本文目录

1. 深度学习怎么找idea发论文
2. 你们手机里都有什么好用的APP
3. 你看到过哪些造假的论文
4. 论文直引怎么弄

深度学习怎么找idea发论文

你好。谢邀。

深度学习属于人工智能的连接学派。如果你仔细看看或许觉得神经网络和集成电路比较相似。这里面暗含了一个基本思想：模块化。所以深度学习通俗一点就是“积木游戏”。所以深度学习创新可以类比积木游戏创新就主要来源于三个方面：（1）创造新的积木类型。（2）创造新的堆积木的方式，堆出不同形状。（3）堆积方法用于不同的游戏场景。

以下从这三个方面展开来讲：

拿激活函数举例：relu、leaklyrelu、parameterrelu...sigmoid、tanh。按网络基础构成算子举例：全连接fc，卷积conv，循环算子lstm，gru。

尝试着从数学库里面找一个理论，将它算子化，也许这就是一篇不错的论文。以前专家总是手工来寻找这样的算子，现在google的大神们借助算力使用automl，autodl来自动寻找算子，如果你也有功能强大的算力你也可以尝试着用算力自动寻找新的“积木算子”，如果这个算子恰好又是神奇的提高了神经网络的性能，那么人工智能深度学习领域又将多一个大神一样的人，而这个人恰好就是你。

resnet很大程度受益于highwaynetwork的启发，将X直连到下一层这个概念在论文发出来之后其实看看觉得蛮直观的，但为什么其他人都想不到呢？这个问题我也在问自己，O(∩_∩)O哈哈~。再举个例子：Conv层如何堆，是同型Conv堆积还是不同kernelsize的conv进行堆积，也许这就是alexnet，googlenet等不同卷积网络的区别。

目前google也借助遗传算法等自动找到新的堆积木的方式，发了很多高水平的论文，如果我告诉大拿科学家他们这仅仅是堆积木的方法不同“无他但手熟尔“，他们会不会生气打我。

Attention注意力机制最先出现在NLP领域，后来进入了语音识别和合成领域还有CV计算机视觉领域。仅仅是相同的积木用在了不同的场景罢了，最先发现新的应用场景的人成了他所在领域的大神，如果我说大神仅仅是搬运工相信大神也会打我的。

以上三种方式不一定概括全面，但我认为能做到上述任意一条的都是一个不错的想法。当然"积木游戏"要玩的好，一定需要“多玩”，所谓多玩意味着多看论文看看人家怎么玩，玩的好的人怎么玩，学着按别人的套路玩，最后自己找到一种新玩法，反复训练自己的新玩法达到纯熟，干翻一堆老玩家，你就是终极玩家了。

深度学习不简单，但也不必想的过于复杂。灵活的应用上述提到的三条，随意创新、大胆实践做实验，相信很快你就能发出很多高水平的论文了。

两句话总结：

1.实践是检验真理的唯一标准。

2.无他但手熟尔。

你们手机里都有什么好用的APP

我的手机，主要有西瓜视频，抖音，火山，快手，今日头条，支付宝，v信，支付宝，翼支付这几个，最好用要属西瓜视频，西瓜，从各个方面来说，是其他那些无法比的，为我们西瓜团队点赞！

你看到过哪些造假的论文

多年前，我刚上博士，还是一个科研小萌新，老板给我指定的课题就是沿着我一个要毕业师兄的课题往下做。师兄博士期间发的文章是我们整个大实验室最多的，老板想让他留校被他回绝了。毕业那年还拿到了一个国际的青年学者荣誉，全球一年只有五个的那种。上博士前，和该师兄关系非常好，全实验室只有我敢嘲笑他仅剩的几根头发的那种……可自从上了博士，开始重复他一些试验后，和他关系越发恶劣，他不主动教我就算了，还会在我做试验的时候偷偷换掉我预热的机器的那种。每次试验做不出来和老板反馈，老板就说让我去找师兄，然后师兄更加给我穿小鞋，如此反复。老板期间一直觉得我不行，为什么同一个试验师兄就能做得那么顺利，但我这就这也测不出，那也测不出。后来组里来了个博士后，对其中的一个试验颇有研究，在我们俩共同的努力下基本可以推断师兄论文里的数据是编的。也许不是主观编的，但至少是没有意识到那个结果并不是他想测的对象，而仅仅是电源的背景。

论文直引怎么弄

论文直引可以通过在文章中直接引用他人的话、观点或事实，以证明自己的某一个观点或论点如果希望在论文中使用到别人的观点，需要在行文中明确标注出处，否则就属于抄袭了直引的实质是对数据或论据作准确的归属和注释，以保证自己的思想和主张的真实性和可信性实现论文直引有多种方法，如对于书籍或期刊，我们可以在引用的地方设置上标，并在文末的参考文献中标识出这本书或期刊的详细信息，包括作者、题目、期刊、页码等；对于网络资源，除了显示网站地址外，最好还要包含检索日期等信息，保证引用的准确性和严谨性

OK，关于论文照片拼图怎么弄好看和你看到过哪些造假的论文的内容到此结束了，希望对大家有所帮助。