DOI
是数位物件识别码
（
D
igital
O
bject
I
dentifier
）
的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。
使用DOI作为永久连结
每个DOI号前面加上
「
http://dx.doi.org/
」
便成为永久网址。
如以DOI号为
10.5297/ser.1201.002
的文献为例，此文献的永久连结便是：
http://dx.doi.org/
10.5297/ser.1201.002
。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。
引用含有DOI的文献
有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。
DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。 如想对DOI的使用与概念有进一步了解，请参考 （ ） 。
ACI:
数据来源：Academic Citation Index，简称ACI
台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。
五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。
公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）
例如：A期刊2017年之五年影响指数
(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)
什么是预刊文章？
为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上 「 http://dx.doi.org/ 」 连结到文献目前最新版本。
如何引用预刊文章？
请使用预刊文章的线上发表日期及DOI号来引用该篇文献。
引用范例(视不同引文格式规范可能有所差异)：
作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。
doi:DOI 号
书目导出
E-mail 给朋友
打印书目
问题回报
全文下载
Artificial Intelligence in Smart Health: Investigation of Theory and Practice
林书弘(Shu-Hung LIN) ； 陈牧言(Mu-Yen CHEN)
护理杂志 ； 66 卷 2 期 (2019 / 04 / 01) ， P7 - 13
繁体中文
DOI：
10.6224/JN.201904_66(2).02
智慧医疗 ； 人工智慧 ； 机器学习 ； 深度学习 ； smart healthcare ； artificial intelligence ； machine learning ； deep learning
- Antipov, G.,Baccouche, M.,Berrani, S. A.,Dugelay, J. L.(2017).Effective training of convolutional neural networks for face-based gender and age prediction.Pattern Recognition,72,15-26.
- dos Santos Ferreira, M. V.,de Carvalho Filho, A. O.,de Sousa, A. D.,Silva, A. C.,Gattass, M.(2018).Convolutional neural network and texture descriptor-based automatic detection and diagnosis of glaucoma.Expert Systems With Applications,110,250-263.
- Fukushima, K.,Miyake, S.(1982).Neocognitron: A selforganizing neural network model for a mechanism of visual pattern recognition.Competition and cooperation in neural nets,Berlin, Germany:
- Hinton, G. E.,Salakhutdinov, R. R.(2006).Reducing the dimensionality of data with neural networks.Science,313(5786),504-507.
- Hubel, D. H.,Wiesel, T. N.(1962).Receptive fields, binocular interaction and functional architecture in the cat's visual cortex.The Journal of Physiology,160(1),106-154.
