人工智能&机器学习论文库/论文目录获取

最新推荐文章于 2024-04-26 10:50:29 发布
最新推荐文章于 2024-04-26 10:50:29 发布
阅读量3.3k 收藏 121
点赞数 24
分类专栏： 文献阅读及论文写作 文章标签： 人工智能论文 机器学习论文 人工智能高引论文集 如何获取最新论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/UEVOLIshy/article/details/90525463
版权

文章目录

1. 如何读英文文献？

首先推荐一些读英文文献的经验，都来源于知乎、微信的点赞数比较高的分享，请点击此链接如何读外文文献。如果没有高效的阅读文献的方法，哪怕下面内容很有价值我们也没办法继续挖掘知识的宝藏。

2. 如何获取人工智能&机器学习论文库？

下面我们以问答的形式来引出获得方法

2.1 哪里有整理好的深度学习的高引/经典论文？

答案是GitHubChristosChristofidis/awesome-deep-learning，一个1.2W stars，将近近4K fork的项目，可以满足你对机器学习&人工智能绝大部分需求，上面不仅有整理好的经典论文，还有各种免费课程，书籍、网站、数据集等等，你想要的，他都能给你！

2.2 经典论文很好，可是知识不断更新，如何获取最新论文呢？

获得最新论文的渠道有很多，让博主来一一列举：

2.2.1 最新论文直接在arxiv上寻找

arxiv是一个预印版论文网站 时效性最好 ，会先于正式的期刊和会议论文刊出。查询的时候 选择你感兴趣的领域 并将类别设置为computer science即可，输入领域关键词（比如，机器阅读理解，你搜machine reading comprehension， machine reading， machine comprehension， reading comprehension， text comprehend等~），你就可以轻松获取第一手的 人工智能前沿论文。

2.2.2 去顶级会议&顶级期刊上寻找

每年关注相关领域顶级会议（计算机领域更侧重会议）和顶级期刊，或者去这二者的官网去检索关键词来寻找你关心的领域的最近论文。

2.2.2.1 那么问题来了，每个领域的顶会和顶刊有哪些？
  1. 首先是数据挖掘领域
    会议有
    KDD(2019)
    ICDM
    SDM(2019)
    期刊有
    ACM TKDD
    IEEE TKDE
    CSDL
    DMKD
  2. 然后是机器学习领域
    会议有
    ICML
    NeurIPS
    期刊有
    JMLR
    Machine learning
    IEEE PAMI
  3. 统计方面有
    JASA
    AoS
    JRSSB
    Biometrika
  4. 优化方面有
    SIAM Journal on Optimization
2.2.2.2 如何获取顶会&顶刊的论文？

这些会议网站和期刊网站，一般无法查阅全文，要想查阅全文 有以下方式：

  1. arxiv上查询有同名的论文
  2. 如果是学生，学校的图书馆有订阅，是可以查全文的
  3. 论坛 学术微信群求助；
  4. 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)

2.2.3 如果你熟悉自己领域的大牛，可以关注一下这些研究机构和大牛的主页

2.2.4 推荐微软亚洲研究院的论文分享会

微软亚洲研究院创研论坛CVPR 2018论文分享会
微软亚洲研究院创研论坛 CVPR 2019 论文分享会

2.3 论文有了，可是论文代码复现怎么办？

别急，这个网站可以解决你的需求paperswithcode。这儿还有一篇试用介绍<AI学习>Paper With Code，一个有海量论文源代码的网站
还有，论文代码实现，不能随便在github上找一个实现就完事儿。一定要找论文原作者的代码，或者知名机构会学者的实现，或者star多的实现~

