About Research
Tse-Wen Hong 2024-05-16 |
phd |
寫在Notion的關於期刊 |
S-learning |
Zotero: 黃紅 綠藍 紫粉土灰: 黃(待處理/提醒); 紅(引用); 綠(theroy)藍(methods); 紫粉土灰
2024-05-28 晨讀Github新訊息，雜記
關注YOLOv10的發展進度！
早上起來在Github看到yolov10 的更新訊息。進去README.md (這裡可以看他們的Preview Code 和Blame-討論紀錄) 但按一下標題就會連結到arXiv.org論文預印本發表平台。
YOLOv10: Real-Time End-to-End Object Detection
論文預印本發表平台arXiv.org
arXiv.org 是由物理學家保羅·金斯巴格於1991年創立的，最初是作為一個收集高能物理學預印本的平台。它由美國康乃爾大學持有並運營。arXiv的主要功能是提供一個線上平台，讓研究人員可以自由地分享和訪問物理學、數學、計算機科學、生物學以及數理經濟學等領域的論文預印本。 在arXiv.org上發表論文的基本步驟如下： 1. 註冊帳號：首先，您需要在arXiv.org上註冊一個用戶帳號。 2. 準備論文：確保您的論文符合arXiv的格式和主題要求。通常需要包括標題、摘要、引言、方法、結果和討論等部分。 3. 提交論文：通過arXiv的提交系統上傳您的論文。您可能需要提供論文的PDF文件和源文件（例如LaTeX文件）。 4. 等待審核：arXiv的管理員會對您的論文進行初步審核，以確保它符合基本的學術標準和主題範疇。 5. 發表論文：一旦通過審核，您的論文就會在arXiv上公開發表，全球的研究人員都可以免費訪問。 請注意，arXiv是一個預印本平台，所以在這裡發表的論文並未經過同行評審。因此，arXiv上的論文應被視為初步報告，可能會在後續的學術期刊發表過程中進行修改。 線上預印本資料庫arXiv.org簡介
例: OpenAI創辦人之一伊爾亞‧蘇茨克維@Ilya Sutskever 1985,加拿大科學家，多倫多大學計算機博士，OpenAI的聯合創始人及首席科學家。發推，讚賞Phillip Isola這篇論文(也是發表在arXiv.org）：
@Phillip Isola
Paper: The Platonic Representation Hypothesis
paper: arxiv.org/abs/2405.07987
website: phillipi.github.io/prh/
code: github.com/minyoungg/plat…
CB-SEM 共變異數基礎的結構方程模型 Covariance-Based Structural Equation Modeling
CB-SEM
Covariance-Based Structural Equation Modeling，是一種統計方法，用於估計和測試觀測變量與潛在變量之間的相關性以及它們之間的隱藏結構。CB-SEM 假設構造是共同因素，並相應地估計模型。這種方法通常用於確認理論，並且具有確認性的特點，使其成為一種結構測試的多變量程序。
CB-SEM
使用統計模型來估計和測試依賴變量和獨立變量之間的相關性，以及它們之間的隱藏結構。這種方法允許研究者描述和測試不可觀測的潛在變量（例如態度）和觀測變量（例如調查回應）之間的因果關係。結構方程模型通過方程和圖表來創建和呈現這些模型，CB-SEM 則是用來估計這些模型的工具。
總的來說，CB-SEM 是一種強大的統計工具
，適用於社會和行為科學、流行病學和經濟學等領域，幫助研究者探索和確認理論假設，並對複雜的變量關係進行模型化和分析。
endogeneity assessment(內生性評估), latent class analysis(潛在類別分析) 和 PLSpredict(PLS預測)
談論統計模型和經濟計量學時
內生性評估（Endogeneity Assessment）是一個重要的概念。內生性問題發生在解釋變量與誤差項相關時，這可能導致偏誤的估計結果。內生性可能由多種原因引起，例如遺漏變量、測量誤差、同時性或反向因果關係。評估內生性的目的是確定模型中是否存在這些問題，並採取適當的方法來解決它們，例如使用工具變量或其他統計技術
