文献回顾

计算机视觉系列最新论文（附简介） 目标检测 1. 综述：深度域适应目标检测标题：Deep Domain Adaptive Object Detection: a Survey 作者：Wanyi Li, Peng Wang链接：https://arxiv.org/abs/2002.06797 本文共梳理了 40 篇 相关文献，由 中科院自动化所 学者发布。基于深度学习(DL)的目标检测已经取得了很大的进展，这些方法通常假设有大量的带标签的训练数据可用，并且训练和测试数据从相同的分布中提取。然而，这两个假设在实践中并不总是成立的。深域自适应目标检测(DDAOD)作为一种新的学习范式应运而生。本文综述了深域自适应目标检测方法的研究进展。 2. 深度学习中的异常实例检测：综述 标题：Anomalous Instance Detection in Deep Learning: A Survey 作者：Saikiran Bulusu, Dawn Song链接：https://arxiv.org/abs/2003.06979 本文共梳理了 119 篇 相关文献，由 雪城大学 学者发布。讨论多种异常实例检测方法，并分析了各种方法的相对优势和劣势。 3. 使用移动摄像机检测移动物体：全面综述标题：Moving Objects Detection with a Moving Camera: A

文章目录 abstract 1.Introduction 2.2. Supervised Machine Learning Approaches to Relation Extraction 2.1. Statistical Learning Approach 2.1.1 Feature-based approaches to RE 2.1.2 Kernel-based approaches to RE 2.2. Relational Learning Approach 2.2.1. Inductive Logic Programming 2.2.2 Ontologies 2.2.3 ILP-based systems for RE 2.2.4 Qualitative Comparison of ILP-based RE systems Lima, R., et al. (2019). “A logic-based relational learning approach to relation extraction:The OntoILPER system.” Engineering Applications of Artificial Intelligence, Elsevier 78: 142-157. 机器学习中可能的函数构成的空间称为 假设空间 abstract 关系提取

文章目录 abstract 1. Introduction 2.相关工作 3.方法 3.1 NRE Models 3.2 Pattern Extraction 3.3 Pattern Refinement 3.4 Weak Label Fusion(WLF) 4 Experiments 4.1 Experimental Setup 4.2 Performance Comparisons 4.3 Pattern-based Diagnostic Results 4.4 Incremental Diagnosis 4.5案例研究 参考文献 Zheng, S., et al. (2019). DIAG-NRE A Neural Pattern Diagnosis Framework for Distantly Supervised Neural Relation Extraction. Proceedings ofthe 57th Annual Meeting ofthe Association for Computational Linguistics. code+data abstract 基于模式的标记方法在减轻远距离监督神经关系提取中不可避免的标记噪声方面取得了可喜的成果。但是，这些方法需要大量的专家工作来编写关系特定的模式，这使得它们过于复杂而无法快速推广

作者：i_dovelemon 日期：2020-01-04 主题：Rendering Equation,Irradiance Environment Map,Spherical Harmonic 引言 在实时图形渲染中，Global Illumination 是圣杯级的效果。为了实现这个效果，前辈们开发了很多的技术。但是这些技术大都只能用于静态物体上，对于动态的物体却不能很好的支持。所以，为了让动态的物体也有一点 GI 的效果，开发出了一系列的技术。今天，我们就来介绍其中一种技术：Diffuse Irradiance Environment Map。在游戏开发领域，一般称之为 Light Probe(注：当然 Light Probe 能够实现更多的效果，Diffuse 的 GI 是其中一种)。 Diffuse Irradiance Environment Map 是基于 Environment Map 来实现的。所以，它不会考虑阴影和模型本身的光照影响。同时，我们也只探讨光照中的 Diffuse 部分，即 Lambert BRDF 部分。 文章中会存在大量的渲染相关的术语，诸如 irradiance，radiance，solid angle 等等。我们假设你已经了解了这些基础性的概念知识，如果不是，PBRT [文献1] 是一个很好的参考资料。 本文将主要从两个方面来讲述

