检索结果-内蒙古大学图书馆

生态毒理学报 2023年第2期18卷 238-248页

作者：朱明华肖子君傅志强陈景文丁蕊工业生态与环境工程教育部重点实验室大连市化学品风险防控及污染防治技术重点实验室大连理工大学环境学院大连116024

获取化学品的生物积累性数据是评价其生态及健康风险的前提。基于机器学习算法的模型已被用于生物积累性预测,填补相关数据空缺。但已有预测模型仅针对单一终点,忽略了不同终点间的内在联系。基于多任务学习算法的模型,有望实现多个生... 详细信息

获取化学品的生物积累性数据是评价其生态及健康风险的前提。基于机器学习算法的模型已被用于生物积累性预测,填补相关数据空缺。但已有预测模型仅针对单一终点,忽略了不同终点间的内在联系。基于多任务学习算法的模型,有望实现多个生物积累参数的同时预测。本研究采用反向传播(back-propagation,BP)神经网络机器学习算法,基于分子Dragon描述符和4种分子指纹,建立了可同时预测化学品鱼体生物富集因子(BCF)和生物放大因子(BMF)的多任务模型,并与单任务模型进行了比较。结果表明,多任务模型的拟合效果、稳健性和预测能力均优于单任务模型。采用Dragon描述符作为输入的多任务模型表现最好,其训练集的决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)分别为0.925~0.964、0.168~0.247和0.133;验证集的R^(2)、RMSE和MAE分别为0.771~0.894、0.176~0.213和0.168~0.176;10折交叉验证系数(Q_(cv)^(2))为0.785~0.867。基于验证集与训练集分子间的谷本相似度表征了模型应用域。本研究所建模型可有效填补化学品生物积累性数据,为化学品生物积累性及风险评价提供技术支持。

关键词：化学品生物富集因子生物放大因子多任务神经网络

来源：评论

学校读者我要写书评

暂无评论

基于LSTM和多任务神经网络的方面级别情感分析研究

基于LSTM和多任务神经网络的方面级别情感分析研究

引用

作者：张旺婷北京交通大学

学位级别：硕士

方面级别情感分析是自然语言处理领域研究的热点。方面级别情感分析是一种细粒度的情感分析,主要包括方面术语提取和方面情感分类两个重要的子任务。有的方法只单独解决一个子任务,有的方法以流水线形式解决两个子任务。这些方法容易实... 详细信息

方面级别情感分析是自然语言处理领域研究的热点。方面级别情感分析是一种细粒度的情感分析,主要包括方面术语提取和方面情感分类两个重要的子任务。有的方法只单独解决一个子任务,有的方法以流水线形式解决两个子任务。这些方法容易实现,但是不能充分考虑两个子任务间的联系,也不能显式地对两个子任务的交互进行建模。方面术语本身和评论关于方面术语的情感信息都很重要。因此,本文提出两种同时解决方面术语提取和方面情感分类的神经网络模型。本文的主要工作如下:(1)本文提出了一种融合注意力机制的联合模型,该模型能够捕捉上下文中重要的情感信息,并能同时解决方面术语提取和方面情感分类问题。在双向长短时记忆网络的基础上,结合两种注意力机制,不仅考虑内容信息,还加入位置信息,计算每个上下文单词和方面术语的相关性。注意力机制能够对句子的内部结构进行建模,融合句子中的情感信息。为了使模型在训练过程中更好地拟合和优化参数,从而提高模型的效果,本文优化了神经网络模型的损失函数。(2)本文提出了一种指导注意和交互多任务神经网络模型,该模型基于门控循环单元网络实现,可以同时解决方面术语提取和方面情感分类问题。通过门控机制实现交互组件,显式地建模方面术语提取和方面情感分类的交互关系,在两个任务之间进行消息传递。指导注意力机制能够将意见词提取的预测结果引入方面情感分类任务,指导方面情感分类任务更多地关注带有情感极性的意见词。方面级别情感分析的数据集较小,不能充分发挥神经网络模型的优势。因此,本文添加文档级别辅助任务,迁移文档中的语义和情感知识。(3)本文针对提出的两种模型,进行了广泛的实验。本文用F1分值评估模型同时解决方面术语提取和方面情感分类的效果,并用F1分值和准确率分别评估模型单独解决方面术语提取和方面情感分类的效果。实验结果表明,针对在两个数据集上同时解决方面术语提取和方面情感分类问题的F1分值,融合注意力机制的联合模型分别比最优基线模型提高0.97和0.79个百分点,指导注意和交互多任务神经网络模型分别比最优基线模型提高1.14和1.97个百分点。并且,模型单独解决方面术语提取或方面情感分类的效果相比基线模型有一定提高。

