精华内容
下载资源
问答
  • 奉劝各位学弟学妹们,该打造你的技术影响力了!

    万次阅读 多人点赞 2021-04-27 14:21:11
    没有影响力的时候想着怎么扩大影响力,我就觉得有点扯淡。就像没有财的时候想着理财一样,有点白日做梦。 与其白日做梦,不如脚踏实地,换一句浅显易懂的话,就是,与其想着理财,不如想想怎么攒钱。如果连原

    CSDN 的学弟学妹们,大家好呀,我是沉默王二。放在一年前,打死我也不相信,这四个平淡无奇的字组合在一起竟然充满了魔力!

    2019 年的时候,我看过一本书,名叫《影响力》,应该有不少学弟学妹也看过。但说实在的,这本书我就看了几页,就看不下去了,不是这书不好,而是我觉得它不适合我,因为我那时候没什么影响力(谦虚点)。

    没有影响力的时候想着怎么扩大影响力,我就觉得有点扯淡。就像没有财的时候想着理财一样,有点白日做梦。

    与其白日做梦,不如脚踏实地,换一句浅显易懂的话,就是,与其想着理财,不如想想怎么攒钱。如果连原始资本都“攒”不住的话,“理”就无从谈起,对吧?

    同样的,影响力这东西,需要有一定量的作品,需要时间的积累,还需要个人魅力、运气和时机,缺哪样都不行

    但讲良心话,这年头,影响力真的非常非常非常重要。

    学弟学妹应该知道王一博吧,很火的一个新生代偶像。我一个程序员,为什么要提一个流量明星?没错,我想蹭他的热度,因为他是洛阳人(裂开),更关键的是,他和我都住在涧西区,名字里还带个王字,我笔名,他艺名。

    假如让王一博和我同时站台为洛阳带盐的话,估计我应该在台下,不应该在台上(女粉给我踹下去的)。

    这就是影响力的体现。同样一件事,不同影响力的人去做,效果是完全不同的。由此可见,影响力的重要性和稀缺性,说得裸露一点就是,影响力还可以兑换成 money。

    至于如何兑换成 money?我猜学弟学妹一定很感兴趣,但是,任性的我选择略过,因为我们先要解决的是,如何打造你的技术影响力,这方面,我还是有些经验的。

    如何打造呢?说起来,也挺简单,就是在 CSDN 这个平台上贡献有价值的内容。落实到操作层面,无非就两样,写作和视频。

    视频方面我是个菜逼,拍了 2 个视频,发在 CSDN 上,播放量加起来不到 1 万,于是就草率地放弃了。为什么没有火呢?答案显而易见,视频的质量有待提升。

    是个人都在说,视频是未来。但鞋子合不合脚,只有自己知道。总之呢,视频这块我没有话语权,保持沉默,不再多比比,就只说写作吧!

    先说说我身边的几个朋友吧,他们无一例外,都是通过写作建立起来的影响力。

    第一个,我想到的就是纯洁的微笑。我在写作方面之所以能突飞猛进,除了源于我自身的努力,微笑哥在初期给了我不少无私的帮助。

    微笑哥是通过分享 Spring Boot 方面的技术文章起家的,这方面的成就至今应该无人超越。Spring Boot 刚开始流行的时候,微笑哥就开始在某园分享这方面的技术文章了。如果我没记错的话,他分享的一篇 Spring Boot 入门的文章,阅读量就有一百多万,随着时间的推移,这个数目也会不断的攀升。要说这篇文章,文采上肯定没什么特色,就是一个“早”字。

    但是,绝大多数的技术人,当然包括我在内,缺的就是这种眼力见,说得优雅点就是对技术的敏锐嗅觉。微笑哥就有,所以他的影响力有目共睹。

    如果你恰好就有这种洞察力,那甭管在什么平台,都能够取得瞩目的成绩。因为生意经里有一句话,真的非常经典,放在写文章方面也是再适合不过了。

    人无我有,人有我好,人好我早,人多我早。

    第二个,我的好朋友,江南一点雨。我俩差不多在相同的时间段起步,但他跑得更快一些。

    松哥也是通过 Spring Boot 起家的,虽然比微笑哥晚一些,但仍然吸引了一大批忠实的读者。

    学弟学妹在写作的时候,会不会也有这样的疑惑,“这个技术点别人已经写过了呀,我还有写的必要吗?”

    瞧,这个问题的答案松哥就给出了。微笑哥写了 Spring Boot,松哥写的仍然有很多读者喜欢看呀!只要你能写出新意,写出自己的风格,就会有受众,所以完全没必要担心这个问题。

    退一万步说,即便是写不出新意,写不出自己的风格,要知道这个世界上的人非常非常多,互联网是没有这个屏障的,总会有人“躲”在某个隐秘的角落里看到你辛苦的付出。

    我和松哥平常交流得比较多,他在 GitHub 上开源的 vhr,已经接近 20k 星标了,很强!我是这个项目唯一的 contributor,就说牛逼不牛逼?反正混的。

    经常有学弟学妹傻傻分不清我俩谁是谁,今天松哥还截图发我,我的回答干脆直接——你就说我俩是 CP。

    这个名单如果就这样列下去的话,恐怕会很长很长,长得就像老奶奶的裹脚布。总之,他们俩都是通过写作,建立起了强大的技术影响力,影响了百万级别的读者。

    接下来,再来说说我自己的写作秘诀吧!

    我本身是一个很普通很普通的程序员,放在人堆里,除了与生俱来的盛世美颜,就只剩下 173 的大个了。就是我这样的一个废柴,也有着自己与众不同的影响力。单 CSDN 的访问量就突破了 800 万,突破 1000 万指日可待。

    更是收获了众多学弟学妹们的好评,随便放几张截图凡尔赛一下。

    所以,我的写作秘诀,可能更具有普适性。我相信,只要你努努力,假以时日,就能让我看见你的背影。如果上面这些文字成功地激发了你的写作欲望,那就别再犹豫了,搞起来!

    一开始,写什么好呢

    ladies and gentlemen,这真的是一个难以起笔的好问题啊。

    我认为最好是工作中或者学习中遇到的 bug,噢,不,bug 的解决方案。为什么这么说呢?

