搜論文知識(shí)網(wǎng)并非《小型微型計(jì)算機(jī)系統(tǒng)》的官網(wǎng)或雜志社，為客戶提供期刊征稿、論文發(fā)表等中介服務(wù)，在客戶與期刊雜志社之間搭建了一座省時(shí)、省力的便捷橋梁。本站與《小型微型計(jì)算機(jī)系統(tǒng)》等上百家同類正規(guī)期刊保持著多年的密切合作關(guān)系，切實(shí)提高客戶期刊發(fā)表的質(zhì)量與效率。通過(guò)本站發(fā)表論文，客戶將獲得更大的選擇空間、更高的通過(guò)率、更快的發(fā)表速度、更滿意的服務(wù)質(zhì)量。

　　【雜志簡(jiǎn)介】

　　《小型微型計(jì)算機(jī)系統(tǒng)》創(chuàng)刊于一九八O年，系中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)刊之一，由中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所主辦，是國(guó)內(nèi)外公開(kāi)發(fā)行的計(jì)算機(jī)類學(xué)術(shù)性刊物。

　　本刊在國(guó)內(nèi)入選為：《中文核心期刊》、《中國(guó)科技論文統(tǒng)計(jì)源期刊》、被《中國(guó)科技論文與引文數(shù)據(jù)庫(kù)》、《中國(guó)學(xué)術(shù)期刊文摘》、《中國(guó)期刊全文數(shù)據(jù)庫(kù)》、《中國(guó)科技期刊精品數(shù)據(jù)庫(kù)》以及《萬(wàn)方數(shù)據(jù)網(wǎng)》等收錄，在 1996 年獲中國(guó)科學(xué)院優(yōu)秀期刊三等獎(jiǎng)。 本刊被英國(guó)《 INSPEC 》、俄羅斯《文摘雜志》和美國(guó)《劍橋科學(xué)文摘》、日本《科技文獻(xiàn)社數(shù)據(jù)庫(kù)》收錄。

　　本雜志刊登文章的內(nèi)容涵蓋計(jì)算技術(shù)的各個(gè)領(lǐng)域(計(jì)算數(shù)學(xué)除外)。包括計(jì)算機(jī)科學(xué)理論、體系結(jié)構(gòu)、計(jì)算機(jī)軟件、數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)與通訊、人工智能、多媒體、計(jì)算機(jī)圖形與圖像、算法理論研究等各方面的學(xué)術(shù)論文。

　　【影響因子】

　　國(guó)家新聞出版總署收錄

　　【獲獎(jiǎng)情況】

　　中國(guó)自然科學(xué)核心期刊

　　中國(guó)科學(xué)引文數(shù)據(jù)庫(kù)來(lái)源期刊

　　中科院優(yōu)秀科技期刊三等獎(jiǎng)(96)

　　【欄目設(shè)置】

　　主要欄目：計(jì)算機(jī)網(wǎng)絡(luò)信息安全、算法理論、人工智能分布式計(jì)算、計(jì)算機(jī)圖形與圖像、計(jì)算機(jī)應(yīng)用等。

　　小型微型計(jì)算機(jī)系統(tǒng)最新期刊目錄

Gait-ViT：基于Vision Transformer的跨視角步態(tài)識(shí)別方法————作者：沈澍;王森;黃蘇巖;張秉睿;

摘要：步態(tài)識(shí)別作為一種遠(yuǎn)程生物特征識(shí)別技術(shù)，在醫(yī)療康復(fù)、刑偵偵查及社會(huì)治安等領(lǐng)域展現(xiàn)出廣泛的應(yīng)用前景.近年來(lái)，隨著深度學(xué)習(xí)的快速發(fā)展，步態(tài)識(shí)別方法逐漸從傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)轉(zhuǎn)向更為先進(jìn)的Transformer架構(gòu).盡管CNN在圖像處理任務(wù)中表現(xiàn)優(yōu)異，但其對(duì)圖像關(guān)鍵區(qū)域的關(guān)注能力有限，而注意力機(jī)制則能夠通過(guò)聚焦圖像局部區(qū)域來(lái)學(xué)習(xí)更具判別性的...

