科研入门笔记

自学参考:
沐神论文精读系列

如何读论文

通常,一篇论文的结构为:

  1. title标题
  2. abstract摘要
  3. introduction介绍
  4. method方法
  5. experiments实验
  6. conclusion结论

一篇论文可以考虑读1~3遍

  • 第一遍
    海选:标题、摘要、结论,选读方法、实验中重要的图和表
    • 判断是否值得读下一轮:质量可以&适合自己的研究方向
  • 第二遍
    精选:快速地过一遍论文,不需要知道所有细节,弄清楚重要的图和表,每一部分在干什么。考虑解决了什么样的问题,和旁人的工作有何不同。
    读不懂的话可先读引用文章,再回来继续读。
    • 判断是否继续读下一轮:若发现和自己的方向不一样,不需要深度了解,就此止步即可,否则继续完全搞懂这篇论文。
  • 第三遍
    精读:弄清楚每一句话在干什么,我会如何展开,还有什么可以继续往前走的地方。

如何找idea

方法1:打补丁法

  • 首先,尽量找比较新的文章,空间比较大。
    否则在已经是打补丁的文章中,作者可能已经试过很多补丁不可行了,你再去试可能会重复试到作者已经试过不work的方法
  • 看文章有一些想法,再用实验看效果。效果也许不好,但也可能因此有一些新的想法
  • 最后,用一个故事把自己的补丁穿起来。有时,为了故事的连贯性,可以把一些不是很重要的补丁拿走也是可以的。

如何判断研究工作的价值

另一个角度,写论文时如何讲自己的故事能使读者更容易看到我的研究工作的意义。

  • 核心:用有新意的方法有效地解决一个研究问题
    • 新意:指的是对所在领域的研究者有新意,也就是说,在做相同方向的研究者并没有想到过用相同的方法。并不要求方法一定是前人没有提到过,很有可能是很多年前别人已经用过了,但是随着时间的流逝,大家已经不记得了;或者是所用到的方法在别的领域有人用,但是在自己所在的研究领域并没有太多了解。
    • 有效:对于某一个研究问题来讲,相对于之前的工作,当前工作解决问题的有效性有所提升
    • 研究:有两大类问题
      比如说算法比较占内存,跑不动,首先想到的是能不能买一些内存,如果买的内存够用的话那就没问题了;然后再看看代码能否进行优化,能否换一个实现的方式,使得在不改变算法的同时节省内存。
      再比如模型的精度不够,首先看能否利用增加数据的方法来解决问题,或者在采样的时候,有更好的传感器进行采样。
      • 研究问题
        对研究问题来说,一定是比较困难的问题,根本就不知道如何解决,或者说有一些想法,但是在实施这些想法之前比不知道是否可行,而且对于一般的研究问题,前面的一些想法通常来说是不行的
      • 工程问题(绝大部分问题都是工程问题)
        如果对一个问题,能够提出几种方案,而且这些方案在没有尝试的情况下就能知道是能够解决问题的,那么很有可能这个问题就是一个工程问题

摘要就可以按照以下逻辑展开:为解决某一个研究问题,我的方法新意是哪些,取得了如何的效果。

  • 量化:价值 = 新意度 * 有效性 * 问题大小
    • 新意度
      • 1:大家并不感到意外,比如说用的方法大家都知道,而且知道使用之后的结果大概是什么样子
      • 10:有一定新意度,比如在某个方面用某一个技术解决了还不错的问题
      • 100:表示所用的技术之前大家并不熟悉,使用之后打开了新世界的大门
      • 新意也不是绝对的,对于技术类的工作来说,很难有一个技术之前从来没有出现过
    • 有效性
      • 1:比如说关心的是一个模型的精度,可能比前面的模型精度高了一点点
      • 10:比如说领域内的工作一年之内能把一个数据集的精度提升10个点,能提升一个点也是相当不错了
      • 100:比如说一个工作就能将数据集的精度提升5个点,甚至是10个点
      • 当然取决于问题的不同,对有效性的定义也是不一样的,但是对于一个技术问题来说,通常就关心三个问题:
        • 1、效果:比如说精度;
        • 2、规模:比如说成本的降低;
        • 3、安全
    • 问题大小
      • 1:对前面的工作的某一个点上的不足加以改进
      • 10:比如机器视觉中某一视觉的子任务
      • 100:比如说提升机器对图片的理解或者机器对文字的理解
      • 当然还可以更大,比如说解决通用的人工智能,就可以达到1000甚至更大

