Transformer和LSTM选谁？

LSTM和Transformer都是当下主流的特征抽取结构，被应用到非常多的领域，当然每一种都各有它的优缺点。关于LSTM与Transformer结构的强弱争论，在很长一段时间可以说甚嚣尘上。

虽然绝大部分人都认为在很多场景下，transformer都优于LSTM RNN，但是依然也有很多研究者抱持不同意见。

一方面，从transforemr的核心self-attention来看，是将序列中的每个输入与所有输入做attention，构建自己与其他输入之间的关系。它的第一个场景就是替代lstm/rnn，self-attention构建时序信息，缓解partial observation问题，但是，在学术界，理论研究方面partial observation问题只算是一个衍生问题，并不主流，而各种实验研究的env在PO问题上并不算特别复杂，transformer暂时没有体现出比lstm更好的结果。而在工业界，partial observation问题在大部分游戏下都不是AI能力的重要瓶颈，通过特征构造可以在一定程度上缓解PO问题。

另一方面，目前的强化学习里深度网络很少用transformer ,更多的是lstm rnn 这类网络。因为，Transformer目前的训练速度较慢，资源消耗较大；而且当时序上下文窗口过大时，需要相对较长的时间去计算动作，实时控制场景中很难部署应用。所以当需要处理纯粹的反应型环境，且数据维度较低时，使用Transformer架构的优势并不明显。

3月22日，我们邀请人工智能科学家方老师，从神经元网络讲起，梳理发展脉络，讲解RNN、LSTM、注意力机制，以机器翻译作为场景切入，带大家一起探讨transformer和lstm孰强孰弱。

方老师拥有超30年程序设计、软件开发、计算机科研和教育培训经验。曾独立开发成功通用问题求解框架、零和博弈框架、自动微分系统、Java编译器和反编译器等系统软件。在科研上揭示了神经元网络的本质和局限，提出了强人工智能的可能路径，独立证明了神经网络能够拟合任意连续函数，提出了样本质量的四个要素，揭示了过拟合、欠拟合的本质。

扫码预约直播

领取深度学习必读论文

很多童鞋的终极目标是拿着论文当敲门砖，去某某大厂开启人生新篇章。

那么剩下的问题就是，怎么发论文？

想要快速发论文有两点至关重要。

1.紧跟风口。

想发文章最容易的方法就是紧跟风口，顺着领域内的研究趋势确定自己的方向，毕竟在热门领域内，创新点和idea远比其他非热门领域多。

2.有一位有经验有能力的前辈指导。

大家都在努力的设计新网络、新策略、新training算法，只要能够在某一问题上做到一个很好的performance，论文就水到渠成。而想要快速达到，来自前辈的指点不可或缺。

所以，要解决的问题就是：

1.找到风口

2.找到领域内的大神做导师

扫码免费领取论文指导攻略

快速打通写论文的任督二脉

（文末福利）

创新是论文的灵魂，有的学术文章可以很快被录用并被见刊，而有的文章屡次被拒稿，迟迟不能发表，很重要的一个决定因素就是论文的创新点，就拿博士来说，不少高校都要求博士毕业论文至少要有3-5个创新点。

没有多少科研经验的小白和从业新手，想在学术论文和科研中少走弯路，想要要保证创新性，搞定论文，获得必要的科研指导是不可或缺的。

创新点主要有以下表现形式：

　　①第一次用书面文字的形式把新信息的主要部分记录下来，这可以称为"发现"。

　　②继续前人做出的独创性工作。

　　③将某一方法应用于新的研究领域。

　　④使用已有的材料作出新的解释。

　　⑥使用不同的方法在交叉学科进行研究

…………

一个有想象力的idea对科研人的重要性不言而喻。那么如何获取一个值得死磕的idea？

idea的形式多种多样，有原创的突破性工作，就像发明衬衫；也有排列组合、迁移、渐进的补充性工作，就像给衬衫装上纽扣和前衣口袋；而灌水就像是在衣服背后缝了个口袋。

当然关于如何写一篇不水的论文，如何找到创新点，需要关注的远不止这些。

写论文对于每一个童鞋都不容易。那些你所踩过的坑，需要避免再次踏入，那些你还没有碰到过的问题，要被指导如何规避。

扫码免费领取论文指导攻略

快速打通写论文的任督二脉

（文末福利）

作为日常为了论文而忙碌的科研人，小编知道大家一定很需要一些资料。因此，小编精心整理了一份超过20G的AI顶会论文大礼包！包含最新顶会论文、书籍等资料，以及英文论文写作指导保姆级资料，从文献阅读到论文写作，全部帮你整理好~

扫码免费领课程资料↑

-END-