非易失內(nèi)存的數(shù)據(jù)庫(kù)索引結(jié)構(gòu)綜述————作者：蔣一赫;彭澤順;張巖峰;于戈;

摘要：非易失存儲(chǔ) (Non-Volatile Memory，NVM) 結(jié)合了動(dòng)態(tài)隨機(jī)訪問(wèn)存儲(chǔ)器 (DRAM) 的高速存取特性和硬盤(pán)驅(qū)動(dòng)器 (HDD) 或固態(tài)硬盤(pán) (SSD) 的數(shù)據(jù)持久性，為傳統(tǒng)存儲(chǔ)和內(nèi)存架構(gòu)帶來(lái)了革命性的變化.本文對(duì)NVM索引技術(shù)進(jìn)行了綜述，重點(diǎn)分析了NVM的關(guān)鍵特性和各種主流索引結(jié)構(gòu)的研究進(jìn)展.首先，介紹了NVM的基本概念、工作原理以及其在數(shù)據(jù)中心和高性能計(jì)算中的應(yīng)用.接著，詳細(xì)探討...

融合雙重動(dòng)態(tài)決策機(jī)制與圖對(duì)比學(xué)習(xí)的輕量級(jí)藥物推薦算法————作者：王帆;汪海濤;賀建峰;陳星;

摘要：藥物推薦旨在根據(jù)患者電子病歷中的就診信息為其提供準(zhǔn)確，安全且個(gè)性化的藥物組合.然而，現(xiàn)有藥物推薦方法面臨計(jì)算效率低下、未能充分利用患者就診相似性以及藥物-藥物相互作用控制不足等問(wèn)題，影響模型在實(shí)際臨床環(huán)境中的應(yīng)用.為此，本文提出融合雙重動(dòng)態(tài)決策機(jī)制與圖對(duì)比學(xué)習(xí)的輕量級(jí)藥物推薦算法.通過(guò)設(shè)計(jì)輕量化架構(gòu)降低計(jì)算成本，同時(shí)利用患者就診相似性信息構(gòu)建雙重動(dòng)態(tài)決策機(jī)制，提升推薦合理性.此外，應(yīng)用圖對(duì)比學(xué)習(xí)方...

針對(duì)病變區(qū)域的多視圖集成甲狀腺分類網(wǎng)絡(luò)————作者：徐蕾;郭銳鋒;王廣義;郭佳慧;王鴻亮;

摘要：甲狀腺結(jié)節(jié)是一種常見(jiàn)的內(nèi)分泌疾病.近年來(lái)，隨著深度學(xué)習(xí)的發(fā)展，提出了大量的甲狀腺良惡性輔助診斷(CAD)方法.盡管CAD在甲狀腺分類任務(wù)上表現(xiàn)良好，但目前大多數(shù)研究都是采用黑盒模式，并沒(méi)有從醫(yī)生的診療過(guò)程出發(fā)，忽視了醫(yī)生是從腫瘤的多個(gè)角度及其周?chē)�組織信息進(jìn)行診斷.因此本文提出一種多視圖專家集成分類網(wǎng)絡(luò).首先，利用Curvelet變換得到更多圖像特征；其次，將不同視圖輸入到多個(gè)專家網(wǎng)絡(luò)模型中，以分而...

結(jié)合層次序列特征和多粒度獎(jiǎng)勵(lì)的混合式中文摘要方法————作者：黃高安;邵黨國(guó);馬磊;唐開(kāi)強(qiáng);吳雨芯;

摘要：任務(wù)是自然語(yǔ)言處理領(lǐng)域的一個(gè)重要研究方向，其目的是通過(guò)捕獲源文檔中的關(guān)鍵信息自動(dòng)生成簡(jiǎn)潔、準(zhǔn)確且連貫的摘要.過(guò)去，基于基本注意力的編解碼模型被廣泛用于自動(dòng)文本摘要任務(wù)，但由于其對(duì)文本特征質(zhì)量的高度依賴，生成的摘要缺乏準(zhǔn)確性和連貫性，而所涉及的計(jì)算能力和所達(dá)到的性能難以滿足當(dāng)前的需求.本文提出的編解碼模型中，采用的預(yù)處理方法不僅提高了輸入文本數(shù)據(jù)的質(zhì)量，而且使得模型更容易捕捉到文本的通用模式；提出的...

