-
ubuntu linux 指南 基础篇+管理篇
ubuntu 经典书籍ubuntu是一个完整的、免费的操作系统，它强调社区、支持和易用性，同时拒绝向速度、能力和灵活性做出妥协。这本官方指南会帮助您快速掌握ubuntu的使用方法。. 学习如何为个人或者小型商务应用轻松地安装和定制ubuntu。它的开源能力可以被用在学校、政府或企业，同时适用于桌面和服务器使用。ubuntu社区建立在一个承诺上，即软件应当免费获取，并且人们应该拥有按照他们觉得合适的方式定制和改变他们的软件的自由。...
- 2020-12-05下载
- 积分：1
-
卷积神经网络CNN学习笔记 pdf
个人整理的CNN学习笔记，所有素材均来自于互联网。把经典的摘之以作备案，待整理好这份笔记后，发现对CNN也有了深入理解，希望对你也有帮助！LOCALLY CONNECTED NEURAL NETCONVOLUTIONAL NETSTATIONARI? Statisties issimilar at dif ferent locationsLearn multiple filters.Example: 1000x1000 image1M hidden unitsFilter size: 10x10E.g. 1000x1000 image100M parameters100 FiltersFilter size: 10x10u鴻網互聯EEIDEE下面的分析来源于:htp/ log csdn. net/zouxy09/ article/details,/8781543我们知道,隐含层的每一个神经元都连接10x10个图像区域,也就是说每一个神经元存在10x10=100个连接权值参数。那如果我们每个神经元这100个参教是相同的呢?也就是说每个神经元用的是同一个卷积核去卷积图像。这样我们就只有多少个参数??只有100个参数啊!!!亲!不管你隐层的神经元个数有多少,两层间的连接我只有100个参数啊!亲!这就是权值共享啊!亲!这就是卷积神经网络的主打卖点啊!亲!(有点烦了,呵呵)也许你会问,这样做靠谱吗?为什么可行呢?好了,你就会想,这样提取特征也忒不靠谱吧,这样你只提取了一种特征啊?对了,頁聪明,我们需要提取多种特征对不?假如一种滤波器,也就是一种卷积核就是提出图像的一种特征,例如某个方向的边缘。那么我们需要提取不同的特征,怎么办,加多几种滤波器不就行了吗?对∫。所以假设我们加到100种滤波器,每种滤波器的参数不一样,表示它提出输入图像的不同特征,例如不同的边缘。这样每种滤波器去卷积图像就得到对图像的不同特征的放映,我们称之为 Feature Map。所以100种卷积核就有100个 Feature Map。这100个 Feature Map就组成了一层神经元。到这个时候明了了吧。我们这一层有多少个参数了?100种卷积核x每种卷积核共享100个参数=100×100=10K,也就是1万个参数。才1万个参数啊!亲!(又来了,受不了了!)见上图右:不同的颜色表达不同的滤波器嘿哟,遗漏一个问题了。刚才说隐层的参数个数和隐层的神经元个数无关,只和滤波器的大小和滤波器种类的多少有关。那么隐层的神经元个数怎么确定呢?它和原图像,也就是输入的大小(神经元个数)、滤波器的大小和滤波器在图像中的滑动步长都有关!例如,我的图像是1000×1000像素,而滤波器大小是10×10,假设滤波器没有重叠,也就是步长为10,这样隐层的神经元个数就是(1000×1000y(10×10}=100×100个神经元了,假设步长是8,也就是卷积核会重叠两个像素,那么……我就不算了,思想懂了就好。注意了,这只是一种滤波器,也就是一个 Feature Map的神经元个数哦,如果100个 Feature Map就是100倍了。由此可见,图像越大,神经元个数和需要训练的权值参数个数的贫富差距就越大。CONV NETS: EXTENSIONSBypool ing"(e. g. max or average)filterresponses at different locations we gain Over the years. some new medes have proven to be veryrubustness to the exact spatial location effective when plugged inte corv-netsof featuresL2 PoolingU, kEN(x,r)Local Contrast normalizationhN(x y)iN(xvIRenato总之,卷积网络的核心思想是将:局部感受野、权值共享(或者权值复制)以及时间或空间亚采样这三种结构思想结合起来获得了某种程度的位移、尺度、形变不变性。