如何阅读机器学习、深度学习论文

资源推荐

首先这里推荐几个资源:

1、Paper With Code,一个有海量论文源代码的网站

该网站提供了大量的人工智能方面的论文,并且进行了分类,选择我们感兴趣的目录,然后挑选适合我们的论文代码就可以开始实践了。

另外,Github上也有另一个名字一样的项目,不知道是不是同一个机构建立的,它直接提供了论文列表和代码链接,使用更加方便,但是没有文章的分类,各有利弊吧。

2、深度学习资源

这里面总结了关于深度学习方面的各种资源,太良心了。

3、查询人工智能前沿论文

论文从发表到收录是有时效性的,也就是说会有一定的延迟,这个网址是预印版论文网址,时效性最好,会先于正式的期刊和会议论文刊。

4、Machine-learning's blog

我觉得这里面写的周报还是很不错的~

5、NLP相关会议、论文集合

会议与期刊

那么具体来说,人工智能领域的重要会议和期刊都有哪些呢?

我们分成三类来介绍,一是数据挖掘领域,二是机器学习领域,三是统计与优化方面:

数据挖掘机器学习统计与优化
KDD(2019)ICMLJASA
ICDMNeurIPSAoS
SDM(2019)JMLRJRSSB
ACM TKDDMachine learningBiometrika
IEEEIEEE PAMISIAM Journal on Optimization
TKDE
DMKD

当然,这些会议网站和期刊网站一般是无法查阅全文的,要想查阅全文有以下几种方式:

  • 这里查询同名的论文;
  • 如果是学生,学校的图书馆有订阅,可以查全文;
  • 除了前面几种方法 也有一些网站提供全文的搜索,不过因为版权问题 服务一般不稳定,有可能会更换网址,除了比较知名的SCI-Hub外,以下网站可以仅作参考,如 https://www.jiumodiary.com/,该网站的英文服务是基于https://b-ok.org/ (大量免费英文书) 和https://booksc.xyz/ (大量免费英文论文)。

Week Talk

然后进入我们的Week-Talk部分啦~

这一周讨论的话题是如何阅读论文,毕竟大家都有读论文非常头秃的时候嘛。主要问题有,文章看到后面忘记前面,很多公式看不懂,阅读速度很慢,代码如何复现等问题。

一般来说,如果是大三或者是研一的小朋友,会要求一篇论文多看几遍,每一遍的侧重点最好都不一样,等论文没啥问题了以后再尝试论文的复现。

论文的复现一般分两步,首先先把代码实现了,跑起来并且没问题,然后是调参,把模型的准确率提高再提高,其实论文结果的复现就是调参。推荐看有源码的论文,因为没有源码实现的论文,即使是看也只是了解了他所用的方法,自己实现起来非常地困难,如果论文作者有开源,论文里一定会有github的地址,如果作者没有开源,可能会有其他人实现,也可以去github上面搜索一下关键词。

知乎上这篇关于如何读英文论文的回答写得挺好的~推荐~