读顶级会议上的论文---适应于机器学习、计算机视觉等人工智能领域

看了版上很多贴子,发现很多版友都在问“热门研究方向”、“最新方法”等。有同学建议国内某教授的教材、或者CNKI、或者某些SCI期刊。每当看到这种问题,我都有点纳闷,为什么不去读顶级会议上的论文?

我无意否认以上文献的价值,但是在机器学习、计算机视觉和人工智能领域,顶级会议才是王道。国内教材和CNKI上的基本是N年前老掉牙的东西。有人会质疑这些会议都只是EI。是的,这的确非常特殊:在许多其它领域,会议都是盛会,比如society of neuroscience的会议,每次都有上万人参加,带个abstract和poster就可以去。但在所讨论的几个领域,顶级会议的重要性无论怎么强调都不为过。

可以从以下几点说明:(1)因为机器学习、计算机视觉和人工智能领域发展非常迅速,新的工作层出不穷,如果把论文投到期刊上,一两年后刊出时就有点out了。因此大部分最新的工作都首先发表在顶级会议上,这些顶级会议完全能反映“热门研究方向”、“最新方法”。(2)很多经典工作大家可能引的是某顶级期刊上的论文,这是因为期刊论文表述得比较完整、实验充分。但实际上很多都是在顶级会议上首发。比如PLSA, Latent Dirichlet Allocation等。(3)如果注意这些领域大牛的pulications,不难发现他们很非常看重这些顶级会议,很多人是80%的会议+20%的期刊。即然大牛们把最新工作发在顶级会议上,有什么理由不去读顶级会议?

(1)以下是不完整的列表,但基本覆盖。
机器学习顶级会议:NIPS, ICML, UAI, AISTATS; (期刊:JMLR, ML, Trends in ML, IEEE T-NN)
计算机视觉和图像识别:ICCV, CVPR, ECCV; (期刊:IEEE T-PAMI, IJCV, IEEE T-IP)
人工智能:IJCAI, AAAI; (期刊AI)
另外相关的还有SIGRAPH, KDD, ACL, SIGIR, WWW等。
特别是,如果做机器学习,必须地,把近4年的NIPS, ICML翻几遍;如果做计算机视觉,要把近4年的ICCV, CVPR, NIPS, ICML翻几遍。

(2)另外补充一下:大部分顶级会议的论文都能从网上免费下载到,比如:
CV方面:http://www.cvpapers.com/index.html;
NIPS: http://books.nips.cc/;
JMLR(期刊): http://jmlr.csail.mit.edu/papers/;
COLT和ICML(每年度的官网):http://www.cs.mcgill.ca/~colt2009/proceedings.html

(3)说些自己的感受。我的研究方向主要是统计学习和概率图模型,但对计算机视觉和计算神经科学都有涉及,对Data mining和IR也有些了解。这些领域,从方法和模型的角度看,统计模型(包括probabilistic graphical model和statistical learning theory)是主流也是非常有影响力的方法。有个非常明显的趋势:重要的方法和模型最先在NIPS或ICML出现,然后应用到CV,IR和MM。虽然具体问题和应用也很重要,但多关注和结合这些方法也很有意义。

注:

NIPS = Neural Information Processing Systems https://nips.cc/

ICML = International Conference on Machine Learning https://icml.cc

UAI(AUAI) =Association for Uncertainty in Artifical Intelligence http://www.auai.org/

AISTATS = Artificial Intelligence and Statistics http://www.aistats.org/

JMLR = Journal of Machine Learning Research http://jmlr.org/

IJCAI = International Joint Conference on Artifical Intelligence http://ijcai.org/

AAAI =Association for the Advancement of Aritifical Intelligence http://www.aaai.org/home.html

世界计算机算法最权威会议SODA—全称ACM-SIAM Symposium on Discrete Algorithms。

世界计算机科学领域最顶级期刊JACM—全称Journal of the Association for Computing Machinery,该期刊只发表世界计算机科学领域具有最重要意义的研究工作,每年仅收录30多篇。

世界数据库领域最顶级的期刊ACM TODS—全称ACM Transactions on Database Systems,该期刊全年在全世界范围不过收录30篇高水平论文

世界计算机存储领域顶尖期刊ACM Transactions on Storage—该期刊全年收录文章不超过20篇

世界程序语言设计领域顶级学术会议PLDI2007—全称ACM SIGPLAN Conference on Programming Language Designand Implementation

世界物理学最权威学术刊PRL—全称Physical Review Letter,国内大学计算机系目前只有清华计算机系发过两篇PRL

世界理论计算机领域顶级会议STOC—全称ACM Symp on Theory of Computing

世界人工智能方面最顶级会议IJCAI—全称International Joint Conferences on ArtificialIntelligence

世界计算机视觉和模式识别领域顶级国际会CVPR—全称IEEE Conference on Computer Vision and PatternRecognition

世界信息检索领域顶级会议SIGIR—全称ACM SIGIR Special Interest Group on InformationRetrieval

世界数据挖掘领域最权威国际期刊IEEE TKDE—全称IEEE Transactions on Knowledge and Data Engineering

世界数据库领域最顶级会议SIGMOD—全称ACM’s Special Interest Group on Management Of Data

世界计算机图形学最权威国际会议ACM SIGGRAPH

世界计算语言/自然语言处理领域最顶级会议ACL—全称Association for Computational Linguistics

世界理论计算机科学顶级学术期刊Theoretical Computer Science

世界计算复杂性领域顶级会议CCC—全称IEEE Conference on Computational Complexity

世界计算机视觉和模式识别领域顶尖期刊IEEE PAMI—全称IEEE Transactions on Pattern Analysis and MachineIntelligence

世界集成电路设计领域最顶级会议DAC—全称Design Automation Conference

世界人工智能领域顶级学术会议AAAI—全称Association for the Advancement of ArtificialIntelligence

世界互联网领域顶级会议WWW—全称World Wide Web Conference

世界通信与计算机网络领域顶级学术会议Infocom—全称IEEE Conference on Computer Communications,

世界信息科学理论顶级期刊IEEE Transactions on Information Theory

世界数据挖掘领域一流会议SDM—全称SIAM International Conference on Data Mining

世界声学与信号处理一流会议ICASSP—全称IEEE International Conference on Acoustics, Speech,and Signal Processing

世界计算机算法与理论领域一流会议STACS—全称Symp on Theoretical Aspects of Computer Science

世界计算机理论科学领域一流会议ICALP—全称International Colloquium on Automata, Languages andProgramming

世界数据挖掘领域一流会议ICME—全称IEEE International Conference on Multimedia & Expo

世界计算机图形学领域一流会议EuroGraphics

世界集成电路领域一流会议ISVLS

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值