深度學習領域的論文應該怎麼寫，可以提供一些方向嗎？

來點乾貨。

通常的注意力機制演算法，都是對特徵進行加權，例如Squeeze-and-Excitation Network。

對於含噪聲的樣本，可以考慮將“特徵加權”替換成“軟閾值化”。例如， 殘差收縮網路[1][2]就是這樣的方法，結構如下：

在軟閾值化的幫助下， 殘差收縮網路應對含噪資料的能力會有所加強。

感覺這種“注意力機制”+“軟閾值化”的模式，還有很多坑可以挖。畢竟，最近這些年，注意力機制的演算法層出不窮，可以和“軟閾值化”花式組合。

參考：

Minghang Zhao, Shisheng Zhong, Xuyun Fu, Baoping Tang, Michael Pecht, Deep residual shrinkage networks for fault diagnosis, IEEE Transactions on Industrial Informatics, 2020, 16(7): 4681-4690.

[1] 深度殘差收縮網路：從刪除冗餘特徵時的靈活程度進行討論 

https://my.oschina.net/u/4505302/blog/3230965

[2] Deep Residual Shrinkage Networks for Fault Diagnosis 

https://ieeexplore.ieee.org/document/8850096