“2016级--论文阅读 (第三学期)”的版本间的差异

来自问题求解
跳转至： 导航、 搜索
 
（未显示同一用户的9个中间版本）
第1行： 第1行：
 +
=具体要求=
 +
<ol>
 +
  <li>教师准备阶段：每月围绕1个专题，每个专题由相关研究方向的教师精选4篇经典或前沿论文（以magazine短文为主），每2篇为一组。</li>
 +
  <li>同学准备阶段：每位同学被随机分配2篇论文（每组1篇），认真阅读并为每篇论文制作15-20分钟讲稿，鼓励自主延伸阅读其它相关论文。讲稿内容可以包括但不限于：
 +
    <ul>
 +
      <li>用自己的话概述该论文所描述的主要问题或观点。</li>
 +
      <li>就该论文中的某个点展开，陈述自己的观点。</li>
 +
      <li>结合该论文，就本主题的其它所了解或熟悉的问题陈述自己的观点。</li>
 +
    </ul>
 +
  </li>
 +
  <li>课堂讨论阶段：随机选择同学上台报告论文内容（每篇论文选2位左右），其余同学参与讨论。</li>
 +
</ol>
 +
 
=专题1：万维网（Web）=
 
=专题1：万维网（Web）=
 
<ol>
 
<ol>
−
   <li>Hyperlink Analysis for the Web (2001)<br/>Graph Structure in the Web --- Revisited (2014)</li>
+
   <li>9月30日课堂讨论：<br/>学号末位奇数：[http://doi.org/10.1109/4236.895141 Hyperlink Analysis for the Web] (2001)<br/>学号末位偶数：[http://doi.org/10.1145/2567948.2576928 Graph Structure in the Web --- Revisited] (2014)</li>
−
   <li>Natural Interaction for Bot Detection (2016)<br/>Two Decades of Recommender Systems at Amazon.com (2017)</li>
+
   <li>10月19日课堂讨论：<br/>学号末位奇数：[http://doi.org/10.1109/MIC.2017.72 Two Decades of Recommender Systems at Amazon.com] (2017)<br/>学号末位偶数：[http://doi.org/10.1109/MIC.2016.75 Natural Interaction for Bot Detection] (2016)</li>
 +
</ol>
 +
 
 +
=专题2：大数据分析（Big Data Analytics）=
 +
<ol>
 +
  <li>11月2日课堂讨论：<br/>学号末位奇数：[https://doi.org/10.1109/MC.2017.163 Big Data Analytics beyond the Single Datacenter] (2017)<br/>学号末位偶数：[https://doi.org/10.1109/MCE.2014.2338496 How Data Centers Provide Consumer Services] (2014)</li>
 +
  <li>11月16日课堂讨论：<br/>学号末位奇数：[https://doi.org/10.1109/MCOM.2017.1600349CM Who Moved My Data? Privacy Protection in Smartphones] (2017)<br/>学号末位偶数：[https://doi.org/10.1109/MC.2016.116 Nomadic Computing for Big Data Analytics] (2016)</li>
 +
</ol>
 +
 
 +
=专题3：人工智能（Artificial Intelligence）=
 +
<ol>
 +
  <li>12月7日课堂讨论：<br/>学号末位奇数：[https://doi.org/10.1109/TCIAIG.2015.2512592 Review of the Use of AI Techniques in Serious Games: Decision Making and Machine Learning] (2017)<br/>学号末位偶数：[https://doi.org/10.1109/TCIAIG.2013.2291577 Real-Time Monte Carlo Tree Search in Ms Pac-Man] (2014)</li>
 +
  <li>12月21日课堂讨论：<br/>学号末位奇数：[https://doi.org/10.1109/MCI.2006.329691 Ant Colony Optimization] (2006)<br/>学号末位偶数：[https://doi.org/10.1109/MSP.2017.2743240 Deep Reinforcement Learning: A Brief Survey] (2017)</li>
 
</ol>
 
</ol>

2017年11月29日 (三) 16:05的最新版本

具体要求

  1. 教师准备阶段：每月围绕1个专题，每个专题由相关研究方向的教师精选4篇经典或前沿论文（以magazine短文为主），每2篇为一组。
  2. 同学准备阶段：每位同学被随机分配2篇论文（每组1篇），认真阅读并为每篇论文制作15-20分钟讲稿，鼓励自主延伸阅读其它相关论文。讲稿内容可以包括但不限于：
    • 用自己的话概述该论文所描述的主要问题或观点。
    • 就该论文中的某个点展开，陈述自己的观点。
    • 结合该论文，就本主题的其它所了解或熟悉的问题陈述自己的观点。
  3. 课堂讨论阶段：随机选择同学上台报告论文内容（每篇论文选2位左右），其余同学参与讨论。

专题1：万维网（Web）

  1. 9月30日课堂讨论：
    学号末位奇数：Hyperlink Analysis for the Web (2001)
    学号末位偶数：Graph Structure in the Web --- Revisited (2014)
  2. 10月19日课堂讨论：
    学号末位奇数：Two Decades of Recommender Systems at Amazon.com (2017)
    学号末位偶数：Natural Interaction for Bot Detection (2016)

专题2：大数据分析（Big Data Analytics）

  1. 11月2日课堂讨论：
    学号末位奇数：Big Data Analytics beyond the Single Datacenter (2017)
    学号末位偶数：How Data Centers Provide Consumer Services (2014)
  2. 11月16日课堂讨论：
    学号末位奇数：Who Moved My Data? Privacy Protection in Smartphones (2017)
    学号末位偶数：Nomadic Computing for Big Data Analytics (2016)

专题3：人工智能（Artificial Intelligence）

  1. 12月7日课堂讨论：
    学号末位奇数：Review of the Use of AI Techniques in Serious Games: Decision Making and Machine Learning (2017)
    学号末位偶数：Real-Time Monte Carlo Tree Search in Ms Pac-Man (2014)
  2. 12月21日课堂讨论：
    学号末位奇数：Ant Colony Optimization (2006)
    学号末位偶数：Deep Reinforcement Learning: A Brief Survey (2017)
取自“http://cslabcms.nju.edu.cn/problem_solving/index.php?title=2016级--论文阅读_(第三学期)&oldid=2192”