找不到研究方向?找国自然快速捕捉科研热点

简介: 找不到研究方向?找国自然快速捕捉科研热点

简介

研究生/博士期间没人带,导师散养自己找方向,研究方向找不到,我该怎么办?

关于科研技巧的推文分享,小编写了挺多了(收录于“科研必备”合集),部分内容如下:

大家都是在哪些网站找数据?

科研分享|一个论文关系网络可视化网站

分享一些小编常用的科研网站

推荐 3 个英语论文写作辅助神器

小编今天来分享一个捕捉科研热点的新方法,查看国家科学自然基金结题报告,从中捕捉热点研究,进而确定我们的研究方向。网址如下(文末阅读原文直达)

https://kd.nsfc.gov.cn/


网站封面:https://kd.nsfc.gov.cn/

使用方法

点击进入信息检索,内部包含:结题项目项目公布以及科研成果。根据自己所需进行搜集,这里以“退化数据” 为例。




搜索结果如下:



以第一个项目为例,点击进入,得到以下界面。包含:基本信息项目摘要结题摘要解题报告成果统计以及成果产出(太多了,这里没有放全)。



可以在线阅读结题报告完整版本。通过结题书了解该领域的发展情况,未来趋势等。

建议使用步骤

以下给出使用流程,此步骤来源于:教程[1]

  • step 1:登录网站
  • step 2:检索关键词
  • step 3:查看近五年结题项目
  • step 4:点开具体项目
  • step 5:了解项目参与人和项目信息
  • step 6:阅读结题摘要
  • step 7:在线阅读结题报告完整版
  • step 8:查看成果统计和其他成果产出
  • step 9:查看项目科研影响力

小编有话说

对于国基金,小编感觉十分遥远,如今通过这个网站可以看到自己崇拜的大佬们的项目书。这样你就可以快速掌握大佬们都在做什么,什么方向未来还有发展的趋势等。小编平常也会使用这个网站,但是也存在一定的问题,比如:由于是结题项目书,所以从创立到结题可能需要好多年。也就是最新申请的项目书我们还看不到呢(要是能看到,那就。。。

参考资料

[1]

教程: https://www.xiaohongshu.com/discovery/item/6332e690000000001703ddd9?app_platform=ios&app_version=7.54.1&share_from_user_hidden=true&type=normal&xhsshare=WeixinSession&appuid=597fbfc15e87e755ab15dc26&apptime=1664405670

目录
相关文章
|
8天前
|
人工智能 小程序 开发者
【一步步开发AI运动小程序】十一、人体关键点跳跃追踪
本文介绍如何利用“云智AI运动识别小程序插件”开发AI运动小程序,涵盖云上运动会、健身打卡等热门应用场景。通过示例代码展示如何调用插件功能,实现动作追踪与分析,助力开发者快速上手。
|
8天前
|
机器学习/深度学习 人工智能 编译器
【AI系统】死代码消除
死代码消除是一种编译器优化技术,旨在移除程序中不会被执行的代码,提升程序效率和资源利用。通过分析控制流图,识别并删除不可达操作和无用操作,减少不必要的计算。在传统编译器中,主要通过深度优先搜索和条件分支优化实现;而在AI编译器中,则通过对计算图的分析,删除无用或不可达的计算节点,优化模型性能。
23 3
|
5月前
|
机器学习/深度学习 数据采集 自然语言处理
让大模型变得更聪明三个方向
让大模型变得更聪明三个方向
49 2
|
2月前
|
人工智能 安全
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 4 章:控制温度和 Top-p 采样
要求CHATGPT高质量回答的艺术:提示工程技术的完整指南—第 4 章:控制温度和 Top-p 采样
23 1
代码之外的艺术:技术写作的深度与温度
在数字时代的浪潮中,技术写作往往被视作一种冷冰冰的信息传递方式。然而,当我们深入探究时,便会发现它其实是一种富有创造力的艺术形式。本文将通过个人的技术感悟来探讨如何赋予技术写作以深度和温度,使其不仅仅是代码和逻辑的简单堆砌,而是一种能够触动人心、引发思考的创作活动。
|
4月前
|
机器学习/深度学习 编解码 自然语言处理
Sora视频重建与创新路线问题之更高解析度的视频输出该如何实现
Sora视频重建与创新路线问题之更高解析度的视频输出该如何实现
|
4月前
|
vr&ar
AIGC 3D宇宙问题之混合显示的定义如何解决
AIGC 3D宇宙问题之混合显示的定义如何解决
17 0
|
机器学习/深度学习 传感器 人工智能
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(下)
基于图像的3D目标检测是自动驾驶领域的一个基本问题,也是一个具有挑战性的问题,近年来受到了业界和学术界越来越多的关注。得益于深度学习技术的快速发展,基于图像的3D检测取得了显著的进展。特别是,从2015年到2021年,已经有超过200篇研究这个问题的著作,涵盖了广泛的理论、算法和应用。然而,到目前为止,还没有一个调查来收集和组织这方面的知识。本文首次对这一新兴的不断发展的研究领域进行了全面综述,总结了基于图像的3D检测最常用的流程,并对其各个组成部分进行了深入分析。此外,作者还提出了两个新的分类法,将最先进的方法组织成不同的类别,以期提供更多的现有方法的系统综述,并促进与未来作品的公平比较。
纯视觉3D检测综述!一文详解3D检测现状、趋势和未来方向!(下)
|
机器学习/深度学习 数据可视化
有效捕捉目标级别语义信息,之江实验室&浙大提出再注意机制TRT
有效捕捉目标级别语义信息,之江实验室&浙大提出再注意机制TRT
137 0
|
机器学习/深度学习 存储 传感器
《自然》:机器视觉行为理解与脑神经有内在关联?上交卢策吾团队构建映射模型
《自然》:机器视觉行为理解与脑神经有内在关联?上交卢策吾团队构建映射模型
288 0