    第一,bug 的解决方案对搜索引擎非常友好,你不需要标题党,也不需要多充实的内容,就能够获得足够多的浏览量!一旦你的解决方案被搜索引擎收录,那基本上就是源源不断的流量。

    第二,同一个问题,可能会被无数人遇到。说得惊悚点就是,韭菜一波又一波。著名的 Stack Overflow 就是靠此为生的呀,光一个 NullPointerException 就足足有 300 万的浏览量。

    你敢说你没有遇到过 bug?如果有的话,你过来捶我,我保证不还手,别打脸就行,毕竟我靠脸吃饭,不,靠才华吃饭,用力捶。

    把读书心得、学习笔记分享出来也可以啊,如果你觉得不好意思,怕写得不好,拿不出手,怕被骂,起个不像样的笔名就行了啊!

    我想翻译,可以吗?

    perfect 啊!如果说英语功底比较扎实,翻译可以说是写作道路上的助推器!

    对于绝大多数的人来说,“我就是写不出来啊…”是个老生常谈的话题,即便是一个写作了很久的作者来说,也有写不出来的那一天。反正我知道村上春树就曾在他的书里吐露过这样的心声,人家可是一个常年陪跑诺贝尔文学奖的人。

    如果你能翻译的话,那岂不是天大的优势?尤其是对于我们技术人员来说,绝大多数的一手资料,都是英文版的。

    只要是成熟的技术,都有自己的官网,说明文档特别详细。如果能够在第一时间把这些文档翻译成中文的话,你的影响力能够很快地建立起来,我保证!

    不要担心文笔不好,就拿《Effective Java》 这本书来说吧,这本书的译者在豆瓣上都被喷成渣了,但是肯第一个吃螃蟹的人,才是真正的勇士啊!

    说白了,我们要的是影响力,不是那些徒有其表的文笔。

    还什么可写的吗?

    太多了,我给你说。每个程序员都逃不过面试这一关吧,甭管你是学生还是打工人,总要刷一波面试题或者算法题的,刷 Leecode,或者牛客网,都行

    如果一开始没有解题思路的话,我这里有一份美团大佬手撕的 300 道 LeetCode 刷题笔记,纯 Java 版,二哥亲自整理的,分亮白版(可以打印出来学习)和暗黑版(晚上看保护眼睛),对于算法薄弱或者需要提高的同学都十分受用:

    刷完 300 道 LeetCode 题后,我膨胀到要飘起来了!纯正 Java 版

    这些面试题或者算法题刷起来是不是就带劲多了?毕竟关系到你以后的薪资和福利待遇。你把解题的思路,以及心得体会记录下来,分享出来,梳理自己的同时也能够帮助更多的小伙伴,两全其美,有木有?如果可以的话,你甚至可以把解题思路同步到 GitHub 上,一定能俘获不少“芳心”——star 了。如果你的解题思路是最优解,那完了,膜拜你的学弟学妹就多了去了。

    解决了不知道写什么的后,我就要送你一句话糙理不糙的至理名言了:

    伟大的牛逼之前都是傻逼式的坚持。

    偷偷地告诉你,我已经把这句话悄悄地刻在了桌面上,就像小学课桌上的那道 38 线一样清晰可见。每次我想偷懒的时候,这句话就像同桌的她一样,在我胳膊上掐出一个爱心。

    奉劝各位学弟学妹们,该,打造你的技术影响力了!真的,要不先来个一键三连,以表决心,刚好 CSDN 正在举办原力计划,快来一起参与吧

    展开全文
  • 影响力在职场的重要性

    千次阅读 2018-06-10 22:02:32
    前端时间参加了公司的管理培训,讲非职权影响力。对于领导者来讲,如果不能提高自己的影响力,那么是没办法做到让下属信服和追随的。整理了一下培训的收获。   影响力的定义 运用一些别人所乐于接受的方式,改变...

    前端时间参加了公司的管理培训,讲非职权影响力。对于领导者来讲,如果不能提高自己的影响力,那么是没办法做到让下属信服和追随的。整理了一下培训的收获。

     

    影响力的定义

    运用一些别人所乐于接受的方式,改变他人的思想和行动,具体有个性、思想,以及行动。
    这些方式包括:举例引证、造成恐惧、赞美肯定、权势财富等。

     

    影响力的6大武器

    • 互惠
    • 承诺一致
    • 社会认同
    • 喜好
    • 权威
    • 稀缺

    另外次要些的还有认知对比、关联等。
    怎么理解这六大武器呢,以及针对这六大武器,怎么应对呢?
    1、互惠
    滴水之恩当涌泉相报,人们普遍有知恩图报的心态,互惠原理,就是利用人的亏欠感。因为亏欠感会让人觉得不舒服,大多数会觉得亏欠别人是不愉快的,想要尽快将之消除。另外违背了互惠原理、接受而不试图回报他人善举的人,一般是不受社会群体欢迎的。
    运用技巧:

    • 施以恩惠,可以是实物,也可以是关怀或者赞扬。
    • 即便是硬塞给对方接受的也能够触发对方的亏欠感
    • 互惠式让步:在别人提出小的要求(让步)的时,我们往往会答应(让步)
    • 拒绝后撤术(提出大请求-非真正目的,在提出小请求-正真目的)

    对策:

    • 倘若别人提议我们确实赞同,那就接受它,倘若这一提议别有所图,我们就置之不理。
    • 在拒绝的时候,心理暗示这个只是别人利用互惠原理给自己的圈套,大可不必有亏欠感。

    2、承诺一致
    人人都有一种言行一致的愿望,简而言之,一旦做出了承诺,周围的人认为我们是什么样,我们在内外部压力的作用下将会积极地把自我形象调整得与行为一致。
    运用技巧:

     

    • 为了一个承诺付出的努力越多,承诺的影响力越大。
    • 书面承诺、公开承诺的效果会更好。公开的承诺往往具有持久的效力,当人们选择立场,公开表示观点,此后的行为会不假思索按承诺去做。
    • 运用于销售时,先给人一个甜头,诱使人作出购买的决定。而后,等决定做好了,交易却还没有最终拍板,卖方巧妙地取消了最初的甜头。

     

    对策:

    • 当他人对我们运用的时候,内心假设回到初始位置,那时候自己的选择才是理性的。

    3、社会认同

     

    社会认同原理指出:“在判断何为正确时,我们会根据别人的意见行事。”当我们自己不确定、情况不明或含糊不清、意外性太大的时候,我们最有可能觉得别人的行为是正确的。也会根据他人的行为来判断自己怎样做才合适,尤其是在我们觉得这些人跟自己相似的时候。

     

    对策:

     

    • 经常提出质疑,我追从的这个人是否真的是对的?

