科学中的深度学习

Sep, 2020

Deep Learning in Science

Stefano Bianchini, Moritz Müller, Pierre Pelletier

TL;DR这篇文章利用自然语言处理技术，针对多个领域的相关研究文献分析了深度学习技术的扩散和影响，在研究健康科学的过程中发现，深度学习技术的采用虽然与知识结构的颠覆和再组合的新颖性呈现负相关，但却能提高期望和引用性能方面的变异性。因此，深度学习方法可以作为一种通用的科学方法，以可衡量的方式推动科学的进展。

Abstract

Much of the recent success of artificial intelligence (AI) has been spurred on by impressive achievements within a broader family of machine learning methods, commonly referred to as deep learning (DL). This pape

artificial intelligence deep learning diffusion scientific development citation performance

发现论文，激发创造

水资源科学中深度学习研究的跨学科综述

本篇综述论文探讨了使用深度学习来解决在水资源科学领域面临的诸多挑战，以及深度学习在其他领域的经验和方法对于水研究的启示。

Dec, 2017

揭示深度学习的前沿：塑造多样领域的创新

通过综合研究文献，本文广泛探讨了深度学习在各个学科中的潜在应用，以及相关的优势和挑战，验证了深度学习在预测分析方面的准确性和优势，使其成为一种强大的计算工具。深度学习独立于训练数据，因此需要大量的数据进行有效的分析和处理。为了处理大量的医疗、科学、医疗保健和环境数据，可以利用诸如 LSTMs 和 GRUs 的门控架构。对于多模态学习，神经网络中的共享神经元和特定任务的专用神经元是必要的。

Sep, 2023

商务分析中的深度学习：期望与现实的冲突

该论文论述了深度学习虽然备受欢迎，但在商业分析领域普及存在困难，原因是计算复杂度、数据结构、缺乏透明度（黑匣子）和人才短缺等问题，而且在结构化数据集上无法优于传统的机器学习模型。因此，应该把深度学习视为现有机器学习模型的有力补充，而非通用解决方案。

May, 2022

5G 网络中的机器学习与深度学习 -- 科学影响的比较

本研究旨在通过统计学方法揭示机器学习和深度学习在五代移动通信（5G）领域的科学影响差异，并通过分析引用效果、期刊 / 会议等指标评估其受欢迎程度和趋势发展情况。结果表明，深度学习的出版和引用率均倾向于超越机器学习的研究。

Oct, 2022

野外科学计算的深度主动学习

本文首次探究使用十个最先进的深度主动学习方法并解决八个基准问题的科学计算问题的鲁棒性，并建议对于科学计算问题，多样性是鲁棒的深度主动学习的必要条件。

Jan, 2023

深度学习在自然语言处理中的应用调查

本文简要介绍了自然语言处理领域和深度学习架构和方法，并从最近的研究中总结了大量相关贡献，对核心语言处理问题和计算语言学的多个应用进行了分析，并提供了当前技术水平的讨论和未来研究的建议。