10.19汇报程柏薹.pptx

：“10.19汇报程柏薹.pptx” ：这份文件是个人组会汇报，用于记录和纪念会议内容，不作为公开参考材料。 ：组会 【内容概述】： 本次组会是智能生物信息实验室的一次周汇报，由程柏薹进行分享。主要内容涉及上周工作回顾、对科研方法的思考以及个人学习经验的总结，并提出了后续的学习计划。报告中提到一种名为“论文豪式论文法”的阅读策略，以及对神经网络模型如RNN、CNN和Transformer的实践理解和疑惑探讨。 【知识点详解】： 1. **论文阅读策略**：程柏薹提出了“论文豪式论文法”，强调先从题目、摘要入手，快速判断论文是否符合自己的需求，接着浏览引言和结论，以决定是否深入阅读。这种方法有助于提高阅读效率，避免浪费时间在不相关的论文上。 2. **团队交流与合作**：组会中的交流讨论显示，团队成员意识到无目的性的广泛阅读不利于长期研究，需要尽快明确研究方向。程柏薹计划与研二学长学姐合作，进行多标签文本分类项目。 3. **Alex Net**：Alex Net是深度学习领域的经典模型，对于理解卷积神经网络（CNN）有重要价值。报告中提及，通过实际编程加深了对CNN的理解。 4. **事理图谱**：事理图谱是一种表示事件关系的图结构，强调模型的实际效果比理论讨论更重要，提倡通过实际操作来验证和理解模型。 5. **RNN、CNN与Transformer的理解**：程柏薹通过实现简单的RNN、CNN和Transformer模型，将之前分散的知识点串联起来。对于RNN的工作机制、权重维度的影响、concat和positional encoding的作用以及残差连接的原理，报告中表达了疑惑，同时也指出这些问题可能并不需要过多关注，关键在于模型能否通过训练达到预期效果。 6. **学习计划**： - 每周至少阅读两篇论文，至少精读一篇，并尝试运行相关代码。 - 熟悉Pytorch环境，读懂并运行Transformer和Bert的代码，计划在一个月内制作讲解视频上传至哔哩哔哩。 - 继续整理和分类论文笔记，撰写博客分享学习心得。 总结，这次组会汇报不仅展示了程柏薹在过去一周的学习成果，还反映出对科研方法的探索和改进，以及对深度学习模型实践应用的深入思考。通过设定明确的学习计划，旨在提升个人技能并推动团队项目的进展。