    4、喜好
    大多数人总是更容易答应自己认识与喜爱的人所提出的要求。在决定是否购买某产品时,社会纽带的影响比消费者本身对产品的好恶强两倍。反之,人总是自然而然地讨厌带来坏消息的人,哪怕报信人与坏消息一点关系也没有。
    对一个人喜欢的理由:

     

    • 外表魅力(光环效应:一个人的一个正面特征就能主导其他人看待此人的眼光)
    • 相似性:我们喜欢与自己相似的人(观念、背景、兴趣爱好以及生活方式)
    • 恭维,因为人特别喜欢听人恭维
    • 接触与合作:人常常会喜欢自己熟悉的事物。日久生情的原因。(a此种情况,要是在两者不存在竞争关系的时候才能得以实现以团队为为导向的学习能够缓解有竞争带来的不适感)

     

    对策:

    • 如何拒绝:对事不对人。

    5、权威
    权威原则是指:我们总是容易听从权威人士的意见,甚至在很多情况下,只要有正统的权威说了话,其他本来应该思考的事情就变得不相关了。
    权威的标志最典型的有三个:头衔、衣着、外部标志。

     

    • 头衔,头衔比当事人的本质更加能影响他人的行为。
    • 衣着,比如人们总是更信任穿制服的人。比如穿着西装。
    • 身份标识,比如珠宝与名车

     

    对策:

    • 扪心自问这个权威是正真的专家么?这个专家的话是真的么?

    6、短缺
    物以稀为贵,短缺的东西往往呈现超出其应有价值的价值。除了数量上的短缺造成的珍贵,取得某一目标的难度上的差别也会导致其价值的变化,即越难得到的越珍贵。

     

    • 机会越少,价值就越高。比如错过就再也没有的东西,本来你是不想要它的,但是因为它即将失去或短缺,它突然就变得很有诱惑力。
    • 可能会失去某种东西的想法在人们的决策过程中发挥着重要作用,当一件东西得而复失时,人们会比在一直缺乏这种东西的情况下更想要得到它。
    • 某种东西当我们必须通过竞争才可能得到它时,我们想得到它的愿望就更强烈。

     

    对策:

    • 提醒自己稀缺的饼干没有变的更好吃。

     

    施展影响力的步骤

     

    步骤一:理清自己的目标优序
    进行影响之前,先厘清自己的目标:

     

    • 我的主要目标、次要目标是什么?
    • 我要影响对方的:个性、理念、行为?
    • 这是个短期一次性的目标?还是必须长期奋斗的目标?这牵涉到我们要投入多少时间,运用何种筹码及策略。
    • 我想达成的这些目标,是“必须(must)”要达成的?还是“有商量余地”的(nice-to-have)?
    • 成功影响最有挑战的是:这些目标中,完成任务比较优先?还是维系双方的关系优先?还是两个都重要?

     

    步骤二:分析各利益相关人的角色
    如果我们面对的是一个组织,我们的第二个影响力挑战包括:

     

    • 找出所有相关的利益人(stakeholders):组织内在大部分决策不会是由单一个人拍板,而是由几个具有相关专长或经验的人决定。
    • 判断出这些人在组织中属于何种类型的角色:每个人在组织中的地位会决定他将如何看待此事,一般而言有四种常见角色,如下图:
    • 掌握有哪些看不见的组织力量会影响到这些人的决策判断?因为这些组织的客观外在因素通常会比这此人的个性及观点本身更具影响力!

     

    步骤三:挖掘对方的利益与需求

     

    除了掌握组织中相关的四种决策角色之外,可以采用PIN的方式挖掘对方真正在意的事物。

    • P:立场
    • I:利益
    • N:需求

    另外,还需掌握对方不同的沟通及决策风格沟通与决策风格通常有以下几种:

    • 掌控型
    • 思想家型
    • 追随着型
    • 魅力型

    步骤四:盘点自己手上的筹码

    人们想要的东西可以通称之为“筹码”,当我们拥有对方想要的东西(筹码)时,我们就有可能透过各种方式(例如交易)来影响对方,从而得到我们想要的事物。因此影响过程中,除了掌握对方的目的和需求以外,自己拥有多少筹码足以影响到对方,也是非常关键的因素。我们拥有的筹码越多,影响力就越大。

    一般而言,多数人想要的东西都会超过一件以上!例如:声誉、金钱、信任、地位、安全、认识有份量人士、受到欢迎等等

     

    而一般而言我们自己的筹码包括:

     

    • 在困难时期的表现
    • 在组织内的声誉
    • 专长及经验
    • 资历
    • 个性性格
    • 人际交往及沟通的能力
    • 平时工作中表现出来来的意志力
    • 在组织内外的社交关系网络

     

    步骤五:灵活运用影响力策略
    影响策略通过分为以下四大类
    策略一:类似与喜爱Liking,又称为:信任式影响
    这人策略的基础是:人们总是对喜欢的人说“yes”

     

    • 熟悉:面孔,经常交流
    • 相似:风格、穿着、背景、兴趣、个性、年纪
    • 称赞:发自内心的夸奖
    • 正面:积极、正面、情绪控制
    • 形象:专业、整齐、洁净

     

    策略二:互利互惠Reciprocity,又称交易式影响
    这个策略的基础是:在心里,人们总是希望从对方那边得到一些好处,相对的,人们也会愿意在适当时候作出相应的回报。

     

    • 追溯交流记录
    • 利用恩惠
    • Give-then-take(礼尚往来)
    • Reject-then-Retreat(退而求其次)

     

    策略三:承诺责任Consistency,又称:承诺式的影响
    这个策略的基础是:人们都希望自己能信守承诺,塑造自己在他人心中守信负责的形象,同时,也希望对方如此。

     

    • 守信
    • 负责
    • 积极
    • 主动
    • 公开

     

