计算机领域
(2011-08-21 15:27:11)# 第一章 #
计算机的大牛90%以上都在美国，所以只讲讲美国的CS。别的国家没什么太大的参考意义（英国、法国、匈牙利、日本、香港、新加坡、大陆、加拿大），不过还是说两句：第一句是，美国以外的地方CS和美国有差距，主要是没钱；第二句是，搞科研也讲‘近亲繁殖’，美国以外的其他地方很明显‘人手不够’。没钱的问题看大陆就知道，高性能计算、硬件、网络。。统统没办法干。当年人家Stanford跑一个粒子加速器就几百万美金，中国哪个高校有这资金。人手问题也很明显，像Stanford的Dan同学，以前在Cololado Boulder，后来不也被挖走了？像以前呆在加拿大一个人闷做研究的Han Jiawei老大，不也被UIUC挖走了？为什么呢。说白了还是资源。Han Jiawei 02年被UIUC从加拿大的SFU拎到UIUC，转年就成了IEEE的FELLOW。为什么。说白了就是‘近亲繁殖’。直到现在美国相当数量的大学（就不说全部了）都非常认可同行的推荐。学校要各个同行评分，发paper也是同行review，nominate也要同行，甚至PhD的 application也相当依赖reference letter。另外呢，就是这些资源相当丰富的地方容易产‘奶牛’。当年吴健雄也才第九名考进的中央大学，可是人家一跑美国去就成了实验物理大牛，还当了美国协会的会长。物以类聚，人以群分。你说90%的老大都在美国，你呆在印度做CS，有啥意思。不管是Science还是Engineering，还得靠 inspiration。Inspiration靠什么？显然是要以Group为研究的基本单位，像Dan Jurafsky和Jiawei Han那样的人毕竟是少数。最好不还是被几个牛棚给挖走了？这玩意真没办法，是趋势。不说废话了，来扯美国的CS。
美国CS首当其冲的就是“五大牛棚”：MIT，Stanford，Berkeley，UIUC，和CMU。其他的牛校像 Washington，Princeton，Cornell，Wisconsin等等都是非常不错的，只不过可能光芒还不够。而且还有很重要的一点，就是这些学校的faculty好多都是‘五大牛棚’出来的，自然地位也就低一些。尤其是Princeton和Cornell这类学校（其他还包括 JHU，Maryland，Duke，甚至综合排名非常靠后的Amhest），好多Professor都是牛棚混出来然后过来独当一面的。特殊点的就是 Washington和Wisconsin，还有诸如Caltech这类学校，他们的Alumni也出过不少人才。
首先是MIT。我脑子里（或者说几乎所有工科学生的脑子里）可能下意识地定死了MIT是工科最牛查查的学校。甚至我一直认为（至今仍然），MIT的脑袋都是畸形，整个MIT不是牛棚，而是一个ZOO。MIT简直就是发了战争财。开始做雷达，整的它的无线电啊，EE什么的巨牛无比。然后就是冷战，国防部投了好多美金做乱七八糟的东西。CSAIL还没有合并的时候，MIT的计算机实验室叫AI实验室。就是这个实验室，早期做了很多开拓性的工作。主要是冷战的时候（90年代以前），美国国防部投资了无数的资金，狂搞AI的项目。很多学校在那个时候得到了很大的发展，譬如Texas Austin，譬如UMass Amherst，他们的CS系便是那个时代的产物。可是后来AI的投入没有打到预期的产出，糟蹋了好多国防部美好的愿景，项目一个接一个的流产，大师也一个接一个的归隐。看看MIT那些早年毕业的大牛（50-60年代左右），基本都有深厚的物理背景，这就意味着他们不仅数学知识扎实，而且具有深厚的电子电气的背景。这些“牛群”在冷战后奔向各个其他的institution，自然就成了领军人物。好多人说，MIT虽然没有做什么牛哄哄的东西，可是任何一个人都可以证明，其他institution都是他在学术上的孙子的孙子。Orz. （麻教主千秋万代，一统江湖！！ o(∩_∩)o...）事实上的确，比较一下MIT的PHD毕业生，在学术上是其他学校无法超越的。至少去年我在港中文‘打杂工’的时候，我们组的‘带头大哥’Professor Helen M. Meng就是在MIT拿的BS,MS和PHD；然后中大做Vision的老大Professor Xiaoou Tang，也是MIT的PHD。这两人明显带有MIT培养出来的严谨风格，而且学术嗅觉非常之好。记得我给Helen做presentation的时候，她问过我好些问题，都是一语中的的。而且她还鼓励我做Vision和Speech的数据融合，事实证明也是很好的思路。Helen在MIT是 Stephanie和Victor的学生，Stephanie又和我们剑桥的Steve有很好的合作项目和官方渠道（例如CAM-MIT）。这两个组一直都在联合做Spoken Language Dialog System的项目。又一次雄伟而彪悍无比地证明了我说的‘近亲繁殖’理论。。。娃哈哈~ MIT的老师我只接触过CSAIL的老大Professor Victor Zue，语音组的老大Professor Stephanie和Vision组的几个Professor。首先感觉是都很NICE，说话都很客气。尤其是Victor，记得去年在上海参加MIT面试的时候和Victor聊天，他老是笑呵呵的，想来脾气应该很好。虽然去年没有去成MIT的Vision组，可是总能感觉到MIT那种技术的金属质感给我带来的吸引和震撼。希望今年能去MIT念Stephanie的PHD啊~~ Bless...
然后扯一下Stanford。其实我原来对Stanford感觉蛮好的（现在感觉也不错），我在LA认识的朋友也应该是最多的（最多又是 Stanford，然后才是Berkeley，UCLA和Caltech。SYF小朋友啊~ 嗯，我在Stanford最好的几个朋友之一了。SYF，看到这个帖子给师傅留个Message哈。嘿嘿）。可是因为种种原因，以前就压根没有打算过去斯坦福念书（主要是MWJ小朋友不让我去。我又乖又听话，所以就没申请了）。Stanford给我的感觉就是超级大，而且几乎没有什么软肋。历数美国诸多 CS高校中，唯一能在AI方面和MIT抗衡的就数斯坦福了。而MIT现在AI仿佛有走下坡路的趋势，而斯坦福倚其地理优势和财政强势，迅速崛起。 Sorry，不应该是崛起，是第二波浪潮~~ 斯坦福的AI，诸如视觉，语音和自然语言，机器人等等，都有大牛撑腰。然后在体系结构和数据库方面又依赖硅谷的强大应用平台，有着得天独厚的发展资源。 AI作为CS的灵魂，斯坦福已经有了；体系结构和数据库这些应用背景很强的领域，硅谷也给斯坦福与生俱来的优势。当然，那帮学生也不是省油的灯，好多 PHD没念完就跑了。什么GOOGLE啊，YAHOO啊，通通都迅速崛起了。另一方面也反应了斯坦福的学生商业头脑很好，很灵活，不像书呆子（譬如 MIT，譬如Caltech。哈哈）。真没什么说的，牛哄哄的。对了，补充一点，斯坦福坐拥硅谷的土地，真是巨有钱啊。。。望尘莫及。
第三头大牛要数Berkeley。好多人和我讨论，和我争辩，到底是Berkeley厉害还是MIT厉害。我觉得没什么好比较的。因为每个学校发展的方向都不太一样，CS和CS没法比，可以比的只是某个组，譬如MIT的AI就比Berkeley的好，Berkeley的网络就比MIT好。Berkeley 的传统优势就是网络，操作系统等等。早期Berkeley的CS毕业生好多去各个高校当教授，大多也做的是网络和操作系统这一块的东西。现在 Berkeley的AI也发展了起来，诸如图形图像，语音语言都有了很大的发展。Berkeley作为公立学校的老大，收费低，又地处LA，开个什么国际会议啊，养个老啊，都挺好的。UC系统又联系广泛，而且Berkeley还和诸如Stanford，UCLA和Caltech这样的牛校贴得这么近，不做点东西出来真是对不起这地理位置。