【期刊簡介】

　　《計算機工程與應(yīng)用》雜志是由中華人民共和國工業(yè)和信息化部華北計算技術(shù)研究所主辦的、面向中高級計算機專業(yè)工作者的學(xué)術(shù)刊物。《計算機工程與應(yīng)用》是一本面向計算機全行業(yè)的綜合性學(xué)術(shù)刊物，覆蓋面寬、信息量大、報道及時是本刊的服務(wù)宗旨。多年來，本刊堅持走學(xué)術(shù)與實踐相結(jié)合的道路，在內(nèi)容上既注重理論的先進(jìn)性又兼顧實用技術(shù)的廣泛性，在促進(jìn)學(xué)術(shù)交流的同時，推進(jìn)了科技成果的轉(zhuǎn)化。

　　【辦刊方針】

　　堅持走學(xué)術(shù)與實踐相結(jié)合的道路，在內(nèi)容上既注重理論的先進(jìn)性又兼顧實用技術(shù)的廣泛性，在促進(jìn)學(xué)術(shù)交流的同時，推進(jìn)了科技成果的轉(zhuǎn)化。覆蓋面寬、信息量大、報道及時是本刊的服務(wù)宗旨。

　　【報導(dǎo)范圍 】

　　行業(yè)最新發(fā)展動態(tài)與最新研究成果;具有先進(jìn)性和推廣價值的工程方案;有獨立和創(chuàng)新見解的學(xué)術(shù)報告;先進(jìn)實用、有一定廣泛性的開發(fā)成果。

　　【主要欄目】

　　博士論壇

　　網(wǎng)絡(luò)、通信與安全

　　數(shù)據(jù)庫、信號與信息處理

　　工程與應(yīng)用

　　獲獎情況

　　全國計算機類中文核心期刊

　　中國電子學(xué)會一級會刊

　　中國計算機學(xué)會會刊

　　【訂閱方式】

　　《計算機工程與應(yīng)用》為旬刊，大16開，248頁正文，每月1日、11日、21日出版，每期定價38.5元，全年36期總訂價1386元，郵發(fā)代號：82-605。訂閱可到各地郵局或 《計算機工程與應(yīng)用》編輯部訂閱。

　　【收錄情況】

　　國家新聞出版總署收錄　獲獎情況

　　中國期刊方陣雙效期刊

　　2005-2006年度、2006-2007年度、2007-2008年度連續(xù)3年獲得工信部電子精品科技期刊獎

　　2008年度中國精品科技期刊獎。

　　國外數(shù)據(jù)庫收錄

　　俄羅斯文摘雜志

　　英國物理學(xué)、電技術(shù)、計算機及控制信息社數(shù)據(jù)庫

　　【獲獎情況】

　　中國期刊方陣雙效期刊;2005-2006年度、2006-2007年度、2007-2008年度連續(xù)3年獲得工信部電子精品科技期刊獎;2008年度中國精品科技期刊獎。

　　國外數(shù)據(jù)庫收錄：世界紡織文摘、數(shù)學(xué)評論

　　【欄目設(shè)置】

　　設(shè)有博士論壇、學(xué)術(shù)探討、開發(fā)設(shè)計、數(shù)據(jù)庫與信息處理、網(wǎng)絡(luò)與通信及工程與應(yīng)用等欄目。

　　信息管理論文范文：信息化時代旅游文化景區(qū)建設(shè)

　　[摘要]如何提升旅游文化景區(qū)的核心競爭力，吸引越來越多的游客，是制約當(dāng)今旅游文化景區(qū)發(fā)展的一個重要瓶頸。因此，在加強硬件基礎(chǔ)設(shè)施建設(shè)的同時， 要緊跟信息時代的發(fā)展步伐，有效運用現(xiàn)代化的信息技術(shù)手段強化旅游文化景區(qū)的建設(shè)，并堅持以游客為本，培育自身獨特的旅游文化，來適應(yīng)時代的發(fā)展以及廣大游客對現(xiàn)代化旅游文化景區(qū)的發(fā)展需求。

　　[關(guān)鍵詞]信息化時代,旅游,文化,景區(qū)