    策略四:社会认可Socialproof,又称为:社交式影响
    这个策略的基础是:人们都有一种想要成为社会主流力量的潜在动机与愿望,同时也想一自己认同敬佩的有名专家或团体维持某种良好关系。

     

    • 社交网络
    • 同侪效应
    • 社会声望
    • 街头效应
    • 关联效应

    总结来说,就是要知己知彼,施展影响。

    知彼,要做到6个了解,和5个避免。

    • 了解对方的角色地位
    • 了解对方的利益及内心需求
    • 了解对方的沟通和决策风格类型
    • 了解完成这次交易对方可能付出的代价
    • 了解对方的底线
    • 了解对方可能的情绪反应
    • 避免过于将对方妖魔化
    • 避免将自己不喜欢的行为归咎于对方的个性、动机
    • 避免出现无法区分对方的立场、利益需求
    • 避免无法区分自己目标的轻重缓急
    • 避免无法控制自己的情绪

    注意对方挂在嘴上的,未必是他真正想要的,永远不能只听表面上说的。

    知己,就是了解自己手头上自有的筹码和可能借助的外来筹码。

    一般情况下,自有的筹码有:

    • 个性魅力
    • 关系矫情
    • 沟通表达
    • 知识能力
    • 个人资源
    • 个人背景
    • 气场气势
    • 握有把柄

    一般情况下,外来的筹码有:

    • 奖励诱因
    • 公司品牌
    • 公司资源
    • 公司系统
    • 职位职权
    • 政策规章
    • 社会压力
    • 三方权威

    大部分人都拥有比自己心里认知更多的筹码!

    总之,掌握的筹码越多,自己的影响力就越大。而运用的影响策略越灵活多元,影响力获得的成功机率也就越大!

     

    展开全文
  • 【导读】2018年度SCI期刊影响因子最新发布,Nature、Science、Cell三大神刊排名前列。新智元摘取其中有关人工智能、机器学习、计算机视觉、机器人学等领域的期刊并做简要介绍,希望对读者选择投稿期刊、阅读前沿技术...

     

    640?wx_fmt=jpeg

    【导读】2018年度SCI期刊影响因子最新发布,Nature、Science、Cell三大神刊排名前列。新智元摘取其中有关人工智能、机器学习、计算机视觉、机器人学等领域的期刊并做简要介绍,希望对读者选择投稿期刊、阅读前沿技术论文有所裨益。

     

    今天,2018年度SCI期刊影响因子正式出炉!

     

    Clarivate Analytics发布了最新年度期刊引用报告(JCR),2018年度共有12538种期刊被收录(不过有25本期刊的影响因子为 0),其中影响因子大于20的期刊有75种

     

    与以往不同的是,今年影响因子大于5分的期刊超过1000种,其中多了几个中国期刊的名字。

     

    640?wx_fmt=jpeg

    中国大陆几本重要SCI期刊2018年度影响因子

     

    排名第一的仍然是神刊 CA-A CANCER JOURNAL FOR CLINICIANS,其影响因子达到223.679,比去年的244.585有所下降。 

     

    10分以上期刊有275本,5-10分期刊有731本。

     

    影响因子(Impact Factor,IF)现已成为国际上通用的期刊评价指标。它不仅是衡量期刊价值和曝光的指标,同时也是衡量期刊的学术水平、以及论文质量的重要指标。

     

    接下来,新智元以Artificial Intelligence、Machine Learning、Robotics等为关键词,摘取了今年度JCR收录SCI期刊中人工智能、机器学习、计算机视觉、机器人等相关的期刊并作简要介绍。最后,我们列举了JCR Top 31(影响因子>30)的重磅级期刊(几乎被Nature屠榜)。(注:不完全统计,如有遗漏请谅解。)

     

    三大重量级科学期刊:人工智能与神经科学结合的研究

     

    NATURE(《自然》)

     

    640?wx_fmt=png

     

    排名:13

    影响因子:40.137

     

    Nature 是世界上最早的科学期刊之一,也是全世界最权威及最有名望的学术期刊之一,首版于1869年11月4日。虽然今天大多数科学期刊都专一于一个特殊的领域,Nature是少数依然发表来自很多科学领域的一手研究论文的期刊。在许多科学研究领域中,每年最重要、最前沿的研究结果是在Nature中以短文章的形式发表的。人工智能领域也有诸多开创性、突破性的研究发表在Nature,包括AlphaGo,AlphaGo Zero等。

     

    Nature 也是新智元报道人工智能前沿技术重点关注的期刊,登上Nature的封面报道可以说是所有科研工作的荣誉。今年以来,Nature封面登载了中国科学家关于“仿生群体机器人”的突破性研究;利用AI解码大脑活动,直接从大脑信号中合成语音;以及复活死亡后的猪大脑等重磅研究,引起广泛关注。

     

    新智元 × Nature:

     

    SCIENCE(《科学》)

     

    640?wx_fmt=gif

    排名:14

    影响因子:41.037

     

    Science是美国科学促进会(AmericanAssociation for the Advancement of Science,AAAS)出版的一份学术期刊,为全世界最权威的学术期刊之一。该期刊的主要关注点是重要的原创性科学研究和科研综述,此外Science也发表科学相关的新闻、关于科技政策和科学家感兴趣的事务的观点。同Nature一样,Science期刊涵盖所有学科。

     

    Science同样是新智元报道人工智能、机器人、人工智能与疾病研究、脑科学的结合等重点关注的期刊。

     

    新智元 × Science:

     

    《细胞》(CELL)

     

    640?wx_fmt=jpeg

     

    Cell(《细胞》)是由美国Elsevier出版公司旗下的细胞出版社(Cell Press)发行的杂志,主要刊登全世界在生命科学研究领域的最新、最重要的原创性成果。 

     

    《细胞》刊登过许多重大的生命科学研究进展,与Nature和Science并列,是全世界最权威的学术杂志之一。能够在《细胞》杂志上发表学术论文,是生命科学研究者孜孜以求的目标,也是评选诺贝尔奖、竞选院士、展示大学和科研机构研究实力的重要依据。

     

    人工智能与神经科学结合的重要研究,也有很多发表在《细胞》上。

     

    新智元 × CELL

     

    影响因子排名Top 1000的人工智能&机器学习&计算机视觉领域期刊

     

    IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE

    《IEEE模式分析与机器智能汇刊》

     

    640?wx_fmt=jpeg

     

    排名:96

    影响因子:17.730

     

    《IEEE模式分析与机器智能汇刊》,简称PAMI,是IEEE最重要的学术性汇刊之一。《IEEE模式分析与机器智能汇刊》主要发表有关计算机视觉和图像理解的所有传统领域,有关模式分析和识别的所有传统领域,以及机器智能的部分领域的论文,特别关注用于模式分析的机器学习。

     

    IEEE Transactions on Neural Networks andLearning Systems

    《IEEE神经网络与学习系统汇刊》

     

    排名:209

    影响因子:11.683

     

    《IEEE神经网络与学习系统汇刊》发表涉及神经网络和相关学习系统的理论、设计和应用的技术论文,重点是人工神经网络和学习系统。

     

    Information Fusion

    《信息融合》

     

    640?wx_fmt=jpeg

     

    排名:242

    影响因子:10.716

     

    Information Fusion旨在介绍多传感器,多源,多进程信息融合领域的所有发展,从而促进多学科之间的融合。该杂志是传播信息融合领域研究与开发各方面信息的重要期刊,所发表文章强调三个方面之一:架构,算法和应用,以及涉及基础理论分析及其现实问题应用的论文。

     

    INTERNATIONAL  JOURNAL OF INTELLIGENT SYSTEMS

    《国际智能系统杂志》

     

    排名:478

    影响因子:7.229

     

    ACM TRANSACTIONS ON GRAPHICS

    《美国计算机学会图形学汇刊》 

     

    排名:591 

    影响因子:6.495 

     

    International Journal of Neural Systems

    《国际神经系统杂志》

     

    排名:610

    影响因子:6.4

     

    《国际神经系统杂志》是一本双月刊的同行评议期刊,关注自然和人工神经系统的信息处理。主要发表涉及这一课题的物理,生物学,心理学,计算机科学和工程等的各个方面的原创性贡献。贡献包括研究论文,评论,通讯和致编辑信。

     

    INTERNATIONAL JOURNAL OF COMPUTER VISION

    《国际计算机视觉杂志》

     

    排名:691

    影响因子:6.071

     

    《国际计算机视觉杂志》,简称IJCV,介绍计算机视觉这一快速发展的领域的最新科学与工程进步。普通文章介绍广泛关注的重要技术进步,调查文章提供有关主题的最新技术的述评论文和/或教程演示。

     

    IEEE Computational Intelligence Magazine

    《IEEE计算智能杂志》

     

    640?wx_fmt=jpeg

    排名:736

    影响因子:5.857

     

    《IEEE计算智能杂志》旨在向读者介绍计算智能设计和应用的各个领域,特别强调面向应用的开发,成功的工业实施,设计工具,技术评论,计算智能教育和应用研究。

     

    NEURAL NETWORKS

    《神经网络》

     

    排名:754

    影响因子:5.785

     

    《神经网络》杂志是世界三大历史悠久的神经模型学会的期刊:国际神经网络学会(INNS),欧洲神经网络学会(ENNS)和日本神经网络学会(JNNS)。《神经网络》杂志对有关神经网络任何方面及相关计算智能方法的文章感兴趣,涉及行为学,脑建模,学习算法,数学和计算分析,以及使用神经网络概念和技术的工程和技术应用。

     

    COMMUNICATIONS OF THE ACM

    《美国计算机学会通讯》 

     

    排名:870

    影响因子:5.41

     

    ARTIFICIAL INTELLIGENCE RIVIEW

    《人工智能评论》

     

    排名:968

    影响因子:5.095

     

    Knowledge-Based SYSTEMS

     

    排名:965

    影响因子:5.101

     

    KNOWLEDGE-BASED SYSTEMS是一本国际性,跨学科和面向应用的期刊,侧重于使用基于知识的(KB)技术来支持人类决策,学习和行动的系统;强调KB系统的实际意义;其计算机开发和使用;涵盖KB系统的实施:设计过程,模型和方法,软件工具,决策支持机制,用户交互,组织问题,知识获取和表示以及系统架构。

     

    附录:1000名以外的JCR入榜人工智能相关领域期刊列表(6000名以内)

     

    640?wx_fmt=png

     

    JCR排名Top 1000的机器人学期刊

     

    Science Robotics

    《科学机器人子刊》

     

    640?wx_fmt=png

     

    排名:79

    影响因子:19.4

     

    《Science Robotics》是全球最权威的学术期刊之一《Science》杂志的子刊,于2016年12月6日正式创刊发文。 

     

    《Science Robotics》旨在促进机器人设计、理论和应用多个领域领域里不同研究学科的交叉应用,并对机器人领域的政策、社会话题和伦理等方面提出自己的意见和建议。

     

    IEEE Transactions on Robotics

    《IEEE机器人学报》

     

    排名:592

    影响因子:6.483

     

    Soft Robotics

    《软体机器人》

    640?wx_fmt=jpeg

    排名:606

    影响因子:6.406

     

    Soft Robotics(SoRo)是一本创新的同行评议期刊,关注移动机器的软材料的科学与工程。SoRo在多学科范围内结合了生物医学工程,生物力学,数学建模,生物聚合物化学,计算机科学和组织工程等方面的进步,提供能够在形状和大小上发生重大改变以适应各种环境的机器人的新方法。这些新技术为各种目的提供重要应用,包括手术,辅助医疗设备,紧急情况下的搜索和救援,空间仪器维修,矿山检测等。

     

    INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH

    《国际机器人研究杂志》

     

    排名:675

    影响因子:6.134

     

    《国际机器人学研究杂志》是一本经过同行评议的科学杂志,内容覆盖机器人领域的运动计划中传感器和感官解释,运动学等主题。该杂志成立于1982年,由Sage Publications出版。

     

    附录:1000名以外的JCR入榜机器人学期刊列表

     

    640?wx_fmt=png

     

    JCR 2018全榜Top 31期刊(影响因子大于30)

     

    640?wx_fmt=png

     

     

    最后,上表列出了2018年度JCR报告中影响因子最高的22种期刊,影响因子均大于30。

     

     

    欢迎关注磐创博客资源汇总站:
    http://docs.panchuang.net/

    欢迎关注PyTorch官方中文教程站:
    http://pytorch.panchuang.net/

     

    展开全文
  • Mysql重点知识精讲视频教程,来自MySQL内核开发者丁奇的分享。其《淘宝内部分享:怎么跳出MySQL的10个大坑》一直高居数据库文章的阅读榜首。作为活跃的MySQL社区贡献者,丁奇专注于数据存储系统、MySQL源码研究和...
  • 深度学习中学习率和batchsize对模型准确率的影响

    千次阅读 多人点赞 2020-11-07 23:40:27
    本内容来自其他的人解析,参考链接在...学习率直接影响模型的收敛状态,batchsize则影响模型的泛化性能,两者又是分子分母的直接关系,相互也可影响,因此这一次来详述它们对模型性能的影响。 2. 学习率如何影响模型性.