2.4 论文代码都有了，那从哪看起呢？

如果你时间充足的话可以先看经典论文，项目急需的话就先看最新的论文

这就是博主本次的分享了，觉得有收获请点个赞吧~

UEVOLIshy
关注
  • 24
    点赞
  • 踩
  • 121
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
机器学习100天：目录
红色石头的专栏
12-16 810
《机器学习100天》！理论+python！实战真正的从零开始机器学习，循序渐进，适合初学者快速入门和进阶！
机器学习系列——目录
我的博客
03-12 170
监督学习 广义线性模型 普通最小二乘法 岭回归 Lasso回归 多任务Lasso 弹性网络 多任务弹性网络 最小角回归 坐标下降法 正交匹配追踪法 贝叶斯回归 贝叶斯岭回归 主动相关决策理论 逻辑回归 随机梯度下降 感知器 被动攻击算法 稳健回归 多项式回归 线性和二次判别分析 线性判别分析 二次判别分析 内核岭回归 支持向量机 随机梯度下降 最近邻 高斯过程 交叉分解 朴素...
Python机器学习SCI论文复现-15大经典案例
最新发布
fulk6667g78o8的专栏
04-26 1611
Python机器学习SCI论文复现-15大经典案例
ChatGPT论文润色+工具 直接拿SCI初稿：影像组学人工智能应用培训班
m0_60703264的博客
06-24 311
一、影像组学人工智能应用培训班精彩推荐ChatGPT论文润色工具(一)主办单位：中国管理科学研究院职业教育研究院承办单位：北京宏盛元亨文化交流中心北京奇点伏流信息科技有限责任公司(二)培训班费用：4300/人2023年 7月14日——7月16日远程在线授课(开课前一天帮助学员安装平台，后三天授课)。二、ER影像组学技术套路...
机器学习&深度学习目录
qq_40206371的博客
06-21 693
博弈论笔记：重复博弈_刘文巾的博客-CSDN博客_博弈论
机器学习-笔记目录
我
10-22 1080
先给出我用的资料 吴恩达的网课 《机器学习》 及配套的pdf。 周志华的西瓜书 《机器学习》 李航的 《统计学习方法》 斋藤康毅的 《深度学习入门》 学到哪里跟到哪里。 还是老规矩会把所有代码贴上来。 目前的情况有点混乱。 待定。。这周会系统整理出来 . . . . .. . . . . 进度条 吴恩达 视频学习——19/151 , pdf——0 西瓜——0 统计学习——0 深度—...
深度学习/人工智能/机器学习资料汇总
01-03
深度学习、人工智能和机器学习是当今科技领域最热门的话题之一，它们构成了现代智能系统的核心，广泛应用于自动驾驶、图像识别、自然语言处理、医疗诊断等多个领域。这个名为"Deep-Learning-master"的压缩包很可能是...
人工智能-机器学习-智能立体车库的研究.pdf
06-01
智能立体车库是一种结合了机械自动化控制技术和计算机技术的高科技存储运输系统，主要用于解决日益严重的城市停车问题。随着我国汽车保有量的快速增长，停车难的问题日益突出，智能立体车库成为了解决这一问题的有效...
人工智能与机器学习技术笔谈
09-18
"人工智能与机器学习技术笔谈" 本资源摘要信息涵盖了人工智能和机器学习技术的多个方面，包括自然语言处理、机器学习算法、数学基础、深入浅出对话系统、大模型系统和应用、优化技术等。下面是详细的知识点总结： ...
机器学习，人工智能.zip
08-01
在这个名为"机器学习，人工智能.zip"的压缩包中，我们很可能是找到了一个关于这两个主题的学习资源，如代码库、教程或者研究论文。 首先，让我们来深入理解一下机器学习（Machine Learning）的概念。机器学习是一种...
机器学习经典论文（人工智能）
08-31
这篇关于“机器学习经典论文（人工智能）”的压缩包文件，包含了一系列英文文献，旨在深入探讨这个主题。虽然这些论文对于英文阅读能力有一定要求，但它们无疑是了解和研究机器学习最新进展的重要资源。 在机器学习...
机器学习论文
05-21
机器学习老师推荐的论文，是关于民航的。基于使用现有的支持向量机解决机场航班延误预警问题存在未充分利用先验知识和 训练需花费大量时间和空间的问题,提出了基于中心约束最小闭包球的加权多类算法。该算 法首先利用先验知识确定一种新的基于相对紧密度的方法计算样本权值并将其融合到支持向 量机中,然后转化为中心约束的最小闭包球进行训练。实验结果表明,该方法比现有的支持向 量机具有更合理的分类面并且训练速度得到大大提高。
CVPR2018_Oral_论文合集_人工智能_机器学习
12-24
CVPR2018的oral论文合集。 包含以下论文： A Certifiably Globally Optimal Solution to the Non-Minimal Relative Pose Problem.pdf Accurate and Diverse Sampling of Sequences based on a “Best of Many” Sample Objective .pdf Actor and Action Video Segmentation from a Sentence .pdf An Analysis of Scale Invariance in Object Detection - SNIP .pdf Analytic Expressions for Probabilistic Moments of PL-DNN with Gaussian Input.pdf Are You Talking to Me_ Reasoned Visual Dialog Generation through Adversarial Learning .pdf Augmented Skeleton Space Transfer for Depth-based Hand Pose Estimation .pdf Bottom-Up and Top-Down Attention for Image Captioning and Visual Question Answering .pdf CodeSLAM — Learning a Compact, Optimisable Representation for Dense Visual SLAM .pdf Context Contrasted Feature and Gated Multi-scale Aggregation for Scene Segmentation.pdf Context Encoding for Semantic Segmentation.pdf Convolutional Neural Networks with Alternately Updated Clique .pdf Deep Layer Aggregation.pdf Deep Learning of Graph Matching.pdf DensePose Multi-Person Dense Human Pose Estimation In The Wild.pdf Density Adaptive Point Set Registration.pdf Detail-Preserving Pooling in Deep Networks.pdf Direction-aware Spatial Context Features for Shadow Detection .pdf Discriminative Learning of Latent Features for Zero-Shot Recognition .pdf DoubleFusion_Real-time Capture of Human Performance with Inner Body Shape from a Single Depth Sensor.pdf Efficient Optimization for Rank-based Loss Functions .pdf Egocentric Activity Recognition on a Budget .pdf Fast and Furious_Real Time End-to-End 3D Detection, Tracking and Motion Forecasting with a Single Convolutional Net.pdf Feature Space Transfer for Data Augmentation.pdf Finding It”_ Weakly-Supervised Reference-Aware Visual Grounding in Instructional Video” .pdf Finding Tiny Faces in the Wild with Generative Adversarial Network.pdf FlipDial_A Generative Model for Two-Way Visual Dialogue .pdf Group Consistent Similarity Learning via Deep CRFs for Person Re-Identification .pdf High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs .pdf Hybrid Camera Pose Estimation .pdf Illuminant Spectra-based Source Separation Using Flash Photography .pdf Im2Flow_Motion Hallucination from Static Images for Action Recognition .pdf Im2Pano3D_Extrapolating 360 Structure and Semantics Beyond the Field of View .pdf Improved Fusion of Visual and Language Representations by Dense Symmetric Co-Attention for Visual Question Answering .pdf Learning Face Age Progression_A Pyramid Architecture of GANs .pdf Learning to Find Good Correspondences .pdf Left-Right Comparative Recurrent Model for Stereo Matching .pdf MapNet_An Allocentric Spatial Memory for Mapping Environments.pdf Maximum Classifier Discrepancy for Unsupervised Domain Adaptation .pdf Neural Kinematic Networks for Unsupervised Motion Retargetting.pdf
dda算法画直线_机器学习-k近邻算法
weixin_42548782的博客
12-07 356