23实例视觉皮层存在两类相关的细胞,S细胞( Simple Cel)和C( Complex Cell)细胞。S细胞在自身的感受野内最大限度地对图像中类似边缘模式的剌激做出响应,而C细胞具有更大的感受野,它可以对图像中产生刺激的模式的空间位置进行精准地定位C是卷积层,S是下采样层。参看这个两个网址,对理解CNN非常有帮助http://www.68idc.cn/help/buildlang/ask/20150705417730.htmlhttp://www.68idc.cn/help/buildlang/ask/20150705419299.html涵pC1s2c384江蘇鴻網互刷三 -TOLERc是卷积层,S是下采样层。输入的一幅图像,在C1层,通过和3个卷积模板做卷积运算,然后加上偏置值,再经过 sigmoid激活函数,得到3幅输出图像,在S2层,对C1层输出的3幅图像做下采样,假设采样因子是2,也就是图中每2*2的 patch中的4个像素进行求和,再加偏置,再通过激活函数,得到3张尺寸减小了的输出图像。同样的,再经过C3S4。将S4的输出拉成一个向量,输入传统的神经网络中,并得到输出24综合实例G1: feature maps8@28X28C3: f. mapInp ut20@10x1032×32S1: f. mapsS4: f. maps@14x1420@5x5C5:120Output: 9ConvolutionsSubsamplingSubsamplingconnectionConvolutions og. Csdn. n Convolutions 688图中的卷积网终Ⅰ作流程如下,输入层由32×32个感知节点组成,接收原始图像。然后,计算流程在卷积和子抽样之间交替进行,如下所述·第一隐藏层进行卷积,它由8个特征映射组成,每个特征映射由28×28个神经元组成,每个神经元指定一个5×5的接受域,这28×28个神经元共享5×5个权值参数,即卷积核第二隐藏层实现子抽样和局部平均,它同样由8个特征映射组成,但其每个特征映射由14×14个神经元组成。每个神经元具有一个2×2的接受域,一个可训练系数,一个可训练偏置和一个 sigmoid激活函数。可训练系数和偏置控制神经元的操作点;第三隐藏层进行第二次卷积,它由20个特征映射组成,每个特征映射由10×10个神经元组成。该隐藏层中的每个神经元可能具有和下一个隐藏层几个特征映射相连的突触连接,它以与第一个卷积层相似的方式操作。第四个隐藏层进行第二次子抽样和局部平均汁算。它由20个特征映射组成,但每个特征映射由5×5个神经元组成,它以与第一次抽样相似的方式操作。●第五个隐藏层实现卷积的最后阶段,它由120个神经元组成,每个神经元指定一个5×5的接受域。最后是个全连接层,得到输出向量。综合起来,如下图山辆入员/閩张38的圈像辆入|种特图到C28×28KD卷,:对应位遇相森再未和⊙如偏置每种图有个偏置a老积层f同治减函数6↑5的卷铝kC6个偏置值b输邶钟培钲图24X0mno:22域的值平均坐smle=2辆入6种征图列12|2k2个55的着核kKk22个偏置值b辆出12钟特钲图8×88×g年怦居D mean pooL斜样9=2s输出口钟特征图4x叶把S园輪出的特征图垣成一年向量入,维,:平4x×12=12F房入节点有2个192资接的神经刚络W1,09W参教W:20×192矩阵爹教bho0x1向量oh辆出节点有个,国为baby的度是o·上图中28如何变成24的?12如何变成8的?详情见这个网址:hto:/ud. stanfordedu/wki/ index. php/ Featureextractionusing convolution这个过程中,有这么几个参数:a.深度 depth:神经元个数,决定输出的dept厚度。同时代表滤波器个数。*b.步长 stride:决定滑动多少步可以到边缘。C.填充值zero- padding:在外围边缘补充若干圈0,方便从初始位置以步长为单位可以刚好滑倒末尾位置,通俗地讲就是为了总长能被步长整除。最左边一列是输入层,第二列是第一个滤波器(W0),第三列是第二个滤波器(W1),第四列是输出层。*该图有两个神经元,即 depth=2,意味着有两个滤波器数据窗口每次移动两个步长取3*3的局部数据,即stde=2。zero-padding=13cNN的激励层与池化层ReLU激励层不要用 sigmoid,因为它容易饱和、造成终止梯度传递,且没有0中心化ReLU的优点是收敛快,求梯度简单。·池化poo层池化,简言之,即取区域平均或最大,如下图所示Single depth slice1124Xmax pool with 2X2 filters5678 and stride 26832234304y参考文献:·htp:/ yann lecun. com/exdb/lenet/index. html( Yann securη实现的CNN演示,以动画的形式演示了位移、加噪、旋转、压缩等识别,最有价值的是把隐层用图像显示出来了,很生动形象)