多策略協(xié)同的改進(jìn)小龍蝦優(yōu)化算法及其工程應(yīng)用————作者：張曉麗;楊璨;宋晶;朱貴富;聶佳磊;

摘要：本文提出了一種多策略協(xié)同的改進(jìn)小龍蝦優(yōu)化算法（ICOA），以解決原始COA算法多樣性不足、收斂速度慢、易陷入局部最優(yōu)等問(wèn)題.首先，采用Logistic-Tent混沌映射替代隨機(jī)初始化，提升初始解質(zhì)量；其次，在迭代初期引入鏡像反射學(xué)習(xí)機(jī)制，利用對(duì)稱性擴(kuò)展解空間以加速收斂；此外，在避暑階段融合透鏡成像的自適應(yīng)反向?qū)W習(xí)以增強(qiáng)算法跳出局部最優(yōu)的能力；最后，結(jié)合遺傳算法的垂直交叉操作，提高種群多樣性以強(qiáng)化全...

面向動(dòng)態(tài)算力任務(wù)流的增量元蒸餾聯(lián)邦持續(xù)學(xué)習(xí)方法————作者：鄭澤章;陳寧江;楊玉斌;陳娟;

摘要：聯(lián)邦學(xué)習(xí)憑借隱私保護(hù)特性成為算力網(wǎng)絡(luò)關(guān)鍵技術(shù)，但實(shí)際應(yīng)用中面臨災(zāi)難性遺忘與系統(tǒng)動(dòng)態(tài)適應(yīng)性差的雙重挑戰(zhàn).現(xiàn)有方法聚焦歷史知識(shí)蒸餾效率，卻忽視節(jié)點(diǎn)間知識(shí)共享程度與動(dòng)態(tài)環(huán)境下模型性能.本文提出一種增量元蒸餾聯(lián)邦持續(xù)學(xué)習(xí)方法，內(nèi)循環(huán)通過(guò)歷史知識(shí)蒸餾與客戶端知識(shí)共享實(shí)現(xiàn)本地知識(shí)固化，引入多視圖對(duì)比蒸餾策略，利用特征增強(qiáng)與注意力加權(quán)機(jī)制實(shí)現(xiàn)細(xì)粒度知識(shí)篩選.外循環(huán)設(shè)計(jì)動(dòng)態(tài)元更新規(guī)則，采用梯度差異補(bǔ)償實(shí)現(xiàn)新舊節(jié)點(diǎn)...

結(jié)合反事實(shí)與不確定性的交通流量異常檢測(cè)方法————作者：榮悅;周強(qiáng);顧晶晶;

摘要：現(xiàn)有的交通流量預(yù)測(cè)模型通常僅關(guān)注在容忍異常數(shù)據(jù)的基礎(chǔ)上提升預(yù)測(cè)精度，忽略了異常數(shù)據(jù)的檢測(cè)與歸因?qū)��?yōu)化智慧交通系統(tǒng)的重要性.針對(duì)該問(wèn)題，提出了一種基于反事實(shí)生成與不確定性度量的交通流量異常檢測(cè)方法CUG-U.具體來(lái)說(shuō)，構(gòu)建了一個(gè)反事實(shí)流量生成模塊，該模塊通過(guò)自監(jiān)督訓(xùn)練將交通流量數(shù)據(jù)映射到高維特征空間進(jìn)行擾動(dòng)后，再映射回原始數(shù)據(jù)空間，確保反事實(shí)交通流量數(shù)據(jù)的真實(shí)性.此外，提出了一個(gè)不確定性度量模塊，從...

融合題目多維屬性和代碼表征的編程知識(shí)追蹤研究————作者：肖融;胡以欣;孫波;

摘要：隨著計(jì)算機(jī)編程教育的普及，編程學(xué)習(xí)場(chǎng)景中的知識(shí)追蹤研究受到了廣泛關(guān)注.本文針對(duì)編程學(xué)習(xí)的特點(diǎn)，提出了一種新型編程知識(shí)追蹤模型，基于題目文本語(yǔ)義特征、題目與知識(shí)概念的關(guān)聯(lián)關(guān)系，生成融合題目多維屬性的編程題目表征；基于學(xué)生代碼，通過(guò)對(duì)UniXcoder編程語(yǔ)言預(yù)訓(xùn)練模型微調(diào)，獲取融合代碼上下文和結(jié)構(gòu)信息的學(xué)生代碼表征，并利用多頭自注意力機(jī)制捕獲學(xué)生在同一題目上多次提交的代碼迭代特征.然后，綜合題目多維...

