Stork开通自动翻译功能啦

1 sec read

虽然美国读研究生的时候,一个很头疼的问题就是阅读科学文献。原因很多,但是其中一个就是文献里面有许多单词不知道意思,这就时不时地要查字典。到后来情况就逐渐变好了,但是在接触到新的领域的时候,又出现一些该领域的新词汇,又要学习这些单词。当时我想,如果有个工具可以自动把文献翻译成汉语就好了。

随着人工智能在翻译领域的进展,长句子的准确翻译变为可能。当然,与“信达雅”还是差距很大,不过通过一些例子感觉已经是达到“信”了,“达”也初步达到了。或许以后还可以“雅”。对科研人来讲,能够“信”其实就已经很好了,毕竟对英文也不是一点都不懂。

看到技术成熟,我们就给Stork(文献鸟)增添了高级功能:翻译!当Stork给我发邮件的时候,邮件里的文献已经翻译好了:

这样我就可以快速浏览文献,省不少时间。

打开某个文献,里面的摘要也翻译了:

总体感觉翻译得还不错,比普通的逐字翻译要好很多,可以作为阅读的辅助功能。

该功能是付费功能。如果感兴趣的话,可以参考下面页面的操作:

https://www.storkapp.me/translation.html

采用基于频率簇(Cluster)的置换检验(Permutation)方法选取感兴趣频段

作者:北京师范大学 龙宇航,longyuhangwork@163.com代码来源(见本页底部):周思远 在使用wtc计算脑间神经同步后,我们需要在多个频率段、多个通道组合上对神经同步值进行统计检验,因此当进行频段选择时,面临多重比较的问题。为了解决多重比较的问题,可以采取基于参数或非参数检验的多重比较矫正的方法。由于基于非参数检验的多重比较矫正对数据的分布形态没有严格要求,因此具有更广泛的应用场景 (Maris and Oostenveld, 2007)。本文即介绍基于随机置换的非参数检验的方法 (Zheng et al., 2020; Long et al., 2021)。 在寻找感兴趣的效应时,我们采取了基于频率簇(Cluster)的方法,即在频率方向寻找连续显著的Cluster,该方法比基于最强效应点的方法具有更为优秀的抗噪音能力。值得注意的是,我们并没有沿着通道的方向去寻找连续显著的通道簇,这是因为沿着通道方向寻找Cluster容易受到生理噪音的影响。 下面进入具体的实操部分。假设本例招募了22对组1被试及22对组2被试,每对被试分别进行3种条件的任务,因此本例是2(组别,被试间因素)*3(条件,被试内因素)的实验设计。本例对神经同步值进行2*3的混合方差分析,并关注交互作用。 具体来讲,进行置换检验需要进行以下几个步骤:1. 重采样;2. 对随机样本进行计算及统计;3. 计算真实样本的统计量;4. 真实样本与随机样本的对比。下面依次进行介绍。 1. 重采样...
Xu Cui
1 min read

Calculate phase difference between two general signals (e.g. HbO…

In a recent fNIRS journal club (vedio recorded here), Dr. Tong talked about their work on the phase difference between oxy and deoxy Hb,...
Xu Cui
1 min read

What can Big Analysis tell you?

We have recently updated the “Big Analysis” advanced feature of Stork. We added the option of analyzing middle authors, the option to merge different...
Xu Cui
46 sec read

4 Replies to “Stork开通自动翻译功能啦”

  1. Stork真的是非常棒的一款文献和基金的追踪工具!但是期刊的影响因子似乎没有每年在更新,请问如何操作可以看到最新的影响因子?或者,很期待以后可以看到这方面的完善~

Leave a Reply

Your email address will not be published. Required fields are marked *

Loading