- 2021-05-07下载
- 积分：1
-
Origin_2017_入门指南
带书签，详细易懂的入门指南
- 2020-12-06下载
- 积分：1
-
自动驾驶系列报告一---综合篇
自动驾驶产业格局、自动驾驶解决方案、自动驾驶芯片、传感器、车联网国金证券SINOLINKSECURITIES行业深度研究图表年加州报告披露路测成绩图表:与克莱斯勒合作车辆及其硬件系统图表发展历程图表:百度平台技术框架图表:百度计划成员单位图表:百度划成员单位图表:百度十划成员单位(按产业链分部分)图表:特斯拉功能图表:奧迪自动驾驶传感器系统图表:特斯拉奥迪图表:自动驾驶芯片主要产品性能图表:未来专用计算平台将成为主流图表系列图表计算平台图表:地平线“征程”自动驾驶芯片图表:各类传感器特点图表:激光雷达原理图表:激光雷达效果图表:激光雷达优缺点图表产品信息图表:新128线激光雷达图表激光雷达芯片图表激光雷达生产线图表:国内主要激光雷达产品信息图表调制亳米波雷达原理图表:毫米波需达类别图表:毫米波雷达优缺点图表:行易道毫米波雷达参数图表:承泰科技毫米波雷达应用图表:苏州豪米波产品基本信息图表:纳雷科技产品基本信息图表:摄像头优缺点图表:车载摄像头产业链图表年全球市场占比图表:舜宇光学车载镜头出货量图表:舜宇光学车载镜头出货量增长率图表:舜宇光学年出货量图表:欧菲科技智能汽车业务收入图表:车联网的应用敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究图表:车联网供应链架构图表:车联网发展趋势图表:我国车联网市场规模(亿美元)图表:三旗通信车联网产品图表:三旗通信合作伙伴图表:英卡科技服务结构图图表系列无线数据记录仪图表卫星定位汽车行驶记录仪图表系统图表系统图表:四维图新“趣驾”系统图表在车联网构架上是核心环节图表:奔驰年新一代车载信息终端系统图表系统的盈利模式图表系统总附加值拆解图表:全球从事系统主要企业图表:国外主要汽车企业所用的系统图表:国内从事系统主要企业图表:国内主要汽车企业所用的系统图表前装和后装市场规模测算(亿元)图表:公司系统分类及主营产品图表:驾驶员控制系统图表:智能车联电子系统图表:华阳集团产品图表:车载信息娱乐系统图表:显示模组与系统图表:高精地图与普通导航电子地图的区别图表:高精地图与普通导航电子地图的区别图表:高精地图头部厂商情况敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究、总论:自动驾驶与电动化、共享化改变汽车产业格局和出行方式意义:与汽车电动化、共享化的趋势结合自动驾驶与汽车电动化、共享化的趋势结合。相比与传统的汽车行业,电动车在系统控制与执行层面更适合自动驾驶,而自动驾驶与车联网的结合、汽车共享化的趋势,能够有效的预防交通事故、同时减少拥堵、提高道路的通行效率,使其容纳不断上升的通流量。未来的出行方式以及汽车本身都将会有很大的变化,由此带来巨大的新兴市场。美国年轻人首次申领驾照人数比例持续下降,自年起,美国肯年群体(岁)驾照持有人数几乎以每年递减;岁各年龄层的驾照持有率均出现了下降,以岁为例,年持有驾照的人数比例下降近;反怏出了即使是美囯这样车轮子上的国家,年轻人不再那么迫切的去考鸳照,共享出行已经可以满足出行需求。图表:美国年轻人首次中领驾照人数比例持续下摩岁有驾照人数来源:匡金证券研究所年美国市场售出万辆二手车(历史最大值),其中即近万人将成为“无车一族”,不再选择买新车而是选择使用以及公共交通解决通勤,也反映出美国市场对于共享出行方式的认可。图表:美国二手车卖家卖车后的选择选择UberLyftt等叫车软件9%其他或不确定,14%买了另辆车或还有一辆车77%来源:路透社,囯金证券研究所敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究我国市场接受度更高。我国市场对于汽车电动化、共享化以及自动化的接受度更高,产业投入更大,预计年自动驾驶的汽车会占据整体出行里程的以上,由此带来的千亿美元规模的新兴市场有待开发。图表:我因出行方式里程比100%90%80%70%60%50%40%30%20%10%0%20172018201920202021202220232024202520262027202820292030自驾私家车自动私家车自驾共享车辆自动共享车辆来源:因会证券研究所分级:人类驾驶逐级步入车辆自动驾驶自动驾驶定义ε即让汽车自己拥有环境感知、路径规划并自主实现车辆控制的技术,也就是用电子技术控制汽车进行的仿人驾驶或是自动驾驶。