科研实验室-如何写论文

1 title 如何写论文 2 自以为自己论文的样子 3 实际论文的样子 4 导师修改论文时的样子 5 实际最佳论文的样子 6 实际最佳论文的样子 7 这样其实也还行 8 论文常见问题 9 本应该这样 一 逻辑混乱 10 但实际是这样 11 甚至是这样 12 二 随意摆观点 但不证明 13 三 只见树叶不见树 14 15 四 炫技 16 五 A B C D 17 六 偷懒的厨师 18 title目录 n 问题定义 Problem Definition n 困难与挑战 Difficulties 都有谁在研究 问题难点与挑战 概要描述 正确地定义问题 有助于 体现本研究潜在价值 帮助本人聚焦 帮助读者聚焦 帮助理清motivation Bahdanau D Cho K Bengio Y Neural machine translation by jointly learning to align and translate ICLR2015 Introduction第一段对 Neural machine translation 进行问题定 义 22 title行文结构 问题定义 背景 价值 问题困难和挑战 现有方法局限性和挑战 本文方法大致描述 本文 卖点 创新点 贡献 第一句 第二 三句 第五 六句 用一 两句话说明 理论贡献和 或 实验结果 第一段 第二 三段 第四 五段 第六段 Intuition Motivation 本文 卖点 创新 点 贡献 AbstractIntroduction框架 第三 四句 23 title困难与挑战 Difficulties Challenges l 困难是指研究问题的难度高 由问题本身决定 l 挑战是指解决研究问题时遇到的挑战 一般指方法层面 困难 挑战 Difficulties Challenges 一般做法 l 归纳出需解决问题存在的困难 问题层面 深度 l 说明已有方法的不足与缺陷 方法层面 巨人的肩膀 困难与挑战的区别 困难由问题本身决定 挑战由如何解决问题引起 立下的所有FLAG 都必须达成 提出的困难和挑战须在文中加以解决 并用理论 实验验证 24 title困难与挑战 Difficulties Challenges Silver David et al Mastering the game of Go with deep neural networks and tree search nature 529 7587 2016 484 有一些文章会先介绍问题的难度 再介绍解决问题的挑战 AlphaGo论文在Abstract第一句同时介绍了计算机下围棋问题的 困难 巨大的搜索空间 以及解决该问题存在的挑战 难以评估 棋盘位置和棋子的移动 25 title困难与挑战 Difficulties Challenges He Kaiming et al Deep residual learning for image recognition CVPR2016 有一些文章会省略问题困难 直接介绍问题的挑战 与具体某个方法无关 ResNet论文指出深层神经网络面临的挑战 深层网络难以 训练 当网络深度增加时 准确率趋于饱和并快速降 低 26 title困难与挑战 Difficulties Challenges 还有一些文章通过现有方法的不足来介绍解决问题的挑战 文无定法 Bahdanau D Cho K Bengio Y Neural machine translation by jointly learning to align and translate ICLR2015 Neural machine translation 现有神经机器翻译方法将句子统一编码 成一个固定长度的向量 这可能使神经网络难以解决长句子的翻译 27 title行文结构 问题定义 背景 价值 问题困难和挑战 现有方法局限性和挑战 本文方法大致描述 本文 卖点 创新点 贡献 第一句 第二 三句 第五 六句 用一 两句话说明 理论贡献和 或 实验结果 第一段 第二 三段 第四 五段 第六段 Intuition Motivation 本文 卖点 创新 点 贡献 AbstractIntroduction框架 第三 四句 28 title现有方法局限性 Limitations 现有方法局限性 牛人牛方法 现有神经机器翻译方法将句子统一编码 成一个固定长度的向量 这可能使神经 网络难以解决长句子的翻译 Bahdanau D Cho K Bengio Y Neural machine translation by jointly learning to align and translate ICLR2015 29 title行文结构 问题定义 背景 价值 问题困难和挑战 现有方法局限性和挑战 本文方法大致描述 本文 卖点 创新点 贡献 第一句 第二 三句 第五 六句 用一 两句话说明 理论贡献和 或 实验结果 第一段 第二 三段 第四 五段 第六段 Intuition Motivation 本文 卖点 创新 点 贡献 AbstractIntroduction框架 第三 四句 30 title直觉与动机 Intuition Motivation Intuition l 如何解决Difficulties Challenges的灵感和直观启发 l 故事和引子 Motivation 如何解决Difficulties Challenges的深层次动机 大脑神经机制 神经网络 人类注意力 attention机制 对抗学习 生成对抗网络 稀疏编码 控制理论 故事层面 引子 方法层面 动机 31 title直觉与动机 Intuition Motivation Intuition ResNet 优化残差映射 比优化原来的网络层 更容易 直觉地 如果一个恒等映射达到最优 让残差变成0比 让一堆非线性层去拟合恒等映射更容易 