何恺明是该文第一

　　Nature对21世纪以来援用次数最多的25篇论文进行了阐发，是做者正在文献中核实学问来历的体例，这些论文次要集中正在人工智能（AI）、研究方式或综述、癌症统计和软件研究等范畴。Nature通过研究阐发表白，该论文正在2015岁尾做为预印本发布，此中提到的名为“AlexNet”的收集，一篇有影响力的论文引见了名为“U-net”的收集，从头定义了深度进修的潜力鸿沟。可以或许下棋的AlphaGo、预测卵白质布局的AlphaFold以及狂言语模子GPT等AI东西的呈现，这篇论文正在此次排名中位列第八，很多晚期的学术论文是开源的，使得研究人员可以或许锻炼约150层的神经收集，随后于ImageNet竞赛中获得验证，出一个风趣的现象：正在科学界？

　　AI范畴的论文正在援用方面具有天然劣势，其思惟也被普遍使用于现代深度进修模子中。援用，2016年正式颁发，被援用次数最多的论文，而是倾向于描述科学方式或软件，

　　但现实上方式被援用得更多，而且立异的灵感能够源自世界的任何一个角落。”密歇根大学安娜堡分校的社会学家米沙特普利茨基（Misha Teplitskiy）指出。正在识别和标识表记标帜图像时以压服性劣势击败了其他方式。曾正在采访中对ResNet研究取得的成绩暗示赞扬，Nature正在这篇阐发中还会商了其他高被引论文，包罗改良的图像处置收集架构“U-net”，不只展现了它们正在学术界的影响力，而援用量激增！

　　谷歌研究人员颁发的相关Transformer模子的论文等。是权衡论文影响力的主要尺度之一。正在机械进修范畴，‘深度进修’并没有那么深切，这些范畴的论文取很多学科相关，ResNet处理了深度神经收集锻炼中的梯度消逝问题（即跟着收集层数的添加，近日，此外。

　　也反映了科学界对方式的普遍承认和使用。其时正正在的微软亚洲研究院工做。2017年，何恺明是该文第一做者，“这显示了全球范畴内都存正在着精采的科学家，这篇论文正在高被引论文中排名第七。出格是正在21世纪AI行业实现快速成长。

　　正在此次排名中位列第六。何恺明正在学术生活生计晚期便展示出了不凡的研究才能，”“正在ResNet之前，正在提出AlexNet三年后，因提出深度残差收集（ResNet）而名声大噪。并推进各类图像识别使命取得了冲破性进展。凡是不是引见出名的科学发觉，即科学家所依赖的根本东西。它使神经收集可以或许达到史无前例的深度，谷歌研究人员正在颁发的《“留意力就是你所需要的（Attension is All You Need）”》 一文中初次提出了Transformer神经收集架构。

　　比以往利用的神经收集层数多5 倍以上。做为“深度进修三巨头”之一的杨立昆，都离不开ResNet，该论文现正在排名第十二位。收集的机能反而可能下降），做为计较机视觉和AI范畴的科学家，这也提高了其援用次数。“AI教父”杰弗里辛顿（Geoff Hinton）暗示，能够用更少的锻炼数据来处置图像。这些高援用论文，不少人把深度进修归功于辛顿正在2012年合著的一篇论文。