发布时间：
去年，“四川大学华西临床医学院 2019 届毕业生发表 46 篇 SCI 文章”引起热议，在过去近一年之后，近日，这个话题再度被提起。 我发现，当事人 邓汉宇博士 ，目前已是四川大学华西医院肺癌中心（胸外组）医师， 四川大学华西临床医学院八年制本科 生导师 。担任Langenbeck's Archives of Surgery、PLOS ONE等 多个SCI杂志审稿人 。据邓博士的ResearchGate（一个科研社交网络服务网站）显示，邓博士目前已经发表 文章82篇 。其中一篇发表在 EJSO 上的文章 入选了ESI前1%高被引论文 （谷歌学术显示该论文已被引25次）。 入选ESI前1%高被引论文题为：“ Sarcopenia is an independent unfavorable prognostic factor of nonsmall cell lung cancer after surgical resection: A comprehensive systematic review and meta-analysis ”，邓博士发微博表示：“我们的精准肺外科诊疗研究论文继续成为ESI（到十一月/十二月2019为止）高水平论文！（Web of Science统计中， 四川大学外科学研究方向中仅有的5篇高水平论文之一！ ）”。 01 争议不断 是“开挂”还是灌水？ 去年，按照惯例，华西临床医学院公布了的2019届荣誉毕业生。但 3名荣誉毕业生发表的SCI数量之多，引起了大家的关注和质疑。 3个荣誉毕业生发表的文章分别为： 荣誉毕业生A：SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子大于120分。 荣誉毕业生B：SCI论文30多篇。 荣誉毕业生C：发表SCI论文31篇，影响因子分，其中第一/并列第一作者身份发表SCI论文20篇。 荣誉毕业生A就是争议最大的华西胸外科邓汉宇博士 ，从2016年入学以来，他已经发表SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子 大于120 分，40多篇论文包括： Original research：16 篇 Comments： 9 篇 Meta 分析：10 篇 其余为 letter。 很多网友质疑其文章的真实性和质量，认为无法在如此短的时间类完成这么多篇文章，是否存在抄袭和灌水的可能。甚至有华西医学院内部人士匿名评论。 46篇文章多为 2-3 分左右的期刊或者杂志，其中一篇 11 分左右的高分文章是 letter to editor，SCI 论文中一些 comments，letter 严格意义上来说并不算科研论文。 SCI杂志的文章的几种类型 Original Artical 论著： 这个是最为常见的一类，分为基础性和临床性文章。基础性文章就我国现在普遍在发的文章，属于前瞻性的一个研究，通俗的一个说法就是我们假设一个思路，然后通过实验来得出一个结论来证明我这个思路，得出的结果两种情况一个是阳性(符合我的思路)一个是阴性的(不符合)大家不要认为阴性的结国就发不了SCI，阴性的同样可以发SCI，可以想象它告诉了我们这样的思路是得不出来这样的结果，也是对国际科研的一个贡献。这类文章需要经过peer review，审稿周期较长，哪怕是低分杂志，从投稿到录用半年多是家常便饭。 Review： 也就是综述，是在对某研究领域的文献进行广泛阅读和理解的基础上，对该领域研究成果的综合和思考。一般认为，学术文章没有综述是不可思议的。需要将“文献综述( Literature Review)” 与“背景描述 (Backupground Deion)”区分开来。“文献综述”并非一般的“背景描述”，还需要对该领域研究成果的思考。 Meta分析： 针对一个不同研究得出的结果有争议的科学问题，利用统计学方法将这些研究（以RCT为主）的结果放在一起，得出结论的文章。 Comment、invitedcommentary、editorial评论： 对最新发表(时效性)的某篇论文进行评论，一般是杂志邀请相关领域专家进行受邀评论，被评论的文章往往具有重大临床或科研意义。录用周期较短，基本可以控制在一周内。 Letter to editor： 致编辑函/信是读者针对某篇感兴趣的文章写的读后感，或延续要告诉期刊内容。字数限制约300-500字，也有杂志要求不超过150字，一般无具体格式要求。杂志接受针对最新发表论文写的letter(时效性)，超过规定的时间不再接收。 读者若具备相应研究基础，能提出独到观点，一般容易被杂志接收，甚至是一些顶级杂志。 因为不同类型的SCI撰写难易度和接受周期不一样，综合来看， 三年一作发46篇SCI是一个可以做到的事情。 网友争议的点主要集中在邓博士发表的文章类型和 文章质量。 根据 2019 年公布的影响因子，计算 Nature、Science、Cell 三大顶级期刊杂志影响因子总和为： 也就是说邓博士三年发表论文影响因子达到了 CNS 之和。 试想如果邓博士三年发了 CNS 级别杂志的一作文章，相信他作为博士毕业生的优秀代表不会引起任何非议。 因此，网络上对邓博士的评论，渐渐的分成了两个大阵营： 一种认为，这就是一种论文“灌水”行为。 孔柚： 我只能承认他很能写，是不是灌水，有没有含金量，也只有他本人知道了。 fromiccas： 不喜欢灌水型研究，真要比，井冈山大学不是还有人一年一百多篇吗？我是希望学生都能够在主流杂志上发表文章，但是我的学生能发到macromolecules我就心满意足了。做研究，要有代表性的方向，代表性的工作。 知行合一： 三年46篇，三年就是36个月，不到一个月一篇，这种短平快的东西做出来能有多大学术价值，我表示怀疑。 一种则认为，“承认别人的优秀没那么难，能发这么多篇是能力的一种体现。” Jenny： 没问题啊，那是人家能力和实力，存在就是合理的。他又没造假。 E.： 如果没有科研条件去写高分的，小课题做的快，多发几篇也是错吗？况且 16篇research都是实实在在的呀，没事时看看别人的研究写写与自己课题相关的letter和meta 也是一种努力啊，为什么要说人家水？个人觉得他只是在能力范围能尽了全力而已。 木兰舟： 那也不可否认16篇original article。三年16篇还要怎样。 02 本人发文回应 瞎喷没用，干点实事提升自己才是正经 面对争议，2019年8月20日，邓博士本人在知乎上曾对此事进行了回应： 我是四川大学华西临床医学院2019届荣誉毕业生本人(这里需要解释一下，我们荣誉毕业生是针对本科生，八年制是作为本科生进行评比，所以不涉及和传统博士的评比；其次，荣誉毕业生是同专业同学选举出来，而不是学院老师指定)。等最近忙空了，我想在知乎上给大家分享sci思维、写作、投稿等方面的经验，希望能够让没有sci的同学，也能够有机会发表sci，至少能够不为毕业而焦头烂额。在这里给大家谈几点自己的想法： 第一，我是华西临床医学院的8年制本硕博连读专业的学生（2011年入学）。华西的八年制，大概比清华北大录取线少20分左右吧。八年前，我高考失利，与清华北大无缘(可以去我的高中调查一下真相)，于是选择学医，选择八年制。所以，本人学习能力可能比较强吧，因此读文献、写文章的能力也相对来说比较强吧。 第二，8年的时间里，我分成了两个阶段。前4年的本科学习，所以我花了高中努力程度的70%，轻松达到平均分90分的成绩，单科解剖学，诊断学等临床基础课程，专业第一。临床功底，可以去春雨医生或者好大夫检索一下我的治病救人诊疗经验以及病人对我的评价。后4年研究生的学习，我很庆幸自己选择了胸外科专业，因为我热爱这个专业，我每天看专业文献就像放松心情一样地娱乐，所以我会写原始研究，写meta分析，写letter表达自己的想法和观点(请注意，这是我的爱好，因为能够和全世界胸外科医师交流，这是我感觉愉悦的事情。)。做科研，在我最开始的时候，我是抵制的。后来培养了兴趣，尤其是我能够把临床问题，转化为科研（所以我的文章，都是临床的。关于基础研究，我确实不太通晓），为我的病人提供最新的诊疗意见，我觉得值了。(可以参考一下我在春雨或者好大夫平台发表的自己的研究成果)。 第三，我对待科研文章，如同对待挚友，进行交流和学习。 