Wednesday, March 31, 2010

如何找研究題目?前言















如何找研究題目?
(How to come up with new research ideas?)

Jia-Bin Huang 
jbhuang0604@gmail.com

Latest update: March 31, 2010






  If I have seen farther than others, it is because I was standing on the shoulders of giants - Isaac Newton




  一年前曾想過要整理一些自己在剛接觸研究時的心得,剛好無意間看到Prof. Ramesh Raskar的演講稿How to come up with new Ideas,就藉由這個機會分享一下找研究題目的心得,內容主要來自此演講稿和自己的一些經驗,由於我比較熟悉的領域在於電腦視覺/影像處理/機器學習這些領域,所以列舉的例子也許會比較偏頗,不過我想其他相關領域應該也可以從中得到一些想法,若因此而得到碩士或博士論文的靈感,那麼也算是功德一件。
  的確,研究(Research=Re-search)就是一個不斷再尋找的過程,不論是那個領域,前人的努力都是非常值得參考的,偷一個人的點子便是抄襲,而同時偷很多人的點子就變成研究了。不過問題是Google Scholar打開關鍵字一輸入,便出現一大堆看也看不完的論文,要從何參考起呢?在研究的過程中,最重要也是最困難的一環就是找到適當的研究題目,通常了解我們必須處理的問題之後,儘管已經花了很多時間整理過去文獻在相同問題上的努力,有時仍然會不曉得如何下手,我們要問的問題即是


" After X, what is neXt?" 




根據經驗,大致上有六類不同的新題目的可能:














一、尋找不一樣的維度         neXt = X^d
二、結合兩種以上不同的主題      neXt = X + Y
三、重新思考問題方向         neXt = ~X
四、使用有效的工具,尋找適合的問題  neXt = T(X), T: X->Y
五、尋找有效的工具,解決眼前的問題  neXt = M(Y), M: Y->X
六、加上適合的形容詞         neXt = Adj + X

相信看到這邊一定會覺得一頭霧水,接下來就分別一一介紹這六類新的研究題目,並且用電腦視覺/影像處理這個領域中許多例子來解釋。


接下來所列舉的例子絕大部分都是發表在電腦視覺/圖學/機器學習的重要會議和期刊上,這裡先列舉其縮寫


ICCV        IEEE International Conference on Computer Vision
ECCV      European Conference on Computer Vision
CVPR         IEEE Conference on Computer Vision and Pattern Recognition
PAMI        IEEE Transactions on Pattern Analysis and Machine Intelligence
IJCV      International Journal of Computer Vision
NIPS         Advances in Neural Information Processing Systems
SIGGRAPH   ACM SIGGRAPH




P.S. 如果對於文中有任何建議(e.g., 舉例不當或是有適合的研究案例),歡迎來信或是在部落格中討論。當然有專家願意提供其他領域如何找研究題目的方法就更好了 =)

17 comments :