　　1、信息化時代旅游文化景區(qū)建設(shè)概述

　　信息化時代旅游文化景區(qū)建設(shè)是指充分利用信息技術(shù)、數(shù)據(jù)庫技術(shù)和網(wǎng)絡(luò)技術(shù)，對旅游文化景區(qū)的各類資源進(jìn)行加工和整合。數(shù)字化旅游文化景區(qū)建設(shè)作為信息化時代旅游文化景區(qū)建設(shè)的熱點問題，一方面是信息時代向我們提出的要求，另一方面也是風(fēng)景名勝區(qū)事業(yè)發(fā)展和信息技術(shù)發(fā)展的必然結(jié)果。數(shù)字化旅游文化景區(qū)建設(shè)是按照統(tǒng)一的規(guī)范和技術(shù)標(biāo)準(zhǔn)，實現(xiàn)旅游文化景區(qū)的管理系統(tǒng)、交通管理系統(tǒng)、游客服務(wù)系統(tǒng)、安全應(yīng)急系統(tǒng)等的基礎(chǔ)設(shè)施系統(tǒng)的數(shù)字化建設(shè)，并通過網(wǎng)絡(luò)化信息共享，建立具有統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)庫、數(shù)據(jù)共享平臺、數(shù)據(jù)處理平臺等。它是由景區(qū)數(shù)字化技術(shù)、景區(qū)數(shù)字化業(yè)務(wù)模塊以及景區(qū)數(shù)字化的應(yīng)用服務(wù)三個方面組成的。

　　計算機工程與應(yīng)用最新期刊目錄

基于主題約束采樣的文本生成方法————作者：冉文議;萬家強;喻靖鋒;李琪玥;陳鼎麗;邢欣來;

摘要：預(yù)訓(xùn)練語言模型通過精調(diào)使其能夠具有本地語料的相關(guān)知識和用語習(xí)慣，但通常面臨高昂的訓(xùn)練成本和資源開銷。因此，本文提出了一種基于主題約束的采樣方法。該方法利用本地語料構(gòu)建潛在狄利克雷分布(Latent Dirichlet Allocation， LDA）主題模型；然后，利用LDA對輸出內(nèi)容進(jìn)行主題約束。一方面，這種方法簡單易實現(xiàn)；另一方面，該方法增強了模型在本地語料上的泛化能力。實驗結(jié)果表明，所提出的...

面向關(guān)系建模的合作多智能體深度強化學(xué)習(xí)綜述————作者：熊麗琴;陳希亮;賴俊;駱西建;曹雷;

摘要：近年來，多智能體深度強化學(xué)習(xí)發(fā)展迅速并被廣泛用于各種多智能體協(xié)同任務(wù)，已經(jīng)成為人工智能領(lǐng)域的一個研究熱點，但如何實現(xiàn)多智能體高效協(xié)同仍是其當(dāng)前面臨的重大挑戰(zhàn)之一。作為一種流行的解決方案，面向關(guān)系建模的合作多智能體深度強化學(xué)習(xí)方法通過刻畫智能體與智能體、智能體與系統(tǒng)整體的關(guān)系來準(zhǔn)確捕獲并利用智能體的個體貢獻(xiàn)和智能體間相互作用以有效促進(jìn)多智能體協(xié)同，具有重要研究意義和應(yīng)用價值。首先簡要介紹多智能體系統(tǒng)...

多區(qū)塊鏈交互下跨鏈數(shù)據(jù)融合方案————作者：張中捷;余益民;馮立波;

摘要：多個區(qū)塊鏈進(jìn)行交互時，存在交易數(shù)據(jù)結(jié)構(gòu)不同、交易數(shù)據(jù)沖突的問題。針對這些問題，提出了多鏈數(shù)據(jù)融合方案（MCDFS），解決了多鏈數(shù)據(jù)獲取、解析、融合、再上鏈的問題。首先，設(shè)計了交易實體解析（TER）算法，解決了交易實體解析和實體分類的問題；其次，提出了同構(gòu)實體的交易融合算法（HEF）以及異構(gòu)實體的交易融合算法（DEF），解決了交易數(shù)據(jù)融合的問題；最后，對TER算法、HEF算法以及DEF算法進(jìn)行了實驗...