关键词：方面级别情感分析长短时记忆网络注意力机制多任务神经网络交互组件

来源：评论

学校读者我要写书评

暂无评论

基于多任务神经网络的移动机器人视觉导航算法研究

基于多任务神经网络的移动机器人视觉导航算法研究

引用

作者：刘小慧华南理工大学

学位级别：硕士

环境感知与路径规划是基于视觉信息的移动机器人自主导航的两个关键环节。传统算法仅利用三维空间中的二维图像作为环境感知的唯一输入,大大降低了对真实世界信息表达的完整性,进而导致移动机器人对非结构化环境感知的精度低下等问题。... 详细信息

环境感知与路径规划是基于视觉信息的移动机器人自主导航的两个关键环节。传统算法仅利用三维空间中的二维图像作为环境感知的唯一输入,大大降低了对真实世界信息表达的完整性,进而导致移动机器人对非结构化环境感知的精度低下等问题。为此,本文聚焦于室内场景下的移动机器人的视觉导航问题,提出了一种基于RGB-D图像和多任务神经网络的环境感知与导航策略。首先,针对单输入网络造成的场景理解不准确问题,本文基于Bise Net的双边分割设计思想提出一种改进的RGB-D语义分割子网络RD-Bi Net,该网络包含两条特征提取路径:接收深度图输入的空间路径和接收RGB图输入的语义路径。所提取的特征经过通道注意力模块进行分阶段融合,实现了在不牺牲速度的同时显著提升分割精度,进而有效改善了场景理解的精准性。其次,本文基于One-Stage目标检测算法YOLOv3的多尺度特征融合思想设计了一种可扩展尺度的目标检测子网络。该网络可从骨架模型的下采样层引出不同尺度的检测分支并进行有效融合,且在保证实时性的同时,通过融合更多的尺度来提高目标检测精度。然后,本文将所设计的改进语义分割子网络与目标检测子网络进行有效融合。该融合网络共享骨架模型,形成可同时执行语义分割与目标检测的多任务神经网络MTTri Net。通过若干次迭代改进与优化后,相比于单独的视觉任务,采用MT-Tri Net网络实现了更高的分割与检测精度。最后,针对移动机器人在路径规划与导航时所面临的地图信息不完整问题,本文提出一种改进的栅格语义地图构建方法。通过齐次坐标变换与投影映射方法获得矫正后的环境对象的世界坐标,并以此为基础建立保留颜色与标签等语义信息的栅格地图。仿真实验表明,加入语义信息的栅格地图有助于实现人-机智能交互,进而提高了机器人规划与导航的精确性与实用性。总之,本文为解决移动机器人的视觉导航任务所提出的改进算法与策略,能够直接拓展并适应于多种室内环境,有效提升了机器人导航的自主性与智能性。

关键词：视觉导航多任务神经网络 RGB-D语义分割目标检测栅格地图构建

来源：评论

学校读者我要写书评

暂无评论

基于独立级联模型和多任务神经网络的影响力最大化研究

基于独立级联模型和多任务神经网络的影响力最大化研究

引用

作者：刘玉莹山东科技大学

学位级别：硕士

影响力最大化算法是从给定的社交网络中找到一组节点，进行信息传播，使得最终影响范围最大的过程。它的应用场景十分丰富，例如市场营销、推荐系统和信息扩散等。然而，现有的方法仍然存在以下问题:（1）传统的影响力最大化算法分为两... 详细信息