在以上三个方向上都拿满分很难,有时候在两个方向上拿满分都是一件非常困难的事情,所以就需要考虑能不能在一个指标上拿满分;如果无法在任何一个指标上拿满分,就需要考虑是否能做到三个指标都能够均衡地达到10,这也是很不错的;如果能够在某两个指标上达到10,还是值得一写的,如果写的比较好的话,也是一个比较好的工作,否则的话,建议想一想在其他方向上是不是还有突破,至少在另外一个指标上拿到10

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/pingmian/44388.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

SPE连接器技术革新汽车制造业

概述 新的SPE标准在汽车制造业中的应用正日益受到重视,它不仅推动了汽车通信技术的革新,还对汽车性能测试方法产生了深远影响。本文将详细探讨SPE标准在汽车制造业中的应用案例分析,以及它对供应链的挑战与机遇。 SPE标准在汽车制造业中的应…

[leetcode]subarray-product-less-than-k 乘积小于K的子数组

. - 力扣&#xff08;LeetCode&#xff09; class Solution { public:int numSubarrayProductLessThanK(vector<int>& nums, int k) {if (k 0) {return 0;}int n nums.size();vector<double> logPrefix(n 1);for (int i 0; i < n; i) {logPrefix[i 1] …

揭秘!chatGPT核心技术应用

2022年11月30日&#xff0c;可能将成为一个改变人类历史的日子——美国人工智能开发机构OpenAI推出了聊天机器人ChatGPT-3.5&#xff0c;将人工智能的发展推向了一个新的高度。2023年11月7日&#xff0c;OpenAI首届开发者大会被称为“科技界的春晚”&#xff0c;吸引了全球广大…

js 时间单位秒转时分秒方法封装。00:00:00

1.方法封装 /*** 秒数转时分秒*/ function formatSeconds(t) {let h parseInt(${t / 60 / 60})let m parseInt(${t / 60 % 60})let s parseInt(${t % 60})//三元表达式 补零 如果小于10 则在前边进行补零 如果大于10 则不需要补零h h < 10 ? 0 h : hm m < 10 ?…

prometheus回顾(2)--如何使用Grafana对接Prometheus数据源的详细过程,清晰易懂。

文章目录 Grafana简介什么是GrafanaGrafana 能做什么&#xff1f;什么时候我们会用到Grafana?Prometheus有图形化展示&#xff0c;为什么我们还要用Grafana? 环境操作步骤一、Grafana安装二、Grafana数据源Prometheus添加三、Grafana添加数据仪表盘补充、如何查找仪表盘 Graf…

在Linux下直接修改磁盘镜像文件的内容

背景 嵌入式Linux系统通常在调试稳定后&#xff0c;会对磁盘&#xff08;SSD、NVME、SD卡、TF卡&#xff09;做个镜像&#xff0c;通常是.img后缀的文件&#xff0c;以后组装新设备时&#xff0c;就将镜像文件烧录到新磁盘即可&#xff0c;非常简单。 这种方法有个不便之处&a…

Oracle学习笔记

Oracle 一、简介&#xff1a; 特点&#xff1a; 多用户、大事务量的事务处理 数据安全性和完整性控制 支持分布式数据处理 可以移植性 Oracle 19c 安装 登录甲骨文&#xff0c;安装Oracle 解压压缩包 安装 完毕 此处账户&#xff1a;qfedu 密码&#xff1a;wang8218.…

使用Java和Spring Boot实现用户身份验证

使用Java和Spring Boot实现用户身份验证 大家好&#xff0c;我是微赚淘客系统3.0的小编&#xff0c;是个冬天不穿秋裤&#xff0c;天冷也要风度的程序猿&#xff01; 在现代Web应用中&#xff0c;用户身份验证是确保应用安全的核心部分。通过身份验证&#xff0c;我们可以识别…

染色法判定二分图

什么是二分图&#xff1f; 二分图&#xff0c;也称作二部图&#xff0c;是图论中的一种特殊模型。在一个无向图G(V,E) 中&#xff0c;如果顶点集合 V 可以被分割成两个互不相交的子集 A 和 B&#xff0c;并且图中的每条边 (i,j) 关联的两个顶点 i 和 j 分别属于这两个不同的顶…

