七个研究生必备高效科研网站

一、Papers With Code

Reddit用户rstoj做了一个网站,将ArXiv上的最新机器学习论文与GitHub上的代码(TensorFlow/PyTorch/MXNet /等)对应起来。你可以按标题关键词查询,也可以按流行程度、GitHub星星数排列“热门研究”。这个网站能让你跟上ML社区流行的最新动态。
网址:https://paperswithcode.com/
进入网站首页,可以看到最新的研究论文,默认采用top方式,显示趋势研究。比较重要的是页面上方的几个模块(图中框住的)。在这里插入图片描述
第一个模块讲的是在不同的深度学习任务中目前最优的算法有哪些,对应的文章在哪里,代码怎么写
在这个模块中,将深度学习分为一些不同的大类,在每个大类里面又细分了不同的研究方向。
在这里插入图片描述
在这里插入图片描述
随意选择一个研究方向点进去,首先关于这个方向有一个定义,下面是Benchmarks(第一列代表趋势,第二列代表数据集,第三列表示在该数据集上的最好的模型,第四五列表示对应的文章和代码,最后一列是对比)
在这里插入图片描述
随意选择一个点进去,可以自行选择横纵坐标以及是否使用额外数据集来生成不同的趋势图。
在这里插入图片描述
随意选择一个模型点进去,可以进行文章和代码的下载。
在这里插入图片描述
第二个模块讲的是在不同的深度学习任务中可用的数据集有哪些。
在这里插入图片描述
第三个模块讲的是深度学习中的一些方法。
在这里插入图片描述第四个模块是关于网站的一些其他信息。在这里插入图片描述

二、Connected papers

Connected papers是一个构建论文关系图的网站,能够清晰地展示相关论文的脉络以及关联性,在阅读文献、写综述、写论文的related works时很有帮助。
功能:通过某篇典型的论文,寻找该领域其他相似论文,从而快速了解某个学术领域
网址:https://www.connectedpapers.com/
使用方法:在搜索框中输入论文的DOI、标题或者URL,点击build a graph,会出现很多与输入相关的文献,点击要找的那一篇,然后就会建立关系图,如图所示。
在这里插入图片描述
解释说明:圆圈越大,说明论文的被引用次数越高,这些论文一般来说都是该领域比较重要的论文;圆圈颜色越深,说明论文越新,这些论文可以帮助我们了解该领域的最新进展;距离越近,连线越粗,说明论文之间的相似度越高。选中一个圆圈,论文的相关信息会显示在右侧。
Prior Works:以前的工作,这篇论文的引文们。这些是图表中最常被引用的论文,它们是该领域重要的开创性工作。选择这些论文的时候,有引用关系的论文会被高亮。
Derivative Works:衍生的工作,这篇论文的后代们。这些论文可能是受到图表中的论文启发的近期相关工作,或者是对该领域的调查。通常包括该领域的现状,系统综述,元分析等。同样,选择这些论文的时候,有引用关系的论文会被高亮。
正常情况下,一个月只有两次免费使用机会。
白嫖方法:
①edge浏览器开启无痕模式即:新建inprivate窗口

在这里插入图片描述
②打开connected papers 网站,使用两次游客机会

在这里插入图片描述

③两次机会使用完后,将所有无痕浏览全部关闭(必须全部关闭),然后重新开始步骤一,重置使用次数。

三、Semantic Scholar

Semantic Scholar 利用机器学习技术,可以从文献文本中挑选出最重要的关键词或短语,确定文献的研究主题,也可以从文献中提取图表,呈现在文献检索页面,能够帮助使用者快速理解文献的主要内容。对于科学研究人员来说,Semantic Scholar 的较大用处是可以帮助他们快速获得重要文献,因为该引擎可以辨别一篇文章引用的参考文献是否具有重要的参考价值。
网址:https://www.semanticscholar.org/
进入首页后,可以通过关键词检索需要的文献
在这里插入图片描述
随意输入一个关键词,检索结果如图示。点击PDF标志可以直接下载论文;鼠标悬在引号那可以查看该论文近几年的引用量。
在这里插入图片描述
随意选择一个文章点进去,Semantic Scholar会在文章摘要中自动高亮文章的核心方法(key method),可以查看该论文的图表、引用该论文的文献、参考文献以及相关文献,并且Semantic Scholar会将该文献的被引,按不同类别进行呈现:
Highly Influential Citations是基于AI技术自动判断出的高影响力被引
Background citations 是在其他文献的背景介绍中引用
Methods citations 是在其他文献的方法中引用
Results citations 是在其他文献的结果中引用
在这里插入图片描述