Q： 一、大问题： -什么是学术研究？ -什么才能称做是学术问题？ 二、专业问题 1、计算机的学术：是不是提出的一个新的模型、框架或者算法？（思考中） -什么算是计算机学术问题 -计算机找问题的方法 2、怎么读论文、怎么读懂论文(文献阅读） 3、论文的写作（思考中） 4、怎么形成系统化的专业知识和技能架构 5、在了解了科研之道、对该领域知识有了大体框架的基础下， 怎么去想idea 6、 如何有效和导师沟通 -什么问题需要与老师沟通？ -与导师有效沟通的技巧？ -如何向导师提出自己的要求？ 7、如何得到导师的指导？ 三、评判 1、怎么检验自己是否入门一个领域？ A: 一、大问题： 开始研究之前，明确以下几点： 你未来（至少近三年）研究领域是什么。例如我要做的是理论研究，还是应用，什么领域下，如金融市场、微分方程、生物信息等，都是一个领域，你要确定一个领域。 掌握该领域的背景与基础知识。举个例子推荐系统下，你要知道什么是推荐系统， 它怎么应用，有哪些场景 ， 目前的常见方法是什么 ， 必要时候你还要重现这些方法，理解这些方法的思想 。 了解这个领域的研究背景。领域背景重在了解这个领域的内容，而研究背景则倾向于研究现状， 对于大部分问题，实际应用的方法只有一个，但是方法其实很多，只是最后选了一个来用而已 ，你要去读论文了解目前有哪些比较先进的方法，总结这些方法的特点

在原文 《知识图谱研究进展》 基础上上做了相应的调整和补充 本文首先简要回顾知识图谱的历史，探讨知识图谱研究的意义。其次，介绍知识图谱构建的关键技术，包括实体关系识别技术、知识融合技术、实体链接技术和知识推理技术等。然后，给出现有开放的知识图谱数据集的介绍。最后，给出知识图谱在情报分析中的应用案例。 — 漆桂林、高桓、吴天星 东南大学计算机科学与工程学院 本文节选自《情报工程》2017 年第 1 期，知识图谱专题稿件。 1 知识图谱构建技术   本节首先给出知识图谱的技术地图，然后介绍知识图谱构建的关键技术，包括关系抽取技术、知识融合技术、实体链接技术和知识推理技术。 1.1 知识图谱技术地图   构建知识图谱的主要目的是获取大量的、让计算机可读的知识。在互联网飞速发展的今天，知识大量存在于非结构化的文本数据、大量半结构化的表格和网页以及生产系统的结构化数据中。为了阐述如何构建知识图谱，本文给出了构建知识图谱的技术地图，该技术地图如图1所示。   整个技术图主要分为三个部分，第一个部分是知识获取，主要阐述如何从非结构化、半结构化、以及结构化数据中获取知识。第二部是数据融合，主要阐述如何将不同数据源获取的知识进行融合构建数据之间的关联。第三部分是知识计算及应用，这一部分关注的是基于知识图谱计算功能以及基于知识图谱的应用。 1.1.1 知识获取   在处理非结构化数据方面

撰写成文：撰写成文前应先拟提纲，决定先写什么，后写什么，哪些应重点阐明，哪些地方融进自己的观点，哪些地方可以省略或几笔带过。重点阐述处应适当分几个小标题。拟写题纲时开始可详细一点，然后边推敲边修改。多一遍思考，就会多一分收获。 提纲拟好后，就可动笔成文。按初步形成的文章框架，逐个问题展开阐述，写作中要注意说理透彻，既有论点又有论据，下笔一定要掌握重点，并注意反映作者的观点和倾向性，但对相反观点也应简要列出。对于某些推理或假说，要考虑到医学界专家所能接受的程度，可提出自己的看法，或作为问题提出来讨论，然后阐述存在问题和展望。初稿形成后，按常规修稿方法，反复修改加工。 撰写综述要深刻理解参考文献的内涵，做到论必有据，忠于原著，让事实说话，同时要具有自己的见解。文献资料是综述的基础，查阅文献是撰写综述的关键一步，搜集文献应注意时间性，必须是近一二年的新内容，四五年前的资料一般不应过多列入。综述内容切忌面面俱到，成为浏览式的综述。综述的内容越集中、越明确、越具体越好。参考文献必须是直接阅读过的原文，不能根据某些文章摘要而引用，更不能间接引用(指阅读一篇文章中所引用的文献，并未查到原文就照搬照抄)，以免对文献理解不透或曲解，造成观点、方法上的失误。 列提纲 1．使用标题卡片 做好笔记之后，你可以准备列提纲了。标题卡片上的标题就是提纲的基础，因为它们可以用来作标题或副标题。把所有的标题写在纸上

