零基础自学发表核心期刊

论文工具

AI平台：

weresearch、kimi.moonshot、paperdigest、青泥学术、readpaper、openrouter .ai。更多文字、语音、图片、视频、数学公式的AI平台待发掘。

看代码：

source insight

找代码：

paperwithcode、

翻译论文：

有道翻译翻译整篇论文、知云 翻译、

常见核心期刊：

计算机学报、西安电子学报、

看论文：

小绿鲸、

搜索下载论文：

某宝买账号、拼嬉戏。百度学术论文求助、sci-hub、connected paper.com、aminer、semantic shcolar、谷粉学术论坛、微信论文求助群、学校图书馆、arxiv、学术范、sci.justscience、easyscholar,边写边搜，web of science,science direct,readpaper,latex，overleaf、findsci,dbip

文件传输：

蓝奏云网盘、PC微信文件传输

论文命令：

序号+年份+期刊分区+关键词+论文名称

论文合集：

知乎整理论文合集

论文综述-论文-复现的数据集和可行性（太大了得租服务器）

论文阅读神器

经验日记20240510

        作为机械跨考零基础。学了一些C语言、python、Pytorch、机器学习和深度学习的基础（甚至基础也很一般），开始着手写核心期刊。首先是看论文，我的大方向是计算机视觉，这是由指导老师决定的，小方向老师推荐图像分割，但是我自己做的图像分类，因为比赛有了一点苗头。确定小方向的方法是看计算机视觉领域近5年的核心及其以上论文的摘要和结论，搞懂摘要和结论。这样就能总结出每一篇论文，用什么方法解决了什么问题，看的时候就先知网看中外文（校园网可以直接阅读知网论文），然后做成表格。表格内容包括论文等级、出版时间、中外文、摘要。然后你就对整个计算机视觉机视觉领域近5年的研究热点、冷门。那么对于基础薄弱的同学，比如我，尽量选热门，因为参考文献比较多。多以我选择了小方向，医学图像分类。

        小方向确定后，我找到小方向的论文，近5年且核心以上的论文。用AI总结论文等级、出版时间、中外文、摘要、实验方法、实验效果、数据集、创新点和不足，弄成一个表格。

        精度和泛读小方向的论文。首先是泛读，泛读除了搞懂上述表格里的东西，还需要找到2-3篇精读的论文，比如我将一篇计算机应用与研究的论文精读，是想把它做为目标期刊，学习这篇核心的格式和表达，这篇文章的实验精度很高，所以打算用它的方法提高精度到99。另外通过泛读，我知道的我的创新点不是在于精度，而是在于精度+不确定性精度+模型压缩的提升。我精度的另外两篇论文就是我的论文的知识来源，一篇是精度+不确定性精度不错，但是精度都可以提升，我的目标是从86%提升到90以上，另外模型轻量化，也就是进行压缩。而且我是跟以往研究不同的方法来提升这些指标。所以算得上是创新。

        创新分三种。新问题新方法，新问题老方法，老问题新方法。所以我是属于老问题新方法。水论文的几种方式，一是将以往的研究采用某种方法得到性能提升，这个某种方法一般采用组合或者汲取不同方法的优点进行组合，比如集成模型；二是提取该问题的指标，采用别人的已经实现的好的指标的方法进行组合，比如张三将A指标用1方法提升到80%的精度，李四将A指标用2方法提升到90%的精度，你可以考虑用1+2的方法来试一试。再比如张三将A指标用1方法提升到80%的精度但B指标只有60%，李四将A指标用2方法提升到70%的精度但是B指标70%，你可以考虑用1+2的方法来试一试。所以有多种方法来做到创新，我采用的就是综合两篇论文的方法得到新方法，来实现更好的性能。

        遇到的困难如下：

1、首先是耐心地精度和泛读论文，一定要做表格。

2、翻译英文论文要有耐心，你精度的英文论文肯定是要翻译好了才好理解。

3、找到有代码的论文，这样才好创新，看没有代码的论文后很难复现。

4、代码的复现和组合，遇到维度不匹配等问题、环境搭建、GPU不够用、代码更改等。要学会debug、用GPT辅助解决。问题一般都是在模型、优化器、学习率、损失函数方面。

5、指标提不上来。我已经把代码组合好，可是组合后确实将两个功能结合了，倒是综合性能提升的同时单个指标下降很大，所以怎么提升指标是一个巨大的问题。

6、代码的原理不理解。这是因为论文的计算公式和术语很多，看起来很复杂，必须翻译好论文。当然，首先是好好地去理解代码，注释详细

未来计划解决方案：

1、指标提升不上来？？检查模型、损失函数、学习率、优化器的选择和修改。做好修改记录，防止修改后无法复原。增加一个注意力机制试一试

2、不知道怎么写论文？？指标欧克后，看看原论文，有耐心的去理解，然后汲取之前精读和泛读的论文，模仿那一篇模板核心开始写