发表服务
发现别人发表的SCI文章里基本数据有错误，我该怎么处理？已有44226次阅读2012-6-3007:52|个人分类:PhD|系统分类:论文交流|SCI,错误,怎么办经过确认，我发现SCI文章里有两处错误，怎么处理比较好？请老师和前辈们给个指导意见...
为什么现在大多数论文复现不了成了常态？.最近了很多篇论文，跟原文的结果都差的很多，以前还觉得自己搞错了，但一次课上全班40多人都复现复现不了的时候才发现原来真的有问题！.导致我现在复现….我佛了。.电气工程方向，大家都在用...
你是否曾经尝试实现一篇论文，结果发现一行这样的话："Westartfrom[Smithetal.2020]"，然后又发现，[Smithetal.2020]实际上是一串论文工作中的最新论文，这一串论文又是由一名博士生完成的五年工作，包含着大量未公开的代码？
目前正在复现一篇paper的代码，工作还没有完成，这里作为自己的经验总结。首先必须得说，复现他人的程序实在是迫不得已的事情。要么源码无法要到，要么就是不符合自己的编程习惯或者输入输出不能够对应得上。通过p…
作为一个在复现论文中踩坑无数，好不容易走出来的人，简单说一下我的看法。例子1：我是活体检测落地的，老师当时跟我说，旷视能做出来，你应该也可以做个差不多的吧（微笑）。然后我就开始的漫长的算法复现道路。后来很久以后发现了两件事。
超90％论文算法不可复现，你为何不愿公开代码？人工智能（AI）这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法，或者在文章中记录他们尝试过的每个超参数。
这样算不算论文抄袭，会不会被撤销学位证？,硕士毕业论文，在写的时候模仿了其他人的一篇硕士论文。主要模仿了一下几个方面:1.模仿了原文章的论文构架、行文结构、研究思路和方法。2.模仿了原作者的一部分文献综述，对原作者论文文献综述部分的错误也进行了修改，同时添加了自己阅读的...
数据不够真实有效。即论文所运用的数据资料的可靠性和真实性不足；数据选取不科学，甚至选取错误。样本选取的科学性不足。即论文在调查阶段选取样本的科学性和典型性不足，抽样方法不科学；样本量不足，难以代表研究对象的整体情况。
可以发现，损失函数基本收敛，到最后一轮损失函数值为0.010078，然后在测试集上的错误率是4.24%，这两个结果和论文上对应的结果······好吧毕竟在训练方式和数据集上有一些差距，所以结果上有点区别是很正常的。
别人的博客上说这个错误可能是因为分类数的设定有问题，在仔细核对数据集之后，我发现数据集和label并没有错误，直到在pytorchforums中找到了解决方案，即显存不足，batchsize过大，将batchsize调小之后问题就迎刃而解了。
发现别人发表的SCI文章里基本数据有错误，我该怎么处理？已有44226次阅读2012-6-3007:52|个人分类:PhD|系统分类:论文交流|SCI,错误,怎么办经过确认，我发现SCI文章里有两处错误，怎么处理比较好？请老师和前辈们给个指导意见...
为什么现在大多数论文复现不了成了常态？.最近了很多篇论文，跟原文的结果都差的很多，以前还觉得自己搞错了，但一次课上全班40多人都复现复现不了的时候才发现原来真的有问题！.导致我现在复现….我佛了。.电气工程方向，大家都在用...
你是否曾经尝试实现一篇论文，结果发现一行这样的话："Westartfrom[Smithetal.2020]"，然后又发现，[Smithetal.2020]实际上是一串论文工作中的最新论文，这一串论文又是由一名博士生完成的五年工作，包含着大量未公开的代码？
目前正在复现一篇paper的代码，工作还没有完成，这里作为自己的经验总结。首先必须得说，复现他人的程序实在是迫不得已的事情。要么源码无法要到，要么就是不符合自己的编程习惯或者输入输出不能够对应得上。通过p…
作为一个在复现论文中踩坑无数，好不容易走出来的人，简单说一下我的看法。例子1：我是活体检测落地的，老师当时跟我说，旷视能做出来，你应该也可以做个差不多的吧（微笑）。然后我就开始的漫长的算法复现道路。后来很久以后发现了两件事。
超90％论文算法不可复现，你为何不愿公开代码？人工智能（AI）这个蓬勃发展的领域正面临着实验重现的危机，就像实验重现问题过去十年来一直困扰着心理学、医学以及其他领域一样。他们没有足够时间在每种条件下都测试算法，或者在文章中记录他们尝试过的每个超参数。
这样算不算论文抄袭，会不会被撤销学位证？,硕士毕业论文，在写的时候模仿了其他人的一篇硕士论文。主要模仿了一下几个方面:1.模仿了原文章的论文构架、行文结构、研究思路和方法。2.模仿了原作者的一部分文献综述，对原作者论文文献综述部分的错误也进行了修改，同时添加了自己阅读的...
数据不够真实有效。即论文所运用的数据资料的可靠性和真实性不足；数据选取不科学，甚至选取错误。样本选取的科学性不足。即论文在调查阶段选取样本的科学性和典型性不足，抽样方法不科学；样本量不足，难以代表研究对象的整体情况。
可以发现，损失函数基本收敛，到最后一轮损失函数值为0.010078，然后在测试集上的错误率是4.24%，这两个结果和论文上对应的结果······好吧毕竟在训练方式和数据集上有一些差距，所以结果上有点区别是很正常的。
别人的博客上说这个错误可能是因为分类数的设定有问题，在仔细核对数据集之后，我发现数据集和label并没有错误，直到在pytorchforums中找到了解决方案，即显存不足，batchsize过大，将batchsize调小之后问题就迎刃而解了。
发表服务