多尺度特征與語(yǔ)義增強(qiáng)的輕量化遙感圖像描述生成模型————作者：韋培鍵;唐振華;崔振雷;

摘要：遙感圖像描述技術(shù)是遙感領(lǐng)域的重要研究方向，能夠?qū)�圖像內(nèi)容進(jìn)行智能解析.然而，現(xiàn)有算法通常計(jì)算復(fù)雜度高、資源消耗大，難以在資源受限的終端或場(chǎng)合應(yīng)用.為此，本文設(shè)計(jì)了一種輕量化遙感圖像描述生成模型，旨在降低模型復(fù)雜度，同時(shí)保持描述生成的準(zhǔn)確性.首先，在圖像編碼器中引入對(duì)比語(yǔ)言-圖像預(yù)訓(xùn)練模型算法，提取圖像的多尺度特征，增強(qiáng)模型對(duì)不同尺度特征的感知能力.其次，提出基于圖注意網(wǎng)絡(luò)的語(yǔ)義增強(qiáng)算法，促進(jìn)遙感圖...

車(chē)聯(lián)網(wǎng)下身份認(rèn)證密鑰協(xié)商方案的研究————作者：鄒志豪;楊晉吉;趙淦森;楊光;

摘要：針對(duì)車(chē)聯(lián)網(wǎng)身份認(rèn)證密鑰協(xié)商中存在的假名更新異常和隨機(jī)數(shù)可預(yù)測(cè)引發(fā)的隱私泄露問(wèn)題，提出一種基于對(duì)稱密碼學(xué)的身份認(rèn)證密鑰協(xié)商方案.該方案通過(guò)可信機(jī)構(gòu)維護(hù)車(chē)輛最近兩個(gè)周期的協(xié)商信息，實(shí)現(xiàn)通信中的異常檢測(cè)與狀態(tài)恢復(fù)，確保假名正常更新；利用哈希函數(shù)強(qiáng)化秘密值的保護(hù)機(jī)制，避免弱隨機(jī)數(shù)生成引發(fā)的隱私泄露.方案在隨機(jī)預(yù)言機(jī)模型下證明了密鑰安全性，借助Scyther Tool模型檢測(cè)工具和非形式化方法對(duì)方案滿足的安...

融合多模態(tài)感知的機(jī)器人抓取策略研究————作者：禹鑫燚;何威;歐林林;

摘要：物體抓取是機(jī)器人的基本技能，而在復(fù)雜場(chǎng)景中實(shí)現(xiàn)多樣的操作抓取是一項(xiàng)具有挑戰(zhàn)性的任務(wù).針對(duì)復(fù)雜操作任務(wù)中機(jī)器人抓取系統(tǒng)面臨的認(rèn)知局限與動(dòng)態(tài)場(chǎng)景適應(yīng)性問(wèn)題，本文提出了任務(wù)自適應(yīng)的多模態(tài)感知融合框架.首先，結(jié)合視覺(jué)語(yǔ)言模型的圖像理解和語(yǔ)義推理以及圖像分割模型的檢測(cè)識(shí)別，構(gòu)建了多模態(tài)信息感知模型，實(shí)現(xiàn)任務(wù)場(chǎng)景的圖文推理和物體識(shí)別.其次，融合語(yǔ)言提示和視覺(jué)提示提出了動(dòng)態(tài)任務(wù)鏈分解機(jī)制，根據(jù)場(chǎng)景復(fù)雜程度實(shí)時(shí)調(diào)...