想想我本科毕业的学校‘西北工业大学’，其实计算机在中西部应该是最强的，在全国我觉得某些领域也能在前五（譬如计算机应用）。可是相比起同是国防科工委的北航，就没有了地理优势。西安显然没有北京有钱，地理位置显然没有北京好，而且显然也没有清华北大这样的学校和他交流，甚至连北邮北理北工大这样的学校在西安都没有。哦，对了，有个西电。Sorry，西电也是巨牛无比的。我甚至觉得在很多领域西电比西工大牛多了。记得我在CUHK的时候，看过几篇文章都是西电的老师和港中文的老师一起写的（譬如那篇影响我很大的Xiaou文章，就是和西电的老大一起写的）。然而，西工大的老师是和蔼可亲的。以前给予我诸多帮助的WQ老师，ZYN老师我感觉在学术上都是可以独树一帜的人。事实上也的确给了我很多启发和思考的灵感。当然还有我们更加和蔼可亲的XL老师。真是又是老师又是朋友。想起在清华-港中文做RA的那段日子，的确教会了我很多东西。北航的老师我只和LW校长聊过天。 LW老师做的好像是软件理论，也是英国毕业的（好像是爱丁堡）。虽然LW老师都是校长了，可是那时候和我聊天一点都没有什么架子（5年前了），和蔼可亲的很。哎，大凡大牛都是和蔼可亲型的啊。扯着这么远，无非就是要说Berkeley有多么好的地理优势，把UC其他几个学校远远抛在了脑后（至少CS是这样）。譬如UCSD，譬如UCI，甚至UCLA也远不及Berkeley。去年我给UCSD的Alon做presentation，人家好像才40岁，就已经是IEEE的FELLOW了，这样下去怎么得了。Alon虽然是做Information Theory的，但是却为我的project提了一个非常好的建议，取得了很大的突破。这才让我感觉到IEEE Fellow的威力。我那时就想，要是Alon也跑到berkeley去，那该有多猛啊。。。。（插播广告：英语语法）'Had Professor Alon joined Berkeley, he would have already made far greater contribution to the information industry.' EAP没白来。。o(∩_∩)o...哈哈~ Berkeley的教授我就不认识几个，不过有几位朋友在那，传说没有Stanford漂亮。呵呵~
第四头大牛是UIUC。我对UIUC的印象最开始来自高我几级的SZ。SZ和我一样都是做OI出身，然后保送到了清华。据说在清华学习十分猛，老是系里前 5名，后来又考了老高的GT，结果就去UIUC了。我当时十分郁闷，因为我那时候不是很清楚UIUC在CS领域里是个什么地位。我说怎么这么好一孩子不去 Stanford和Berkeley，非跑到‘玉米地’去了？不过这以后UIUC这个名字我就记下来了，这是第一印象。然后一个比较深刻的印象就是 Jiawei han。我当年读Jiawei Han的书时，他还在加拿大。我也纳闷，我说怎么写了这么牛哄哄的书的人，倒喜欢做武林蒙面大侠了？莫非又是一‘隐藏关卡的BOSS'？没想到Han老爷子02年的时候果真就被UIUC挖走了。这时候我才念起UIUC的好，觉得实属牛棚一个了。以前那些虚幻的带有主观臆断的想法通通成了幼稚的偏见。 UIUC是干嘛的？回答其实很明确，如果说MIT是为AI而生的话，UIUC就是为硬件和超级计算机而生的。It is UIUC that 当年改良了计算机中的晶体管、集成电路和ALU的好多东西。Intel和AMD，还有早期做chip的Motorola等等，我想都大多受惠于UICU的 faculty。自然，这些老faculty拿这些技术继续做硬件和超级计算机便有如鱼得水之势了。所以，包括硬件逻辑电路设计、计算机算术、机器结构和数值分析领域，UIUC都是独执牛耳的领军人物。UIUC的CS相来比较扎实，生源和师资都非常好，自然声誉也很高。尤其是硬件。早期的超级计算机大多出自UIUC之手，譬如ILLIAC的1、2、3、4代以及后来的一些超级计算机，都是这一领域的大手笔。