摘要： 服务功能链（SFC）是未来Internet的一项关键技术。 它旨在克服当前部署模型的僵化和静态限制。 该技术的应用依赖于可以将SFC最佳映射到衬底网络的算法。 这类算法称为“服务功能链资源分配（SFC-RA）”算法或“ VNF放置（VNFP）”算法。 本文介绍了SFCRA算法的最新研究概况。 介绍了公式和相关问题后，总结了SFC-RA问题的几种变体。 最后，我们讨论了几个未来的研究方向 I 介绍 随着Internet和网络服务的快速发展，出于技术原因，增值原因等原因，越来越多的中间箱被部署在网络中。最近的一篇论文表明，中间箱的数量与企业网络中的路由器数量相当[ 1]。 但是，中间盒意味着较高的资本支出（CAPEX）和运营支出（OPEX），此外，中间盒的部署或重新部署需要专业知识，这会增加OPEX并降低灵活性。 出现其他问题的事实是，通常需要流以特定顺序通过一系列中间盒，这通常称为服务功能链（SFC）[2]。 例如，当前的服务功能链部署模型是拓扑相关的和特定于设备的； 因此，添加，删除和修改服务功能链可能很麻烦且容易出错，更糟糕的是，这些任务可能无法完成。 所有这些功能都显示了当前部署模型的不足之处 在本文中，我们遵循IETF服务功能链工作组（IETF SFC WG）的约定使用术语“服务功能链”，其中SFC表示NFV和SDN上下文中的新型服务链部署模型。

1困惑 研究生要写毕业论文，确定选题是重要的第一环节。 选题一般有两种方式。 第一种，是导师来直接布置。 这样的好处，是由于导师对于相关领域非常了解，布置的题目已经具备了价值和研究必要性。研究生只要认真熟悉相关研究，就可以快速上手和融入了。 但是上面说的，是理想状况。很多学生，也许对导师指定的研究题目缺乏足够的兴趣。刚开始的时候，还因为新鲜劲儿，抱着试试看的想法接触和尝试。但是一旦最大的科研驱动力——兴趣——消磨掉了，那接下来的便是放弃或者消极怠工。 大部分的导师，往往也不大会把自己承担重要课题里面的核心环节，布置给新手研究生来做。因为万一做砸了，或者耽搁日久，后果很严重。 所以，更多的情况，你选题的方式，会是下面这种。 这第二种方式，是学生根据研究兴趣，自行选择题目。 除了将兴趣作为驱动力，把科研工作坚持下来以外。这样的题目选择还有一个隐含的好处，即学生可以在选题时充分考虑自己的专长和能力，尽量选择自己力所能及的题目来驾驭。 对导师来说，通过选题和执行情况，也可以筛选出合适的学生，逐渐纳入到自己课题的重要任务中来。 听起来，皆大欢喜。不是吗？ 但是现实情况，哪是这么令人愉悦？ 翻看学生和导师在选题阶段的聊天记录，就如同见证一幕幕的车祸现场一般，着实惨不忍睹。 许多同学给老师发的沟通讯息，是这个样子的： 老师，我看了XX篇文献，决定选《XXXXXXX》这个题目，您看怎么样？

http://hi.baidu.com/jinxinqiang/blog/item/45238c3c1eb6c2e054e7238f.html 我们很多的时候，闷在实验室闭门造车，实在不如稍抽出一点时间看看文献，看看别人是否有同样的困惑。我们的大老板说，要想有成绩别无他法只有读，读，大量的读文献，尤其国外的。 1.阅读文献的来源 精研数据库，对于文献数据库和专业数据库应该深入研究。重要的如ISI，Medline, Ncbi等了。因人而异添加数据库到你的收藏夹。 了解与自己研究方向有关的机构,密切关注在该研究领域和方向的顶尖group所发表的论文并认真研读。对于本研究领域的国际领袖人物和实验室，应该多花一点时间去研究他们的主页。 可以在google上免费订购你所感兴趣的alert,他24小时更新，会不间断的向你信箱发送网上出现该话题的文章。 经常上网看看最新的资讯说不准会激发你一时的灵感。 定期读几篇cell ，nature,science还是很重要的，不要认为和自己专业无关的就不关心，其实目前生物医学界的许多方法和思路是相通的，nature,science上最新的方法用到自己的领域上完全可能豁然开朗。 对于你从事的领域的重点杂志（NO.1）（<<国外医学>>各个分册每其都有许多可读的 综述，注意自己专业的核心刊的专辑,增刊,很重要!），应该是每一期的每一篇文章都阅读一下