嵌入雙重注意力機(jī)制的自監(jiān)督單目?jī)?nèi)窺鏡深度估計(jì)————作者：張連武;李勝;

摘要：在內(nèi)窺鏡場(chǎng)景下組織表面紋理稀疏且視野受限，顯著增加了深度估計(jì)難度.傳統(tǒng)方法易受噪聲、紋理缺失及光照變化干擾，導(dǎo)致結(jié)果穩(wěn)定性不足.為提高內(nèi)窺鏡圖像深度估計(jì)的準(zhǔn)確性，提出了一種嵌入雙重注意力機(jī)制的自監(jiān)督單目?jī)?nèi)窺鏡深度估計(jì)網(wǎng)絡(luò)架構(gòu).該網(wǎng)絡(luò)采用編碼器-解碼器結(jié)構(gòu)，為了提高模型的準(zhǔn)確性，本文在網(wǎng)絡(luò)架構(gòu)中集成了雙重注意力機(jī)制，具體包括通道注意力和空間注意力模塊，用以在通道和空間維度上提取遠(yuǎn)距離的上下文信息.同...

征稿簡(jiǎn)則

摘要：<正>一、征稿范圍《小型微型計(jì)算機(jī)系統(tǒng)》內(nèi)容涵蓋計(jì)算機(jī)學(xué)科的各個(gè)領(lǐng)域(計(jì)算數(shù)學(xué)除外).包括計(jì)算機(jī)科學(xué)理論、體系結(jié)構(gòu)、軟件、數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)與通訊、人工智能、網(wǎng)絡(luò)與信息安全、多媒體、計(jì)算機(jī)圖形與圖像等.二、稿件類型1.學(xué)術(shù)論文：科研成果有創(chuàng)新、有見(jiàn)解的完整論述，對(duì)該領(lǐng)域的研究與發(fā)展有促進(jìn)意義.2.熱點(diǎn)論文：目前國(guó)內(nèi)外計(jì)算機(jī)前沿?zé)狳c(diǎn)研究領(lǐng)域的文章

本刊檢索與收錄

摘要：<正>~

《小型微型計(jì)算機(jī)系統(tǒng)》征訂啟事

摘要：<正>《小型微型計(jì)算機(jī)系統(tǒng)》創(chuàng)刊于1980年，由中國(guó)科學(xué)院主管，中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所主辦，中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)刊（月刊），國(guó)內(nèi)外公開(kāi)發(fā)行．《小型微型計(jì)算機(jī)系統(tǒng)》內(nèi)容涵蓋計(jì)算機(jī)學(xué)科各領(lǐng)域，包括：計(jì)算機(jī)科學(xué)理論、體系結(jié)構(gòu)、數(shù)據(jù)庫(kù)理論、計(jì)算機(jī)網(wǎng)絡(luò)與信息安全、人工智能與算法、服務(wù)計(jì)算、計(jì)算機(jī)圖形與圖像等

第四屆CCF量子計(jì)算大會(huì)

摘要：<正>舉辦時(shí)間:2025.07.21 ～ 07.23報(bào)名時(shí)間:2025.04.01 ～ 07.23會(huì)議地點(diǎn):四川省 成都市 成都世紀(jì)城國(guó)際會(huì)議中心主辦單位:中國(guó)計(jì)算機(jī)學(xué)會(huì)承辦單位：中國(guó)計(jì)算機(jī)學(xué)會(huì)量子計(jì)算專業(yè)委員會(huì)、電子科技大學(xué)詳情請(qǐng)登錄CCF網(wǎng)站查詢：https: //ccf.org.cn/cqcc2025CQCC 2025 將在借鑒往屆大會(huì)成功經(jīng)驗(yàn)的基礎(chǔ)上優(yōu)化會(huì)議形式與內(nèi)容

特征交叉融合和大模型修復(fù)的代碼生成方法————作者：李文靜;顧乃杰;楊戴原;王聰;

摘要：代碼生成任務(wù)至今仍有很大探索空間，其挑戰(zhàn)主要包括兩個(gè)方面：首先，它需要理解和轉(zhuǎn)換多種抽象表示之間的語(yǔ)義和語(yǔ)法規(guī)則，生成準(zhǔn)確的候選代碼片段；其次，從龐大的候選代碼片段中搜索并合成正確的程序，需要同時(shí)考慮搜索效率、上下文關(guān)系和語(yǔ)義的一致性.對(duì)此，本文提出基于特征金字塔交叉融合的翻譯模型和基于代碼大模型修復(fù)的方法.在代碼翻譯階段，引入特征金字塔網(wǎng)絡(luò)，利用交叉融合方法提取不同尺度的特征與全局信息結(jié)合，提高...

