2023-10-11 Meeting #1

Topics: Attention based ConvNet, new type of architctures

Initial hints for research:

• Kernel-based attention mechanism

• CapNet (Capusle Networks) - rotation invariance

• Polar Mapping - https://arxiv.org/pdf/2007.10588.pdf

• ViT

• https://arxiv.org/abs/1912.03458

• https://arxiv.org/abs/2207.03620

• https://www.sciencedirect.com/science/article/pii/S0925231222012796

• https://ieeexplore.ieee.org/document/9849826

https://www.semanticscholar.org/me/research

https://www.sci-hub.se

Share Notion SLR: evalds.urtans@rtu.lv

Best tool for reading PDFs (or find others using langchain):

1. https://chatpdf.com

Examples of SLR tables:

1. https://puupuls.notion.site/SLR-Tabula-1-04cafc5ed342497b92629b87c2c1e548

   1. Trūkst:

      1. Cite by year

      2. Future research

2. https://www.evernote.com/shard/s736/sh/2c598470-3b41-6a1c-d629-3fa44ec1e0c3/c340ef470d5f0d9391b709d03751445f

Examples of SLR:

1. http://share.yellowrobot.xyz/quick/2023-2-28-62301A6A-9494-43EE-B86B-007AF6F685EB.pdf

2. https://sci-hub.hkvisa.net/10.1016/j.infsof.2008.09.009

3. https://www.sciencedirect.com/science/article/pii/S0950584908001390

4. http://share.yellowrobot.xyz/quick/2023-2-28-0CCAE1B2-6579-4F45-97E3-A12AEDA732B0.pdf

Tool to access any publication:

1. http://sci-hub.hkvisa.net

Use these databases for searching papers:

1. http://semanticscholar.org

2. http://researchrabbitapp.com

3. https://deeplearn.org

4. https://scirate.com

5. https://arxiv-sanity-lite.com

6. http://perplexity.ai (academic section)

7. https://typeset.io

Obligāti datu kopām pārmeklēt līdzīgas ar:

1. http://zenodo.org

2. http://paperswithcode.com

Izveidot un nosharot SLR (Systematic Literature review tabulu)

1. Atrast datu kopas

2. Atrast SOTA (State of the Art) metrikas un vērtības katrai kopai

3. Atrast metodes - dažādas kļūdas funkcijas, modeļu arhitektūras, pre-processing, post-processing

4. Tabula - kolonas:

   1. Nr - Vismaz 20 pētījumi

   2. Gads

   3. Nosaukums

   4. Keywords

   5. Links uz pētījumu

   6. Links uz Github ja ir (vēlams)

   7. Organizācija (universitāte, firma)

   8. Citātu skaits (Semantic schollar)

   9. Datu kopas (kuras tiek izmatotas) - Ja nav publicēta vai nav info par datu kopu: NAV

   10. Metrikas un Rezultāti (kuras tiek izmantotas, lai noteiktu metodes darbību uz katru datu kopu), ja nav precīzi rezultāti, tad: NAV

   11. Modelis (kāda ir modeļa arhitektūra), var būt arī NE DL modelis

   12. Metode (kas ir galvenā metode, kura tiek izmantota)

   13. Tālākie pētījumi (ko iesaka vēl pētīt)