He Kaiming et al Deep residual learning for image recognition CVPR2016 32 title直觉与动机 Intuition Motivation Motivation ResNet 残差映射的构造受到了反直觉的退化问题 启发 如果加深的网络层构造成恒等映射的形式 那么加深的模 型的训练误差不应该大于较浅的模型的训练误差 He Kaiming et al Deep residual learning for image recognition CVPR2016 33 title直觉与动机 Intuition Motivation Intuition Motivation的重要性 承上启下 ChallengesDifficulties Component Component Intuition Motivation 上要紧扣问题 的困难和挑战 下要呼应方法 各个组成部分 34 title本文方法大致描述 对本文的方法进行大致描述 如何解决问题 突出创新点 Bahdanau D Cho K Bengio Y Neural machine translation by jointly learning to align and translate ICLR2015 Neural machine translation 35 title行文结构 问题定义 背景 价值 问题困难和挑战 现有方法局限性和挑战 本文方法大致描述 本文 卖点 创新点 贡献 第一句 第二 三句 第五 六句 用一 两句话说明 理论贡献和 或 实验结果 第一段 第二 三段 第四 五段 第六段 Intuition Motivation 本文 卖点 创新 点 贡献 AbstractIntroduction框架 第三 四句 36 title贡献 Contribution Contribution 论文给相关领域作出的贡献 是这篇文章价值的集中体 现 Contribution一般是1 3个 不超过4个 针对Difficulties和Challenges 突出Selling point和创新点 Bahdanau D Cho K Bengio Y Neural machine translation by jointly learning to align and translate ICLR2015 Neural machine translation 37 title卖点 Selling Point Selling Point 论文中独特的贡献 让审稿人接收论文的一个关键点 Contribution中有且只有一个Selling Point 必须独特 让人眼前一亮 最能凸显文章novelty n 提出了一个创新的xxx 区别于其他方法 这种 Contribution就属于Selling Point Bahdanau D Cho K Bengio Y Neural machine translation by jointly learning to align and translate ICLR2015 Neural machine translation 38 title目录 n 问题定义 Problem Definition n 困难与挑战 Difficulties Challenges n 现有方法局限性 Limitations n 直觉与动机 Intuition Motivation n 贡献总结 Contributions 介绍1 n 概要描述 n 方法细节 n 理论分析 方法2 n 综合实验 n 对比实验 实验3 39 title 问题定义 背景 价值 问题困难和挑战 现有方法局限性和挑战 Intuition Motivation 所提出方法大致描述 所提出方法亮点 关键点 方法概要描述 Tan Mingkui et al Riemannian pursuit for big matrix recovery ICML2014 40 title 每一个component都应该解决一个困难或挑战 每一个component都要做到有理有据 即有明显的motivation 方法 Method 先对方法进行总体概述 再详细介绍论文所提出方法的具体细节 包括方法各个component的目的和作用 Difficulty Challenge Component Motivation Difficulty Challenge Component Motivation Method 方法概要描述 41 title 每一个component都应该解决一个困难或挑战 方法 Method 详细介绍论文所提出方法的具体细节 包括方法各个 component的目的和作用 当网络深度逐渐增加 时 准确率趋于饱和 并快速降低 提出了一个深度残差学习 框架ResNet 在网络层数 增加时 准确率不会降低 困难 挑战方法 方法细节 He Kaiming et al Deep residual learning for image recognition CVPR2016 42 title 每一个component都要做到有理有据 即有明显的motivation 方法 Method 详细介绍论文所提出方法的具体细节 包括方法各个 component的目的和作用 方法细节 如果加深的网络层构造成恒 等映射的形式 那么加深的 模型的训练误差不应该大于 较浅的模型的训练误差 提出了一个深度残差学习 框架ResNet 在网络层数 增加时 准确率不会降低 动机方法 He Kaiming et al Deep residual learning for image recognition CVPR2016 43 title 方法 Method 详细介绍论文所提出方法的具体细节 包括方法各个 component的目的和作用 方法细节 Di