四、Researcher

网址:https://www.researcher-app.com/
功能:利用关键词追踪领域最新文献,查询各种类型的论文期刊
按照提示完成角色、研究领域、感兴趣的话题等的选择后,进入如图所示的界面
在这里插入图片描述
ps:目前只摸索到这,APP也没找到,欢迎大家交流学习

五、Academic Phrasebank

Acadepic phrasebank是一个专门针对学术论文写作的词句模板库。它汇集了万千英文母语者的学术文章,并归纳总结了在文章不同位置、不同功用的学术写作短语和句型的用法和例句。帮助你快速学习如何写绪论、如何表达自己的观点、如何评价他人、如何进行总结。
网址:https://www.phrasebank.manchester.ac.uk/
在这里插入图片描述

六、EndNote

基于强大的WOS数据库,可以根据论文题目、摘要和参考文献快速匹配目标期刊,供投稿时参考
网址:https://endnote.com/
在这里插入图片描述

七、DeepL翻译

自称为“全世界最精准的机器翻译”
网址:https://www.deepl.com/translator
在这里插入图片描述
ps:直到开始接触学习这些网站,才觉得自己算是开始步入正轨,感觉以前很多都是无用功,暴风哭泣。目前也只是处于刚接触阶段,记录下来一是加强自己的记忆,便于以后的使用;二是跟大家分享,希望可以与更多优秀的人一起交流学习,共同进步。

  • 24
    点赞
  • 112
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 学习深度学习和机器学习是一个很有趣的过程,有很多方法可以帮助您加深对这些技术的理解。 一种常见的方法是通过课程学习。您可以在大学或在线课程平台上找到许多机器学习和深度学习课程。这些课程通常会教授您基础知识,并帮助您掌握基本的编程技巧。 另一种方法是自学。您可以在线搜索机器学习和深度学习的资源,并通过看视频、阅读文章和完成实验来学习。有许多免费的教程和教材可供您使用,包括视频教程、博客文章和书籍。 无论您选择哪种方法学习,都需要您有耐心和毅力。学习机器学习和深度学习需要时间和练习,但是当您掌握了这些技能之后,就可以使用它们来解决各种各样的问题。 ### 回答2: 学习深度学习和机器学习是一个需要耐心和实践的过程。下面是一些学习这两个领域的建议。 首先,了解基本的数学和统计概念。深度学习和机器学习很大程度上依赖于线性代数、微积分和概率统计的知识。对这些概念有基本的了解可以帮助理解算法背后的原理。 其次,深入学习算法和模型。了解不同的机器学习算法和深度学习模型的原理和用途是非常重要的。可以通过阅读书籍、参加在线课程或听取学术讲座来增加对这些内容的理解。 第三,实践是关键。通过实际项目和练习来巩固所学的知识。可以使用一些流行的机器学习和深度学习框架,如TensorFlow或PyTorch,实际构建和训练模型。还可以参与竞赛、解决实际问题或者实验,以不断提高自己的实践能力。 第四,积极参与学术和行业社区。加入学习交流群组、查阅学术论文和博客、参加学术会议或者行业研讨会,可以与同行交流,了解最新的技术发展和应用案例。与其他人分享经验和思考,能够激发创新和深入思考。 最后,保持学习的热情和持续学习的态度。深度学习和机器学习领域的技术快速发展,需要不断学习和跟进最新的进展。不仅要学习理论和技术,还要不断探索新的应用领域,保持对这个领域的兴趣和热情。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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