调包侠如何写论文?

摘要: 由于深度学习的发展, 很多研究生沦为 “调包侠”. 换言之, 他们只需要把已有的深度网络用于自己的数据, 就可以获得良好的结果. 但这样导致论文的创新点很难写. 我的学生将图像处理已有网络用于全波形反演 (FWI), 遇到类似的问题. 本文描述相应的技巧.

1. 不要直接说你把已有网络用于新的领域, 而需要详细回答如下问题:
   1.1 FWI 的具体需求是什么, 当前痛点是什么, 为什么这个网络可以满足相应的需求?
   1.2 对原始网络进行了哪些适应性的改造? 包括:
   1.2.1 输入、输出端的匹配;
   1.2.2 数据预处理（归一化）, 后期处理（可能是预处理的逆过程）；
   1.2.3 为适应计算资源进行的改造.

2. 不要对训练过程一笔带过, 需要详细回答如下问题:
   2.1 数据是如何生成与组织的? 即使来自于公开数据集, 也要说清楚你是如何筛选的.
   2.2 数据训练过程是怎么样的?

3. 不要仅描述最终效果如何, 需要分析如下问题:
   3.1 对 FWI 领域的贡献是什么?
   3.2 对深度学习领域的贡献是什么?

4. 不要仅进行简单的对比, 需要回答如下问题:
   4.1 与传统 FWI 方法相比效果如何?
   4.2 与已有 DL-FWI 方法相比效果如何（未发表的同组工作, 即使对比了, 也不要放论文里面）?
   4.3 消融实验效果如何?