    本内容来自其他的人解析,参考链接在最后的注释。

    1. 前言

    目前深度学习模型多采用批量随机梯度下降算法进行优化,随机梯度下降算法的原理如下:
    在这里插入图片描述
    n是批量大小(batchsize),η是学习率(learning rate)。可知道除了梯度本身,这两个因子直接决定了模型的权重更新,从优化本身来看它们是影响模型性能收敛最重要的参数。

    学习率直接影响模型的收敛状态,batchsize则影响模型的泛化性能,两者又是分子分母的直接关系,相互也可影响,因此这一次来详述它们对模型性能的影响。

    2. 学习率如何影响模型性能?

    通常我们都需要合适的学习率才能进行学习,要达到一个强的凸函数的最小值,学习率的调整应该满足下面的条件,i代表第i次更新。
    在这里插入图片描述
    第一个式子决定了不管初始状态离最优状态多远,总是可以收敛。第二个式子约束了学习率随着训练进行有效地降低,保证收敛稳定性,各种自适应学习率算法本质上就是不断在调整各个时刻的学习率。

    学习率决定了权重迭代的步长,因此是一个非常敏感的参数,它对模型性能的影响体现在两个方面,第一个是初始学习率的大小,第二个是学习率的变换方案。

    2.1、初始学习率大小对模型性能的影响

    初始的学习率肯定是有一个最优值的,过大则导致模型不收敛,过小则导致模型收敛特别慢或者无法学习,下图展示了不同大小的学习率下模型收敛情况的可能性,图来自于cs231n。
    在这里插入图片描述
    那么在不考虑具体的优化方法的差异的情况下,怎样确定最佳的初始学习率呢?

    通常可以采用最简单的搜索法,即从小到大开始训练模型,然后记录损失的变化,通常会记录到这样的曲线。
    在这里插入图片描述
    随着学习率的增加,损失会慢慢变小,而后增加,而最佳的学习率就可以从其中损失最小的区域选择。

    有经验的工程人员常常根据自己的经验进行选择,比如0.1,0.01等。

    随着学习率的增加,模型也可能会从欠拟合过度到过拟合状态,在大型数据集上的表现尤其明显,笔者之前在Place365上使用DPN92层的模型进行过实验。随着学习率的增强,模型的训练精度增加,直到超过验证集。
    在这里插入图片描述

    2.2、学习率变换策略对模型性能的影响

    学习率在模型的训练过程中很少有不变的,通常会有两种方式对学习率进行更改,一种是预设规则学习率变化法,一种是自适应学习率变换方法

    2.2.1 预设规则学习率变化法

    常见的策略包括fixed,step,exp,inv,multistep,poly,sigmoid等,集中展示如下:
    在这里插入图片描述
    笔者之前做过一个实验来观察在SGD算法下,各种学习率变更策略对模型性能的影响,具体的结果如下:
    在这里插入图片描述

    从结果来看:

    • step,multistep方法的收敛效果最好,这也是我们平常用它们最多的原因。虽然学习率的变化是最离散的,但是并不影响模型收敛到比较好的结果。
    • 其次是exp,poly。它们能取得与step,multistep相当的结果,也是因为学习率以比较好的速率下降,虽然变化更加平滑,但是结果也未必能胜过step和multistep方法,在这很多的研究中都得到过验证,离散的学习率变更策略不影响模型的学习。
    • inv和fixed的收敛结果最差。这是比较好解释的,因为fixed方法始终使用了较大的学习率,而inv方法的学习率下降过程太快。

    从上面的结果可以看出,对于采用非自适应学习率变换的方法,学习率的绝对值对模型的性能有较大影响,研究者常使用step变化策略。

    目前学术界也在探索一些最新的研究方法,比如cyclical learning rate,示意图如下:
    在这里插入图片描述
    实验证明通过设置上下界,让学习率在其中进行变化,可以在模型迭代的后期更有利于克服因为学习率不够而无法跳出鞍点的情况。

    确定学习率上下界的方法则可以使用LR range test方法,即使用不同的学习率得到精度曲线,然后获得精度升高和下降的两个拐点,或者将精度最高点设置为上界,下界设置为它的1/3大小。

    在这里插入图片描述
    SGDR方法则是比cyclical learning rate变换更加平缓的周期性变化方法,如下图,效果与cyclical learning rate类似。
    在这里插入图片描述

    2.2.2 自适应学习率变化法

    自适应学习率策略以Adagrad,Adam等为代表。

    原理上各种改进的自适应学习率算法都比SGD算法更有利于性能的提升,但实际上精细调优过的SGD算法可能取得更好的结果,在很多的论文中都得到过验证,我们在实验中也多次证明过这一点,如下图。
    在这里插入图片描述

    2.3、小结

    不考虑其他任何因素,学习率的大小和迭代方法本身就是一个非常敏感的参数。如果经验不够,还是考虑从Adam系列方法的默认参数开始,如果经验丰富,可以尝试更多的实验配置。

    3. Batchsize如何影响模型性能?

    3.1 谈谈深度学习中的 Batch_Size

    Batch_Size(批尺寸)是机器学习中一个重要参数。

    首先,为什么需要有 Batch_Size 这个参数?
    Batch 的选择,首先决定的是下降的方向。如果数据集比较小,完全可以采用全数据集 ( **Full
    Batch Learning)**的形式,这样做有 2 个好处:其一,由全数据集确定的方向能够更好地代表样本总体,从而更准确的朝向极值所在的方向。其二,由于不同权重的梯度值差别巨大,因此选取一个全局的学习率很困难。 Full Batch Learning 可以使用Rprop只基于梯度符号并且针对性单独更新各权值。

    对于更大的数据集,以上 2 个好处又变成了 2 个坏处:其一,随着数据集的海量增长和内存限制,一次性载入所有的数据进来变得越来越不可行。其二,以 Rprop 的方式迭代,会由于各个 Batch之间的采样差异性,各次梯度修正值相互抵消,无法修正。这才有了后来RMSProp的妥协方案。

    既然 Full Batch Learning 并不适用大数据集,那么走向另一个极端怎么样?

