0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Nature高光論文被質(zhì)疑存在重大缺陷

DPVg_AI_era ? 來源:lq ? 2019-06-29 07:21 ? 次閱讀

一篇一年前的Nature論文近日在Reddit上引發(fā)熱議,一位數(shù)據(jù)科學(xué)家認(rèn)為這篇預(yù)測地震余震的論文在數(shù)據(jù)處理方法上存在重大缺陷,導(dǎo)致實驗結(jié)果虛高,他向Nature去信反映意見,后者承認(rèn)問題存在,但認(rèn)為沒有必要修正,而論文作者則態(tài)度強(qiáng)硬,不承認(rèn)論文有問題。有人整理了事件的來龍去脈,引發(fā)熱烈討論。

近日,一篇一年前發(fā)表在《Nature》上的一篇關(guān)于使用深度學(xué)習(xí)技術(shù)預(yù)測大地震余震的文章在Reddit上引發(fā)熱議。

事情的起源是,一位名叫Rajiv Shah數(shù)據(jù)科學(xué)家認(rèn)為,這篇由哈佛大學(xué)和谷歌聯(lián)合發(fā)表的論文在訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集劃分和選擇上存在重大缺陷,造成了“目標(biāo)泄露”,導(dǎo)致預(yù)測性能結(jié)果偏高。這實際上使整個實驗結(jié)果不再有效。

于是他聯(lián)系了《Nature》表達(dá)了自己的對這篇文章的不同意見,然而Nature方面盡管承認(rèn)他的意見有合理之處,論文在模型和算法設(shè)計上存在缺陷,但拒絕對此進(jìn)行修正。兩位論文作者也給出回復(fù)意見,否認(rèn)了Rajiv Shah的全部意見。

一年前舊賬重提:一篇Nature論文缺陷引發(fā)的爭議

于是,近日Rajiv Shah在Medium上發(fā)文,將此事的整個過程講述了一遍,并堅持自己的觀點。隨文附上了Nature論文、自己與Nature方面的通信往來,以及作者的回復(fù)意見等。熱心網(wǎng)友將此文轉(zhuǎn)到Reddit上,引發(fā)熱烈討論:

來看看當(dāng)事人Rajiv Shah在Medium上的博客文章對于此事的梳理:(Medium原文編譯)

人工智能,機(jī)器學(xué)習(xí),預(yù)測建模和數(shù)據(jù)科學(xué)的研究在過去幾年中發(fā)展迅速。隨著人工智能研究和相關(guān)產(chǎn)業(yè)的持續(xù)增長,新一代的機(jī)器學(xué)習(xí)增強(qiáng)、自動化和GUI工具的誕生讓越來越多的人構(gòu)建預(yù)測模型。

但這樣問題就來了:雖然使用預(yù)測建模工具變得更容易,但預(yù)測建模知識還不夠普及,如果不小心,就很容易導(dǎo)致錯誤的結(jié)論。

不良方法會導(dǎo)致不準(zhǔn)確的結(jié)果

大概一年前,我在《自然》上讀到一篇文章,聲稱通過深度學(xué)習(xí)預(yù)測地震的余震達(dá)到了前所未有的準(zhǔn)確性。但讀過之后,我對他們的聲稱的結(jié)果產(chǎn)生了深深的懷疑。他們的方法的建模過程完全不夠仔細(xì),導(dǎo)致結(jié)果不再可信。

與此同時,這篇論文引發(fā)了廣泛關(guān)注和認(rèn)可。甚至在Tensorflow的官方說明中也提到了這篇文章,作為深度學(xué)習(xí)應(yīng)用的例子。我發(fā)現(xiàn)這篇論文存在重大缺陷。論文中出現(xiàn)的數(shù)據(jù)泄漏問題會導(dǎo)致文中得出的準(zhǔn)確度得分偏高,而且預(yù)測方法在模型選擇上也不夠關(guān)注(如果更簡單的模型可以達(dá)到同樣的準(zhǔn)確度,就不必構(gòu)建6層神經(jīng)網(wǎng)絡(luò)了)。

