論文寫(xiě)作系列課程5-投稿期間

導(dǎo)師：John老師講師簡(jiǎn)介：中國(guó)科學(xué)院大學(xué)博士研究生，曾在騰訊和微軟亞洲研究院進(jìn)行NLP相關(guān)的項(xiàng)目。在國(guó)際會(huì)議發(fā)表論文近20篇。5項(xiàng)專利，多次獲得國(guó)家獎(jiǎng)學(xué)金，科研學(xué)術(shù)競(jìng)賽top-3?？蒲姓撐膶?xiě)作系列課程投稿期間response書(shū)寫(xiě)NORTHWESTERNPOLYTECHNICALUNIVERSITY內(nèi)容提要目錄Contents如何進(jìn)行Rebuttal

如何Response

回顧總結(jié)如何進(jìn)行Rebuttal何為Rebuttal？--針對(duì)審稿人提出的問(wèn)題進(jìn)行回復(fù)，如果有錯(cuò)誤的需要進(jìn)行反駁Rebuttal（申辯）是在論文被審稿人打分之后，留給作者解釋各種問(wèn)題的一個(gè)步驟。審稿人會(huì)根據(jù)論文的情況給出評(píng)審意見(jiàn)并打分，作者則需要根據(jù)這些意見(jiàn)把論文存在的問(wèn)題解釋清楚Rebuttal的目的？--態(tài)度：不卑不亢；目的：提高論文的分?jǐn)?shù)Rebuttal的重要性？--提高中稿率如何進(jìn)行Rebuttal？--案例分析以2022IJCAI為例Rebuttal是解釋審稿人的困惑、回答他們提出的問(wèn)題、以及說(shuō)服對(duì)方提高分?jǐn)?shù)的機(jī)會(huì)。因此其內(nèi)容也應(yīng)該多以事實(shí)為主，而非主觀評(píng)論。如何進(jìn)行RebuttalRebuttal的心路歷程選擇1：分?jǐn)?shù)高，那么恭喜，問(wèn)題不會(huì)太大，如實(shí)回復(fù)即可。選擇2：分?jǐn)?shù)低，心情會(huì)發(fā)生巨大變化。階段1：初讀評(píng)審建議和分?jǐn)?shù)的時(shí)候，會(huì)感到憤怒、失望、難受等情緒。這段時(shí)間內(nèi)，建議最起碼完整地快速地將評(píng)論讀一遍，大致了解審稿人因?yàn)槟男c(diǎn)給了低分。階段2：平和。對(duì)評(píng)審意見(jiàn)進(jìn)行細(xì)品。盡管有許多在你看來(lái)非常弱智的評(píng)論，要忍住怒火理性地讀完（一字一句讀完）。1.弄清楚各個(gè)評(píng)審都說(shuō)了什么，哪些重要，哪些不重要2.想辦法解決他們提出來(lái)的問(wèn)題階段3：開(kāi)始寫(xiě)！NORTHWESTERNPOLYTECHNICALUNIVERSITY內(nèi)容提要目錄Contents

如何進(jìn)行Rebuttal

如何Response

回顧總結(jié)如何進(jìn)行ResponseResponse和Rebuttal的區(qū)別？何為Response？大修，小修Response的目的？審稿人角度：MakeyourpaperbetterResponse的重要性？——在論文寫(xiě)的好的基礎(chǔ)上，進(jìn)行response進(jìn)入下一階段如何進(jìn)行Response？——案例分析以2021KBS一區(qū)期刊為例如何進(jìn)行ResponseResponse是對(duì)期刊當(dāng)中審稿中給出的意見(jiàn)進(jìn)行點(diǎn)對(duì)點(diǎn)的回復(fù)，并且滿足審稿人的需求。只要期刊讓你自己修改，你能夠?qū)徃迦颂岢龅囊庖?jiàn)進(jìn)行回復(fù)并且完善，那你就有很大可能概率會(huì)被接受。心態(tài)變化不會(huì)像Rebuttal那樣大。因?yàn)槟阒恍枰ミM(jìn)行回復(fù)并且完善就可以了，論文還是有機(jī)會(huì)被接受的。但是Rebuttal不一樣，是一錘子買(mǎi)賣(mài)。怎么寫(xiě)呢？案例分析以2021KBS一區(qū)期刊為例NORTHWESTERNPOLYTECHNICALUNIVERSITY內(nèi)容提要目錄Contents