根据人与车辆控制的程度不同,美国汽车工程师协会界定了五级自动驾驶方業,目前在基础上,到级刑的自动驾驶将迳渐成为新车型的标配产生大量新增需求,这是目前主要的投资机会到的完全自动驾驶也在逐渐成熟中,一旦商业化将影响产业的未来。敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究图表;美国汽车工程师加会自动驾分级Execution ofFallbackManitoringSystemSAElevelNameNarrative DefinitionAcceleration/ of Driving, of Dynamic(DrivingDecelerationEnvironment Driving Task Modes)Human driver monitors the driving environmentNothe full-time per formance by the human driver of allAutomation aspects of the dynamic driving task, even when enhanced Human driver Human driver Human driverthe driving mode-specific execution by a driver assistancestem of either steering or acceleration/deceleration using Human drver Human driver Human driver some drivingAssistance information about the driving environment and with theand systemmodesaspects of the dynamic ariving taskthe driving mode-specific execution by one or more driverassistance systems of both steering and acceleration/Partial decelerat on using information about the drivingAutomation environment and with the expectation that the humanSystem Human driver Human driverSome drivingmodesdriver perform all remaining aspects of the dynamic arivingtaskAutomated driving system("system")monitors the driving environmentthe driving mode-specific performance by an automated3Conditional driving system of all aspects of the dynamic driving tasksystemHuman driver Some drivingAutomation with the expectation that the human driver will respondmodesappropr iately to a request to intervenethe driving mode-specific performance by an automa: edHigh driving system of all aspects of the dynamic driving task,SystemSystemSystemSome drivingAutomation even if a human driver does not respond appropriately to amodesequest to intervenethe full-time performance by an automated driving system5Fullof all aspects of the dynamic driving task under all roadwaySystemAll drivingAutomation and environmental conditions that can be managed by amodeshuman drver国金证券研究所代表没有自动驾驶介入的传统人类驾驶。