LLM與ML優(yōu)勢互補：政務(wù)回復(fù)質(zhì)量檢測及可解釋的算法框架————作者：方岢愿;許珂維;

摘要：為了克服傳統(tǒng)政務(wù)平臺回復(fù)的人工質(zhì)量檢測難以滿足龐大市民政務(wù)需求的問題和文本特征為主的機器學(xué)習(xí)方法缺乏可解釋性的問題，研究采用了一種結(jié)合大語言模型（Large Language Models， LLMs）和機器學(xué)習(xí)（Machine Learning， ML）模型并以非文本特征為主的政務(wù)回復(fù)質(zhì)量檢測算法框架。實驗表明該算法能達(dá)到比其他單一使用LLMs或ML的方法更高的準(zhǔn)確度，接近政務(wù)問答質(zhì)量的人工判斷...

工業(yè)缺陷圖像生成：非線性重構(gòu)與多級濾波優(yōu)化————作者：孫林;張子洋;賈坤昊;高濤;

摘要：在工業(yè)制造業(yè)中，表面缺陷的檢測環(huán)節(jié)對于確保產(chǎn)品質(zhì)量和生產(chǎn)效率至關(guān)重要。當(dāng)前，基于深度學(xué)習(xí)的檢測技術(shù)已逐漸成為該領(lǐng)域的首選方法。盡管如此，由于缺陷樣本數(shù)量有限且種類繁多，這一領(lǐng)域面臨著樣本數(shù)量與多樣性不足的顯著挑戰(zhàn)，這一狀況對深度學(xué)習(xí)算法的適用性和性能構(gòu)成了不利影響。針對此，研究提出一種基于控制點插值變形與多層次加權(quán)濾波的工業(yè)零件表面缺陷生成方法。該方法利用網(wǎng)格控制點變形技術(shù)對缺陷區(qū)域進(jìn)行重構(gòu)，并通...

葡萄酒領(lǐng)域知識多路徑檢索增強生成方法優(yōu)化研究————作者：楊文躍;于千城;王啟明;穆洪銳;周誠辰;

摘要：在葡萄酒領(lǐng)域，設(shè)計專業(yè)的領(lǐng)域知識問答系統(tǒng)對于提升產(chǎn)區(qū)種植戶、產(chǎn)業(yè)工人、釀酒師和品酒師的技術(shù)技能，以及助力整個產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型，具有重要意義。鑒于葡萄酒領(lǐng)域?qū)�業(yè)術(shù)語繁多、工藝細(xì)節(jié)龐雜、酒品分類多樣、年份差異敏感以及酒莊文化異彩紛呈的特點，現(xiàn)有的智能問答系統(tǒng)往往因為信息提取不全和檢索精度不足，導(dǎo)致回答的質(zhì)量和準(zhǔn)確性無法滿足需求。為此，提出了融合知識圖譜、向量數(shù)據(jù)庫和PKL文件庫各自優(yōu)勢以構(gòu)建葡萄酒領(lǐng)域...

Transformer在醫(yī)學(xué)圖像分割中的研究進(jìn)展————作者：周振霄;王華;魏德健;曹慧;姜良;王錫城;

摘要：隨著社會對高精度診斷的需求持續(xù)攀升，自動化醫(yī)學(xué)圖像分割技術(shù)于現(xiàn)代醫(yī)療實踐中占據(jù)著關(guān)鍵地位，盡管卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）在醫(yī)學(xué)圖像分割方面表現(xiàn)優(yōu)異，但由于其存在一定局限性，許多學(xué)者遂將Transformer引入醫(yī)學(xué)圖像分割領(lǐng)域，以彌補CNN在全局上下文學(xué)習(xí)層面的欠缺。本文首先綜述了Transformer及其變體結(jié)構(gòu)，并分析了它們在醫(yī)學(xué)圖像分割任...

交叉定向抑制的雙方向運動感知視覺神經(jīng)網(wǎng)絡(luò)————作者：安超越;胡濱;

摘要：認(rèn)知神經(jīng)科學(xué)研究發(fā)現(xiàn)，哺乳動物大腦視皮層PMLS區(qū)中的雙向敏感（BS）視覺神經(jīng)元具有獨特的反運動方向偏好神經(jīng)響應(yīng)特性，有助于感知群體活動在視野域中的運動方向相干性，但目前尚未對該神經(jīng)特性在視覺運動感知問題研究的計算模型報道。針對該問題，基于哺乳動物視腦神經(jīng)特性，提出了一種雙方向運動感知神經(jīng)網(wǎng)絡(luò)（BDPNN）。BDPNN包含突觸前和突觸后網(wǎng)絡(luò)兩個部分。其中，突觸前網(wǎng)絡(luò)攝取視野域中的視覺運動信息并分離...