    所谓另一个极端,就是每次只训练一个样本,即 Batch_Size = 1。这就是在线学习(OnlineLearning)。线性神经元在均方误差代价函数的错误面是一个抛物面,横截面是椭圆。对于多层神经元、非线性网络,在局部依然近似是抛物面。使用在线学习,每次修正方向以各自样本的梯度方向修正,横冲直撞各自为政,难以达到收敛。

    在这里插入图片描述
    可不可以选择一个适中的 Batch_Size 值呢?

    当然可以,这就是批梯度下降法(Mini-batches Learning)。因为如果数据集足够充分,那么用一半(甚至少的更多)的数据训练算出来的梯度与用全部数据训练出来的梯度是几乎一模一样的。

    在合理范围内,增大 Batch_Size 有何好处?

    • 内存利用率提高了,大矩阵乘法的并行化效率提高。
    • 跑完一次 epoch(全数据集)所需的迭代次数减少,对于相同数据量的处理速度进一步加快。
    • 在一定范围内,一般来说 Batch_Size 越大,其确定的下降方向越准,引起训练震荡越小。

    盲目增大 Batch_Size 有何坏处?

    • 内存利用率提高了,但是内存容量可能撑不住了。
    • 跑完一次 epoch(全数据集)所需的迭代次数减少,要想达到相同的精度,其所花费的时间大大增加了,从而对参数的修正也就显得更加缓慢。
    • Batch_Size 增大到一定程度,其确定的下降方向已经基本不再变化。

    大的batchsize导致模型泛化能力下降?

    在一定范围内,增加batchsize有助于收敛的稳定性,但是随着batchsize的增加,模型的性能会下降,如下图:
    在这里插入图片描述
    这是研究者们普遍观测到的规律,虽然可以通过一些技术缓解。这个导致性能下降的batch size在上图就是8000左右。

    那么这是为什么呢?

    研究表明大的batchsize收敛到sharp minimum,而小的batchsize收敛到flat minimum,**后者具有更好的泛化能力。**两者的区别就在于变化的趋势,一个快一个慢,如下图,造成这个现象的主要原因是小的batchsize带来的噪声有助于逃离sharp minimum。
    在这里插入图片描述
    Hoffer等人的研究表明,大的batchsize性能下降是因为训练时间不够长,本质上并不少batchsize的问题,在同样的epochs下的参数更新变少了,因此需要更长的迭代次数。

    3.2 小结

    batchsize在变得很大(超过一个临界点)时,会降低模型的泛化能力。在此临界点之下,模型的性能变换随batch size通常没有学习率敏感。

    4 学习率和batchsize的关系

    通常当我们增加batchsize为原来的N倍时,要保证经过同样的样本后更新的权重相等,按照线性缩放规则,学习率应该增加为原来的N倍。但是如果要保证权重的方差不变,则学习率应该增加为原来的sqrt(N)倍,目前这两种策略都被研究过,使用前者的明显居多。

    从两种常见的调整策略来看,学习率和batchsize都是同时增加的。学习率是一个非常敏感的因子,不可能太大,否则模型会不收敛。同样batchsize也会影响模型性能,那实际使用中都如何调整这两个参数呢?

    研究表明,衰减学习率可以通过增加batchsize来实现类似的效果,这实际上从SGD的权重更新式子就可以看出来两者确实是等价的,文中通过充分的实验验证了这一点。

    研究表明,对于一个固定的学习率,存在一个最优的batchsize能够最大化测试精度,这个batchsize和学习率以及训练集的大小正相关。

    对此实际上是有两个建议:

    • 如果增加了学习率,那么batch size最好也跟着增加,这样收敛更稳定。
    • 尽量使用大的学习率,因为很多研究都表明更大的学习率有利于提高泛化能力。如果真的要衰减,可以尝试其他办法,比如增加batch size,学习率对模型的收敛影响真的很大,慎重调整。

    参考

    【AI不惑境】学习率和batchsize如何影响模型的性能?
    谈谈深度学习中的 Batch_Size

    展开全文
  • 常用汇编指令对标志位的影响

    千次阅读 2020-06-30 16:24:41
    指令对标志位的影响: CF=1 最高有效位向高位有进位 CF=0 最高有效位向高位无进位 OF=1 两个同符号数相加(正数+正数 或 负数+负数),结果符号与其相反。 OF=0 两个不同符号数相加,或同符号数相加,结果符号...
  • 程序员如何提高影响

    千次阅读 多人点赞 2020-11-23 21:09:27
    影响力能有效表征你所在领域或行业的知名度、号召力、被认可度。影响力是一种无形的优质资产。 2020年华为的天才少年最高档年薪获得者左鹏飞的事迹大家应该有所耳闻,一个博士毕业生入职华为200W年薪,翻开他的履历...
  • 影响力最大化 IMRank 我心中的最优算法

    千次阅读 热门讨论 2020-04-08 21:00:09
    对于影响力最大化问题,我以前写过两个blog 影响力最大化 IC模型+贪心算法 影响力最大化 模拟爆发(粗糙笔记) 但是,对于这两个方法都不是最优的: 对于IC模型 模型使用了贪心算法,然后遍历激活结点,每一次遍历将...
  • 学术期刊的影响

    千次阅读 2017-09-17 10:45:25
    是对世界权威期刊进行系统客观评价的有效工具,通过对来源于ISI的科学引文索引(SCI)和社会科学引文索引(SSCI)的数据进行分析,JCR Web版收录了世界上各学科最具影响的7,600多种期刊,这些期刊涵盖了200多门学科...
  • 数学建模的影响因素分析方法

