扫盲

扫盲

---

SCI即《科学引文索引》(Science Citation Index），是由美国科学信息研究所（ISI）1961 年创建的引文数据库。收录文献的作者、题目、源期刊、摘要、关键词。经过40多年的发展完善，已发展成为功能强大的电子化、集成化、网络化的大型多学科、综合性检索系统。

SSCI即社会科学引文索引（Social Sciences Citation Index），为SCI的姊妹篇，亦由ISI创建。

SSCI《社会科学引文索引》ISI创建。
A&HCI《艺术与人文引文索引》ISI创建。

CSSCI即中文社会科学引文索引（Chinese Social Sciences Citation Index），由南京大学中国社会科学研究评价中心1998年开发研制的数据库，用来检索中文社会科学领域的论文收录和文献被引用情况，是我国人文社会科学评价领域的标志性工程。

Web of Science是美国ISI公司基于WEB开发的产品，包括三大引文库（SCI、SSCI和A&HCI）和两个化学数据库(CCR、IC)，以ISI Web of Knowledge作为检索平台。

---

Precision Recall F1-score

P(Positive)和N(Negative) 表示模型的判断结果；T(True)和F(False) 表示模型的判断结果是否正确。

• TP: 真正例
• TN: 真负例
• FP: 假正例
• FN: 假负例

Accuracy,Precision,Recall
Acc：：正确判断的样本占总样本的比例：

$$Acc=\frac{TP+TN}{TP+TN+FP+FN}$$

Recall：模型正确判断的正样本，占，真实的正样本，的比例

$$Recall=\frac{TP}{TP+FN}$$

Precision：模型正确判断的正样本，占，模型判断的，正样本，的比例。

$$precision=\frac{TP}{TP+FP}$$

F1分数（F1-score）是分类问题的一个衡量指标。一些多分类问题的机器学习竞赛，常常将F1-score作为最终测评的方法。它是精确率和召回率的调和平均数，最大为1，最小为0。

$$F1=2\cdot\frac{precision\cdot recall}{precision + recall}$$

此外还有F2分数和F0.5分数。F1分数认为召回率和精确率同等重要，F2分数认为召回率的重要程度是精确率的2倍，而F0.5分数认为召回率的重要程度是精确率的一半。

---

自然界中有四种基本力

• 万有引力
• 电磁相互作用力
• 弱相互作用力
• 强相互作用力

---

相对原子质量（$A_r$）,

是指任何一个原子的平均原子质量与一个碳12原子质量的$1/12$的比值

---

卷积神经网络

计算卷积后尺寸的公式：

$${W + 2P -F\over S}+1$$

W：输入数据尺寸

P：Padding数量

F：感受野尺寸（卷积核尺寸）

S：步长

D：输入通道数

K：输出通道数

当步长为1时，若要卷积后尺寸不变，则Padding的大小为：

$$F-1\over 2$$

每个卷积层权重个数加偏置数为总参数量：

$$F * F * D * K + K$$

---

在VsCode中使用git

安装git，并执行：

git config --global user.name "Your Name"
git config --global user.email "Your Email adress"

新建文件夹

打开VSCode，并在其中打开该文件夹

打开VSCode的Termial，输入 :

git init

编辑（修改/保存）文件。

在VScode中点击按钮”stage all changes”，“commit all”。

在VSCode的终端中输入：

#添加远程仓库地址
git remote add origin git@github.com: zh-hongda/仓库名.git
#将本地仓库推送至远程仓库
git push -u origin master

---