影响力最大化算法是从给定的社交网络中找到一组节点，进行信息传播，使得最终影响范围最大的过程。它的应用场景十分丰富，例如市场营销、推荐系统和信息扩散等。然而，现有的方法仍然存在以下问题:（1）传统的影响力最大化算法分为两种，分别是贪心算法和启发式算法。贪心算法通常影响传播范围广，但其运行时间过长。启发式算法的运行时间短，但影响传播范围较小。（2）已有的影响力最大化研究通常将信息传播过程中的传播概率设置成一个固定值。这种处理方式虽然简化了实验，但是却与实际情况不符，无法准确地模拟信息传播过程。而且，随着网络规模的增加，传统的影响力最大化方法已不能很好地满足人们的需求。针对上述问题，本文做了如下研究，来更好地解决影响力最大化问题。具体研究内容主要有:　　（1）提出了基于独立级联模型的最佳跳扩散算法（Thebesthopdiffusionalgorithmbasedonindependentcascademodel,BHICM）,提高了影响传播范围，同时保持可接受的运行时间。首先，该方法通过最佳跳（Besthop,BH）策略，改变了一般启发式算法依据邻居节点的度来查找种子集的方式。其次，该方法根据节点的度、传播概率和跳数计算每个节点的扩散分数。然后，选出扩散分数的前k个最大节点组成种子集。最后，在Wiki-Vote,p2p-Gnutella31,soc-Epinions1和Cit-HepPh这4个数据集上进行了对比实验，结果表明BHICM算法比对比算法的信息传播范围平均扩大了约40.3％,信息扩散时间平均缩短了20％。　　（2）基于BHICM算法节点的扩散分数提出了一种基于多任务神经网络的影响力最大化算法（Representationlearningmethodbasedonimprovedrandomwalkforinfluencemaximization,IRWIM）,解决了传统影响力最大化算法影响参数设置不合理且不适用于大规模网络的问题。首先，该方法将BHICM算法中的扩散分数融入网络嵌入的游走过程，使生成的影响级联更适用于影响力最大化问题。其次，将包含影响上下文对和级联长度的级联结果输入到多任务神经网络中，实现对传播概率和节点的级联能力的预测。然后，利用贪心策略将预测结果应用于社交网络影响力最大化问题。最后，在Wiki-Vote,CA-HepPh,fb-pages-artist和Digg这4个数据集上进行了对比实验，结果表明IRWIM算法比对比算法的信息传播范围平均扩大了2-3个数量级，并且在大型数据集上拥有稳定的表现。

关键词：影响力最大化算法最佳跳扩散算法独立级联模型多任务神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多任务神经网络的光核反应数据评价

基于多任务神经网络的光核反应数据评价

引用

作者：白景虎兰州大学

学位级别：硕士

原子核数据是核结构与反应问题研究的重要物理输入量,其准确的评估对核能利用与工程开发也至关重要。光核反应通过光子与原子核相互作用,加深人们对于原子核激发特性的认识,对其实验数据开展再评价也列入当前国际原子能机构的重要项目... 详细信息

原子核数据是核结构与反应问题研究的重要物理输入量,其准确的评估对核能利用与工程开发也至关重要。光核反应通过光子与原子核相互作用,加深人们对于原子核激发特性的认识,对其实验数据开展再评价也列入当前国际原子能机构的重要项目。机器学习作为一种强大的数据处理算法,在核物理研究中已得到广泛的应用。本论文将采用机器学习中的神经网络算法,发展有效的评价模型,针对光核反应实验的特征数据开展评估与预测。首先,针对原子核巨偶极共振(GDR)的关键参数,论文基于神经网络算法开展相关实验数据的描述。通过对激发谱中的单峰和双峰特征进行正确分类,并建立多任务学习网络结构考虑核数据间的关联,论文优化了代表性核素的共振能量与宽度的描述,相较于早期理论模型其精度显著提升。进一步,基于训练得到的网络,对β稳定线附近79个缺乏实验数据的原子核GDR关键参数进行预测,为今后的实验和数据评估提供重要参考。利用发展的神经网络方法,论文进一步开展了(γ,n)等光核反应数据的一般性评价。受到不同实验方法的影响与限制,核数据库中现有光核反应的实验数据在某些核素中仍然存在着较大的不确定性,例如Ge和Se等同位素链。为了改善相关数据评价的精度,论文通过构建神经网络,寻找反应截面数据与核结构特征与反应能量间的系统性规律,尝试对实验测量差异较大的核素数据进行评价,发现模型预测集表现出对于光源数据明显的倾向性。作为所发展的神经网络方法的拓展应用,论文最后还尝试将其与局域质量关系相结合,对原子核质量数据进行了学习。论文工作成功将多任务神经网络方法应用到原子核数据的描述与评价中,证明了其对复杂核物理数据分析的优势,其中包含的物理量之间的关联提高了核数据评价的可靠性与可拓展性,有望进一步应用于更多原子核数据的描述与评价中。