如何進(jìn)行Rebuttal

如何Response

回顧總結(jié)總結(jié)回顧總結(jié)Response和Rebuttal的意義Response和Rebuttal的區(qū)別Response和Rebuttal的重要性實(shí)戰(zhàn)分析1.矩陣計(jì)算2.概率論、信息論神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)一、神經(jīng)網(wǎng)絡(luò)與多層感知器

1.1人工神經(jīng)元：MP模型1.2多層感知機(jī)1.3激活函數(shù)（sigmoid/tanh/relu）1.4反向傳播（BP）：梯度下降，學(xué)習(xí)率1.5損失函數(shù)：MSE/CE；Softmax函數(shù)1.6權(quán)值初始化1.7正則化：L1、L2和Dropout；提及BN/GN/IN/LN二、卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)2.1卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介2.2卷積層2.3池化層2.4Lenet5三、循環(huán)神經(jīng)網(wǎng)絡(luò)3.1rnn循環(huán)神經(jīng)網(wǎng)絡(luò)3.2lstm長(zhǎng)短記憶循環(huán)神經(jīng)網(wǎng)絡(luò)3.3gru門(mén)控循環(huán)單元NLP基礎(chǔ)知識(shí)基本概念預(yù)備知識(shí)形式語(yǔ)言與自動(dòng)機(jī)語(yǔ)料庫(kù)與語(yǔ)言知識(shí)庫(kù)語(yǔ)言模型概率圖模型自動(dòng)分詞、命名實(shí)體識(shí)別與詞性標(biāo)注Python基礎(chǔ)1.編程基礎(chǔ)2.機(jī)器學(xué)習(xí)庫(kù)數(shù)學(xué)基礎(chǔ)PyTorch入門(mén)PyTorch簡(jiǎn)介及安PyTorch人名幣分類(lèi)PyTorch數(shù)據(jù)讀取模塊PyTorch數(shù)據(jù)增強(qiáng)PyTorchModule模塊PyTorch常用網(wǎng)絡(luò)層PyTorch損失函數(shù)PyTorch優(yōu)化器OptimizerPyTorch可視化TensorBoardPyTorch實(shí)用技巧GPU/Finetune/保存加載學(xué)習(xí)路徑NLPBaselineICLR2013，EfficientEstimationofWordRepresentationinVectorSpace，詞向量扛鼎之作EMNLP2014，GloVe:GlobalVectorsforWordRepresentation，最著名的詞向量訓(xùn)練模型之一EMNLP2015，Compositionalcharactermodelsforopenvocabularywordrepresentation，第一篇介紹字符嵌入EMNLP2014，ConvolutionalNeuralNetworkforSentenceClassification，CNN文本分類(lèi)扛鼎之作NIPS2015，Character-levelConvolutionalNetworksforTextClassification，第一篇字符級(jí)別的文本分類(lèi)EACL2017，BagofTricksforEfficientTextClassification，細(xì)粒度文本分類(lèi)模型NIPS2014，SequencetoSequenceLearningwithNeuralNetworks，深度LSTM做神經(jīng)機(jī)器翻譯ICLR2015，NeuralMachineTranslationbyJointlyLearningtoAlignandTranslate，第一篇提出注意力機(jī)制的論文NAACL2016，HierarchicalAttentionNetworksforDocumentClassification，HanAttention用于文本分類(lèi)Coling2018，SGM:SequenceGenerationModelforMulti-labelClassification，第一篇使用序列生成做多標(biāo)簽文本分類(lèi)學(xué)習(xí)路徑數(shù)學(xué)基礎(chǔ)Python基礎(chǔ)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)Pytorch快速入門(mén)圖像基礎(chǔ)NLP基礎(chǔ)Step0：選修知識(shí)CV方向NLP方向10篇論文10篇論文Step1：BaselinePaperStep2：細(xì)分專題Paper語(yǔ)義分割；目標(biāo)檢測(cè)；GAN；OCR；輕量化網(wǎng)絡(luò)信息抽取；預(yù)訓(xùn)練模型；圖神經(jīng)網(wǎng)絡(luò)；句子匹配；機(jī)器翻譯；注：根據(jù)個(gè)人學(xué)習(xí)基礎(chǔ)，進(jìn)入不同學(xué)習(xí)階段學(xué)習(xí)路徑Thanks！Morerelatedworkscanbeviewedas