不做科研的医生，不是一名合格的医生，因为他不懂得思考和解决临床问题，一味地去接受他人的观点，没有自己的想法，不去解决自己的问题的医生，是很危险的。因为病人情况都是个体化的，医学作为实践性经验性学科，就是需要发现问题，解决问题。这里补充一下——胸外科有很多没有一致定论的东西，包括早期肺癌的手术，如果一个医生不去思考如何为病人做一次最佳的切除范围，那他只会给病人和家属带来不必要的担心，甚至术后复发转移。我见过太多这些的医生，所以我才发出此感慨。 第四，关于灌水。 我很庆幸我选择自己感兴趣的研究方向，发表在自己的专业杂志上，没办法我们胸外科相关的杂志，大概就是几分的水平。试问，高影响因子的文章，谁不想要呢？但我想，懂行情的人都会知道，不是每一个学生都有这样的机会和资源！况且，各大医院的院长、主任们，也不见得都是发表高影响因子的文章吧。 第五，大家如果感兴趣，我很愿意和大家分享科研经验： 微博： 第六，我最后给大家解释一下，我在最后三年，也就是从2016年开始，在华西医院各科室实习一年，从2017年，在华西医院肺癌中心上临床作为住院医师参与一线工作(收治病人、值班等)一年半左右。 最后半年多时间里，完成专业博士毕业论文。 第七，我总结我以上所说的，我并不觉得自己怎么样怎么样，大学的八年里，相比于其他的荣誉毕业生，别人从一开始就叱咤风云，而我并不属于学院的知名人物（毕竟我不喜欢搞学生会工作，不喜欢互联网竞赛，不喜欢加各种协会……我们同一届的其他专业的，大多都没有听说过我这个名字），没想到在最后毕业的时候被选出来作为本科荣誉毕业生，我只是觉得自己的付出和努力，没有白费。我常常给同学朋友开玩笑说，“我是拿了5年的励志奖学金，最后一年终于励志成功，拿到了国家奖学金”。 最后总结一下，我做这一次的正面回应网络各种形形色色的人，就是要让你们知道，大学里努力了的人，你们瞎喷、瞎黑，是没有用的！别一天没事干了，吃饱了就在网络上消化，干点实事，努力提升自己的专业和学习能力，对你自己才是最好的！ 邓汉宇，男，中共党员，胸外科博士，四川大学华西医院肺癌中心（胸外组）医师，四川大学华西临床医学院八年制本科生导师。师从于被誉为“中国肺外科第一人”的周清华教授，获四川大学临床医学学士学位及胸外科学博士学位。现为欧洲胸外科医师协会（ESTS）会员、美国外科医师学院（ACS）会员、国际肺癌研究协会（IASLC）会员、中华医学会胸心血管外科分会会员、中国抗癌协会肺癌专业委员会会员、中国抗癌协会癌症转移专业委员会会员。 累计发表论文60余篇，其中以第一作者、共同第一作者、通讯作者身份在JAMA Surgery、European Respiratory Journal、Annals of Thoracic Surgery、European Journal of Cardio-Thoracic Surgery、Annals of Surgical Oncology、World Journal of Surgery、European Journal of Surgical Oncology、Diseases of the Esophagus、Interactive Cardiovascular and Thoracic Surgery、Journal of Thoracic Disease等杂志发表胸部肿瘤外科学相关英文SCI文章50余篇，累计影响因子大于120分（）。受邀作为Langenbeck's Archives of Surgery、Annals of Surgical Oncology、PLOS ONE、World Journal of Surgical Oncology、Journal of Investigative Surgery等SCI杂志审稿人。多次受邀参加ISDE、OESO、ASCVTS、ESTS、MRS、WCLC等国际会议以及中华医学会胸心血管外科分会年会、青年医师论坛、川渝食管癌年会及四川省胸心血管外科年会并作大会发言和壁报展示。荣获2017年中华医学会胸心血管外科分会青年医师论坛优秀论文三等奖、2019年中华医学会胸心血管外科分会青年医师论坛优秀论文二等奖。 虽然回应的最后言辞比较激烈，但 平心而论，邓博士绝对算得上优秀。 在现行评价体系下，每个医院的评价体系不同，邓博士虽有争议，但无可厚非。其发表在EJSO上的一篇一作文章还入选了ESI前1%高被引论文。 2月23日， 科技部正式印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》通知，明确要求破除“唯论文”论不良导向，鼓励发“三高”论文，过几年再看，会不会是另外一番景象？ 你怎么看？ 本文由 科研大匠 综合自知乎、@邓汉宇ResearchGate、微博，华西医院等
神经网络的是我的毕业论文的一部分4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理。这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。人工神经网络学习的原理人工神经网络首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。 所以网络学习的准则应该是：如果网络做出错误的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图像模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能做出正确的判断。 如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够做出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。人工神经网络的优缺点人工神经网络由于模拟了大脑神经元的组织方式而具有了人脑功能的一些基本特征，为人工智能的研究开辟了新的途径，神经网络具有的优点在于:（1）并行分布性处理因为人工神经网络中的神经元排列并不是杂乱无章的，往往是分层或以一种有规律的序列排列，信号可以同时到达一批神经元的输入端，这种结构非常适合并行计算。同时如果将每一个神经元看作是一个小的处理单元，则整个系统可以是一个分布式计算系统，这样就避免了以往的“匹配冲突”，“组合爆炸”和“无穷递归”等题，推理速度快。（2）可学习性一个相对很小的人工神经网络可存储大量的专家知识，并且能根据学习算法，或者利用样本指导系统来模拟现实环境(称为有教师学习)，或者对输入进行自适应学习(称为无教师学习)，不断地自动学习，完善知识的存储。（3）鲁棒性和容错性由于采用大量的神经元及其相互连接，具有联想记忆与联想映射能力，可以增强专家系统的容错能力，人工神经网络中少量的神经元发生失效或错误，不会对系统整体功能带来严重的影响。而且克服了传统专家系统中存在的“知识窄台阶”问题。（4）泛化能力人工神经网络是一类大规模的非线形系统，这就提供了系统自组织和协同的潜力。它能充分逼近复杂的非线形关系。当输入发生较小变化，其输出能够与原输入产生的输出保持相当小的差距。（5）具有统一的内部知识表示形式，任何知识规则都可以通过对范例的学习存储于同一个神经网络的各连接权值中，便于知识库的组织管理，通用性强。虽然人工神经网络有很多优点，但基于其固有的内在机理，人工神经网络也不可避免的存在自己的弱点:（1）最严重的问题是没能力来解释自己的推理过程和推理依据。（2）神经网络不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。（3）神经网络把一切问题的特征都变为数字，把一切推理都变为数值计算，其结果势必是丢失信息。（4）神经网络的理论和学习算法还有待于进一步完善和提高。神经网络的发展趋势及在柴油机故障诊断中的可行性神经网络为现代复杂大系统的状态监测和故障诊断提供了全新的理论方法和技术实现手段。神经网络专家系统是一类新的知识表达体系，与传统专家系统的高层逻辑模型不同，它是一种低层数值模型，信息处理是通过大量的简单处理元件(结点) 之间的相互作用而进行的。由于它的分布式信息保持方式，为专家系统知识的获取与表达以及推理提供了全新的方式。它将逻辑推理与数值运算相结合，利用神经网络的学习功能、联想记忆功能、分布式并行信息处理功能，解决诊断系统中的不确定性知识表示、获取和并行推理等问题。