論文要有創新性才容易發表,但創新性是有階段性的。比如1995年的時候,人工智能開始流行統計機器學習,于是沿此方向上研究并撰寫的文章都相對容易被接收和發表。
其中,一個最容易玩上手的是核方法。直觀來說,就是當數據在原空間不能線性劃分時,即不能用類似直線的超平面線性分類時,核方法能通過函數映射将這些數據轉換到一個高維空間,在那裡進行線性劃分。而且這個映射函數不需要顯式知道,隻用一個被證明過的徑向基函數就可以在原空間完成--映射、比較、劃分---三個步驟。
于是,大家一轟而上,都往這個核方法的方向鑽,稱為核技巧。因為這個技巧用起來簡單,幾乎不用改之前的方法,就可以加一節核方法來自然擴充,所以相應的文章很多。
可是,這東西不能玩太久。前一兩千篇還能接受。玩到四五年以後,如果還是簡單的套用陳舊的核映射函數,評審會一眼看穿,且會因為極度厭惡這類重複性的操作而直接拒稿。這就是審美疲勞了。
在随後的近二十年裡,審美疲勞出現過好幾次。每次都是因為一個新方法,被不斷地重複或僅做細微的小改進就發文章。比如概率圖模型、正則化技術、線性判别分析中的類内距離減小類間距離變大等等。
張軍平,複旦大學計算機科學技術學院,教授、博士生導師,中國自動化學會混合智能專委會副主任。主要研究方向包括人工智能、機器學習、圖像處理、生物認證及智能交通。至今發表論文近100篇,其中IEEE Transactions系列19篇,包括IEEE TPAMI, TNNLS, ToC, TITS, TAC等。學術谷歌引用3100餘次,ESI高被引一篇,H指數28.
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!