最近Google Scholar发布了被引用最多论文排行榜TOP 7。 排于榜首的是发表在世界顶级人工智能会议之一 ——“ 计算机视觉与模式识别(CVPR)的IEEE / CVF会议”的出版物上的《Deep Residual Learning for Image Recognition》(2016))一文,该文在过去三年中被引用次数高达25256次。 排名第二的是出自《Nature》的《Deep learning》(2015),其引用次数达16750次。这篇论文的作者是2018年的图灵奖得主,他们是被称为“人工智能之父的——Yann LeCun、yobengio、Geoffrey Hinton。除了其大名鼎鼎的作者引人注目外,该文还因引用次数与2019年Google学术搜索指标报告中引用数量最多的第二篇自然论文之间存在超过10000的差异而被格外关注。 排名第三的是《Going Deeper with Convolutions》(2015),其引用次数达14424次。本文由Google AI研究人员描述了他们的新物体检测系统GoogLeNet,它使用代号为Inception的深度神经网络系统构建。它在2014年ImageNet大规模视觉识别挑战赛中获得最高分。 从榜单前三甲可以看出,这些论文都与人工智能有关,也从侧面揭示了一个重要信息:围绕人工智能(AI)的研究兴趣正在飞速增长。 那么,你是否好奇为什么是他们被引用如此之多呢?这些论文又都阐述了哪些问题呢? 赶紧动笔来给我们投稿吧,文章内容可以是每篇上榜论文的深度解读,阐述他们的独特之处与主要贡献;也可以是对论文内容的高度概括与凝练;亦或是你对AI领域其他优秀论文的的推荐,题材不限,字数1000以上。 感兴趣的同学请加学术君微信(AMiner308)投稿哦!(或扫文末二维码加学术君为好友!) 文章一经录用,除了会在学术头条微信公号发布外,您还会收到一份本公号赠送的神秘定制大礼。 Ps,在本周五8月16日前投稿的同学,可再获得一份独家礼品哦! 心动不如行动!学术君等着你哦! 为了方便进一步解读相关论文,学术君收集整理了以下信息供各位参考: Google Scholar是世界上同类数据库中最大的,跟踪了近4亿篇学术论文和其他学术文献的引用信息,旨在衡量近期出版物的“知名度和影响力”。 2019年Google学术指标排名,追踪了2014年至2018年期间发布的论文,并包括截至2019年7月在谷歌Scholar中被索引的所有文章的引文。 以下是世界上最具影响力的期刊发表的被引用次数最多的七篇文章。 25256次引用 01 1.Deep Residual Learning for Image Recognition(2016) 用于图像识别的深度残差学习(2016) 地址:http://openaccess./content_cvpr_2016/html/He_Deep_Residual_Learning_CVPR_2016_paper.html 期刊:Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(IEEE / CVF计算机视觉和模式识别会议论文集) 这篇特别的文章是由微软的一个研究团队撰写的,根据“自然指数”的追踪,微软在2018年实现了高质量研究产出的显著增长。 16750次引用 02 Deep learning(2015) 深度学习(2015) 地址:https://www./articles/nature14539 期刊:Nature 深度学习可以让那些拥有多个处理层的计算模型来学习具有多层次抽象的数据的表示。深度学习能够发现大数据中的复杂结构。它是利用BP算法来完成这个发现过程的。BP算法能够指导机器如何从前一层获取误差而改变本层的内部参数,这些内部参数可以用于计算表示。深度卷积网络在处理图像、视频、语音和音频方面带来了突破,而递归网络在处理序列数据,比如文本和语音方面表现出了闪亮的一面。 14424次引用 03 Going Deeper with Convolutions(2015) 卷积深入研究(2015年) 地址:https://ieeexplore./document/7298594 期刊:Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition 本文由Google AI研究人员描述了他们的新物体检测系统GoogLeNet,它使用代号为Inception的深度神经网络系统构建。它在2014年ImageNet大规模视觉识别挑战赛中获得最高分。 10153次引用 04 Fully Convolutional Networks for Semantic Segmentation(2015) 用于语义分割的全卷积网络(2015) 地址:https://ieeexplore./document/7298965 期刊:Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition 加州大学伯克利分校(University of California, Berkeley)的一个团队负责撰写了这篇极具影响力的人工智能论文。这篇论文描述了一种最先进的方法,用于构建能够识别图像中的物体的人工智能系统。 8057次引用 05 Prevalence of Childhood and Adult Obesity in the United States, 2011-2012(2014) 2011 - 2012年美国儿童和成人肥胖患病率(2014年) 地址:https:///journals/jama/fullarticle/1832542 期刊:JAMA 在2019年的谷歌学术指标中,没有一篇与人工智能无关的论文被引用超过10,000次,但美国疾病控制和预防中心(US Centers for Disease Control and Prevention)的一个团队的调查结果与之接近。 在报告发布时,该研究提供了美国儿童肥胖的最新国家估计数据,发现超过三分之一的成年人和17%的年轻人肥胖。 7371次引用 06 Global, regional, and national prevalence of overweight and obesity in children and adults during 1980–2013:a systematic analysis for the Global Burden of Disease Study 2013(2014) 1980 - 2013年期间儿童和成人超重和肥胖的全球、区域和全国流行率:对2013年全球疾病负担研究的系统分析(2014) 地址:https://www./science/article/pii/S0140673614604608 期刊:Lancet(《柳叶刀》) 来自100多个机构的近200名作者参与了这项研究,这意味着调查全球肥胖患病率的艰巨任务。 6009次引用 07 Observation of Gravitational Waves from a Binary Black Hole Merger(2016) 二元黑洞合并引力波的观测(2016) 地址:https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.116.061102 期刊:Physical Review Letters(《物理评论快报》) 通过这篇论文,来自先进激光干涉仪引力波天文台(LIGO)的一组物理学家描述了对引力波的首次直接观测——这是继爱因斯坦预测时空中这些难以捉摸的涟漪之后,历时一个世纪才实现的壮举。 (来源:综合整理自网络) |
|