第251章 NATURE (1/2)

章杉果断选择了将礼包进行分解转换~

系统：“礼包随机转换中……”

“恭喜宿主将该神秘礼包随机转换成学术成果类，恭喜宿主成功获得0级论文两篇和1级论文一篇。”

随着系统播报的结束，章杉看见手边的电脑突然出现了几个网页。

章杉随便点了一个网页，赫然就看见一篇叫做

——《furtenerativeadverworks》

的论文，此时自动投稿了。

投稿的自然是ai方向。

这篇论文目前显示的是【revieed】的状态。

章杉知道这篇论文已经通过了技术编辑的审查~

而且编辑已经找到了适合的同行评审员，并送出审稿邀请，正在等待审稿人的接受。

一般情况下，投稿成功后，在的状态就会待至少两个星期左右了，直到稿件被接收。

当投稿页面状态变为【or】时，也就意味着稿件被接收了。

如果投稿的期刊没有选择编辑的要求，那论文会先到主编处，主编再分派给相应的技术编辑。

而技术编辑那，也是决定论文生死的第一关。

这个阶段，因为论文的情况不同，卡的时间也会不同。

如果技术编辑看过论文后，认为论文适合期刊，就会送交同行评审。也就是章杉论文现在的【revieed】状态。

如果实力不够或者运气不好，有可能在外审前退回作者。

这种时候，投稿页面的状态就会变成【deciess】，而论文投稿者也会收到拒绝的通知。

当然这对于章杉来说几乎是不可能的。

而且对于一瞬间达到常人几乎好久才能达到的进度——【revieed】，章杉也已经见怪不怪了~

至于这篇署名章杉的论文《furtenerativeadverworks》写的是《生成式对抗网络的进一步应用》。

论文是深度学习相关的~

生成式对抗网络（以下简称gan）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。

（注：现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。

很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。

根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。）

gan模型通过框架中（至少）两个模块：生成模型（generativeinativemodel）的互相博弈学习产生相当好的输出。

原始gan理论中，并不要求g和d都是神经网络，只需要是能拟合相应生成和判别的函数即可。

但实用中一般均使用深度神经网络作为g和d。

一个优秀的gan应用需要有良好的训练方法，否则可能由于神经网络模型的自由性而导致输出不理想。

论文里提出了很有见地的思想~

这不是关键，似乎这论文投稿的方向赫然就是当初伍教授规定的那几个顶会之一啊。

好家伙，说好的努力学习呢~

系统怎么就直接代劳了呢？

系统：“尊敬的宿主，您的智慧需要用在更有价值的地方，而不是花时间浪费在这些0级论文上面~”

章杉：。。。

章杉点开另一个网页，依旧是一篇和gan有关的论文~

也是【revieed】状态！

毫无疑问这两篇文章距离面世都是时间问题罢了~

按照系统的形容，这两篇跟gan有关的都是0级论文。

那1级论文会是什么样子呢？

点开最后一个网页，章杉一下子不淡定了。

一样的【revieed】状态，然鹅这投稿的地方~

居然是nature!

《自然》（nature）与《科学》（ell）并称世界三大顶级科学期刊。

其中，《自然》与《科学》以报道科学世界中的重大发现、重要突破为使命，是综合性期刊，《细胞》则注重生命科学研究领域，曾刊登过许多重大生命科学研究进展。

能够在三大期刊上发文，是无数科学家孜孜以求的目标，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。

十九世纪时，英国有一个着名的科学团体“x俱乐部(xclub)”，由赫胥黎等九人组成，除哲学家赫伯特?斯宾塞外，其余八人都是英国皇家学会的成员，正是他们创办了《自然》杂志。

《自然》的创刊语正是赫胥黎写的，他引用了歌德的《自然》诗篇作为创刊语，并表示：对“旨在呈现人们对大自然各种表象的理解过程，也就是我们所谓的科学过程。”

对于《自然》杂志而言，没有任何比它更合适的前言了。

《自然》杂志的办刊宗旨是“将科学发现的重要结果介绍给公众，让公众尽早知道全世界自然知识的每一分支中取得的所有进展”。

英国《自然》杂志是国际上最富盛名的综合性学术期刊之一，是目前国际上顶级基础科学期刊，享有极高的学术声誉和世界级影响力。在《nature》杂志发表的论文可以代表相关领域的顶尖研究成果，这本杂志刊发了许多诺贝尔奖获得者(和平奖、经济学奖除外)的原创性论文。

说好的《自然》杂志的毙稿率高达90呢？

怎么就直接成【revieed】状态了！

虽然近年来中国的科研实力突飞猛进，在三大杂志上的发文数量也有所增加~

但对大多数专家学者而言，