復(fù)雜室內(nèi)環(huán)境下的高效NeRF-SLAM算法————作者：楊怡程;袁杰;張寧寧;劉超;祁鵬程;萬忠原;

摘要：針對復(fù)雜室內(nèi)環(huán)境中視覺同步定位與建圖（Simultaneous Localization and Mapping，SLAM）算法在高質(zhì)量三維重建中的效率問題，提出了一種高效的神經(jīng)輻射場SLAM（NeRF-SLAM）算法——EN-SLAM。該算法利用多分辨率哈希網(wǎng)格表示場景，結(jié)合其快速收斂特性及高頻局部特征表示能力，顯著提升了三維重建效率。為進(jìn)一步增強未觀測區(qū)域的表面連貫性及細(xì)節(jié)補全，算法引入球諧函...

時序知識圖譜推理的對偶圖群蒸餾對比網(wǎng)絡(luò)————作者：趙紅燕;王日云;謝斌紅;郭力華;

摘要：時序知識圖譜推理具有重要的應(yīng)用價值。然而，現(xiàn)有的推理模型在建模歷史特征時面臨著兩大挑戰(zhàn)：1）未對關(guān)系結(jié)構(gòu)特征建模，導(dǎo)致模型無法很好地理解事實間的潛在語義關(guān)系及演化模式；2）忽視了全局范圍內(nèi)事實間的潛在依賴關(guān)系，造成不同時間戳實體間的依賴信息丟失。為此，該文提出了一種新的TKG推理模型——對偶圖群蒸餾對比網(wǎng)絡(luò)（DGCN）。該網(wǎng)絡(luò)通過局部對偶演化蒸餾器（LDED），有效提取實體圖和關(guān)系線圖的結(jié)構(gòu)與時序...

LMFI-YOLO: 復(fù)雜場景下的輕量化行人檢測算法————作者：袁婷婷;賴惠成;湯靜雯;張晞;高古學(xué);

摘要：針對當(dāng)前行人檢測算法在復(fù)雜場景下存在誤檢、漏檢及模型復(fù)雜度高等問題，提出一種改進(jìn)YOLO11的輕量化行人檢測算法——LMFI-YOLO。首先，融合RepConv來改進(jìn)C3k2模塊，構(gòu)建RS-C3k2結(jié)構(gòu)，以增強網(wǎng)絡(luò)對行人特征的學(xué)習(xí)與捕捉能力。其次，設(shè)計全新的頸部結(jié)構(gòu)MBFPN，結(jié)合高效上采樣模塊與多尺度卷積模塊，以強化特征融合并提升行人的特征表達(dá)能力，大幅提高檢測精度。此外，設(shè)計任務(wù)交互檢測頭TD...

多自監(jiān)督學(xué)習(xí)任務(wù)結(jié)合圖神經(jīng)網(wǎng)絡(luò)的EEG情感識別————作者：陳景霞;李小池;王倩;張鵬偉;

摘要：針對腦電信號（Electroencephalogram，EEG）情感識別中因標(biāo)簽缺失導(dǎo)致模型泛化性不足以及單任務(wù)自監(jiān)督學(xué)習(xí)易過擬合的問題，提出了一種基于EEG頻域特征的圖神經(jīng)網(wǎng)絡(luò)模型，采用自監(jiān)督多任務(wù)學(xué)習(xí)框架進(jìn)行表征學(xué)習(xí)和情感識別。首先，提取EEG數(shù)據(jù)的微分熵特征并構(gòu)建圖結(jié)構(gòu)表示，通過通道掩蔽、頻率掩蔽、空間拼圖和頻率拼圖四種自監(jiān)督任務(wù)進(jìn)行多任務(wù)學(xué)習(xí)。結(jié)合切比雪夫圖神經(jīng)網(wǎng)絡(luò)提取深層特征，通道掩蔽和...