LeetCode(2)合并链表、环形链表的约瑟夫问题、链表分割

一、合并链表 . - 力扣&#xff08;LeetCode&#xff09; 题目描述&#xff1a; /*** Definition for singly-linked list.* struct ListNode {* int val;* struct ListNode *next;* };*/ typedef struct ListNode ListNode; struct ListNode* mergeTwoLists(struct …

C# —— BufferedStream的

1BufferedStream的基本介绍 BufferedStream的主要特点和用途如下&#xff1a; 特点&#xff1a; 提供缓冲区&#xff0c;减少对底层流的直接访问。 提高读写操作的速度&#xff0c;尤其是在处理大量数据时。 可以配置缓冲区大小&#xff0c;以适应不同的应用需求。 用途&…

C++入门基础篇(下)

目录 6.引用 6.1 引用的特性 6.2 const引用 7.指针和引用的关系 8.内联函数 9.nullptr 6.引用 引⽤不是新定义⼀个变量&#xff0c;⽽是给已存在变量取了⼀个别名&#xff0c;编译器不会为引⽤变量开辟内存空间&#xff0c; 它和它引⽤的变量共⽤同⼀块内存空间。比如&a…

【Vue3】使用vite创建vue项目

一、安装Nodejs 参考文章https://blog.csdn.net/DX390609/article/details/140305585?spm1001.2014.3001.5502 二、创建项目 在要创建的目录下打开命令行输入&#xff1a; npm create vuelatestvue项目创建成功&#xff1a; 三、安装vue插件 vscode打开项目文件夹&…

谷歌个人开发者账号14天封测审核通过技巧,你还不知道吗?

众所周知&#xff0c;目前在Google play应用商店上架应用已经不是那么容易了&#xff0c;谷歌各种政策的更新以及审核系统的升级&#xff0c;给开发者们带来了不少挑战。 尤其针对个人开发者账号需要20人连续14天的封测的要求&#xff0c;周期长&#xff0c;且随着政策执行力度…

Animate软件各版本安装最低配置要求

Animate软件作为Flash系列的升级版本&#xff0c;对于系统的要求也是越来越高的&#xff0c;所以要根据自己现有系统配置选择合适的版本&#xff0c;因为只有系统达到要求&#xff0c;才能保证软件在运行过程中的稳定性。 这里就列举一下Animate软件各版本安装最低配置要求&am…

31_JQuery一文读懂,JS的升级版

今日内容 零、 复习昨日 一、JQuery 零、 复习昨日 1 js数组的特点(长度,类型,方法) - js数组的长度不限 - 类型不限 - 提供很多方法2 js中和的区别 - 判断数值相等 - 判断数值和数据类型同时相等3 js表单事件的事件名(事件属性单词) - 获得焦点 onfocus - 失去焦点 onblur …

Qt开发 | Qt模型视图代理(Model-View-Delegate)

文章目录 一、Qt MVD概念讲解二、Qt模型视图代理之&#xff1a;QTableView的使用三、Qt模型视图代理之&#xff1a;QListView的使用 一、Qt MVD概念讲解 Qt MVD&#xff08;Model-View-Delegate&#xff09;是Qt框架中的一种设计模式&#xff0c;是Qt中用界面组件显示与编辑数据…

深入解析C++11:现代特性和应用

目录 一.c11.简介二.列表初始化和initializer_list1.列表初始化2.initializer_list 三.简化声明1.auto2.decltype 四.新增容器1.array2.forward_list3.unordered_map/set 五.右值引用与移动语义1.左值和右值2.左值引用3.右值引用4.移动构造和移动赋值5.万能引用和引用折叠6.完美…

git-工作场景

1. 远程分支为准 强制切换到远程分支并忽略本地未提交的修改 git fetch origin # 获取最新的远程分支信息 git reset --hard origin/feature_server_env_debug_20240604 # 强制切换到远程分支&#xff0c;并忽略本地修改 2. 切换分支 1. **查看所有分支&#xff1a;**…

KKT条件

KKT条件&#xff08;Karush–Kuhn–Tucker conditions&#xff09;&#xff0c;约束优化问题的一阶必要条件。 问题 考虑一般约束优化问题 min ⁡ f ( x ) , s.t. c i ( x ) 0 , i ∈ E , c i ( x ) ⩾ 0 , i ∈ I , \begin{aligned} \min & f(x), \\ \text { s.t. } …