关键词：核数据评价光核反应巨偶极共振中子敲出反应多任务神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多任务神经网络的智能网联汽车环境自动感知研究

引用

山东交通学院学报 2022年第4期30卷 1-7,17页

作者：刘庆安徽汽车职业技术学院安徽合肥230601

为提高智能网联汽车的驾驶体验感,基于卷积神经网络原理,在卷积神经网络底层插入双线性插值层,改进卷积神经网络池化层,构建智能网联汽车环境自动感知多任务神经网络。通过多任务神经网络编码器提取采集的汽车环境图像特征,作为语义分... 详细信息

为提高智能网联汽车的驾驶体验感,基于卷积神经网络原理,在卷积神经网络底层插入双线性插值层,改进卷积神经网络池化层,构建智能网联汽车环境自动感知多任务神经网络。通过多任务神经网络编码器提取采集的汽车环境图像特征,作为语义分割与目标检测解码器的输入,执行多任务神经网络训练操作,采用训练好的神经网络输出智能网联汽车环境自动感知结果。在不同道路环境、光线强度及噪声强度下验证基于多任务网络的智能网联汽车环境自动感知性能。结果表明:该方法在不同道路环境下可实现智能网联汽车环境自动感知,不同光线条件下的目标检测效果较好,网络实用性与语义分割精度较高,能够满足实际智能网联汽车环境自动感知需求。

关键词：多任务神经网络智能网联汽车环境自动感知卷积神经网络双线性插值

来源：评论

学校读者我要写书评

暂无评论

基于多任务深度卷积神经网络的显著性对象检测算法

引用

计算机应用 2018年第1期38卷 91-96页

作者：杨帆李建平李鑫陈雷霆电子科技大学计算机科学与工程学院成都611731

针对当前基于深度学习的显著性对象检测算法不能准确保存对象边缘的区域,从而导致检测出的显著性对象边缘区域模糊、准确率不高的问题,提出了一种基于多任务深度学习模型的显著性对象检测算法。首先,基于深度卷积神经网络(CNN),训练一... 详细信息

针对当前基于深度学习的显著性对象检测算法不能准确保存对象边缘的区域,从而导致检测出的显著性对象边缘区域模糊、准确率不高的问题,提出了一种基于多任务深度学习模型的显著性对象检测算法。首先,基于深度卷积神经网络(CNN),训练一个多任务模型分别学习显著性对象的区域和边缘的特征;然后,利用检测到的边缘生成大量候选区域,再结合显著性区域检测的结果对候选区域进行排序和计算权值;最后提取出完整的显著性图。在三个常用标准数据集上的实验结果表明,所提方法获得了更高的准确率,其中F-measure比基于深度学习的算法平均提高了1.9%,而平均绝对误差(MAE)平均降低了12.6%。

关键词：显著性对象检测深度学习边缘检测多任务神经网络显著图卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

CVS-Net：基于时空关系建模与边缘信息强化的遥感影像语义变化检测方法

引用

地球信息科学学报 2025年第5期27卷 1144-1162页

作者：刘宣广李玉洁张振超戴晨光张昊缪毓喆朱涵卢金浩智慧地球重点实验室信息工程大学地理空间信息学院吕梁学院

【目的】现有的语义变化检测方法对于遥感影像的局部和全局特征利用不足，且忽略了不同时相间的时空依赖性，导致土地覆盖语义分类结果不精确。此外，检测的变化对象存在边缘模糊问题，检测结果和实际变化区域的一致性有待提升。【方法... 详细信息