级能够对方向盘和加减速中的单项操作给与支持。比如已经广泛应用的自适应巡航()功能,即能够通过雷达探测与前车的实时距离自动控制加减速,从而保持与前车的安全距离。级能够同时对方向盘和加减速中的多项操作给与支持。如果汽车除了具备上面级描述中的自造应巡航外,同时还具备车道保持()功能,或者自动变道功能,那则属于级自动驾驶级之前环境的观察者都是人,进入则意味着道路环境的观察和驾驶操作都由系统来完成,人只需要对所有的系统请求进行应答。系统已经完全能够识別出直线、弯道、红绿灯、限速路牌,路上行走奔跑的人猫狗等等各种环境变量。环境观察和驾駛操作都由系统来完成,人只需要对所有的系统请求进行应答。比如突然下雨了,检测到地面湿滑是否需要减速;比如裣测到前方车辆行驶过慢是否需要超车;检测到前方有人在车道较近处走动是否需要呜笛提醒等等,这些请求系统会反馈给驾驶员,由人来做决定。级驾驶操作和环境观察仍然都由系统完成,人只需要在某些复杂情况进行应答。比如只需要在某些复杂地形或者天气恶劣的情况时,才需要人对系统请求做出决策,而其他情况下系统能独自应付自动驾驶。级就是完全的自动驾驶状态,车上没有方向盘,没有刹车,没有油门,完全不需要人的介入。敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究图表;人类驾欤逐级步入车辆自动驾驶HumanMachineLEVEL OLEVELTLEVEL 2VEL4LEVEL 5No driverAwarenessInterventionLongitudinal orTrafficfor Take OverNo ActiveTransverseControlAssistanceulaeNo DriverNo Take OverystemLongitudinalTake OverRequestLongitudinal orRequestTransverseand TransverseGuideGuideHands onHands onHands Temp offHands offHands offHands offEyes onEyes Onyes Temp ofEyes offMind offDriver C仟fIiWAutobahn(SA)City(Ride Sharing)来源国金诬券研究所实现:通过决策层、感知层、执行层■自动驾驶系统通常可分为决策层、感知层、执行层,以及高精地图和车联网的支持图表:自动驾狄实现层级自动车联网驾驶云端地图中控制器车端C|D感知层执行层摄像头转向制动动力雷达芯片模块来源:国金证桊研究所感知层:环境信息和车内信息的采集与处理。这方面涉及到道路边界检测、车辆检测、行人检测等技术,即传感器技术,所用到的传感器一般都会有敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究激光雷达、摄像头、毫米波雷达、超声波雪达、速度和加速庋传感器等等由于各个传感器在设计的时候有各自的局限性,总个传感器满足不了各种工况下的精确感知,想要车辆在各砷环境下平稳运行,就需要运用到多传感器融合技术,该技术也是环境感知这一大类技术的关键技术所在,目前国内这方面和国外的主要差距也集中在多传感器融合方面。决策层:依据获取的信息来进行决策判断,确定适当工作模型制定相应控制策略,替代人类做出驾驶决策。这部分的功能类似于给车辆下达相应的任务,例如在车道保持、车道偏高预警、车距保持,障碍物警告等系统中需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态,先进的决策理论包括模糊推理、强化学习、神经网络和贝叶斯网络技术等。由于人类驾驶过程中所面临的路况与场景多种多样,且不同人对不同情况所做出的驾驶策略应对乜有所不同。因此驾驶决策算法的优化需要非常完善高效的人工智能模型以及大量的有效数据。这些数据需要尽可能的覆盖到各种罕见的路况,而这也是驾驶决策发展的最大瓶颈所在执行层:指系统在做出决策后,替代人类对车辆进行控制,反馈到底层模块执行任务。车辆的各个操控系统都需要能够通过总线与决策系统相链接并能够按照决策系统发岀的总线指令精确地控制加速程度,制动程度以及转向幅度等驾驶动作。高精地图以及车联网的支持,系统能够确定位置并规划一条可通行的路径实现智能车辆的自主导航;更进一步,车联网的应用一方面能够是出行更加方便智能,另一方面又能够护展汽车交通工具的属性,成为未来个人的移动平台。