通过对经验样本的学习，将专家知识以权值和阈值的形式存储在网络中，并且利用网络的信息保持性来完成不精确诊断推理，较好地模拟了专家凭经验、直觉而不是复杂的计算的推理过程。但是，该技术是一个多学科知识交叉应用的领域，是一个不十分成熟的学科。一方面，装备的故障相当复杂;另一方面，人工神经网络本身尚有诸多不足之处:（1）受限于脑科学的已有研究成果。由于生理实验的困难性，目前对于人脑思维与记忆机制的认识还很肤浅。（2）尚未建立起完整成熟的理论体系。目前已提出了众多的人工神经网络模型，归纳起来，这些模型一般都是一个由结点及其互连构成的有向拓扑网，结点间互连强度所构成的矩阵，可通过某种学习策略建立起来。但仅这一共性，不足以构成一个完整的体系。这些学习策略大多是各行其是而无法统一于一个完整的框架之中。（3）带有浓厚的策略色彩。这是在没有统一的基础理论支持下，为解决某些应用，而诱发出的自然结果。（4）与传统计算技术的接口不成熟。人工神经网络技术决不能全面替代传统计算技术，而只能在某些方面与之互补，从而需要进一步解决与传统计算技术的接口问题，才能获得自身的发展。虽然人工神经网络目前存在诸多不足，但是神经网络和传统专家系统相结合的智能故障诊断技术仍将是以后研究与应用的热点。它最大限度地发挥两者的优势。神经网络擅长数值计算，适合进行浅层次的经验推理;专家系统的特点是符号推理，适合进行深层次的逻辑推理。智能系统以并行工作方式运行，既扩大了状态监测和故障诊断的范围，又可满足状态监测和故障诊断的实时性要求。既强调符号推理，又注重数值计算，因此能适应当前故障诊断系统的基本特征和发展趋势。随着人工神经网络的不断发展与完善，它将在智能故障诊断中得到广泛的应用。根据神经网络上述的各类优缺点，目前有将神经网络与传统的专家系统结合起来的研究倾向，建造所谓的神经网络专家系统。理论分析与使用实践表明，神经网络专家系统较好地结合了两者的优点而得到更广泛的研究和应用。离心式制冷压缩机的构造和工作原理与离心式鼓风机极为相似。但它的工作原理与活塞式压缩机有根本的区别，它不是利用汽缸容积减小的方式来提高汽体的压力，而是依靠动能的变化来提高汽体压力。离心式压缩机具有带叶片的工作轮，当工作轮转动时，叶片就带动汽体运动或者使汽体得到动能，然后使部分动能转化为压力能从而提高汽体的压力。这种压缩机由于它工作时不断地将制冷剂蒸汽吸入，又不断地沿半径方向被甩出去，所以称这种型式的压缩机为离心式压缩机。其中根据压缩机中安装的工作轮数量的多少，分为单级式和多级式。如果只有一个工作轮，就称为单级离心式压缩机，如果是由几个工作轮串联而组成，就称为多级离心式压缩机。在空调中，由于压力增高较少，所以一般都是采用单级，其它方面所用的离心式制冷压缩机大都是多级的。单级离心式制冷压缩机的构造主要由工作轮、扩压器和蜗壳等所组成。 压缩机工作时制冷剂蒸汽由吸汽口轴向进入吸汽室，并在吸汽室的导流作用引导由蒸发器(或中间冷却器)来的制冷剂蒸汽均匀地进入高速旋转的工作轮3(工作轮也称叶轮，它是离心式制冷压缩机的重要部件，因为只有通过工作轮才能将能量传给汽体)。汽体在叶片作用下，一边跟着工作轮作高速旋转，一边由于受离心力的作用，在叶片槽道中作扩压流动，从而使汽体的压力和速度都得到提高。由工作轮出来的汽体再进入截面积逐渐扩大的扩压器4(因为汽体从工作轮流出时具有较高的流速，扩压器便把动能部分地转化为压力能，从而提高汽体的压力)。汽体流过扩压器时速度减小，而压力则进一步提高。经扩压器后汽体汇集到蜗壳中，再经排气口引导至中间冷却器或冷凝器中。 二、离心式制冷压缩机的特点与特性 离心式制冷压缩机与活塞式制冷压缩机相比较，具有下列优点： (1)单机制冷量大，在制冷量相同时它的体积小，占地面积少，重量较活塞式轻5～8倍。 (2)由于它没有汽阀活塞环等易损部件，又没有曲柄连杆机构，因而工作可靠、运转平稳、噪音小、操作简单、维护费用低。 (3)工作轮和机壳之间没有摩擦，无需润滑。故制冷剂蒸汽与润滑油不接触，从而提高了蒸发器和冷凝器的传热性能。 (4)能经济方便的调节制冷量且调节的范围较大。 (5)对制冷剂的适应性差，一台结构一定的离心式制冷压缩机只能适应一种制冷剂。 (6)由于适宜采用分子量比较大的制冷剂，故只适用于大制冷量，一般都在25～30万大卡／时以上。如制冷量太少，则要求流量小，流道窄，从而使流动阻力大，效率低。但近年来经过不断改进，用于空调的离心式制冷压缩机，单机制冷量可以小到10万大卡／时左右。 制冷与冷凝温度、蒸发温度的关系。 由物理学可知，回转体的动量矩的变化等于外力矩，则 T=m(C2UR2-C1UR1) 两边都乘以角速度ω，得 Tω=m(C2UωR2-C1UωR1) 也就是说主轴上的外加功率N为： N=m(U2C2U-U1C1U) 上式两边同除以m则得叶轮给予单位质量制冷剂蒸汽的功即叶轮的理论能量头。 U2 C2 ω2 C2U R1 R2 ω1 C1 U1 C2r β 离心式制冷压缩机的特性是指理论能量头与流量之间变化关系，也可以表示成制冷 W=U2C2U-U1C1U≈U2C2U （因为进口C1U≈0） 又C2U=U2-C2rctgβ C2r=Vυ1/(A2υ2) 故有 W= U22(1- Vυ1 ctgβ) A2υ2U2 式中：V—叶轮吸入蒸汽的容积流量（m3/s） υ1υ2 ——分别为叶轮入口和出口处的蒸汽比容（m3/kg） A2、U2—叶轮外缘出口面积(m2)与圆周速度(m/s) β—叶片安装角 由上式可见，理论能量头W与压缩机结构、转速、冷凝温度、蒸发温度及叶轮吸入蒸汽容积流量有关。对于结构一定、转速一定的压缩机来说，U2、A2、β皆为常量，则理论能量头W仅与流量V、蒸发温度、冷凝温度有关。 按照离心式制冷压缩机的特性，宜采用分子量比较大的制冷剂，目前离心式制冷机所用的制冷剂有F—11、F—12、F—22、F—113和F—114等。我国目前在空调用离心式压缩机中应用得最广泛的是F—11和F—12，且通常是在蒸发温度不太低和大制冷量的情况下，选用离心式制冷压缩机。此外，在石油化学工业中离心式的制冷压缩机则采用丙烯、乙烯作为制冷剂，只有制冷量特别大的离心式压缩机才用氨作为制冷剂。 三、离心式制冷压缩机的调节 离心式制冷压缩机和其它制冷设备共同构成一个能量供给与消耗的统一系统。制冷机组在运行时，只有当通过压缩机的制冷剂的流量与通过设备的流量相等时，以及压缩机所产生的能量头与制冷设备的阻力相适应时，制冷系统的工况才能保持稳定。但是制冷机的负荷总是随外界条件与用户对冷量的使用情况而变化的，因此为了适应用户对冷负荷变化的需要和安全经济运行，就需要根据外界的变化对制冷机组进行调节，离心式制冷机组制冷量的调节有：1°改变压缩机的转速；2°采用可转动的进口导叶；3°改变冷凝器的进水量；4°进汽节流等几种方式，其中最常用的是转动进口导叶调节和进汽节流两种调节方法。所谓转动进口导叶调节，就是转动压缩机进口处的导流叶片以使进入到叶轮去的汽体产生旋绕，从而使工作轮加给汽体的动能发生变化来调节制冷量。所谓进汽节流调节，就是在压缩机前的进汽管道上安装一个调节阀，如要改变压缩机的工况时，就调节阀门的大小，通过节流使压缩机进口的压力降低，从而实现调节制冷量。离心式压缩机制冷量的调节最经济有效的方法就是改变进口导叶角度，以改变蒸汽进入叶轮的速度方向(C1U)和流量V。但流量V必须控制在稳定工作范围内，以免效率下降。
简单说，神经就是神经元，用于存储单个的信息，网络就是利用各神经元共同协作处理信息的功能。这是人脑的处理方式，而人工神经网络就是模拟人脑来处理各种问题。应用在图像识别上，就是预先将已知的图像特征分成很多个小点，逐个作为神经元存储，这点是必须的，在神经元存储到一定范围后，就可以应用神经网络的协作能力去识别其他的图像了。另外，神经网络还有学习记忆功能，他会在实际使用中不断丰富自己的神经元，从而使后面的图像识别更加快速，准确。 你的论文应该更多的强调神经网络的优越性，至于算法等概念，理解后，作为介绍COPY过来就好。相关书籍：《神经网络》作 者： 候媛彬，杜京义，汪梅 出 版 社： 西安电子科技大学出版社 这本书我没看过，我们自编的教材中有部分资料是参考这里的。
随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。以下是我整理分享的人工智能神经网络论文的相关资料，欢迎阅读!