【目的】现有的语义变化检测方法对于遥感影像的局部和全局特征利用不足，且忽略了不同时相间的时空依赖性，导致土地覆盖语义分类结果不精确。此外，检测的变化对象存在边缘模糊问题，检测结果和实际变化区域的一致性有待提升。【方法】针对这些挑战，受具有长序列处理能力的视觉状态空间模型（Vision State Space Model, VSSM）启发，本文提出了一种融合卷积神经网络（Convolutional Neural Networks, CNN）与VSSM的语义变化检测网络CVS-Net。该网络有效结合了CNN的局部特征提取优势与VSSM捕捉长距离依赖关系的能力，并嵌入基于VSSM的双向时空关系建模模块以引导网络深入理解影像间的时空变化逻辑关系。此外，为增强模型对变化对象边缘的识别精度，提出了边缘感知强化分支，通过联合拉普拉斯算法和多任务架构自动集成边界信息，增强模型对于变化地物的形状模式的学习能力。【结果】在SECOND和FZSCD数据集上，将本方法与***4、Bi-SRNet、ChangeMamba、ScanNet及TED五种主流的SCD方法进行对比。实验结果显示，本方法的语义变化检测性能优于其他对比方法，验证了本方法的有效性。在SECOND数据集上实现了23.95%的分离卡帕系数（Sek）和72.89%的平均交并比（mIoU），在FZ-SCD数据集上的SeK达到23.02%, mIoU达到72.60%。消融实验结果中，随着在基础网络中添加各模块，SeK值逐步提升至21.26%、23.04%和23.95%，证明了CVS-Net中各模块的有效性。【结论】本方法可有效提升了语义变化检测的属性和几何精度，可为城市可持续发展、土地资源管理等应用领域提供技术参考和数据支撑。

关键词：语义变化检测超高分辨率遥感影像卷积神经网络边缘约束时空关系建模多任务神经网络

来源：评论

学校读者我要写书评

暂无评论

图像协同显著性检测方法研究

图像协同显著性检测方法研究

引用

作者：郑晓菊中国科学技术大学

学位级别：博士

人类视觉注意力机制研究表明,视觉场景中的不同对象对人类具有不同的吸引程度。如何通过计算机模拟人类的视觉特点,提取图像中的感兴趣的区域,即显著区域,是显著性检测的基本问题。图像显著性研究的主要任务是让计算机视觉系统能够模拟... 详细信息

人类视觉注意力机制研究表明,视觉场景中的不同对象对人类具有不同的吸引程度。如何通过计算机模拟人类的视觉特点,提取图像中的感兴趣的区域,即显著区域,是显著性检测的基本问题。图像显著性研究的主要任务是让计算机视觉系统能够模拟人类的视觉能力去准确地检测图像中的显著区域。近年来,图像显著性研究受到业界的广泛关注。各种显著性检测方法被相继提出,然而现有工作大多局限于处理单幅图像中的独立显著目标。在实际生活中,人们感兴趣的目标往往是一组图像中共同的前景物体或同类的物体。因此人们需要结合图像组中的上下文信息才能确定感兴趣的目标。如何从一组图像中检测出各图像共同的显著目标,是协同显著性检测的基本任务。在图像协同显著性检测方向上虽然已经开展了大量的研究工作,然而实际场景受到光照、视角、遮挡、形变等复杂环境的影响,共同显著目标的外观具有不确定性,增加了协同显著性检测的难度。因此现有方法在协同显著性检测上的性能仍然不够理想,亟待研究更为有效的图像协同显著性检测方法。本文对图像协同显著性检测方法进行了系统深入的研究,主要工作内容及创新点总结归纳如下:1、提出了一种综合超图优化与种子传播的无监督协同显著性检测方法。该方法迭代优化了超图结构、特征学习以及显著性种子点传播。通过优化超图结构自适应地建模了超像素之间的高阶关系,为显著性标签预测提供了传播依据。实验结果表明了所提方法能够有效处理图像组中存在的噪声图像以及不同场景下显著目标的外观变化,增强了协同显著性检测的性能。2、提出了一种基于自适应特征学习的半监督协同显著性检测方法。该方法综合优化了多视角视觉特征、图结构以及协同显著性标签预测。其中,多视角特征学习能够使模型应对特征中的噪声和冗余,提升方法的鲁棒性。图形结构与特征学习以及协同显著性预测共同优化,以精确地表征区域之间的潜在相关性。实验结果表明,本文所提出的方法能够在不同情景下合理有效地使用多种视角特征,在多个公开数据集上均有效提升了协同显著性检测精度。3、提出了一种基于多任务深度神经网络的协同显著性检测方法。该网络结构由图像组共同语义学习分支和协同显著性检测分支组成,两个分支分别通过图像组共同类别标签与协同显著性标签图作为监督信息进行协同训练。在该方法中,我们利用多尺度融合策略提升了显著图的细节表达能力,同时通过图像间与图像内注意力机制来增强共同语义特征表达的准确性。实验结果表明本文提出的方法能够克服图像中噪杂的背景,并获得可靠的协同显著性检测结果。