相关公司图表:自动驾驶相关公司公司名称代码收盘价业务索菱股份自动驾驶系统兴民智通、自动驾驶系统德赛西威、人机交互均胜电子人机交互系统华阳集团数字仪表东软集闭自动驾驶系统路畅科技自动驾驶系统巨星科技激光雷达中海达激光雷达华域汽车毫米波雷达舜宇光学车载摄像头欧菲科技车载摄像头四维图新高精度地图亚太股份自动驾驶制动系统耐世特自动驾驶转向系统金龙汽车整车来源:国佥证券研究所敬请参阅最后一页特别声明国金证券SINOLINKSECURITIES行业深度研究二、自动驾驶解决方案:整车厂和科技巨头蓄势待发厂商:投入巨大、成果显著传统整车厂如奧迪、特斯拉、通用、丰田、福特等公司均有自己的自动驾驶研发团队,在自动驾驶领域投入巨大,成果显著,如奧迪级自动驾駛系统已经量产上市。图表:厂商进展情况系统路径进展测试车队奥迪和并行级量产上市禾取摄像头毫米波雷达方案,目前年型具备能力,有万辆特斯拉白至能够传回驾驶数据,有大量驾驶里栏。马斯克最近宣布,覆盖各类驾驶场景的完全自动驾驶将在年年末到来通用和并行将生产数千辆自动驾驶汽车,用于出租车服务:亿美辆雪佛兰元收购亿美元入股直接年首先将自动驾驶车投入招车服务,亿美金收购辆沃尔沃丰田和并行己实现,车型正在测试,年实现完全无人驾驶能力亿关金收购,战略投资,拥有庞大福特直接自动驾驶测试车队,年自动驾驶汽年上路,用于共享出行,年辆年销售私人客户来源:公开資料、国金证桊研究所系统厂商:小联盟百度大联盟能够提供自动驾驶解决方案的系统厂商,目前以谷歌的和百度的为代表,图表:系统厂商进展情况系统路径进展测试车队年即起步,年组建年与克菜斯勒合作的放(谷歌直接无人驾驶车上市,预计年投入运营。已积累英里,每英里需人工干预次,遥遥领先竞争对手克菜斯勒,辆年成立自动驾驶事业部,年自动驾驶事业群组,李彦宏(百度)为主,支持宣布年小规模生产自动驾驶小巴车年大规模量产自动驾欤汽车测试年月进行深圳实地路测;此前进行了硅谷雨夜的路测。结果显示均较好。来源:公开资料、国金证券研究所■谷歌母公司旗下独立的专注自动驾驶系统开发的子公司。谷歌自年起启动自动驾驶项日,年成立独立实体图表发展历程时间开发进展年启动自动驾驶汽车项日,成立自动驾驶汽车团队,大范围采集街景数据,构建地图数据库年经由《纽约时报》,正式对外公布正在研发全自动驾驶汽车及以上年获得加州机动车管理局〈)颁布的自动驾驶汽车路测许可年正弌开始复杂情况下的城市道路实测年。设计(萤火虫)原型车并进行系列改装年公司重组为,开始和汽车制造商合作,不再亲自制造汽车本身年成立专注研究并商业化自动骂驶技术的独立实体公司年拿到美国高速公路安全管逗局(〕的认定文件,开启真人乘车试验年在亚利桑那州拿到美国首个商业自动驾驶打车服务执照来源:公司官网,国金证券研究所敬请参阅最后一页特别声明
- 2020-11-30下载
- 积分：1
-
Fanuc 机器人GSD文件
PROFINET设备集成到工业控制系统中，需提供描述设备模型特性的GSD文件以使工程工具对其进行组态。 PROFINET设备的GSD文件用GSDML语言描述。 PROFINET设备GSD文件一般包括以下内容： (1)总线接口(DAP=Device Access Point)； (2)所有可能的模块和子模块(Module/Submodule)，以及模块参数； (3)模块和子模块可用的槽和子槽(slots／Subslots)； (4)诊断信息(Diagnosis
- 2020-12-10下载
- 积分：1
-
javaweb文章发布系统
代码完整，数据库完整，使用mysql数据库
- 2020-12-04下载
- 积分：1
-
stm32下通过fsmc驱动fpga通讯的例程
3位地址线，16位数据线，RD WR CS控制信号片选信号，控制fsmc与fpga通信。
- 2021-05-06下载
- 积分：1
-
Android 网络调试助手
Android网络调试助手源代码
- 2020-11-03下载
- 积分：1
-
基于卡尔曼滤波算法在三维球轨迹中跟踪应用
【实例简介】三维空间下的球轨迹kalman跟踪，三种方法分别实现，具体请参考https://blog.csdn.net/cuixing001/article/details/84203398
- 2021-11-16 00:37:33下载
- 积分：1
-
人事管理系统（java数据库课程设计）+SQL数据库
员工各种信息：包括员工的基本信息，如编号、姓名、性别、学历、所属部门、毕业院校、健康情况、职称、职务、奖惩等；员工各种信息的修改；对转出、辞退、退休员工信息的删除；按照一定条件，查询、统计符合条件的员工信息；教师教学信息的录入：教师编号、姓名、课程编号、课程名称、课程时数、学分、课程性质等。科研信息的录入：教师编号、研究方向、课题研究情况、专利、论文及著作发表情况等。按条件查询、统计，结果打印输出。
- 2020-06-29下载
- 积分：1
|
联系客服（QQ：3324461878）