回到我之前的觀點:論文中使用的方法很精巧,但在基本預(yù)測建模上的錯誤可能會使實驗的整個結(jié)果無效。數(shù)據(jù)科學(xué)家應(yīng)該在工作中及時發(fā)現(xiàn)并避免這些問題。我認(rèn)為本文作者們完全忽略了這一點,所以我聯(lián)系了作者,希望能改進(jìn)文中的分析流程。雖然我們之前溝通過,但關(guān)于這篇文章的疑問,她沒有回復(fù)我的郵件。

Nature回復(fù):承認(rèn)瑕疵,拒絕修正,論文作者表示沒毛病

那么,我該怎么辦?我的同事建議我發(fā)個Twitter就算了,但我認(rèn)為應(yīng)該大力提倡良好的建模習(xí)慣和理念。所以在接下來的6個月里,我一直在記錄自己的結(jié)果,并與Nature方面進(jìn)行了分享。

今年1月,我收到了Nature的一份回復(fù)說明,認(rèn)為盡管關(guān)于數(shù)據(jù)泄漏和模型選擇的嚴(yán)重問題使文中的實驗結(jié)果不夠可靠,但他們認(rèn)為沒有必要糾正,因為Devries等人主要關(guān)注的是將機(jī)器學(xué)習(xí)作為一種工具來獲得對自然世界的洞察力,重點不是算法設(shè)計的細(xì)節(jié)。而此文的作者則做出了措辭更為嚴(yán)厲的回應(yīng)。

我感到很失望。這是一篇重磅論文(畢竟發(fā)在Nature上?。?,盡管文中的方法有缺陷,但它還是發(fā)表了,推動了對人工智能的又一波追捧。

本周,兩位從事地震分析的數(shù)據(jù)科學(xué)家Arnaud Mignan和Marco Broccardo也撰文指出了在Nature那篇余震預(yù)測文章中發(fā)現(xiàn)了缺陷。我也把我自己的分析和可重現(xiàn)的代碼放在了github上。

我想說清楚一點:我不是故意和Nature那篇論文的作者人品有問題。我不認(rèn)為她們是有意為之,她們的目標(biāo)只是展示如何將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于余震預(yù)測。文章作者之一Devries是一位多才多藝的地震科學(xué)家,希望將最新的方法用于她的研究領(lǐng)域,并從中找到亮眼的結(jié)果。

但問題在于:這些觀點和結(jié)果是基于有根本缺陷的方法得出的。僅僅說“這不是機(jī)器學(xué)習(xí)論文,而是地震論文”是解釋不了的。一旦使用了預(yù)測模型,那么預(yù)測結(jié)果的質(zhì)量就取決于建模質(zhì)量,取得的成果就屬于數(shù)據(jù)科學(xué)的成果,數(shù)據(jù)科學(xué)的結(jié)果必須嚴(yán)謹(jǐn)。

期刊方面歷來對刊登對關(guān)于最新技術(shù)和方法的論文興趣極高,但是,如果我們允許有基本問題的論文或項目取得進(jìn)展,就會傷害我們所有人,對預(yù)測建模領(lǐng)域造成破壞。

Nature論文介紹:深度學(xué)習(xí)預(yù)測余震效果拔群

實際上,新智元在此前的報道中曾對Nature這篇文章進(jìn)行過簡要介紹:

谷歌和哈佛大學(xué)在Nature雜志發(fā)表的一篇論文中,研究人員展示了如何用深度學(xué)習(xí)預(yù)測余震位置,而且預(yù)測結(jié)果比現(xiàn)有模型更可靠。

他們訓(xùn)練了一個神經(jīng)網(wǎng)絡(luò),在一個包含131000多個“主震-余震”事件的數(shù)據(jù)庫中尋找模式,然后在一個包含30000對類似事件的數(shù)據(jù)庫中測試其預(yù)測。

“主震-余震”事件的一個樣本

深度學(xué)習(xí)網(wǎng)絡(luò)比最有用的現(xiàn)有模型(稱為“庫侖破裂應(yīng)力變化”)更可靠。在從0到1的精度范圍內(nèi)——1是完全準(zhǔn)確的模型,0.5是一半準(zhǔn)確的模型——現(xiàn)有庫侖模型得分為0.583,而新的AI系統(tǒng)達(dá)到0.849。

