引用量最高的是 Kaiming He、Xiangyu Zhang、Shaoqing Ren、 Jian Sun 的论文 Deep Residual Learning for Image Recognition（2016），被引用了 10480 次；引用量排名第二的是 Christian Szegedy、Wei Liu、 Yangqing Jia、 Pierre Sermanet、 Scott Reed、Dragomir Anguelov、Dumitru Erhan、Vincent Vanhoucke、Andrew R...
第一,影响因子只基于过去 2 年数据进行影响力评估,而 Google Scholar Metric 统计了过去 5 年的数据,因而更能体现一个出版物的持久影响力。 第二,Google Scholar Metric 采用 h5 因子进行评价,更能体现出版物综合整体实力,而不会像影响因子那样很容易受某篇高引用文章的影响,而使影响力排名不尽合理。 第三,Goog...
前者成为NeurIPS 2019与ACL 2019的最高引论文之一,Google Scholar引用次数破7000,后者引用次数也近3000。 杨植麟曾和Yoshua Bengio(图灵奖得主,深度学习三巨头之一)、Yann LeCun(图灵奖得主,又一个深度学习三巨头之一)、Quoc V. Le(Google Brain创始人之一)、何恺明(Kaiming He)等合写过论文。 据不完全统计,杨植麟...
第一,影响因子只基于过去 2 年数据进行影响力评估,而 Google Scholar Metric 统计了过去 5 年的数据,因而更能体现一个出版物的持久影响力。 第二,Google Scholar Metric 采用 h5 因子进行评价,更能体现出版物综合整体实力,而不会像影响因子那样很容易受某篇高引用文章的影响,而使影响力排名不尽合理。 第三,Goog...
第一,影响因子只基于过去 2 年数据进行影响力评估,而 Google Scholar Metric 统计了过去 5 年的数据,因而更能体现一个出版物的持久影响力。 第二,Google Scholar Metric 采用 h5 因子进行评价,更能体现出版物综合整体实力,而不会像影响因子那样很容易受某篇高引用文章的影响,而使影响力排名不尽合理。
第一,影响因子只基于过去 2 年数据进行影响力评估,而 Google Scholar Metric 统计了过去 5 年的数据,因而更能体现一个出版物的持久影响力。 第二,Google Scholar Metric 采用 h5 因子进行评价,更能体现出版物综合整体实力,而不会像影响因子那样很容易受某篇高引用文章的影响,而使影响力排名不尽合理。
前者成为NeurIPS 2019与ACL 2019的最高引论文之一,Google Scholar引用次数破7000,后者引用次数也近3000。 杨植麟曾和Yoshua Bengio(图灵奖得主,深度学习三巨头之一)、Yann LeCun(图灵奖得主,又一个深度学习三巨头之一)、Quoc V. Le(Google Brain创始人之一)、何恺明(Kaiming He)等合写过论文。
第一,影响因子只基于过去 2 年数据进行影响力评估,而 Google Scholar Metric 统计了过去 5 年的数据,因而更能体现一个出版物的持久影响力。 第二,Google Scholar Metric 采用 h5 因子进行评价,更能体现出版物综合整体实力,而不会像影响因子那样很容易受某篇高引用文章的影响,而使影响力排名不尽合理。
前者成为NeurIPS 2019与ACL 2019的最高引论文之一,Google Scholar引用次数破7000,后者引用次数也近3000。 杨植麟曾和Yoshua Bengio(图灵奖得主,深度学习三巨头之一)、Yann LeCun(图灵奖得主,又一个深度学习三巨头之一)、Quoc V. Le(Google Brain创始人之一)、何恺明(Kaiming He)等合写过论文。
[Google Scholar] Simonyan, K.; Zisserman, A. Very Deep Convolutional Networks for Large-Scale Image Recognition. arXiv 2014, arXiv:1409.1556. [Google Scholar] He, K.; Zhang, X.; Ren, S.; Sun, J. Deep residual learning for image recognition. In Proceedings of the IEEE Conference on ...