人工神经网络的发展及应用
摘要随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段，是人工智能的重要组成部分，并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾，并对其在各个领域的应用情况进行探讨。
关键词人工神经网络;发展;应用
随着科学技术的发展，各个行业和领域都在进行人工智能化的研究工作，已经成为专家学者研究的热点。人工神经网络就是在人工智能基础上发展而来的重要分支，对人工智能的发展具有重要的促进作用。人工神经网络从形成之初发展至今，经历了不同的发展阶段，并且在经济、生物、医学等领域得到了广泛的应用，解决了许多技术上的难题。
1人工神经网络概述
关于人工神经网络，到目前为止还没有一个得到广泛认可的统一定义，综合各专家学者的观点可以将人工神经网络简单的概括为是模仿人脑的结构和功能的计算机信息处理系统[1]。人工神经网络具有自身的发展特性，其具有很强的并行结构以及并行处理的能力，在实时和动态控制时能够起到很好的作用;人工神经网络具有非线性映射的特性，对处理非线性控制的问题时能给予一定的帮助;人工神经网络可以通过训练掌握数据归纳和处理的能力，因此在数学模型等难以处理时对问题进行解决;人工神经网络的适应性和集成性很强，能够适应不同规模的信息处理和大规模集成数据的处理与控制;人工神经网络不但在软件技术上比较成熟，而且近年来在硬件方面也得到了较大发展，提高了人工神经网络系统的信息处理能力。
2人工神经网络的发展历程
萌芽时期
在20世纪40年代，生物学家McCulloch与数学家Pitts共同发表文章，第一次提出了关于神经元的模型M-P模型，这一理论的提出为神经网络模型的研究和开发奠定了基础，在此基础上人工神经网络研究逐渐展开。1951年，心理学家Hebb提出了关于连接权数值强化的法则，为神经网络的学习功能开发进行了铺垫。之后生物学家Eccles通过实验证实了突触的真实分流，为神经网络研究突触的模拟功能提供了真实的模型基础以及生物学的依据[2]。随后，出现了能够模拟行为以及条件反射的处理机和自适应线性网络模型，提高了人工神经网络的速度和精准度。这一系列研究成果的出现为人工神经网络的形成和发展提供了可能。
低谷时期
在人工神经网络形成的初期，人们只是热衷于对它的研究，却对其自身的局限进行了忽视。Minskyh和Papert通过多年对神经网络的研究，在1969年对之前所取得的研究成果提出了质疑，认为当前研究出的神经网络只合适处理比较简单的线性问题，对于非线性问题以及多层网络问题却无法解决。由于他们的质疑，使神经网络的发展进入了低谷时期，但是在这一时期，专家和学者也并没有停止对神经网络的研究，针对他们的质疑也得出一些相应的研究成果。
复兴时期
美国的物理学家Hopfield在1982年提出了新的神经网络模型，并通过实验证明在满足一定的条件时，神经网络是能够达到稳定的状态的。通过他的研究和带动，众多专家学者又重新开始了对人工神经网络方面的研究，推动了神经网络的再一次发展[3]。经过专家学者的不断努力，提出了各种不同的人工神经网络的模型，神经网络理论研究不断深化，新的理论和方法层出不穷，使神经网络的研究和应用进入了一个崭新的时期。
稳步发展时期
随着人工神经网络研究在世界范围内的再次兴起，我国也迎来了相关理论研究的热潮，在人工神经网络和计算机技术方面取得了突破性的进展。到20世纪90年代时，国内对于神经网络领域的研究得到了进一步的完善和发展，而且能够利用神经网络对非线性的系统控制问题进行解决，研究成果显著。随着各类人工神经网络的相关刊物的创建和相关学术会议的召开，我国人工神经网络的研究和应用条件逐步改善，得到了国际的关注。
随着人工神经网络的稳步发展，逐渐建立了光学神经网络系统，利用光学的强大功能，提高了人工神经网络的学习能力和自适应能力。对非线性动态系统的控制问题，采取有效措施，提高超平面的光滑性，对其精度进行改进。之后有专家提出了关于人工神经网络的抽取算法，虽然保证了精度，但也加大了消耗，在一定程度上降低了神经网络的效率，因此在此基础上又提出了改进算法FERNN。混沌神经网络的发展也得到了相应的进步，提高了神经网络的泛化能力。
3人工神经网络的应用
在信息领域中的应用
人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。
在医学领域的应用
人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及到理论和临床的各个方面，最主要的是生物信号的检测和自动分析以及专家系统等方面的应用。
在经济领域中的应用
经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。
在其他领域的应用
人工神经网络在控制领域、交通领域、心理学领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。
4总结
随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神经网络也将得到更快的发展和更加广泛的应用。人工神经网络也许无法完全对人脑进行取代，但是其特有的非线性信息处理能力解决了许多人工无法解决的问题，在智能系统的各个领域中得到成功应用，今后的发展趋势将向着更加智能和集成的方向发展。
参考文献
[1]徐用懋，冯恩波.人工神经网络的发展及其在控制中的应用[J].化工进展，1993(5)：8-12，20.
[2]汤素丽，罗宇锋.人工神经网络技术的发展与应用[J].电脑开发与应用，2009(10)：59-61.
[3]李会玲，柴秋燕.人工神经网络与神经网络控制的发展及展望[J].邢台职业技术学院学报，2009(5)：44-46.
[4]过效杰，祝彦知.人工神经网络的发展及其在岩土工程领域研究现状[J].河南水利，2004(1)：22-23.
[5]崔永华.基于人工神经网络的河流汇流预报模型及应用研究[D].郑州大学，2006.
下一页分享更优秀的<<<人工智能神经网络论文
深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。 一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。 在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。 用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。 而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。 而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。 人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。 深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。 但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。 一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。 然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。 例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。 对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。 这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。 如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？ 换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？ 这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。 在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。 根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。 此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。 这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。 该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。 两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。 表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。 最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。 该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。 如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。 再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。 在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。 随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。 最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。 总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。 除了这篇 这篇 研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]
