研究者的盆友圈 Research gate

简介: 研究者的盆友圈 Research gate

今天小编介绍的科研工具是 Research gate,它可以称得上是科研界的微博,不仅能及时关注其他学者的研究动态,还能在这个平台上获取一些博士后、研究助理等职位信息。此外,用户还能在这个平台上提问题。由于使用这个软件的多为科研人员,因此你能获得更专业的解答。

用户注册

在浏览器中搜索 Research gate,进入网站首页[1],点击绿色按钮注册用户。

个人主页

点击菜单栏中的 home 进入主页,在这里你可以看到关注对象的动态。


0925cb7d00562363d214414f3ba05255.png


点击头像进入自己的信息页,在这里你可以添加自己的论文、项目、简历等信息。



信息检索

在搜索框中,可以输入想关注的学者名称,也可以查询论文。

e8b168edf91ce3681834819158c99ed3.png


提问

点击菜单栏中的 Questions ,进入提问页面。这个功能和知乎一样,你可以发布问题,也可以回答别人的问题。Research gate的优势在于适用对象多为科研人员,因此能收获一些高质量的回答。所以大家可以试着在上面发布问题,没准能得到大神指点噢~

4fe22e81c6515cf71d364b0563adaba9.png

求职

点击菜单栏中的 Jobs ,进入求职页面。在这里可以找到一些学校发布的博士后、研究助理等职位信息。

手机 app

在手机的应用商店里搜索 Research gate 下载软件,就可以随时接收推送信息啦。赶紧码住这个科研工具吧。

参考资料

[1]

首页: https://www.researchgate.net/

目录
相关文章
|
12天前
|
机器学习/深度学习 移动开发 算法
【博士每天一篇文献-模型】Deep learning incorporating biologically inspired neural dynamics and in memory
本文介绍了一种结合生物学启发的神经动力学和内存计算的深度学习方法,提出了脉冲神经单元(SNU),该单元融合了脉冲神经网络的时间动力学和人工神经网络的计算能力,通过实验分析显示,在手写数字识别任务中,基于SNU的网络达到了与循环神经网络相似或更高的准确性。
8 1
【博士每天一篇文献-模型】Deep learning incorporating biologically inspired neural dynamics and in memory
|
12天前
|
机器学习/深度学习 数据挖掘
【博士每天一篇文献-综述】Communication dynamics in complex brain networks
本文综述了复杂脑网络中的通信动态,提出了一个将通信动态视为结构连接和功能连接之间必要联系的概念框架,探讨了结构网络的局部和全局拓扑属性如何支持网络通信模式,以及网络拓扑与动态模型之间的相互作用如何提供对大脑信息转换和处理机制的额外洞察。
21 2
【博士每天一篇文献-综述】Communication dynamics in complex brain networks
|
12天前
|
机器学习/深度学习 传感器 人工智能
【博士每天一篇论文-综述】Brain Inspired Computing : A Systematic Survey and Future Trends
本文提供了对脑启发计算(BIC)领域的系统性综述,深入探讨了BIC的理论模型、硬件架构、软件工具、基准数据集,并分析了该领域在人工智能中的重要性、最新进展、主要挑战和未来发展趋势。
22 2
【博士每天一篇论文-综述】Brain Inspired Computing : A Systematic Survey and Future Trends
|
11天前
|
机器学习/深度学习 算法 调度
【博士每天一篇文献-算法】Neurogenesis Dynamics-inspired Spiking Neural Network Training Acceleration
NDSNN(Neurogenesis Dynamics-inspired Spiking Neural Network)是一种受神经发生动态启发的脉冲神经网络训练加速框架,通过动态稀疏性训练和新的丢弃与生长策略,有效减少神经元连接数量,降低训练内存占用并提高效率,同时保持高准确性。
16 3
|
12天前
|
机器学习/深度学习 存储 人工智能
【博士每天一篇文献-综述】Brain-inspired learning in artificial neural networks a review
这篇综述论文探讨了如何将生物学机制整合到人工神经网络中,以提升网络性能,并讨论了这些整合带来的潜在优势和挑战。
17 5
|
3月前
|
自然语言处理 数据格式
【ChatIE】论文解读:Zero-Shot Information Extraction via Chatting with ChatGPT
【ChatIE】论文解读:Zero-Shot Information Extraction via Chatting with ChatGPT
66 1
|
机器学习/深度学习 自然语言处理 算法
【论文泛读】 知识蒸馏:Distilling the knowledge in a neural network
【论文泛读】 知识蒸馏:Distilling the knowledge in a neural network
【论文泛读】 知识蒸馏:Distilling the knowledge in a neural network
|
机器学习/深度学习 自然语言处理 算法
【论文精读】COLING 2022-KiPT: Knowledge-injected Prompt Tuning for Event Detection
事件检测旨在通过识别和分类事件触发词(最具代表性的单词)来从文本中检测事件。现有的大部分工作严重依赖复杂的下游网络,需要足够的训练数据。
139 0
【论文精读】COLING 2022-KiPT: Knowledge-injected Prompt Tuning for Event Detection
|
机器学习/深度学习 Web App开发 人工智能
Meta AI & UC Berkeley 新作 | Early Dropout: Make Hinton‘s Drouout Great Again!
Meta AI & UC Berkeley 新作 | Early Dropout: Make Hinton‘s Drouout Great Again!
125 0
|
机器学习/深度学习 存储 编解码
量化理解(Google量化白皮书《Quantizing deep convolutional networks for efficient inference: A whitepaper》)
量化理解(Google量化白皮书《Quantizing deep convolutional networks for efficient inference: A whitepaper》)
量化理解(Google量化白皮书《Quantizing deep convolutional networks for efficient inference: A whitepaper》)