“關(guān)于地震,你需要知道三件事情,”研究人員說:“它們什么時候發(fā)生、它們會有多強(qiáng)烈、它們會發(fā)生在哪里。在這項工作之前,我們有經(jīng)驗定律來解釋它們發(fā)生的時間和規(guī)模,現(xiàn)在我們正在研究它們可能發(fā)生在哪。”

人工智能在這一領(lǐng)域的成功歸功于該技術(shù)的核心優(yōu)勢之一:它能夠發(fā)現(xiàn)復(fù)雜數(shù)據(jù)集中以前被忽視的模式。這在地震學(xué)中尤為重要,因為在地震學(xué)中看到數(shù)據(jù)中的關(guān)聯(lián)性非常困難。地震事件涉及太多變量,從不同區(qū)域的地面構(gòu)成到地震板塊之間的相互作用類型,以及能量在地震波中穿過地球傳播的方式。理解這一切是非常困難的。

研究人員表示,他們的深度學(xué)習(xí)模型能夠通過考量一個被稱為“米塞斯屈服準(zhǔn)則”(von Mises yield criterion)的因素來做出預(yù)測,這是一種用于預(yù)測材料何時開始在壓力下破裂的復(fù)雜計算。研究人員表示,這個因素常用于冶金等領(lǐng)域,“但在地震科學(xué)中從未流行過?!爆F(xiàn)在,隨著這一新模型的發(fā)現(xiàn),地質(zhì)學(xué)家可以研究其關(guān)聯(lián)性。

盡管這項研究取得了成功,但它還遠(yuǎn)未準(zhǔn)備好在現(xiàn)實世界中應(yīng)用。首先,AI模型只關(guān)注由地面永久性變化引起的余震,稱為靜態(tài)應(yīng)力。但后續(xù)地震也可能是由于后來發(fā)生的地面隆隆聲造成的,稱為動態(tài)壓力。現(xiàn)有模型也太慢而無法實時工作。這很重要,因為大多數(shù)余震發(fā)生在地震發(fā)生后的第一天,然后每過一天頻率大致減半。

Rajiv的意見:訓(xùn)練方法缺陷導(dǎo)致“目標(biāo)泄露”,實驗結(jié)果虛高

在Rajiv致Nature的信中,指出這篇文章中存在“重大方法性錯誤”,使得文章結(jié)論不再嚴(yán)謹(jǐn)可靠。Rajiv主要提出了三點意見,以第一點為主。

第一,文中對模型訓(xùn)練和測試數(shù)據(jù)運(yùn)用存在缺陷,出現(xiàn)了“目標(biāo)泄露”(Target Leakage),論文中公布的預(yù)測精度實際上是偏高的結(jié)果(AUC=0.849)。論文中使用地震中部分?jǐn)?shù)據(jù)來訓(xùn)練模型,然后再次使用這些數(shù)據(jù)來測試模型。這種目標(biāo)泄露會導(dǎo)致機(jī)器學(xué)習(xí)中的結(jié)果偏高,而實際效果并沒有這么好。為了避免這一錯誤,需要使用“分組分區(qū)”的方法,保證地震數(shù)據(jù)只會出現(xiàn)在訓(xùn)練部分或測試部分其中之一,而本文沒有這樣做。

第二個問題是沒有使用學(xué)習(xí)曲線。

第三是上來就使用深度學(xué)習(xí)模型,而沒有考慮邏輯回歸、隨機(jī)森林等基線方法。這可能會給讀者造成誤導(dǎo),認(rèn)為只有深度學(xué)習(xí)才能對余震預(yù)測任務(wù)取得良好效果,實際上并非如此,許多其他方法(如SVM、GAM)都可以獲得與文中模型基本相當(dāng)?shù)男阅堋?/p>

在Nature的回復(fù)中,實際上在一定程度上承認(rèn)了Rajiv意見的合理性,但拒絕對此進(jìn)行糾正。

Nature方面的態(tài)度是:

盡管關(guān)于數(shù)據(jù)泄漏和模型選擇的問題使文中的實驗結(jié)果不夠可靠,但沒有必要糾正,因為本文作者Devries等人主要關(guān)注的是將機(jī)器學(xué)習(xí)作為一種工具來獲得對自然世界的洞察力,算法設(shè)計的細(xì)節(jié)不是重點。