一、什么是k近邻算法通俗的讲，k近邻算法就是将一个数据集按一定的空间进行划分，再通过查找k个最相近的值来判断某一数据属于哪个空间。它是一种有监督算法，与其对应的是无监督算法，这两个概念不在这里进行讲解。还是通过一个简单的例子，来直观地感受一下什么是k近邻算法。假设，有A和B两个学生，他们的数学成绩、语文成绩和评价如下：而针对这份数据，唯一知道的就是评价只有“优”和“差”两类，没有其他类别，但这个结...
【周志华机器学习】总目录
weixin_42301220的博客
04-15 4999
一、机器学习基本概念 二、比较检验–方差–偏差 三、线性模型 四、决策树 五、神经网络 神经网络理解：前向传播与反向传播 六、支持向量机 七、贝叶斯分类器 八、集成学习 XGBoost LightGBM 九、聚类 十、降维与度量学习 kNN补充——近邻的距离度量 十一、特征选择与稀疏学习 十二、计算学习 十三、半监督学习 十四、概率图模型 十五、规则学习 ...
探讨已久的人工智能与机器学习，两者之间有何区别？
csdnvr的博客
07-13 7046
原文：Artificial Intelligence And Machine Learning: What’s The Difference? 作者：Tobi Bamidele 译者：聂震坤 审校：屠敏 现如今，人工智能与机器学习受到了各行各业的广泛关注，大众对其态度不一。但是人工智能与机器学习对不同的人来说其代表的东西并不相同。通常人工智能与机器学习会引起人们的恐惧与不确...
Github大盘点：2021年最惊艳的38篇AI论文
机器学习社区
12-29 3414
  新智元报道  来源：Github编辑：David【新智元导读】2021年是人工智能继续突飞猛进的一年。近日，Github上有人总结出了今年最有趣、最惊艳的38篇关于AI和机器学习论文，值得收藏。1、Zero-Shot Text-to-Image Generation https://arxiv.org/pdf/2102.12092.pdf  文本到图像的生成传统上侧重于为固定数据集的训练寻找更好的建模假设。本文描述了一种基于Trans
一篇文章搞懂人工智能、机器学习和深度学习之间的区别
热门推荐
xiangzhihong8的专栏
04-09 5万+
概述2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。这两年在不管在国内还是在国外，人工智能、机器学习仿佛一夜之前传遍大街小巷。机器学习作为人工智能的一种类型，可以让软件根据大量的数据来对未来的情况进行阐述或预判。如今，领先的科技巨头无不在机器学习下予以极大投入。Facebook、苹果、微软，甚至国内的百度，Google 自然也在其中。去年早些时候 Google De
NIPS 十大机器学习精选论文
CSDN 人工智能
03-29 4804
作者简介：洪亮劼，Etsy数据科学主管，前雅虎研究院高级经理。长期从事推荐系统、机器学习和人工智能的研究工作，在国际顶级会议上发表论文20余篇，长期担任多个国际著名会议及期刊的评审委员会成员和审稿人。 责编：何永灿，欢迎人工智能领域技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net 本文为《程序员》原创文章，未经允许不得转载，更多精彩文章请订阅2017年《程序员》...
使用SVM解决非线性分类问题python机器学习论文
06-02
非线性分类问题可以使用支持向量机（SVM）进行解决。在Python中，可以使用scikit-learn库中的svm模块进行SVM的实现。 具体步骤如下： 1.导入所需库： ``` import numpy as np import matplotlib.pyplot as plt from sklearn import svm, datasets ``` 2.导入数据集： ``` iris = datasets.load_iris() X = iris.data[:, :2] # 只取前两个特征 y = iris.target ``` 3.构建模型： ``` C = 1.0 # SVM正则化参数 svc = svm.SVC(kernel='rbf', C=C, gamma=0.7) # rbf核函数 svc.fit(X, y) # 训练模型 ``` 4.可视化结果： ``` # 生成网格数据 x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1 y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1 xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02), np.arange(y_min, y_max, 0.02)) Z = svc.predict(np.c_[xx.ravel(), yy.ravel()]) # 绘制决策边界和数据点 Z = Z.reshape(xx.shape) plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral, alpha=0.8) plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Spectral) plt.xlabel('Sepal length') plt.ylabel('Sepal width') plt.xlim(xx.min(), xx.max()) plt.ylim(yy.min(), yy.max()) plt.xticks(()) plt.yticks(()) plt.show() ``` 这样就可以得到一个非线性分类的SVM模型，并可视化决策边界和数据点。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值