最近搞科研的一点感受

深度学习音频分类研究心得
部署运行你感兴趣的模型镜像

经过一年的忙碌终于将第一篇文章发出去了,经过和老师的深度的讨论最终文章的题目为《DBN feature learning based on multi-scale representations for audio event classification》,这片文章还不知道能否能够中,但是先贴这里,这里贴论文的名字好像有点二,就这样吧!没错是和深度学习有关系的。从做这方面的研究到最后发出文章来总共用了不到两个星期的时间,之前做了大量的研究工作,但是都是以失败而告终,总结起来有下面几点。

一、做的东西太过于老。在科研的道路上,选对一个方向确实是非常之重要的,如果将科研比作吃饭,那么一个错误的方向就像一根硬骨头,在啃也不会有什么非常新的东西出来的,性价比实在非常之低。但是一旦选对了一个正确的方向,那么后面的工作就只能用势不可挡两字来形容了,这样出成果,得到老板认可的成果的速度非常快。

二、并不是老的东西是没有用的,相反上面的大片的贬低也是不对的,陈旧的东西反而是最闪耀的钻石,是经过千锤百炼之后得出的真理。这些方法,这些理论反而是我们进行创新的baseline或者理论基石。当我们对这些非常经典的问题熟悉了之后,后来看问题会发现看的更加清楚,而不是像盲人墨香,更能体会到科学的美妙之处。

三、个人的问题。持之以恒的问题。一个值得深入研究的问题,真的不是一天两天就能解决的problem,如果在短时间之内,并没有得到有用的结论,我们就放松自己,那么前期的工作可能在第二天就会烟消云散了,一切前功尽弃,这里就是说要讲究可持续性,可发展性。


先总结这几点吧!

您可能感兴趣的与本文相关的镜像

Llama Factory

Llama Factory

模型微调
LLama-Factory

LLaMA Factory 是一个简单易用且高效的大型语言模型(Large Language Model)训练与微调平台。通过 LLaMA Factory,可以在无需编写任何代码的前提下,在本地完成上百种预训练模型的微调

【最优潮流】直流最优潮流(OPF)课设(Matlab代码实现)内容概要:本文档主要围绕“直流最优潮流(OPF)课设”的Matlab代码实现展开,属于电力系统优化领域的教学与科研实践内容。文档介绍了通过Matlab进行电力系统最优潮流计算的基本原理与编程实现方法,重点聚焦于直流最优潮流模型的构建与求解过程,适用于课程设计或科研入门实践。文中提及使用YALMIP等优化工具包进行建模,并提供了相关资源下载链接,便于读者复现与学习。此外,文档还列举了大量与电力系统、智能优化算法、机器学习、路径规划等相关的Matlab仿真案例,体现出其服务于科研仿真辅导的综合性平台性质。; 适合人群:电气工程、自动化、电力系统及相关专业的本科生、研究生,以及从事电力系统优化、智能算法应用研究的科研人员。; 使用场景及目标:①掌握直流最优潮流的基本原理与Matlab实现方法;②完成课程设计或科研项目中的电力系统优化任务;③借助提供的丰富案例资源,拓展在智能优化、状态估计、微电网调度等方向的研究思路与技术手段。; 阅读建议:建议读者结合文档中提供的网盘资源,下载完整代码与工具包,边学习理论边动手实践。重点关注YALMIP工具的使用方法,并通过复现文中提到的个案例,加深对电力系统优化问题建模与求解的理解。
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