融合EEMD和多通道dTCN-LSTM的車(chē)輛載重狀態(tài)識(shí)別模型————作者：徐慧琳;孫子文;

摘要：為精確識(shí)別后裝車(chē)載重狀態(tài)，研究集成經(jīng)驗(yàn)?zāi)�態(tài)分解(EEMD)和多通道雙重膨脹因果卷積(dTCN)-長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)融合的識(shí)別模型.利用滑動(dòng)窗口截取載重時(shí)序特征向量構(gòu)建特征向量矩陣，通過(guò)EEMD將特征向量矩陣分解為多個(gè)子分量矩陣并篩選不含噪聲的子分量矩陣，降低時(shí)序數(shù)據(jù)噪聲；由不同深度dTCN堆疊而成的多通道提取不同子分量矩陣的局部特征，各通道提取的局部特征相加送入LSTM中提取全局特征形...

基于蓄水池算法的順序獨(dú)立半透明頭發(fā)渲染————作者：蔡宇澤;吳志紅;張嚴(yán)辭;

摘要：為了提升實(shí)時(shí)渲染半透明頭發(fā)的效率，本文提出了一種基于蓄水池算法的順序獨(dú)立半透明渲染算法.該算法構(gòu)建了一種固定大小的蓄水池，其中保存對(duì)結(jié)果有顯著貢獻(xiàn)的片段，最終對(duì)這些片段進(jìn)行準(zhǔn)確的顏色混合計(jì)算.對(duì)于蓄水池之外的片段，采用近似但快速的計(jì)算方法.與現(xiàn)有分類計(jì)算片段的算法相比，該蓄水池可以在一個(gè)幾何渲染遍中篩選出帶有任意特性的目標(biāo)片段，且無(wú)需提前保存原始片段集.實(shí)驗(yàn)結(jié)果表明，與基于鏈表的算法相比，本文算法...

　　相關(guān)電子信息期刊推薦

• 省級(jí)《移動(dòng)通信》
• 北大核心《微電子學(xué)與計(jì)算機(jī)》
• 省級(jí)《通信管理與技術(shù)》
• 北大核心《核動(dòng)力工程》
• 省級(jí)電氣試驗(yàn)
• 國(guó)家級(jí)《計(jì)算機(jī)學(xué)報(bào)》
• 北大核心《微電子學(xué)》
• 省級(jí)《電腦知識(shí)與技術(shù)》
• 國(guó)家級(jí)信息空間
• 國(guó)家級(jí)《電腦編程技巧與維護(hù)》
• 北大核心《電子測(cè)量與儀器學(xué)報(bào)》
• 國(guó)家級(jí)《自動(dòng)化應(yīng)用》
• 省級(jí)計(jì)算機(jī)研究與發(fā)展
• 國(guó)家級(jí)《中國(guó)數(shù)字電視》
• 國(guó)家級(jí)中國(guó)電子商情(通信市場(chǎng))
• 省級(jí)新潮電子
• 省級(jí)《中國(guó)計(jì)量學(xué)院學(xué)報(bào)》
• 省級(jí)《計(jì)算機(jī)與現(xiàn)代化》
• 北大核心《核電子學(xué)與探測(cè)技術(shù)》
• 國(guó)家級(jí)《中國(guó)科技財(cái)富》
• 國(guó)家級(jí) 航天電子對(duì)抗
• 國(guó)家級(jí)印制電路資訊
• 省級(jí)《計(jì)算機(jī)工程》
• 省級(jí)《工業(yè)控制計(jì)算機(jī)》
• 省級(jí)《數(shù)碼先鋒》
• 國(guó)家級(jí)Design產(chǎn)品設(shè)計(jì)
• 省級(jí)《計(jì)算機(jī)技術(shù)與發(fā)展》
• 省級(jí)電子元器件資訊
• 國(guó)家級(jí)《航空計(jì)算技術(shù)》
• 北大核心《測(cè)控技術(shù)》

　　核心期刊推薦

激光與光電子學(xué)進(jìn)展

中華醫(yī)學(xué)超聲雜志(電子版)

中國(guó)電子科學(xué)研究院學(xué)報(bào)

微電子學(xué)