而論文作者方面給出的回復(fù)意見對這三點均予以反駁,二位作者表示:

1、Rajiv關(guān)于“數(shù)據(jù)泄露”使得模型性能虛高的說法在科學(xué)背景下不具備合理性。對地震數(shù)據(jù)訓(xùn)練集和測試集的分組符合機(jī)器學(xué)習(xí)的基本方法。

2、本文使用神經(jīng)網(wǎng)絡(luò)作為工具,為了獲得關(guān)于余震的一些模式信息,并沒有表示其他機(jī)器學(xué)習(xí)方法無用的意思。

3、整個文章的主旨就是神經(jīng)網(wǎng)絡(luò)能夠成功學(xué)習(xí)簡單的模式。

二位作者還在回復(fù)意見的最后部分表示,Rajiv的評論沒有任何科學(xué)背景。我們是地震科學(xué)家,我們的目標(biāo)是利用機(jī)器學(xué)習(xí)獲得關(guān)于余震位置模式的信息,完成這個目標(biāo)的是我們,而不是Rajiv的這些評論。如果Nature選擇公開這些評論,我們會感到很失望。

網(wǎng)友熱議:Nature承認(rèn)有問題就該改,作者態(tài)度令人堪憂

Nature上的文章從來不缺少關(guān)注,尤其是出現(xiàn)重大爭議的文章。雖然是一筆一年前的老賬,但來龍去脈還很清楚,毫無懸念地成為Reddit上頭號熱帖。

從回復(fù)的熱門帖子看,很多網(wǎng)友認(rèn)為Rajiv的批評意見值得充分討論,而Nature在承認(rèn)論文中的算法存在一定問題的情況下仍然拒絕修改,沒有盡到應(yīng)盡的責(zé)任。至于二位作者的回復(fù),一方面缺乏面對反對意見時的風(fēng)度,而且對某些重要概念(比如數(shù)據(jù)泄露)的理解存在問題。

下面簡單摘選幾個:

1、我覺得論文作者的回復(fù)比批評意見本身更為“居高臨下”啊。意見中提到使用更簡單的方法也能得到基本相同的結(jié)果,這說明進(jìn)行一些模型簡化測試很有必要。尤其是作者回復(fù)的最后一段,簡直是在說:我們是地震科學(xué)家,敢問您是哪位啊?然后還跟Nature講,如果你公布了這些評論意見,我們會“很失望”的。作者憑什么這么說?為什么這些評論意見不該公布?難倒公布了不正能引發(fā)更多良性的科學(xué)討論嗎?而且評論中的意見也不是孤例,其他文章中也有提到這個問題。如果我是這篇文章的會議審稿人,我也會有類似的疑問,至少我會要求作者作一些模型簡化測試。

2、我讀了論文作者(Phoebe DeVrias和Brendan Meade)對Nature編輯的回應(yīng)。雖然我不知道這些評論的背景,但可以肯定地說,她們面對批評意見表現(xiàn)得非常不成熟。

3、“我們承認(rèn)在訓(xùn)練和測試集中都使用了來自同一地震的數(shù)據(jù),但這并不重要,因為我們是聰明的地震科學(xué)家?!编?,很好很強(qiáng)大。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1804

    文章

    48518

    瀏覽量

    245416
  • 論文
    +關(guān)注

    關(guān)注

    1

    文章

    103

    瀏覽量

    15104
  • 數(shù)據(jù)集
    +關(guān)注

    關(guān)注

    4

    文章

    1222

    瀏覽量

    25232

原文標(biāo)題:Reddit熱議:Nature預(yù)測余震論文被疑存重大缺陷,論文作者回懟

文章出處:【微信號:AI_era,微信公眾號:新智元】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦
    熱點推薦

    美報告:中國芯片研究論文全球領(lǐng)先

    據(jù)新華社報道,美國喬治敦大學(xué)“新興技術(shù)觀察項目(ETO)”3日在其網(wǎng)站發(fā)布一份報告說,2018年至2023年間,在全球發(fā)表的芯片設(shè)計和制造相關(guān)論文中,中國研究人員的論文數(shù)量遠(yuǎn)超其他國家,中國在
    的頭像 發(fā)表于 03-05 14:32 ?667次閱讀

