研讨生读学术论文的一些办法(核算机领域)-简书(研究生学术研讨)

记载一些迩来读文章的主意

新出炉的icml2021的accepted paper list现已看了个差不多，强化加deep公然很火。deepmind如同是最大赢家，占有了半壁河山呐。
我选择了优化和传统领域的一些办法读了几篇，其间包括了time series + nmf 的战略， deep clustering + kmeans办法(这篇文章我自认为和icml2016那篇dec并没有啥本质不一样，甚至假定单就实验成果来说可以dec会非常好)。

这几篇文章的一起特征都是，故事说的不错。

这似乎也是文章能中的一个很重要的特质。
啥叫故事说的不错呢？就是你的作业

?坪酢焙苡屑壑怠?br>
比方我如今在看的这篇，他的故事就是说，有一些疾病，它可以有许多变种，医治办法会非常凌乱。那咱们期望可以将这种疾病和它的变种分红几大类来医治。咱们会额定的获得一些信息来协助咱们关于这些凌乱变种的分类。那就是专家的领域常识（experts’ view）xd。

这个疑问本身就很风趣，看起来很有价值。

所以读文章的第一步就是，找到这篇文章想要处置的实践疑问。

当然假定是一篇纯理论的文章就算了，我迩来要focus在处置实践疑问上。

第二步，也是我认为最重要的一步，那就是建模。

疑问很简略找，大千世界有许许多多实践使用疑问，如何将他转化变成一个可解的数学疑问？这个进程并不那么简略，也是我认为学cs人士有必要掌控的一个技能。
在我读文章的时分，一般paper都会依照次序先说实践疑问，这个时分我自个会思考，假定我面临这个疑问会怎么建模？
然后再看我和文章中办法建模的不一样，再问自个，为啥会不一样？文中的建模办法有啥利益？我的建模办法会不会供给处置这个疑问的另一个思路？（大约这么想下去又可以生成一个新的算法咯尽管并没有）

第三步，读算法

算法根柢可以说是一篇论文的中心，作者提出疑问是为了供给一个“新颖又有用”的处置疑问的办法。在核算机领域，这就是算法了。
在对数学模型很理解的情况下，看看作者是怎么处置这个疑问的。这是最为要害的有些。在这个有些，要处置以下三个疑问

算法是啥？ 为啥他可以处置这个数学疑问？他不和用到了哪些技能？

根柢上读完算法这篇文章就差不多咯。读完再自个完成一下，根柢对这个办法就非常了解了。然后就可以follow它做一些细小的作业了。

可以会持续更新。