论文： Highway Networks
作者提出了一种叫做 Highway networks 的架构，用来解决基于梯度的学习模型在拥有较多层数时，难以训练的问题。
对于一个朴素的包含 层的前馈神经网络，第 层 对输入 进行非线性转化 (参数为 )，得到输入 。简化下标和偏移量之后，形式如下： 对于 Highway networks ，额外增加两个非线性转化 和 ，新形式如下： 其中 称作转换门， 称作携带门， 它们决定了输出由非线性变化和原始输入组成的比例 。
可以将假设 来得到更加简单的形式：
增加了门结构的形式在计算过程中会比原本的形式更加灵活： 可以发现 会学习当前状态下是否应该使用原始输入，或者使用转换后的结果作为输出。
对于梯度也有类似的结果：
根据Highway networks的公式，要求 的维度一致，如果需要修改形状，可以通过子采样或者填充零的方式，也可以增加一层神经网络（不包含Highway），进行维度转换。
人工智能的第一代模型，有优点，但是也有很大局限性。这个优点是显然的，因为它是模仿人类的，它可解释，鲁棒性很强，但是它的局限性也非常大。因为最大的问题是人类的知识经验，很难准确表达，这就是产生的后来人工智能冬天的根本原因。当时的应用很有限，几乎没有推广，但是，有了大数据以后，这个问题得到了很大改善，特别是机器的能力提高以后，可以把大量的数据作为知识放在机器里，这就是最典型的沃森系统。沃森系统可以做癌症的免疫治疗，这里面用多少知识呢？100万个医学杂志中抽取的2500个摘要，400万病人的数据，再加上1861年以前所有药物的专利，它有医学知识，并联的数据再加上药物知识，就可以做癌症的免疫治疗。当然了，很多慢性病的治疗和管理，这个系统也做得很好，中国的国内也有大量这方面的工作在探索和研究。第二代人工智能，一个最重要的成果就是深度学习。也就是说，第一代人工智能提出来，如果能够很好地利用人类的知识，就可以建立很好的人工智能系统，如果我们有充分数据，也有可能建立起有用的人工智能的系统。深度学习为什么这么受重视？一个很重要的原因，它有两个重大变化。当网络层次增加以后，有两个重大变化：第一个变化，输入只要原始数据，不需要预处理。第二个是性能提高很多，这就造成了深度学习的重大突破。也就是说，它从一定意义上有通用工具，对领域的知识要求不高，同时能够处理大数据。这就带来很大的变化，大家也看到了，语音识别，2001年时它的识别率停留在80%，也就是20%的误识别率；2016年误识率就降到了，达到专业速记员的水平，到了2017年，所有产品包括谷歌、微软，包括中国的讯飞、百度，用的全是深度学习。变化更大的是图像识别。有一个标准的图像识别数据集 ImageNet，大家知道，2011年，它的误识率是50%，有一半认错了。但是四年以后，2015年就超过了人类水平，原因也是利用了深度学习。最后一个，给大家印象最深就是AlphaGo，大家都知道了。因此就有很多估计，十年之内代替40%以上人类的工作，三五年里面，智能驾驶车就可以量产，等等，刚刚李院士说到了这个问题，他分析得很深刻。实际三五年里面不可能量产。
随着现代科学技术的飞速发展，先进的技术在各个领域都得到了广泛的应用。人工智能现在成为了相当火热的技术，下面就为大家介绍一下人工智能的利与弊。人工智能的利与弊一、人工智能技术的发展对我们的益处1、商业价值很高一般认为，人工智能有三大商用方向：一是信息聚合；二是评估用户情绪反应；三是与用户建立关系，可以通过这三点建立与用户之间的社交纽带，让他们经常回访。怎么做？给用户反馈。第一步就是要收集用户数据，利用人工智能更好地了解用户，基于大数据的分析，为用户创造优质的、长期的个性化体验。企业就能够相应的赚取更多的商业价值；2、带来更多新的工作机遇就像曾经脱离了传统农业、传统手工业的大量劳动力，在现代工业生产和城市服务业中找到新的就业机会那样，人工智能的进步也将如此——由当前数据密集型机器学习、通过机器学习与人工智能会话的系统而延伸出的很多领域，将会在未来带来很多工作机遇；3、人工智能让人类生活更美好比如说，人工智能的医疗应用惠及大众。我们医生或许难以保持最新治疗方案和方法，也无法了解所有医学例案。人工智能可以在短时间内分析大量数据，精确判断病症，并找到最佳的治疗方案，为人们提供最好的治疗；二、人工智能带给我们的弊端1、大规模的失业人工智能的发展，导致很多人失业。据人力资源和社会保障部2016年新闻发布会介绍，2016年末中国失业率达，机器人不会犯错，不会累，不需要休息，不需要工资。这完全可以代替很多职业，例如工人，司机等等不需要思想的工作。如此便会导致大批大批的人失业，大批大批的人整日无所事事；2、对人类的一次大淘汰人工智能时代的到来可能是对人类的一次大淘汰。机器人对人类的大淘汰，如果处理不好有可能引发核大战，那将是人类的灾难，人类可能因此而灭亡；3、人才争夺战导致垄断、贫富分化加剧人工智能时代的到来，必将引发空前的人才争夺战。谁拥有的各类一流人才数量多质量高，谁就能赢得最后胜利。同时这会导致巨头的垄断、贫富分化加剧；对待人工智能，我们应该以客观的角度去看待它，扬长避短，充分利用人工智能的优点。希望我的理解能够帮助你们更进一步了解人工智能。
在计算机科学中，人工智能（AI）有时被称为机器智能，是由机器展示的智能，与人类和动物展示的自然智能形成对比。通俗地说，“人工智能”一词用来描述模仿人类与其他人类思维相关联的“认知”功能的机器，如“学习”和“解决问题”。随着机器变得越来越有能力，被认为需要“智能”的任务通常会从人工智能的定义中删除，这种现象被称为人工智能效应。特斯勒定理（Tesler's Theorem）中的一句妙语说：“人工智能是尚未完成的事情。” 例如，光学字符识别经常被排除在人工智能之外，已经成为一种常规技术。现代机器能力通常被归类为人工智能，包括成功理解人类语言， 在战略游戏系统（如象棋和围棋）中处于最高水平的竞争， 自主操作汽车、内容传递网络中的智能路由以及军事模拟。人工智能可以分为三种不同类型的系统：分析型、人类启发型和人性化人工智能。分析型人工智能只有与认知智能一致的特征；生成对世界的认知表示，并利用基于过去经验的学习来为未来的决策提供信息。人类启发的人工智能包含认知和情商的元素；除了认知因素之外，还要理解人类情感，并在决策中考虑它们。人性化人工智能显示了所有类型能力（即认知、情感和社会智能）的特征，能够自我意识，并在与他人的互动中自我意识。人工智能于1956年作为一门学术学科创立，此后几年经历了几次乐观浪潮， 接着是失望和资金损失（被称为“人工智能冬天”）， 接着是新的方法、成功和新的资金。 在其历史的大部分时间里，人工智能研究一直被划分为许多子领域，这些子领域之间往往无法相互沟通。 这些子领域是基于技术考虑的，如特定目标（如“机器人学”或“机器学习”）， 特定工具的使用（“逻辑”或人工神经网络），或深刻的哲学差异。 子领域也基于社会因素（特定机构或特定研究人员的工作）。人工智能研究的传统问题（或目标）包括推理、知识表示、规划、学习、自然语言处理、感知以及移动和操纵对象的能力。 一般智力是该领域的长期目标之一。 方法包括统计方法、计算智能和传统的符号人工智能。人工智能中使用了许多工具，包括搜索和数学优化、人工神经网络以及基于统计、概率和经济学的方法。人工智能领域借鉴了计算机科学、信息工程、数学、心理学、语言学、哲学和许多其他领域。这个领域建立在人类智能“可以被如此精确地描述，以至于可以制造一台机器来模拟它”的主张之上。这引发了关于创造具有类人智能的人工生命的思想本质和伦理道德的哲学争论，这些问题自古以来就被神话、小说和哲学所探索。有些人还认为人工智能如果发展势头不减，将对人类构成威胁。其他人认为人工智能不同于以前的技术革命，它会带来大规模失业的风险。在二十一世纪，随着计算机能力、大量数据和理论理解的同步发展，人工智能技术经历了一次复兴；人工智能技术已经成为技术产业的重要组成部分，有助于解决计算机科学、软件工程和运筹学中许多具有挑战性的问题。
