊断价值,传统的临床齿痕舌识别是在医生视觉观察的基础上进行的主观识别,齿痕通常在舌头上有各种形状和颜色,这使得医生识别齿痕非常具有挑战性,其可靠性和一致性受到医生主观判断和经验的限制。目前,基... 详细信息

目的: 齿痕舌识别具有显著的临床诊断价值,传统的临床齿痕舌识别是在医生视觉观察的基础上进行的主观识别,齿痕通常在舌头上有各种形状和颜色,这使得医生识别齿痕非常具有挑战性,其可靠性和一致性受到医生主观判断和经验的限制。目前,基于深度学习的齿痕舌识别方法一般需要大量的齿痕标注,这对于临床医生来说是一项非常繁琐的工作,同时由于标记工作的繁琐,在临床上收集的大量未标记的舌图像没有被纳入深度学习模型以提高性能。此外,模型预测中的不确定性还没有被很好地理解应用来帮助医生做出明智的决策。为解决上述问题,本研究提出了一种基于主动学习和不确定性学习的弱监督深度网络,以鲁棒地识别仅具有部分图像级标签的齿痕舌。需要注意的是,该深度神经网络只需要齿痕舌或非齿痕舌的图像级注释,即可定位齿痕区域并给予模型预测不确定性来为医生决策给予更多可信的辅助信息。方法: 在本文方法中,卷积神经网络被预训练来分类带有图像级注释的齿痕舌。然后,提出了一种弱监督齿痕检测网络作为预训练的深度神经网络的架构变体,用于齿痕区域检测,并仅使用图像级注释对弱监督齿痕检测网络进行重新训练和微调,以同时实现齿痕的分类和齿痕区域的定位。在弱监督齿痕检测网络的基础上,本研究探究模型不确定性,以提高识别齿痕舌的图像级分类性能和模型鲁棒性。然后,本研究设计了一种考虑齿痕多样性和相关性的实例级混合查询方法,以进一步利用未标记的数据信息,同时降低更多的标记成本。本研究使用标准设备从本地研究所的患者拍摄获得舌图像,共纳入1108张舌图像。五位具有二至五年临床经验的中医医师将舌图像分为齿痕舌和非齿痕舌。本研究随机使用了 1108个中的108个舌图像作为独立的测试集,其中非齿痕舌68张,齿痕舌40张,剩余的1000幅图像用作训练集和验证集。本研究采用十次四折的方式进行重复交叉验证,并通过评价指标的平均值来评估模型的性能。结果: 对于图像级齿痕舌识别,本研究用准确率、精确率、召回率和F1评分来评价模型性能。在使用基线ResNet34模型时,四个指标准确率、精确率、召回率和F1评分分别为82.90%,81.70%,64.88%和69.25%。当采用本研究提出的弱监督齿痕检测模型后,模型性能提升至准确率、精确率、召回率和F1评分分别为91.90%,86.80%,93.39%和89.45%,在临床上,应该识别出有齿痕舌的患者,以便进行进一步的治疗,因此本研究希望模型在相似的准确率条件下具有更高的召回率,更重要的是,本研究的模型可以给出齿痕区域的定位,从而提供更多的辅助信息。在模型不确定性被评估和优化后,四个指标分别提升至93.43%,90.49%,93.89%和92.38%,通过训练一个更鲁棒的模型从而提升了模型的性能,并且模型不确定性的数值,可以为模型在临床辅助提供一定可信度。最后,本研究设计的主动学习策略可以使模型在仅使用30%图像级标注的情况下达到93.88%,89.90%,93.70%和92.50%,与使用100%数据的情况下性能相当,证明模型可以使用充分利用无标注数据的信息,可以大量的减少了数据标注的成本。结论: 据我们所知,本研究是第一个在齿痕检测中引入不确定性估计以提高齿痕舌识别性能并提供决策可解释性的。同时,提出的弱监督齿痕检测和主动学习的组合使得模型可以只使用一小部分图像级标签识别齿痕舌并定位齿痕区域。临床舌图像的实验结果表明,与相关工作相比,所提出的模型在齿痕舌识别中具有较好的性能,同时标注代价远低于现有齿痕舌识别方法。此外,消融实验也验证了所提方法中各模块的有效性。最后,输出模型结果的置信度为深度网络在齿痕舌识别中的应用提供了可解释性。

