科技论文写作

一、论文模版

acm的latex模版从https://www.acm.org/publications/proceedings-template下载。创建的github库要设置成私有库

二、实验结果表格

使用在线工具
注意事项:结果四舍五入保留4位小数;对比实验的话(新结果-对比结果)/对比结果,结果用百分比表示保留两位小数,比如0.23%;结果的增加减少使用±号或者上下箭头;

三、参考文献格式

参考老师发的ppt

四、check list

在平时的工作中需要记录下来的内容,最后都要写到论文里

For all reported experimental results:

  • A clear description of the mathematical setting, algorithm, and/or model (*)
  • Submission of a zip file containing source code, with specification of all dependencies, including external libraries, or a link to such resources (while still anonymized) (*)
  • Description of computing infrastructure used (*)
  • Average runtime for each approach (*)
  • Number of parameters in each model (*)
  • Corresponding validation performance for each reported test result (*)
  • Explanation of evaluation metrics used, with links to code (*)

For all experiments with hyperparameter search:

  • Bounds for each hyperparameter (*)
  • Hyperparameter configurations for best-performing models (*)
  • Number of hyperparameter search trials (*)
  • The method of choosing hyperparameter values (e.g., uniform sampling, manual tuning, etc.) and the criterion used to select among them (e.g., accuracy) (*)
  • Expected validation performance, or the mean and variance as a function of the number of hyperparameter trials (*)

For all datasets used:

  • Relevant statistics such as number of examples (*)
  • Details of train/validation/test splits (*)
  • Explanation of any data that were excluded, and all pre-processing steps (*)
  • A link to a downloadable version of the data (*)
  • For new data collected, a complete description of the data collection process, such as instructions to annotators and methods for quality control (*)

五、习惯从平时养成

进度汇报中要展现技术报告的文字稿

  1. 格式:要用Latex写,使用acm模板,documentclass[sigconf]。每章分开来一个文件,最后用\input整合
  2. 内容:按照论文的基本架构,每周添加内容至相应的章节,包括但不限于 abstract, introduction, related work, references, methodology, experiments。下面有详细说明
  3. 做literature survey阅读的参考文献添加到related work中,每个文献以两三句话简要描述动机(解决了什么问题)、方法(基本框架,和其他文献的承接关系,特别的改进)和实验结果(数据集和评价指标)。作为记录时,可以从参考文献的摘要、引言中抄部分原文。
  4. 论文中使用到的所有参考文献,应加入在references中。优先选择顶会顶刊,arxiv等预印本优先选择其发表版本。注意bibkey的命名规范,网上下载的bib源代码必须修改索引,建议[authoryearveryshorttitle]。
  5. 模型使用的损失函数,步骤,算法关键步骤,用公式+文字描述加入methodology章节中。NN模型最好画个草图。
  6. 如果修改了模型方案,之前版本不删除:作为一个子章节,附上简单实验结论。
  7. 每次实验,数据集(包括切割方案)、实验参数(包括但不限于模型所有参数、评估指标里的参数、采样参数)、结果、代码中的特殊调试、都需要记录。如果实验迭代的比较快,可以用excel记录。如果有了一定结论,需要放到experiment章节中
  8. 尽量每周更新,每次更新不需要很长。建议使用github并邀请我(cheyennelin)和李老师 (hui-li)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/479765.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

陈丹琦“简单到令人沮丧”的屠榜之作:关系抽取新SOTA!

文 | JayLou娄杰大家好,我是卖萌屋的JayJay,好久不见啦~最近在「夕小瑶知识图谱与信息抽取」群里和群友交流时,JayJay发现了来自陈丹琦大佬(女神)的一篇最新的关系抽取SOTA《A Frustratingly Easy Approach…

肖仰华 | 知识图谱落地的基本原则与最佳实践

本文转载在公众号:知识工场。肖仰华博士,复旦大学计算机科学与技术学院教授,博士生导师,知识工场实验室负责人。此文内容取自肖仰华教授在华为、CCF等场合所做报告,完整内容见书籍《知识图谱:概念与技术》的…

预训练模型应用工具 PaddleHub情感分析、对话情绪识别文本相似度

文章目录1. 预训练模型的应用背景1.1 多任务学习与迁移学习1.2 自监督学习2. 快速使用PaddleHub2.1 通过Python代码调用方式 使用PaddleHub2.1.1 CV任务原图展示人像扣图人体部位分割人脸检测关键点检测2.1.2 NLP 任务2.2 通过命令行调用方式 使用PaddleHub3. PaddleHub提供的预…

NIPS’20 Spotlight | 精准建模用户兴趣,广告CTR预估准确率大幅提升!