编号 发表时间 论 文 题 目 杂 志 位次 1 家兔死后玻璃体液离子浓度检测的微量重复取样法 《中国法医学杂志》 21卷第3期 1 2 A Preliminary study for vitreous humor sampling methodologies on rabbits Z Huazhong Uni Sci (Med Sci), volume 26, 4. 1 3 家兔玻璃体液间隔多次微量取样方法研究 《中国法医学杂志》 21卷第6期 1 4 家兔玻璃体液微量取样与一次取样的比较 《法律与学杂志》13卷第6期 2 5 人工神经网络的法医学应用 《中国法医学杂志》 1 6 APM染色法在羊水栓塞诊断中的应用价值 《中国法医学杂志》 1 7 阿尔辛蓝－荧光桃红－马休黄染色在羊水栓塞病理诊断中的应用价值 《中华病理学杂志》 2 8 羊水栓塞研究进展（综述） 《人民法院法医学理论与实践学术交流会论文集》、人民法院法医学理论与实践学术交流会 “优秀论文” 1 9 浅析视力减弱补偿率在伤残等级评定中的应用 《法律与医学杂志》 1 10 医疗事故处理处理条例相关法律问题探讨 《人民法院法医学理论与实践学术交流会论文集》 2 11 蛛网膜囊肿的法医学鉴定 《山东省法院司法鉴定学术交流会论文集》 2 12 陈阳性海绵瘘误鉴1例讨论分析 《山东省法院司法鉴定学术交流会论文集》 2 13 羊水栓塞研究 《山东省法院司法鉴定学术交流会论文集》 1 14 AB-P-MY双重组化染色法法在羊水栓塞病理诊断中的应用价值研究 《山东省法院司法鉴定学术交流会论文集》 1 15 1例以抗癌药物投毒致畸胎的法医学鉴定 《法律与医学杂志》 1 16 视力减弱补偿率法医学参考价值的探讨 《山东省法院司法鉴定学术交流会论文集》 1 17 1例以抗癌药物投毒致畸胎的法医学鉴定 《山东省法院司法鉴定学术交流会论文集》 1 18 五例外伤性硬膜下积液的法医学鉴定 《中国法医学杂志》 3 19 二例外伤性鼓膜穿孔原因分析 《中国法医学杂志》 2 汪岚（周子涵饰）28岁，允杰的前妻。允杰是汪岚大学时代同社团的学长，两人因社团活动渐生情愫，甚至在双方父母都不在身边的状况下跑去登记了。汪岚向往记者工作，在大学刚毕业报考 电视台的新闻记者，意外成为电视台储备主播。正准备大展身手之际却发现她怀孕了！完全没有准备的她，一度想把孩子拿掉，犹豫不决的心境下找到了手术资料。想等理清思绪后告诉允杰，但在阴错阳差之下允杰误以为汪岚拿掉小孩，两人起了严重争执离婚收场，之后她选择生下小孩。一次出差，与允杰意外重逢，才明白她还爱着允杰，也就说此次重逢，允杰一家人得知项家有个八岁大的孙子。更没有想到，再次相遇后，不是一段重拾旧爱的选择而是一场亲子争夺战。
在研究生期间相信很多一些研究生，他们对自己的专业都会进行科研分析，也是更希望将自己的所学融入到社会的实践当中。然而对于那些疯狂发论文的人，其实到后来发展的并不好，因为他们在对待自己的学业上都不上心的话，那么在做其他事情，他的性格也是会这样半途而废的。
每年都会有莘莘学子考入自己心理的大学，每年也会有很多学生进行研究生的准备工作，其实无论从哪种方式出发，他们对学习的一种态度都是让人所敬佩的，因为在很多时候只有学习才能让自己生活更加充实，也是唯一一个不计入成本的投资方式，所以在很多时候特别是那些研究生来说，他们在对待自己的论言方面和学术研究方面也都非常的重视。而且在很多时候好的学生他们对自己的要求也非常的高，在论文方面也是尽量的要求精益求精。
然而在一部分表现好的学生同时也会出现一些不好的学生，而这些学生他们往往过于懒散，可能在发出论文以后都是图应付，所以对于这种心态的学生来说，其实他们在未来的生活当中是会出现磨烂的。因为如果自己对自己都不够自信不够认真的话，那么他在对待其他事情上也一样会不认真，那么等待他的将是无尽的磨练和考验，所以对于生活的选择性也会低很多。
总之不管怎么样学习始终都是自己的事情，没有任何人能够去逼迫的行为，所以无论发生什么，都必须要保持着良好的学习心态，不能让自己的所学发挥到有用的地方。也不要让自己的精力浪费在其他无所事事的上面。也希望那些疯狂发论文，然而却没有成效的学生，能够进一步的成长。
论文灌水并不是造假，但是灌水这种论文肯定可能达不到毕业的要求，也就是在答辩的时候，有可能老师会不给通过。
去年，“四川大学华西临床医学院 2019 届毕业生发表 46 篇 SCI 文章”引起热议，在过去近一年之后，近日，这个话题再度被提起。 我发现，当事人 邓汉宇博士 ，目前已是四川大学华西医院肺癌中心（胸外组）医师， 四川大学华西临床医学院八年制本科 生导师 。担任Langenbeck's Archives of Surgery、PLOS ONE等 多个SCI杂志审稿人 。据邓博士的ResearchGate（一个科研社交网络服务网站）显示，邓博士目前已经发表 文章82篇 。其中一篇发表在 EJSO 上的文章 入选了ESI前1%高被引论文 （谷歌学术显示该论文已被引25次）。 入选ESI前1%高被引论文题为：“ Sarcopenia is an independent unfavorable prognostic factor of nonsmall cell lung cancer after surgical resection: A comprehensive systematic review and meta-analysis ”，邓博士发微博表示：“我们的精准肺外科诊疗研究论文继续成为ESI（到十一月/十二月2019为止）高水平论文！（Web of Science统计中， 四川大学外科学研究方向中仅有的5篇高水平论文之一！ ）”。 01 争议不断 是“开挂”还是灌水？ 去年，按照惯例，华西临床医学院公布了的2019届荣誉毕业生。但 3名荣誉毕业生发表的SCI数量之多，引起了大家的关注和质疑。 3个荣誉毕业生发表的文章分别为： 荣誉毕业生A：SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子大于120分。 荣誉毕业生B：SCI论文30多篇。 荣誉毕业生C：发表SCI论文31篇，影响因子分，其中第一/并列第一作者身份发表SCI论文20篇。 荣誉毕业生A就是争议最大的华西胸外科邓汉宇博士 ，从2016年入学以来，他已经发表SCI论文46篇（第一作者41篇，共同第一作者5篇），影响因子 大于120 分，40多篇论文包括： Original research：16 篇 Comments： 9 篇 Meta 分析：10 篇 其余为 letter。 很多网友质疑其文章的真实性和质量，认为无法在如此短的时间类完成这么多篇文章，是否存在抄袭和灌水的可能。甚至有华西医学院内部人士匿名评论。 46篇文章多为 2-3 分左右的期刊或者杂志，其中一篇 11 分左右的高分文章是 letter to editor，SCI 论文中一些 comments，letter 严格意义上来说并不算科研论文。 SCI杂志的文章的几种类型 Original Artical 论著： 这个是最为常见的一类，分为基础性和临床性文章。基础性文章就我国现在普遍在发的文章，属于前瞻性的一个研究，通俗的一个说法就是我们假设一个思路，然后通过实验来得出一个结论来证明我这个思路，得出的结果两种情况一个是阳性(符合我的思路)一个是阴性的(不符合)大家不要认为阴性的结国就发不了SCI，阴性的同样可以发SCI，可以想象它告诉了我们这样的思路是得不出来这样的结果，也是对国际科研的一个贡献。这类文章需要经过peer review，审稿周期较长，哪怕是低分杂志，从投稿到录用半年多是家常便饭。 Review： 也就是综述，是在对某研究领域的文献进行广泛阅读和理解的基础上，对该领域研究成果的综合和思考。一般认为，学术文章没有综述是不可思议的。需要将“文献综述( Literature Review)” 与“背景描述 (Backupground Deion)”区分开来。“文献综述”并非一般的“背景描述”，还需要对该领域研究成果的思考。 Meta分析： 针对一个不同研究得出的结果有争议的科学问题，利用统计学方法将这些研究（以RCT为主）的结果放在一起，得出结论的文章。 Comment、invitedcommentary、editorial评论： 对最新发表(时效性)的某篇论文进行评论，一般是杂志邀请相关领域专家进行受邀评论，被评论的文章往往具有重大临床或科研意义。录用周期较短，基本可以控制在一周内。 Letter to editor： 致编辑函/信是读者针对某篇感兴趣的文章写的读后感，或延续要告诉期刊内容。字数限制约300-500字，也有杂志要求不超过150字，一般无具体格式要求。杂志接受针对最新发表论文写的letter(时效性)，超过规定的时间不再接收。 读者若具备相应研究基础，能提出独到观点，一般容易被杂志接收，甚至是一些顶级杂志。 因为不同类型的SCI撰写难易度和接受周期不一样，综合来看， 三年一作发46篇SCI是一个可以做到的事情。 网友争议的点主要集中在邓博士发表的文章类型和 文章质量。 