关键词：协同显著性检测超图模型流形排序自适应特征学习多任务神经网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多源视觉的全自动脊柱超声扫查系统研究

基于多源视觉的全自动脊柱超声扫查系统研究

引用

作者：陈棉杰华南理工大学

学位级别：硕士

脊柱侧弯是一种常见的且危害性极大的脊柱畸形疾病。目前在临床上,医生通过在脊柱X光图像上计算可表示脊柱弯曲程度的Cobb角来评估患者的脊柱侧弯程度。因为脊柱侧弯发病机理的不明确和诊断需要,患者通常需要通过定期检查的方式来判断... 详细信息

脊柱侧弯是一种常见的且危害性极大的脊柱畸形疾病。目前在临床上,医生通过在脊柱X光图像上计算可表示脊柱弯曲程度的Cobb角来评估患者的脊柱侧弯程度。因为脊柱侧弯发病机理的不明确和诊断需要,患者通常需要通过定期检查的方式来判断恢复情况。频繁的X光检查带来的电离辐射难免会对患者健康造成负面影响。医学超声具有的无辐射、成本低和便捷等优势使之成为在脊柱成像和检查中的另一选择。目前超声的标准化、智能化程度较低,随着超声检查方式的普及,超声医生所面临的职业病风险日益增大。因此,研究使用自动化方式来完成脊柱侧弯检查中的重复性工作具有十分重要的意义。为实现脊柱扫查的全自动化和推进脊柱自动扫查在临床中的应用,本文研究并搭建了一个基于多源视觉的全自动脊柱超声扫查系统,主要贡献包括以下几个方面: 1.本文提出了一种基于多源视觉的全自动脊柱超声扫查方法,通过提取、融合RGB图像、深度图像和超声图像的信息,在扫描过程中实时地规划超声探头的位置和姿态,确保探头能够自动跟踪脊柱、与皮肤实现良好的耦合,完成高质量的脊柱区域超声成像,最后再利用扫描收集到的脊柱信息进行脊柱侧弯程度的自动评估。 2.为了有效地提取超声图像的信息,本文提出了一种多任务神经网络,完成对脊柱超声图像的视图分类和椎骨关键点检测,该多任务网络融合和共享了两个任务的部分特征,且在关键点检测任务中引入了热图回归的方式提升椎骨关键结构的定位准确率。实验结果表明,所提出的多任务神经网络较单任务网络在分类准确率和关键点检测准确率上均有提升,且能够满足系统的实时性要求。 3.基于所提出的基于多源视觉的脊柱超声扫查方法,本文搭建了一个全自动的脊柱超声扫查系统,全自动地完成对脊柱的扫描与脊柱侧弯程度的评估。同时,开发了一个可视化软件,用于实时显示扫描过程中的超声图像和超声图像的自动分析结果,并展示脊柱侧弯诊断结果与扫描收集到的脊柱信息。 4.通过体膜实验和人体实验对搭建的系统进行验证。实验结果表明,系统能够全自动且准确地跟踪和紧贴脊柱完成高质量的扫描并完成Cobb角的自动测量,测量误差在0.02～3.56度的范围内,满足临床要求。实验结果验证了本文搭建的系统具有可靠性和准确性,存在潜在的临床应用价值。

关键词：脊柱侧弯多任务神经网络全自动扫查多源视觉 Cobb角

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：