面向云邊端協(xié)同計算環(huán)境的DNN推理任務(wù)分割卸載策略————作者：楊宇輝;唐小勇;

摘要：近年來，深度學(xué)習(xí)(DNN)在數(shù)據(jù)處理、圖像識別、語音識別等領(lǐng)域取得突破性進(jìn)展，已經(jīng)大規(guī)模部署在物聯(lián)網(wǎng)(IoT)設(shè)備上。然而IoT設(shè)備受到計算性能，電池容量的限制，難以低時延，低能耗地完成DNN推理任務(wù)。針對此問題，提出基于云-邊-端協(xié)同計算的DNN推理任務(wù)分割卸載策略。首先分析DNN推理任務(wù)的計算和傳輸負(fù)載特征，以此為基礎(chǔ)建立時延和能耗計算模型，并將此模型進(jìn)行加權(quán)歸一成本化處理。然后，基于云-邊-...

無人駕駛深度強化學(xué)習(xí)決策模型性能評測方法綜述————作者：顧同成;徐東偉;孫成巨;

摘要：目前，以深度強化學(xué)習(xí)（Deep Reinforcement Learning， DRL）為主要決策方法的端到端無人駕駛技術(shù)在典型交通駕駛?cè)蝿?wù)中的表現(xiàn)取得顯著進(jìn)展。但是，由于DRL“試錯”交互的獨特學(xué)習(xí)方式，使其在應(yīng)用到真實駕駛環(huán)境之前，必須經(jīng)過嚴(yán)格的多維評測過程。因此，性能評測成為DRL無人駕駛決策模型向真實世界遷移的一個關(guān)鍵且不可或缺的步驟。首先梳理分析當(dāng)前無人駕駛領(lǐng)域主流的技術(shù)實現(xiàn)方法；然后聚...

光學(xué)遙感圖像目標(biāo)檢測的CNN-Transformer多尺度融合算法————作者：鄭文軒;譚忠;楊瑛;

摘要：針對光學(xué)遙感圖像目標(biāo)分布密集、尺度多變、小目標(biāo)特征信息不足致檢測精度不高的問題，本研究提出了一種面向光學(xué)遙感圖像目標(biāo)檢測的LQ-Mixer-YOLOv8檢測模型。該模型能有效整合卷積神經(jīng)網(wǎng)絡(luò)CNN和Transformer在提取圖像局部（高頻）和全局（低頻）特征信息的優(yōu)勢。為了進(jìn)一步提升模型的性能，實驗設(shè)計了DMulti-DWconv卷積模塊和自適應(yīng)細(xì)節(jié)融合模塊ADI，引入坐標(biāo)注意力機制CA、擠壓增...

跨層特征交互和偏移相位校正的結(jié)直腸息肉分割————作者：李自潔;呂曉琪;李菁;

摘要：針對結(jié)直腸圖像中息肉邊界模糊、定位不準(zhǔn)確以及尺度差異大等問題，本文提出了跨層特征交互和偏移相位矯正的結(jié)直腸息肉分割網(wǎng)絡(luò)模型。首先，以金字塔視覺Transformer作為編碼器逐級提取息肉圖像中多尺度的語義信息；其次，提出跨層特征交互模塊，提取空間和通道信息，進(jìn)行多層次的特征交互；再次，構(gòu)建偏移相位校正模塊，通過局部相似度計算出偏移量進(jìn)行重采樣，減少邊界或類別內(nèi)不一致區(qū)域的模糊性；最后，設(shè)計空間上下...

基于多階段知識蒸餾的古籍文本相似性匹配————作者：史明偉;林民;孫艷茹;張樹鈞;斯日古楞;王玉榮;

摘要：現(xiàn)有基于“預(yù)訓(xùn)練+孿生網(wǎng)絡(luò)”范式的語義相似性匹配算法在數(shù)據(jù)豐富的語種文本中表現(xiàn)優(yōu)異，但在低資源語種上效果顯著下降，尤其在古籍文本中更為明顯。古文數(shù)據(jù)稀缺且標(biāo)注困難，缺乏專門的相似性匹配數(shù)據(jù)集，導(dǎo)致現(xiàn)有方法難以有效應(yīng)用。為此，提出一種基于多階段知識蒸餾的古籍文本相似性匹配算法。該方法以易獲得的文白句對數(shù)據(jù)集為基礎(chǔ)，采用白話文預(yù)訓(xùn)練語言模型作為教師模型，古文預(yù)訓(xùn)練語言模型作為學(xué)生模型，通過多階段知識蒸...