    預(yù)防掩模霧狀缺陷實用指南

    精密的線路圖形精確地復(fù)制到每一片晶圓上。 然而,在使用光掩模進(jìn)行硅片光刻的過程中,當(dāng)掩模板光刻機(jī)中的激光持續(xù)照射一段時間后,掩模板上常常會出現(xiàn)一種被稱為霧狀缺陷(Deflate)的問題,其中最常見的一種表現(xiàn)形式就是“haze”(霧
    的頭像 發(fā)表于 02-19 10:03 ?468次閱讀

    浙江大學(xué)陳紅勝/錢超團(tuán)隊探討智能超材料與超材料智能的重大進(jìn)展

    and metamaterials intelligence”為題,在Nature Communications期刊發(fā)表綜述論文,探討了智能超材料與超材料智能的重大進(jìn)展。浙江大學(xué)錢超研究員為第一兼通訊作者,陳紅勝教授為通訊
    的頭像 發(fā)表于 02-14 09:37 ?327次閱讀
    浙江大學(xué)陳紅勝/錢超團(tuán)隊探討智能超材料與超材料智能的<b class='flag-5'>重大</b>進(jìn)展

    碳化硅的缺陷分析與解決方案

    碳化硅作為一種新型半導(dǎo)體材料,因其高熱導(dǎo)率、電子飽和速度和擊穿電場等特性,廣泛應(yīng)用于高溫、高壓和高頻電子器件中。然而,碳化硅材料中的缺陷,如微管、位錯、堆垛層錯等,會嚴(yán)重影響器件
    的頭像 發(fā)表于 01-24 09:17 ?759次閱讀

    新原理與新結(jié)構(gòu):基于分離波導(dǎo)交叉的MEMS硅開關(guān)及陣列

    switch based on split waveguide crossings(基于分離波導(dǎo)交叉的MEMS硅開關(guān))”的研究論文。 傳統(tǒng)開關(guān)工作機(jī)制是:基于折射率的微小變化進(jìn)行模式耦合或模式干涉狀態(tài)
    的頭像 發(fā)表于 01-14 09:24 ?566次閱讀
    新原理與新結(jié)構(gòu):基于分離波導(dǎo)交叉的MEMS硅<b class='flag-5'>光</b>開關(guān)及陣列

    伏行業(yè)協(xié)會質(zhì)疑央企項目低價中標(biāo)

    近日,中國光伏行業(yè)協(xié)會就國家能源集團(tuán)下屬企業(yè)一伏組件項目的招投標(biāo)結(jié)果發(fā)出嚴(yán)厲質(zhì)疑。協(xié)會連發(fā)“四連問”,對項目招投標(biāo)的合規(guī)性、合理性及實際執(zhí)行情況提出了深刻關(guān)切。 據(jù)協(xié)會指出,盡管協(xié)會已連續(xù)兩個月
    的頭像 發(fā)表于 12-20 10:29 ?434次閱讀

    X-RAY檢測設(shè)備用于檢測集成電路缺陷瑕疵

    X-ray檢測設(shè)備在集成電路缺陷瑕疵檢測中發(fā)揮著至關(guān)重要的作用。以下是對X-ray檢測設(shè)備在集成電路缺陷瑕疵檢測方面的詳細(xì)闡述:一、檢測原理X-ray檢測設(shè)備基于X射線穿透測物質(zhì)時存在
    的頭像 發(fā)表于 12-02 18:07 ?635次閱讀
    X-RAY檢測設(shè)備用于檢測集成電路<b class='flag-5'>缺陷</b>瑕疵

    觸覺傳感重磅《Nature》!無線、低功耗、多刺激模式觸覺電子皮膚(附原論文

    中有廣泛的應(yīng)用。在觸覺傳感方面,已有眾多Nature、Science子刊發(fā)表,但是Nature正刊卻仍十分稀少。 ? ? ????? 近日,美國西北大學(xué)John A. Rogers/黃永剛大連理工大學(xué)解兆謙聯(lián)合團(tuán)隊提出了一個微型化的機(jī)電結(jié)構(gòu),當(dāng)與皮膚結(jié)合時,能
    的頭像 發(fā)表于 11-14 18:13 ?1588次閱讀
    觸覺傳感重磅《<b class='flag-5'>Nature</b>》!無線、低功耗、多刺激模式觸覺電子皮膚(附原<b class='flag-5'>論文</b>)