    万次阅读 多人点赞 2020-05-11 16:07:37
    数学建模的影响因素分析方法PCA主成分分析灰色关联分析AHP层次分析小结         如果赶时间可直接看小结部分,再返回看正文         作为萌新参加了数学建模,为解决影响...
  • 文章目录简介IC 独立级联算法蒙特卡洛和LT线性阈值实现基于蒙特卡洛模拟的IC模型简介引入库函数测试图蒙特卡洛模拟贪心求最大影响力源代码 简介 个人对于影响力最大化这个问题本身比较感兴趣,这是我原来写过的链接...
  • 信道特性对信号传输的影响

    千次阅读 2019-07-26 23:17:47
    若果信道的相频特性不理想,对于模拟信号而言影响不大,因为人耳对相频失真感觉不灵敏,但是对数字信号影响大。 接下来我们谈论随参信道对信号的影响 首先随参信道有3条特性 1.信号的传输衰减随时间而变 2.信号...
  • ​提起GDPR数据影响评估,也许很多企业主会想,这是不是GDPR规定企业的又一项新义务?准确的说,是的。DPIA这是GDPR设计和默认情况下数据保护的关键要素,同时也反映了GDPR基于风险的个人数据保护法。 数据保护...
  • 经济增长是我国宏观经济政策的目标之一,研究影响经济增长的因素对促进我国经济快速发展有着十分重要的意义。本次实验运用R软件编写代码拟合多元线性回归模型、选择最优模型,最终进行区间预测,定性的研究影响我国...
  • 本实验通过多元线性回归分析,探究究竟哪些因素是地方财政教育支出(y)的影响因素,并做出预测。现有地区生产总值(x1)、年末常住人口(x2)、居民人均教育文化娱乐消费(x3)、居民教育消费价格指数(x4)、教育支出在地方...
  • BitLocker对性能的影响

    千次阅读 2018-11-29 07:47:33
    在微博上谈及此事时,和人讨论到了这个功能对性能的影响。虽然之前看微软的文档,那里说这个功能对性能降低的百分率在个位数,不过也有人说影响挺大的,于是我打算仔细研究一下。 首先,在网上进行了一下搜索,找到...
  • 承接自然子刊和通讯拒稿,要求有一定创新性研究成果,今年刚开始发行,最早也要2021年才会有影响因子,预测影响因子会在6-10分之间,其中与我们相关的通讯生物(Communications Biology)很可能在8分以上。 ...
  • 技术人应该如何提升影响

    千次阅读 2018-07-04 20:46:20
    很久没有写文章了,我的博客大概自从去年找到工作后再也没有更新了,最近和leader偶然讨论起影响力如何提升这个话题,我便想到了我的博客,于是参考了下前人的经验,做了一些总结。其实博客也并不完全是提升影响力的...
  • Jacques 教授:我认为在美国影响因子并不能起到促进作用,研究者一般不会提起影响因子,除非说发表在Science、Nature上,人人都知道影响因子,而其他的期刊人们是不怎么看重影响因子,不会在简介上放影响因子,有些...
  • 数字化转型的影响是什么?数字化转型对企业的影响? 数字化转型服务不是一次性完成的,而是一系列的变革。数字化转型是关于你做什么,什么时候做,在哪里做,以及如何衡量。在最初的转型中,可能没有什么可观察到的...
  • 影响国债收益率的因素

    万次阅读 2017-04-07 22:15:03
    影响美国长短期国债收益率的主要因素是经济的发展状况、利率的变动预期和未来资本回报率等。 根据美国经济研究所公布的资料来看,从 1980 年 1 月到 2002 年 2 月美国共经历了 4 经济周期,每个周期分为收缩期、扩张...
  • Mybatis返回update后影响的行数

    万次阅读 2018-08-28 21:07:01
    主要在JDBC链接中加入这个参数即可:useAffectedRows=true 关注微信公众号(程序员小兔)不定期分享技术
  • 【学术】SCI期刊影响因子查询方式

    千次阅读 2020-10-05 19:50:37
    关于SCI期刊影响因子的查询最权威的必须是以ISI Web of Knowledge作为检索平台的Web of Science数据库。接下来为大家介绍如何使用该网站平台进行SCI期刊影响因子的查询。 01. 在平常查询浏览SCI文章的时候,可以...
  • 性能测试---影响性能的因素

    千次阅读 2018-12-24 22:57:57
    要去测性能我们首先得知道哪些因素会影响到性能,我们知道一个应用系统不是独立的,而是依赖很多因素,依赖的因素都是影响性能的变量,如果我们只关注某些因素那测试的时候一定要保持其他因素不变才会有个稳定的结果...
  • 电容对信号上升沿的影响

    千次阅读 2020-01-26 19:10:27
    电容对信号上升沿的影响 作者:AirCity 2020.1.26 Aircity007@sina.com 本文所有权归作者Aircity所有 负载电容(IO电容)Cin对信号上升沿的影响 任何芯片IO都有输入电容,通常为2pf左右,加上寄生电容,大约3ps...
  • 音腔是对声音效果的影响简介

    千次阅读 2018-06-21 10:48:02
    手机声腔对于铃声音质的优劣影响很大。同一个音源、同一个SPEAKER在不同声腔中播放效果的音色可能相差较大,有些比较悦耳,有些则比较单调。合理的声腔设计可以使铃声更加悦耳。 手机的声腔设计主要包括前声腔、后...
  • SCI分区及影响因子查看方法

    万次阅读 2019-09-05 10:21:44
    文章目录1 SCI 简介2 检索方法3 LetPub网站查询分区4 Web Of Science网站期刊最新影响因子查询5 关于学术写作其他内容 Web Of Science 核心合集是获取全球学术信息的重要数据库,由一下几个重要部分组成: (1)1990...
  • 药物化学期刊2020影响因子

    千次阅读 2020-07-09 10:56:32
    位居榜首的是NATURAL PRODUCT REPORTS和MEDICINAL RESEARCH REVIEWS,影响因子分别为12和9.3,JMC影响因子稳如磐石,仍为6.2,EJMC影响因子涨幅较大,为5.57,即将赶超JMC。前五名的还有EXPERT OPINION ON ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,417,024
精华内容 1,766,809
关键字:

影响