第一节ISI和SCI的发展 第二节引文索引法理论 第三节 Web of Science的检索方法 第四节核心期刊及评价方法 第五节WOS的学术信息资源的正确利用 第六节SCI论文的阅读和参考

第1章 专业英语基础 第2章 因特网的信息检索 第3章 专业文献检索 第4章 专业文献的翻译 第5章 科技论文写作 第6章 机械工程专业文献选读

一、奥卡姆剃刀原理 二、如何写好科技论文 三、如何看待审稿人的意见 四、如何找到合适的、长期合作的期刊

专利制度的产生和发展 起源于欧洲,随商品经济的发展而产生并逐渐发 展。专利制度萌芽于1474年的威尼斯共和国,但最 早制定现代专利法的国家是英国。我国于1985年4月 正式实施《中华人民共和国专利法》。现在世界上有 100多个国家建立了专利制度

中版数字图书馆（试用） 异彩纷呈的网络免费电子图书资源（内部交流）

2-3现代文献和信息资源发展的整体特征 一、数量庞大,增长迅速 二、时效性强,代谢频繁 三、广泛分散,交叉重复 四、载文聚散,分布有序 五、形式多样,文种复杂

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

•从文本分类图像分类 • 如何从图像中获取全局特征？ • 颜色特征、纹理特征、形状特征 • 如何从图像中获取局部特征？ • SIFT: Scale-invariant feature transform •图像分类的几个发展阶段 • Low-level Modelling • Semantic Modelling • Sparse Coding • Deep Learning

• 聚类概述 • 什么是聚类？在IR中如何用聚类？聚类的几个术语 • K-均值聚类算法 • K-均值聚类中的基本准则 • K-均值算法中簇的个数 • 聚类评价 • purity、NMI（Normalized Mutual Information，)、RI（Rand Index)、F measure • 基于模型的聚类 • 层次聚类简介 • 层次聚类的簇相似度计算 • 四种HAC算法：单连接、全连接 、组平均、质心法