源 | 京东零售技术在以人工智能技术为支持的推荐、搜索、广告等业务中,点击率预估(CTR)一直是技术攻坚的核心,同时也是人工智能技术在业务落地中最难实现的技术方向之一。第一期介绍了视觉信息使用帮助提高点击率预估的准确度&…

史上最强大型分布式架构详解:高并发+数据库+缓存+分布式+微服务+秒杀

分布式架构设计是成长为架构师的必备技能,涵盖的内容很广,今天一次打包分享,文末有:最全分布式架构设计资料获取方式~ 负载均衡 负载均衡的原理和分类 负载均衡架构和应用场景 分布式缓存 常见分布式缓存比较:memcac…

论文浅尝 | 面向多语言语义解析的神经网络框架

论文笔记整理:杜昕昱,东南大学本科生。来源:ACL2017链接:https://aclweb.org/anthology/P17-2007论文训练了一个多语言模型,将现有的Seq2Tree模型扩展到一个多任务学习框架,该框架共享用于生成语义表示的解…

RemoveError: ‘setuptools‘ is a dependency of conda

问题: Preparing transaction: done Verifying transaction: failed RemoveError: setuptools is a dependency of conda and cannot be removed from condas operating environment. 解决办法: conda update --force conda

LeetCode 46. 全排列(回溯)

文章目录1. 题目信息2. 解题2.1 利用hash map解决2.2 改用bool数组判断是否出现过1. 题目信息 给定一个没有重复数字的序列,返回其所有可能的全排列。 示例:输入: [1,2,3] 输出: [[1,2,3],[1,3,2],[2,1,3],[2,3,1],[3,1,2],[3,2,1] ]来源:力扣&#xf…

谷歌师兄的刷题笔记分享!

高畅现在是谷歌无人车部门(Waymo)的工程师,从事计算机视觉和机器学习方向。他在美国卡内基梅隆大学攻读硕士学位时,为了准备实习秋招,他从夏天开始整理某 code 上的题目,几个月的时间,刷了几百道…

【深度揭秘】百度、阿里、腾讯内部岗位级别和薪资结构,附带求职建议!

“ 最近很忙,文章没有及时更新。。 最近被问得最多就是想进入BAT等一线互联网公司,应该怎么办? 我先从BAT等这样的公司看看他们的招聘需求谈起,再结合这样的公司需要对技术的要求是什么,最后结合我的建议&#xff0…

机器学习项目(四)疫情期间网民情绪识别

机器学习项目(四)疫情期间网民情绪识别 (一):https://blog.csdn.net/qq_33357094/article/details/105148198?utm_mediumdistribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&am…

DGL_图的创建、保存、加载

import dgl import torch as th from dgl.data.utils import save_graphsg1 dgl.DGLGraph() g1.add_nodes(3) g1.add_edges([0, 0, 0, 1, 1, 2], [0, 1, 2, 1, 2, 2]) g1.ndata["x"] th.ones(3, 5) # 3个节点的embedding g1.edata[y] th.zeros(6, 5) # 6条边的…

LeetCode 47. 全排列 II(回溯+搜索剪枝)

文章目录1. 题目信息2. 解题1. 题目信息 给定一个可包含重复数字的序列,返回所有不重复的全排列。 示例:输入: [1,1,2] 输出: [[1,1,2],[1,2,1],[2,1,1] ]来源:力扣(LeetCode) 链接:https://leetcode-cn.com/problem…

会议 | 2019 全国知识图谱与语义大会 (CCKS 2019)

会议注册:http://www.ccks2019.cn/?page_id53会议地址与住宿:http://www.ccks2019.cn/?page_id366OpenKG开放知识图谱(简称 OpenKG)旨在促进中文知识图谱数据的开放与互联,促进知识图谱和语义技术的普及和广泛应用。点击阅读原文…

jieba分词太慢,怎么办?找jieba_fast

原文链接:https://www.rtnzero.com/archives/272.html 有时候感觉处理一个几十M的文本,要一分钟才能好,然后调试时各种心焦! 下面举个例子: 归零有一个11.9M的文本文件,是一些抓取到的Python长尾关键词&am…

DGL_图的打印

首先要安装 networkx import matplotlib.pyplot as plt import networkx as nx import dgl import numpy as np def build_karate_club_graph():src np.array([1, 2, 2, 3, 3])dst np.array([0, 0, 1, 0, 1])u np.concatenate([src, dst])v np.concatenate([dst, src])ret…

闲鱼账号被封怎么办?解封看这里!

怎样避免宝贝被屏蔽、限流解封账号?首先我们要学会规避封号的风险 不要频繁的更改账号,不要多账号单手机操作,一机一号才是正确。 不要连续给人商品点赞或是我想要,连续的操作容易被封 不要发布违禁品,违禁品具体可…

推荐系统顶会RecSys’20亮点赏析

文 | banana源 | 知乎RecSys 2020原计划是在南美洲巴西举办,因为疫情的原因不得不改到线上。虽说线上举办会议,参会效果会打折扣,但也为远在北京的我提供了参会便利。得益于各方的努力和软件的应用,整体来看此次参会的效果高于我对…

技术研讨会 | 2019 恒生技术开放日产业链知识图谱专场开始报名

知识图谱旨在采用图结构 (Graph Structure) 来建模和记录世界万物之间的关联关系和知识,是互联网时代的知识工程方法,能够对纷繁复杂、多源异构的金融资讯大数据进行加工整合,提升决策分析的效率,已经得到金融行业从业人士的普遍认…

01.神经网络和深度学习 W1.深度学习概论

文章目录1. 什么是神经网络2. 使用神经网络进行监督学习3. 神经网络的兴起4. 练习题1. 什么是神经网络 它是一个强大的学习算法,类似于人脑的工作方式。 例子1. 单个神经网络 给定房地产市场上房屋大小的数据,预测其价格。这是一个线性回归问题。 …