根据 2019 年公布的影响因子，计算 Nature、Science、Cell 三大顶级期刊杂志影响因子总和为： 也就是说邓博士三年发表论文影响因子达到了 CNS 之和。 试想如果邓博士三年发了 CNS 级别杂志的一作文章，相信他作为博士毕业生的优秀代表不会引起任何非议。 因此，网络上对邓博士的评论，渐渐的分成了两个大阵营： 一种认为，这就是一种论文“灌水”行为。 孔柚： 我只能承认他很能写，是不是灌水，有没有含金量，也只有他本人知道了。 fromiccas： 不喜欢灌水型研究，真要比，井冈山大学不是还有人一年一百多篇吗？我是希望学生都能够在主流杂志上发表文章，但是我的学生能发到macromolecules我就心满意足了。做研究，要有代表性的方向，代表性的工作。 知行合一： 三年46篇，三年就是36个月，不到一个月一篇，这种短平快的东西做出来能有多大学术价值，我表示怀疑。 一种则认为，“承认别人的优秀没那么难，能发这么多篇是能力的一种体现。” Jenny： 没问题啊，那是人家能力和实力，存在就是合理的。他又没造假。 E.： 如果没有科研条件去写高分的，小课题做的快，多发几篇也是错吗？况且 16篇research都是实实在在的呀，没事时看看别人的研究写写与自己课题相关的letter和meta 也是一种努力啊，为什么要说人家水？个人觉得他只是在能力范围能尽了全力而已。 木兰舟： 那也不可否认16篇original article。三年16篇还要怎样。 02 本人发文回应 瞎喷没用，干点实事提升自己才是正经 面对争议，2019年8月20日，邓博士本人在知乎上曾对此事进行了回应： 我是四川大学华西临床医学院2019届荣誉毕业生本人(这里需要解释一下，我们荣誉毕业生是针对本科生，八年制是作为本科生进行评比，所以不涉及和传统博士的评比；其次，荣誉毕业生是同专业同学选举出来，而不是学院老师指定)。等最近忙空了，我想在知乎上给大家分享sci思维、写作、投稿等方面的经验，希望能够让没有sci的同学，也能够有机会发表sci，至少能够不为毕业而焦头烂额。在这里给大家谈几点自己的想法： 第一，我是华西临床医学院的8年制本硕博连读专业的学生（2011年入学）。华西的八年制，大概比清华北大录取线少20分左右吧。八年前，我高考失利，与清华北大无缘(可以去我的高中调查一下真相)，于是选择学医，选择八年制。所以，本人学习能力可能比较强吧，因此读文献、写文章的能力也相对来说比较强吧。 第二，8年的时间里，我分成了两个阶段。前4年的本科学习，所以我花了高中努力程度的70%，轻松达到平均分90分的成绩，单科解剖学，诊断学等临床基础课程，专业第一。临床功底，可以去春雨医生或者好大夫检索一下我的治病救人诊疗经验以及病人对我的评价。后4年研究生的学习，我很庆幸自己选择了胸外科专业，因为我热爱这个专业，我每天看专业文献就像放松心情一样地娱乐，所以我会写原始研究，写meta分析，写letter表达自己的想法和观点(请注意，这是我的爱好，因为能够和全世界胸外科医师交流，这是我感觉愉悦的事情。)。做科研，在我最开始的时候，我是抵制的。后来培养了兴趣，尤其是我能够把临床问题，转化为科研（所以我的文章，都是临床的。关于基础研究，我确实不太通晓），为我的病人提供最新的诊疗意见，我觉得值了。(可以参考一下我在春雨或者好大夫平台发表的自己的研究成果)。 第三，我对待科研文章，如同对待挚友，进行交流和学习。 不做科研的医生，不是一名合格的医生，因为他不懂得思考和解决临床问题，一味地去接受他人的观点，没有自己的想法，不去解决自己的问题的医生，是很危险的。因为病人情况都是个体化的，医学作为实践性经验性学科，就是需要发现问题，解决问题。这里补充一下——胸外科有很多没有一致定论的东西，包括早期肺癌的手术，如果一个医生不去思考如何为病人做一次最佳的切除范围，那他只会给病人和家属带来不必要的担心，甚至术后复发转移。我见过太多这些的医生，所以我才发出此感慨。 第四，关于灌水。 我很庆幸我选择自己感兴趣的研究方向，发表在自己的专业杂志上，没办法我们胸外科相关的杂志，大概就是几分的水平。试问，高影响因子的文章，谁不想要呢？但我想，懂行情的人都会知道，不是每一个学生都有这样的机会和资源！况且，各大医院的院长、主任们，也不见得都是发表高影响因子的文章吧。 第五，大家如果感兴趣，我很愿意和大家分享科研经验： 微博： 第六，我最后给大家解释一下，我在最后三年，也就是从2016年开始，在华西医院各科室实习一年，从2017年，在华西医院肺癌中心上临床作为住院医师参与一线工作(收治病人、值班等)一年半左右。 最后半年多时间里，完成专业博士毕业论文。 第七，我总结我以上所说的，我并不觉得自己怎么样怎么样，大学的八年里，相比于其他的荣誉毕业生，别人从一开始就叱咤风云，而我并不属于学院的知名人物（毕竟我不喜欢搞学生会工作，不喜欢互联网竞赛，不喜欢加各种协会……我们同一届的其他专业的，大多都没有听说过我这个名字），没想到在最后毕业的时候被选出来作为本科荣誉毕业生，我只是觉得自己的付出和努力，没有白费。我常常给同学朋友开玩笑说，“我是拿了5年的励志奖学金，最后一年终于励志成功，拿到了国家奖学金”。 最后总结一下，我做这一次的正面回应网络各种形形色色的人，就是要让你们知道，大学里努力了的人，你们瞎喷、瞎黑，是没有用的！别一天没事干了，吃饱了就在网络上消化，干点实事，努力提升自己的专业和学习能力，对你自己才是最好的！ 邓汉宇，男，中共党员，胸外科博士，四川大学华西医院肺癌中心（胸外组）医师，四川大学华西临床医学院八年制本科生导师。师从于被誉为“中国肺外科第一人”的周清华教授，获四川大学临床医学学士学位及胸外科学博士学位。现为欧洲胸外科医师协会（ESTS）会员、美国外科医师学院（ACS）会员、国际肺癌研究协会（IASLC）会员、中华医学会胸心血管外科分会会员、中国抗癌协会肺癌专业委员会会员、中国抗癌协会癌症转移专业委员会会员。 累计发表论文60余篇，其中以第一作者、共同第一作者、通讯作者身份在JAMA Surgery、European Respiratory Journal、Annals of Thoracic Surgery、European Journal of Cardio-Thoracic Surgery、Annals of Surgical Oncology、World Journal of Surgery、European Journal of Surgical Oncology、Diseases of the Esophagus、Interactive Cardiovascular and Thoracic Surgery、Journal of Thoracic Disease等杂志发表胸部肿瘤外科学相关英文SCI文章50余篇，累计影响因子大于120分（）。受邀作为Langenbeck's Archives of Surgery、Annals of Surgical Oncology、PLOS ONE、World Journal of Surgical Oncology、Journal of Investigative Surgery等SCI杂志审稿人。多次受邀参加ISDE、OESO、ASCVTS、ESTS、MRS、WCLC等国际会议以及中华医学会胸心血管外科分会年会、青年医师论坛、川渝食管癌年会及四川省胸心血管外科年会并作大会发言和壁报展示。荣获2017年中华医学会胸心血管外科分会青年医师论坛优秀论文三等奖、2019年中华医学会胸心血管外科分会青年医师论坛优秀论文二等奖。 虽然回应的最后言辞比较激烈，但 平心而论，邓博士绝对算得上优秀。 在现行评价体系下，每个医院的评价体系不同，邓博士虽有争议，但无可厚非。其发表在EJSO上的一篇一作文章还入选了ESI前1%高被引论文。 2月23日， 科技部正式印发《关于破除科技评价中“唯论文”不良导向的若干措施（试行）》通知，明确要求破除“唯论文”论不良导向，鼓励发“三高”论文，过几年再看，会不会是另外一番景象？ 你怎么看？ 本文由 科研大匠 综合自知乎、@邓汉宇ResearchGate、微博，华西医院等
嗯论文灌水是灌水的，灌水只是说明他这边论文的质量很一般，但是造假的话又不一样啦，造假就是那个可能论文是抄的之类的。