    一文詳解SiC的晶體缺陷

    SiC晶體中存在各種缺陷,對SiC器件性能有直接的影響。研究清楚各類缺陷的構(gòu)成和生長機(jī)制非常重要。本文帶你了解SiC的晶體缺陷及其如何影響SiC器件特性。
    的頭像 發(fā)表于 11-14 14:53 ?1748次閱讀
    一文詳解SiC的晶體<b class='flag-5'>缺陷</b>

    谷歌DeepMind曝抄襲開源成果,論文還中了頂流會議

    谷歌DeepMind一篇中了頂流新生代會議CoLM 2024的論文掛了,瓜主直指其抄襲了一年前就掛在arXiv上的一項研究。開源的那種。
    的頭像 發(fā)表于 07-16 18:29 ?778次閱讀
    谷歌DeepMind<b class='flag-5'>被</b>曝抄襲開源成果,<b class='flag-5'>論文</b>還中了頂流會議

    基于振幅型空間調(diào)制器實現(xiàn)具有魯棒性且高對比度的多焦點聚焦方法

    論文信息 背景引入 光學(xué)散射是自然界中一種普遍的物理現(xiàn)象,散射是由于光在介質(zhì)中傳播路徑的復(fù)雜性和時空不均勻性所致,例如,在生物樣品和白色涂料等復(fù)雜光子介質(zhì)中廣泛存在結(jié)構(gòu)無序和不均勻性。光在通過無序
    的頭像 發(fā)表于 06-20 15:15 ?572次閱讀
    基于振幅型空間<b class='flag-5'>光</b>調(diào)制器實現(xiàn)具有魯棒性且高對比度的多焦點聚焦方法

    外觀缺陷檢測原理

    產(chǎn)品外觀是影響產(chǎn)品質(zhì)量最重要的因素之一,其平整度、有無瑕疵等不僅影響到產(chǎn)品美觀,甚至能夠直接影響產(chǎn)品本身的使用和后續(xù)加工,給企業(yè)帶來重大經(jīng)濟(jì)損失。 隨著人工智能技術(shù)的快速發(fā)展, 機(jī)器視覺 與AI技術(shù)
    的頭像 發(fā)表于 06-17 17:38 ?684次閱讀
    外觀<b class='flag-5'>缺陷</b>檢測原理

    清華類腦視覺芯片取得重大突破,“天眸芯”登上Nature封面

    電子發(fā)燒友網(wǎng)報道(文/李寧遠(yuǎn))5月30日,來自清華大學(xué)類腦計算研究中心團(tuán)隊的類腦互補(bǔ)視覺芯片“天眸芯”登上了《Nature》封面。 文章名為“A vision chip
    的頭像 發(fā)表于 06-01 00:54 ?5353次閱讀
    清華類腦視覺芯片取得<b class='flag-5'>重大</b>突破,“天眸芯”登上<b class='flag-5'>Nature</b>封面

    請問STM32硬件I2C存在什么缺陷

    我看野火的庫函數(shù)開發(fā)手冊里面感覺用I2C用的挺順的呀 為什么張洋卻說STM32的I2C有缺陷 不推薦用 請問下 各位在使用I2C的時候碰到過什么情況嗎 我怎么都沒感覺到I2C的缺陷 能否說下這個缺陷是什么
    發(fā)表于 05-16 07:46

    深圳恒興?。圃鞓I(yè)的新星:超精電主軸的崛起...

    深圳恒興?。圃鞓I(yè)的新星:超精電主軸的崛起隨著工業(yè)技術(shù)的飛速發(fā)展,高精度、高效率的加工設(shè)備在制造業(yè)中扮演著至關(guān)重要的角色。在眾多先進(jìn)技術(shù)中,超精電主軸憑借其卓越的性能和創(chuàng)新的設(shè)
    發(fā)表于 05-13 09:55

    電子發(fā)燒友

    中國電子工程師最喜歡的網(wǎng)站

    • 2931785位工程師會員交流學(xué)習(xí)
    • 獲取您個性化的科技前沿技術(shù)信息
    • 參加活動獲取豐厚的禮品