关键词：舌诊齿痕舌深度学习弱监督学习不确定性估计

来源：评论

学校读者我要写书评

暂无评论

GLUE方法及其在水文不确定性分析中的应用

GLUE方法及其在水文不确定性分析中的应用

引用

第二届全国水问题研究学术研讨会

作者：莫兴国刘苏峡中国科学院地理科学与资源研究所生态系统观测与模拟重点实验室中国科学院地理科学与资源研究所陆地水循环与地表过程重点实验室

水文现象和水文过程因其复杂性而导致我们对水文过程认识的灰色性。水文数学模型因边界条件、模型结构、参数率定方法等认识和描述的不足而导致模型预报的不确定性。基于模型参数值组合的"等效性"(equifinality)假设条件,英... 详细信息

水文现象和水文过程因其复杂性而导致我们对水文过程认识的灰色性。水文数学模型因边界条件、模型结构、参数率定方法等认识和描述的不足而导致模型预报的不确定性。基于模型参数值组合的"等效性"(equifinality)假设条件,英国水文学家Keith Beven教授发展了普适似然不确定性估计方法(GLUE)用以估计水文不确定性。本文首先阐明GLUE方法的理论框架,然后以黄河支流卢氏流域为例展示其在水文不确定性分析中的前景。

关键词：估计方法不确定性估计水文数学模型不确定性分析分布式水文模型参数值水文过程水文现象

来源：评论

学校读者我要写书评

暂无评论

基于不确定相关向量机的风电功率实时预测

引用

太阳能学报 2016年第12期37卷 3143-3149页

作者：杨茂张强东北电力大学电气工程学院吉林132012

提出基于不确定相关向量机的风电功率实时预测方法,采用非参数回归方法拟合预测误差的概率密度分布,得出回归函数以及估计区间,最后由误差估计区间换算成功率估计区间。利用该文的方法对吉林省某风电场进行功率预测,研究表明,该方法能... 详细信息

提出基于不确定相关向量机的风电功率实时预测方法,采用非参数回归方法拟合预测误差的概率密度分布,得出回归函数以及估计区间,最后由误差估计区间换算成功率估计区间。利用该文的方法对吉林省某风电场进行功率预测,研究表明,该方法能对风电场功率预测的不确定性进行有效分析。

关键词：风电功率功率预测相关向量机不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于在线高斯过程回归的短期风电功率概率预测

引用

电力系统自动化 2024年第11期48卷 197-207页

作者：王耀健顾洁温洪林金之俭电力传输与功率变换控制教育部重点实验室(上海交通大学) 上海市200240

预测未来几个小时的风电出力对于电力系统的安全经济运行以及风电参与电力市场至关重要。由于风电功率序列具有强随机性与非平稳性,需要对其不确定性进行刻画建模。同时,考虑到机组设备老化、叶片污染及风电场环境变化等因素会影响风电... 详细信息

预测未来几个小时的风电出力对于电力系统的安全经济运行以及风电参与电力市场至关重要。由于风电功率序列具有强随机性与非平稳性,需要对其不确定性进行刻画建模。同时,考虑到机组设备老化、叶片污染及风电场环境变化等因素会影响风电机组的出力特性,从而使得风电功率预测模型参数存在时变,增大了风电功率预测难度。文中提出了一种基于在线高斯过程的短期风电概率预测方法:首先,利用高斯过程回归模型对风电功率预测问题进行建模;然后,结合结构化内核插值与Woodbury恒等式,降低高斯过程计算复杂度,实现高斯过程的快速求解;最后,采用分块缓存与更新的方法实现高斯过程模型参数与超参数实时在线更新。经2014年全球能源预测大赛发布的风力发电数据验证,结果表明所提算法具有较好的预测性能,同时具有自适应性,可以有效应对模型参数时变问题。

关键词：风电功率预测概率预测时变参数高斯过程在线学习不确定性估计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：