結(jié)合解耦與廣義微調(diào)的少樣本目標(biāo)檢測————作者：杭煥云;劉俊;

摘要：針對數(shù)據(jù)稀缺條件下模型檢測效率低下與災(zāi)難性遺忘問題，提出了一種結(jié)合解耦與廣義微調(diào)的少樣本目標(biāo)檢測模型。該模型基于傳統(tǒng)的Faster R-CNN框架，通過引入多級解耦的梯度解耦層，有效拓展了Faster R-CNN，解決了區(qū)域提議網(wǎng)絡(luò)（Region Proposal Network，RPN）和R-CNN的矛盾；同時，將查詢-鍵-值注意力機制和自注意力機制有效結(jié)合，減少了背景噪聲的干擾，使得模型能夠同...

結(jié)合自適應(yīng)特征加權(quán)與權(quán)值優(yōu)化策略的多模態(tài)情感分析————作者：馮廣;周垣樺;鐘婷;楊燕茹;黃榮燦;盤皓然;林健忠;周科棟;

摘要：多模態(tài)情感分析在智慧教育領(lǐng)域中發(fā)揮著關(guān)鍵作用，通過對課堂中產(chǎn)生的音視頻流媒體數(shù)據(jù)進(jìn)行實時分析，可以更精準(zhǔn)地挖掘?qū)W生的情感狀態(tài)。當(dāng)前多模態(tài)情感分析中的編碼方法普遍忽視了不同模態(tài)之間信息密度的差異以及模態(tài)特有信息之間的不兼容性，這在融合過程中可能引入噪聲或?qū)е滦畔⑷哂�。為解決這一問題，本文提出了一種結(jié)合自適應(yīng)特征加權(quán)與權(quán)值優(yōu)化策略的多模態(tài)情感分析模型。首先，在特征優(yōu)化層，作為低級特征的音頻與視頻通過交...

基于自適應(yīng)閾值和雙向?qū)Ρ葘W(xué)習(xí)的遙感圖像道路提取方法————作者：高鵬飛;田小龍;楊辰飛;喬龍圖;呂蒙;

摘要：隨著遙感技術(shù)的迅猛發(fā)展，精準(zhǔn)提取遙感圖像中的道路信息已成為城市管理與交通規(guī)劃中的關(guān)鍵任務(wù)。然而，高質(zhì)量標(biāo)注的遙感圖像往往稀缺且獲取成本高昂，導(dǎo)致模型在訓(xùn)練過程中難以充分利用有限的標(biāo)注數(shù)據(jù)。此外，道路像素與背景像素之間的嚴(yán)重不平衡進(jìn)一步加劇了道路提取的復(fù)雜性。針對這些問題，本研究提出了一種創(chuàng)新的半監(jiān)督學(xué)習(xí)方法，結(jié)合自適應(yīng)閾值機制與雙向?qū)Ρ葘W(xué)習(xí)策略。自適應(yīng)閾值機制通過動態(tài)計算不同類別的個體閾值，實現(xiàn)了...

　　相關(guān)電子信息期刊推薦

• 國家級軟件世界
• 北大核心《空間科學(xué)學(xué)報》
• 省級《機電元件》
• 北大核心《計算機輔助工程》
• 省級交通信息與安全
• 國家級《消費電子》
• 省級《長沙通信職業(yè)技術(shù)學(xué)院學(xué)報》
• 國家級《傳感器世界》
• 國家級《現(xiàn)代傳播》
• 北大核心《應(yīng)用激光》
• 國家級中國電子商情(通信市場)
• 省級現(xiàn)代傳輸
• 國家級《電子與封裝》
• 國家級《電腦編程技巧與維護(hù)》
• 省級《洛陽大學(xué)學(xué)報》
• 北大核心數(shù)據(jù)采集與處理
• 北大核心《光譜學(xué)與光譜分析》
• 北大核心《計算機科學(xué)》
• 省級《家庭影院技術(shù)》
• 國家級電子設(shè)計技術(shù)
• 省級通信與廣播電視
• 省級《通信管理與技術(shù)》
• 北大核心《激光技術(shù)》
• 省級電子樂園
• 北大核心《計算力學(xué)學(xué)報》
• 省級《南開大學(xué)學(xué)報》
• 省級電腦應(yīng)用技術(shù)
• 省級電子與自動化
• 省級《實用影音技術(shù)》
• 北大核心《測控技術(shù)》

　　核心期刊推薦