Template

Template

2020/12/04

-----

https://pixabay.com/zh/photos/silk-screen-silk-screening-art-1246169/

-----

◎ Abstract

-----

◎ Introduction

-----

本論文要解決（它之前研究）的（哪些）問題（弱點）？ 

-----

◎ Method

-----

解決方法？ 

-----

具體細節？

-----

◎ Result

-----

本論文成果。 

-----

◎ Discussion

-----

本論文與其他論文（成果或方法）的比較。 

-----

成果比較。 

-----

方法比較。 

-----

◎ Conclusion 

-----

◎ Future Work

-----

後續相關領域的研究。 

-----

後續延伸領域的研究。

-----

◎ References

-----

# HDR。被引用 3589 次。針對數字的手寫辨識，較早的神經網路架構，無全連接層。

LeCun, Yann, et al. "Handwritten digit recognition with a back-propagation network." Advances in neural information processing systems 2 (1989): 396-404.

https://papers.nips.cc/paper/1989/file/53c3bce66e43be4f209556518c2fcb54-Paper.pdf

# LeNet。被引用 31707 次。經典的卷積神經網路，主要比 HDR 多了全連接層。

LeCun, Yann, et al. "Gradient-based learning applied to document recognition." Proceedings of the IEEE 86.11 (1998): 2278-2324.

http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf

# AlexNet。被引用 74398 次。較早使用 GPU 的大型卷積神經網路之一，效能比之前有飛躍的提升，成功使用 dropout 避免 overfitting。

Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. "Imagenet classification with deep convolutional neural networks." Communications of the ACM 60.6 (2017): 84-90.

https://proceedings.neurips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf

-----

What's the main points of Transformer?

What's the main points of Transformer?

2020/10/27

-----

-----

-----

一、基礎學習與論文理解（70%）。

◎ 1. 可以從這篇論文學到什麼（解決什麼問題）？ 

◎ A. 問題原因。 

◎ 1.a.1：過往這個領域已經做到甚麼程度？

-----

# ConvS2S 論文。

-----

◎ 1.a.2：最近的研究遇到了甚麼瓶頸？

◎ 1.a.3：議題發生的根本原因是甚麼？

◎ B. 解決方法。 

◎ 1.b.1：作者採用甚麼方式解決？

◎ 1.b.2：細節內容是如何解決的？

◎ 1.b.3：（optional）- 作者是否有說明思路？ - 或是後續研究者的討論？

◎ C. 效能評估。 

◎ 1.c.1：成果效能的比較。

◎ 1.c.2：目前這個方法是否還有限制，是甚麼？

◎ 1.c.3：（optional）- 作者對後續發展的期許？ - 其他研究者後續的發展？

二、後續發展與延伸應用（30%）

◎ 2. 可以應用在那些垂直領域（應用領域）？ 

◎ 3. 這篇論文的價值在哪（如何跨領域延伸應用）？ 

◎ 4. 如果要改進可以怎麼做（後續的研究）？

-----

-----

References

◎ 相關論文

◎ 延伸論文

十、Transformer - 英宗 Transformer Transformer Lab GPT-1、（GPT-2、GPT-3） BERT

◎ 參考文章

The Star Also Rises: NLP（五）：Transformer

http://hemingwang.blogspot.com/2019/01/transformer.html

-----

[翻譯] The Illustrated Transformer

[翻譯] The Illustrated Transformer

2019/10/02

----- 

-----

References

-----

The Illustrated Transformer – Jay Alammar – Visualizing machine learning one concept at a time
https://jalammar.github.io/illustrated-transformer/

What's the main points of ConvS2S?

What's the main points of ConvS2S?

2020/10/27

-----

-----

一、Introduction

本論文要解決（它之前研究）的哪些問題（弱點）？

-----

# GNMT

-----

# GNMT

-----

# PreConvS2S

-----

二、Method

-----

三、Result

-----

四、Discussion

-----

五、Conclusion and Future Work

-----

Conclusion

-----

Future Work

-----

References

◎ 主要論文

[1] LSTM。被引用 39743 次。

Hochreiter, Sepp, and Jürgen Schmidhuber. "Long short-term memory." Neural computation 9.8 (1997): 1735-1780.

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.676.4320&rep=rep1&type=pdf

[2] Seq2seq。被引用 12676 次。

Sutskever, Ilya, Oriol Vinyals, and Quoc V. Le. "Sequence to sequence learning with neural networks." Advances in neural information processing systems. 2014.

http://papers.nips.cc/paper/5346-sequence-to-sequence-learning-with-neural-networks.pdf

[3] Attention 1。被引用 14895 次。

Bahdanau, Dzmitry, Kyunghyun Cho, and Yoshua Bengio. "Neural machine translation by jointly learning to align and translate." arXiv preprint arXiv:1409.0473 (2014).

https://arxiv.org/pdf/1409.0473.pdf

[4] ConvS2S。被引用 1772 次。

Gehring, Jonas, et al. "Convolutional sequence to sequence learning." arXiv preprint arXiv:1705.03122 (2017).

https://arxiv.org/pdf/1705.03122.pdf

[5] Transformer。被引用 13554 次。

Vaswani, Ashish, et al. "Attention is all you need." Advances in neural information processing systems. 2017.

https://papers.nips.cc/paper/7181-attention-is-all-you-need.pdf

-----

◎ 相關論文

-----

[6] GNMT。被引用 3391 次。

Wu, Yonghui, et al. "Google's neural machine translation system: Bridging the gap between human and machine translation." arXiv preprint arXiv:1609.08144 (2016).

https://arxiv.org/pdf/1609.08144.pdf

[7] PreConvS2S。被引用 273 次。

Gehring, Jonas, et al. "A convolutional encoder model for neural machine translation." arXiv preprint arXiv:1611.02344 (2016).

https://arxiv.org/pdf/1611.02344.pdf

-----

◎ 參考文章

The Star Also Rises: NLP（四）：ConvS2S

https://hemingwang.blogspot.com/2019/04/convs2s.html

-----

[翻譯] Understanding incremental decoding in fairseq

[翻譯] Understanding incremental decoding in fairseq

2019/10/02

-----

https://www.telesens.co/2019/04/21/understanding-incremental-decoding-in-fairseq/

-----

References

# 綜述
Understanding incremental decoding in fairseq – Telesens
http://www.telesens.co/2019/04/21/understanding-incremental-decoding-in-fairseq/

-----