【中药化学成分】：花蕾含挥发油即丁香油。油中主要含有丁香油酚（Eugenol）、乙酰丁香油酚、B-石竹烯（B一Caryophyllene），以及甲基正戊基酮、水杨酸甲酯、葎草烯（Humuleno）、苯甲醛、苄醇、间甲氧基苯甲醛、乙酸苄酯、胡椒酚（Chavicol）、a一衣兰烯（ａ一Ylangene）等。也有野生品种中不含丁香油酚（平常丁香油中含64～85％），而含丁香酮（Eugenone）和番樱桃素（Eugenin）。花中还含三萜化合物如齐墩果酸（Oleanolic acid、黄酮和对氧萘酮类鼠李素（Rham-netin）、山奈酚（Kaempferol）、番樱桃素、番樱桃素亭（Eugenitin）、异番樱桃素亭（Isoeugenitin）及其去甲基化合物异番樱桃酚（IsoeugenitoI）。简述：治疗牙痛、支气管炎，神经痛、胃酸，抗呼吸系统及泌尿系统感染，减轻痢疾所造成之不适与疼痛，改善衰弱体质与贫血，催情（性无能、冷感），驱虫。促进血液循环，治疗皮肤溃疡及伤口发炎，治疗疥癣，改善粗糙肌肤。【中药化学鉴定】：（1）取粉末少许，滴加氯仿搅匀，再加3%氢氧化钠的氯化钠饱和液1滴，加盖玻片，放置片刻，有针状丁香酚钠结晶析出。（2）取切片直接滴加碱液，加盖玻片，可见油室内有针状丁香酚钠结晶形成。（3）薄层鉴别：取本品粉末，加乙醚5ml，振摇数分钟，过滤，滤液供试品溶液。另取丁香酚对照品，加乙醚制成对照品溶液。将两种溶液点于同一硅胶G薄层板上，以石油醚（60～90℃）-醋酸乙酯（9：1）展开，取出晾干，喷以5%香草醛硫酸溶液，于105℃烘干。可见供式液色谱与对照品溶液色谱在相同位置显相同颜色的斑点。[2]【本质】似指甲状的红棕色花苞是精油的原料，树平均高度为５～６公尺左右，主要产地斯里兰卡、瓜哇、马达加斯加，以蒸馏法制得，其香味为有点鲜苔及木香的花香，是香水制造业不可缺少的香味，亦常加入酒中，精油颜色为透明无色。 不过这个酒不晓得是不是可以饮用的酒哦。不能乱猜的啊！！
药物制剂专业的高校，有很多优秀的，主要是下面几个，现在根据自己的理解，给大家按照排名简单推荐下两所高校。
1.中国药科大学
中国药科大学名字中就有“药”，所以药学方面的课程和专业真的很好，而且学校位于江苏省南京市，南京这个城市近几年在高速的发展，毕业的师兄签南京工作，落户之后交社保就可以每一个月有额外的补贴。也就是应届生人才政策，给予应届生补贴等，不仅吸引了很多人才来到南京定居，也让当地高校就读的学生们选择留在南京。
对于以后就业发展也是有利的加分项，所以药物制剂专业也就更加火爆啦。
在实践课上一般是老师与学生互动交流的形式，让学生们进行思考，比如讨论“美容院内药物制剂”的使用，老师会先讲一些知识点还有古代美容的趣事趣闻，然后大家再进行补充，一起讨论，对于大家了解药物制剂的使用、临床案例分析都很有帮助的。
2.北京协和医学院
对院校一体的模式，对于想从事医学，进入医院的学生来说，北京医院的仪器设施和医生质量都非常好，所以在临床训练，就可以选择医院进行科学研究和社会实践。比单纯的在学校内苦读书本知识要掌握的更多，找工作也会很方便，比其他专业实践更多。
在社会实践的时候，学校内老师会带着学生去一些偏远山区，想要了解当地居民对于癌症的认识，也会发放一些防癌宣传手册，让大家了解基本知识，不是走形式，完成实践任务，而是真正的让学生们走出学校，走进社会，能够知道自己努力的意义。
最后想说的就是，学医学、药学都是很辛苦的，不仅要学很多知识，还要应用，但是职业真的很神圣，可以帮助人们，解除痛苦，喜欢的宝宝们一定要加去实现自己的梦想呀！
一、中国药科大学
药科大学是以药科为特色的~既然是国家级别的学校，其厉害程度就不用说了。再说作为南京市的学生，当然把中国药科大排在第一位啦~先来一张中国药科大学新实验楼的图吧~很高大上有没有~
它的里面是这个样子嗒~里面是实验室，门外面是学生休息办公的地方，像一个很大的图书馆~在这样的环境中实验和学习，是多么幸福的事情啊！
还有一件重要的事！大家在报考实验相关专业的时候一定要去关注它的科研设施和师资。做科研离不了实验仪器。不是自黑的，我们学校是文科类的，所以实验设施一般，很多高级的先进的都要到外校去借，为了去做扫描电镜我们都做两个多小时地铁去浦口的南工大去做，想想都是泪！很多实验也不可能一次成功，就要跑好几次！相信药科大斥巨资建的实验楼，里面的设施应该也很齐全。
而药科大的师资就更不用说啦~帮我们评审论文的专家就是药科大的老师，一眼就看出了存在的问题，也是很牛的！
二、沈阳药科大学
沈阳药科大学，位于辽宁省沈阳。一听到这个地方，就想起小沈阳，哈哈。东北那个地方，搞笑的人很多，如果在那里学习，肯定能学的愉快~好了，书归正传。沈阳药科大学的学院设置有：药学院、制药工程学院、中药学院、生命科学与生物制药学院、工商管理学院、医疗器械学院、功能食品与葡萄酒学院等~而药剂学科为国家级重点学科，你说说它的药剂学怎么不强大！再加上，沈药是辽宁省“双一流”首批重点建设高校，这么牛的学校，快来读啊~！
三、北京协和医院
北京对于我来说，是个神圣的地方。在国家的首都的北京协和医学院也是牛的一批~北京协和医学院隶属中国医学科学院，是我国唯一的国家级医学科学学术中心和综合性医学科学研究机构。医学方面还是实力雄厚的！药剂学也是重点学科。
四、浙江大学
有个同学现在就就读于浙江大学药剂学专业，五一还去杭州找她玩。研究生期间导师经常派她去上海出差交流学习，有很多很好的机会，她现在已经硕博连读啦~真的是超级羡慕~杭州真是个美腻的城市，而且浙大还是985和211。当年与浙大擦肩而过（偷笑罒ω罒），如果再给我一次机会，我也就报考浙大的研究生了~
还有很多优秀的学校，如果能考上这些就尽自己最大努力，也可以看看其他学校啦~比如广州中医药，南京中医药大学等等，也都是很不错的哦
有《中华医学杂志》、《中国公共卫生》、《中国卫生经济》、《中国中药杂志》、《时珍国医国药》等。
1、《中华医学杂志》
《中华医学杂志》是1915年创办的双语学术期刊，周刊，中国科学技术协会主管，中华医学会主办。
期刊主要反映中国医学最新的科研成果，积极推广医药卫生领域的新技术、新成果，及时交流防病治病的新经验。
根据2018年4月期刊官网显示，《中华医学杂志》第二十八届编委会拥有顾问17名、编委179名、外籍编委14名、特邀编委3名及通讯编委71名。
根据2018年4月28日中国知网显示，《中华医学杂志》总被下载923465次、总被引109872次，（2017版）复合影响因子为、（2017版）综合影响因子为。
根据2018年4月28日万方数据知识服务平台显示，《中华医学杂志》载文量为18099，被引量为137385，下载量为1326756。
2015年期刊在全部统计源期刊（6735种）中排名第434名，在医药卫生总论（122种）中排名第11名；2015年期刊影响因子为。
2、《中国公共卫生》
《中国公共卫生》创刊于1982年，是由中华人民共和国卫生部主管、中华预防医学会主办的国家级核心学术期刊，主要刊登综合反映中国公共卫生与预防医学的业务进展与动态，推广学术研究成果，交流各级各类卫生预防保健机构的业务经验与技术方法。
据2018年5月《中国公共卫生》官网显示，《中国公共卫生》编委会共有编委94人，常务编委15人。据2018年5月9日中国知网显示，《中国公共卫生》总被下载2472531次、总被引132476次；
（2017版）复合影响因子为、（2017版）综合影响因子为。据2018年5月9日万方数据知识服务平台显示，《中国公共卫生》被引量为95363、下载量为337430；
据2015年中国期刊引证报告（扩刊版）数据显示，《中国公共卫生》影响因子为，在全部统计源期刊（6735种）中排499名，在预防医学与卫生学（128种）中排第17名。
3、《中国卫生经济》
《中国卫生经济》杂志创刊于1982年 ，是由中华人民共和国卫生和计划生育委员会主管，中国卫生经济学会、卫生部卫生发展研究中心主办的卫生经济专业学术期刊。
据2019年3月《中国卫生经济》官网显示，《中国卫生经济》第五届编辑委员会拥有委员64人。
据2019年3月14日中国知网显示，《中国卫生经济》出版文献14737篇，总被下载1772865次、总被引73974次；（2018版）复合影响因子为、（2018版）综合影响因子为。
据2019年3月14日万方数据知识服务平台显示，《中国卫生经济》载文量为7019篇，被引量为46937次、下载量为514121次；据2015年中国期刊引证报告（扩刊版）数据显示，《中国卫生经济》影响因子为。
4、《中国中药杂志》
《中国中药杂志》是由中国科学技术协会主管，中国药学会主办，中国中医科学院中药研究所承办的综合性中医药学术期刊，创刊于1955年7月。
据2019年4月《中国中药杂志》官网显示，《中国中药杂志》第十届编委会拥有常务编委会委员29人，编委165人。
据2019年4月29日中国知网显示，《中国中药杂志》出版文献22199篇，总被下载6365080次、总被引300539次；（2018版）复合影响因子为，（2018版）综合影响因子为。
据2019年4月29日万方数据知识服务平台显示，《中国中药杂志》载文量为13679篇，被引量为161298次、下载量为390585次；据2015年中国期刊引证报告（扩刊版）数据显示，《中国中药杂志》影响因子为。
5、《时珍国医国药》
《时珍国医国药》创刊于1990年，是由湖北省黄石市卫生局主管、时珍国医国药杂志社主办的综合性中医药杂志。
截至2015年3月，《时珍国医国药》编辑委员会共有顾问23人、编委53人。
据2019年2月18日中国知网显示，《时珍国医国药》出版文献共28843篇、总被下载5039253次、总被引193956次；（2018版）复合影响因子为、（2018版）综合影响因子为。
据2019年2月18日万方数据知识服务平台显示，《时珍国医国药》载文量为18488篇，基金论文量为6579篇，被引量为105132、下载量为785652，2015年影响因子为。
参考资料来源：百度百科——中华医学杂志
参考资料来源：百度百科——中国公共卫生
参考资料来源：百度百科——中国卫生经济
参考资料来源：百度百科——中国中药杂志
参考资料来源：百度百科——时珍国医国药