回归分析之内生性问题
Endogeneity and Gaussian Copulas
Endogeneity -econometrics。
潛在類別分析（Latent Class Analysis，LCA）是一種統計方法，用於在多變量分類數據中識別潛在的子群體或類別。這些潛在類別代表數據中未觀察到的群體，它們基於觀察到的變量的模式被識別出來。LCA廣泛應用於市場研究、心理學、醫學和其他領域，以發現和理解數據中的隱藏結構
wiki潛在類別模型
PLSpredict 是一種用於偏最小二乘路徑模型（PLS-SEM）的預測性模型評估方法。它通過訓練樣本和保留樣本來生成和評估預測，從而幫助研究者評估他們的 PLS 路徑模型的預測性能。PLSpredict 提供了一種檢測模型是否過度擬合訓練數據的診斷方法，並通過交叉驗證、均方根誤差（RMSE）、平均絕對誤差（MAE）等統計指標來評估模型的預測性能
PLSpredict
Predictive model assessment in PLS-SEM: guidelines for using PLSpredict
Git-Hubsem-pls-predict
這三種方法都是統計學和數據分析中的重要工具，它們幫助研究者理解數據背後的結構，並提高模型的預測準確性和可靠性。這些方法的應用範圍非常廣泛，從社會科學到商業分析，都有其重要性和實用性。進行這些分析時，了解數據的內生性、潛在結構以及預測性能是至關重要的。這些評估不僅可以提高研究的質量，還可以在實際應用中提供更好的決策支持。
應用研究 Applied Research
Applied Research
是一種系統性和有組織的探究，旨在解決特定的實際問題或改進現有的實踐、產品或服務。與基礎研究不同，基礎研究著重於擴展一般知識，應用研究則是利用現有知識來解決實際問題。應用研究的主要目的是產生可行的見解和解決方案，這些方案對實際情況有直接影響。它試圖通過將現有知識應用於實際情境中，來彌合理論與實踐之間的差距。
應用研究的重要性在於它能夠提供有效的解決方案來解決實際問題，從而改善流程、產品和服務。它通過識別改進的機會並開發實際解決方案來推動創新。政策制定者和決策者依賴應用研究的發現來做出知情的選擇並制定有效的政策。在商業上，應用研究可以導致產品改進、效率提高，並在市場上獲得競爭優勢。此外，應用研究還有助於解決社會問題，從醫療改進到環境可持續性都有貢獻。
總的來說，應用研究
是將理論發展成為實際應用的形式，其研究成果通常只影響科學技術的某些領域和有限範圍，並具有專門的性質，針對具體的領域、問題或情況。其成果形式以科學論文、專著、原理性模型或發明專利等為主。
掠奪性期刊Predatory Journals和開放取用期刊Open-Access Journals都是學術出版的形式，但它們有著本質上的不同
掠奪性期刊
是指那些以獲利為主要目的的出版商所發行的期刊。這些期刊通常會向作者收取高額的審查費和出版費，但卻沒有提供相應的學術審查或編輯服務。它們可能會假造編委名單，或者聲稱自己的期刊被著名的學術索引機構收錄，以此吸引作者投稿。這類期刊的學術價值並不受到學術界的認可，對作者的學術聲譽可能。
造成損害
開放取用期刊
是指那些允許讀者免費閱讀和下載全文的期刊。這些期刊可能會向作者收取一定的出版費用，但它們提供的是合法的、經過同儕審查的學術出版服務。開放取用期刊的目的是促進知識的自由流通和學術交流。
兩者的主要區別在於：
• 掠奪性期刊缺乏正當的審查過程，以獲利為主要目的。
• 開放取用期刊則提供合法的學術出版服務，旨在促進知識的自由分享。
選擇合適的期刊進行投稿時，作者應該仔細評估期刊的品質和可信度，避免掉入掠奪性期刊的陷阱。可以通過查閱期刊指南、確認期刊是否被知名的學術資料庫收錄，以及評估期刊的審查和出版過程來進行判斷。
多準則決策（Multiple Criteria Decision Making, MCDM）與結構方程模型（Structural Equation Modeling, SEM）是兩種不同的分析方法，它們在目的、應用和方法論上有所差異。 請看量化研究課程的phd10-W01說明。