UIUC的这些理论和工业成果和成功，对并行计算机的发展历程做出了不可磨灭的贡献。UIUC的老教授David Kuck就是并行处理的先驱，原来是NASA第一部超级计算机的首席设计师。属于在并行处理这个领域挖了一个坑然后等着后人来’建设社会主义美好家园式‘ 的人物。UIUC早期的发展有很多历史佐证，譬如美国国家超级计算及应用中心(NCSA)在UICU的建立，譬如Marc Andreessen在UIUC读本科大四的时候在NCSA主持编写的Mosaic。无一不是一个又一个翔实的历史介绍。可惜，后来（85年-2000年左右），UIUC的硬件学术队伍老化，没有形成良好的学术梯队，硬件队伍失去了很多元老级的人物，新的professor呢，又无心做这些东西，大多又开始弄软件去了。把UIUC的传统和家业整个换了个门面。不过，正式由于这个原因，UIUC的CS系以拥有众多充满活力的世界级青年学者。例如Josep Torrellas (其弟子有在Cornell ECE，Georgia Tech CS任教的)，Klara Nahrstedt (其弟子有在Cornell ECE，Purdue CS，Toronto ECE任教的)，还有稍老一些的Gerald DeJong (其弟子有在UW-Madison，UT-Austin任教的)等等。前几年刚被Duke挖走的Herbert Edelsbrunner，由于对计算几何的根本性贡献，1991年拿了个Waterman Award，成为历史上第一位获此殊荣的计算机科学家。UIUC的校友也有很多有名的，譬如写了Mosaic并成立了netscape的marc Andreessen，譬如David Kuck的学生陈世卿(Steve Chen)，譬如Lotus Notes的老大Ray Ozzie等等。UIUC CS 的学生毕业后去学术界的不少，Stanford，Princeton，Cornell，UT-Austin。。。都有UIUC的博士挑大梁。在U Michigan CS和UCLA CS，UIUC CS出身的教授更随处可见。在仅有的18名华裔ACM Fellow中，就有6名是UIUC的。另外一个不得不讲得人当然是我们可亲可爱的‘刘爷爷’。当年我拿到‘蒋震海外研究生奖学金’的时候，还是刘爷爷给我面试的，还要我背唐诗宋词。吓得我当时很紧张，竟然把沁园春雪给背错了几句，刘爷爷还很机敏地当即纠正了我的错误。哎，仍然记忆犹新啊。刘爷爷的确是个非常（N次幂，N > 3）的人，至少一点架子都没有，和蔼可亲得很。连我当年去MIT的推荐信也是刘爷爷亲手执笔的。可恨的是当年没有申Princeton，要不然panel 一看是刘爷爷的亲笔推荐信，肯定就把我给收了。。。哈哈哈~ Professor C.L.Liu是属于桃李满天下的那种人。在国内最有名的当然要数Professor Andrew Yao了，人家在哈佛念完物理就跑到UIUC去念计算机了，当年的导师就是我们可爱的‘刘爷爷’。后来姚老大成了世界上第一位拿过图灵奖的华人，当然，现在还是唯一一人。可以想象，当时我和图灵奖的导师聊天的时候有多紧张。。。可惜本人实在愚钝，在CS领域也毫无建树，刘爷爷把Victor从美国请过来给我面试去MIT我最后都没有如他老爷子的愿，跑到剑桥这地方天天骑自行车看康河来了。。。哎~ 真是惭愧。另外关于UIUC不得不说当然是他的发展‘现象’。为什么说是‘现象’呢？因为UIUC是有名的‘玉米地’，常年面临加州等地名校的“挖人”威胁。尽管不少教授在成名以后离开，UIUC计算机系仍然凭借着为中青年人才的成长营造最好氛围，在小地方办成了世界一流的研究重镇。我想，UIUC可能是惟一几个不靠地理位置发财的CS牛棚吧。这个‘现象’值得很多学校借鉴，譬如西工大，西电，譬如中科大等等。
最后呢，当然是牛哄哄的CMU了。事实上，CMU的CS应该比UIUC要稍微好一些。因为CMU貌似就只有一个CS在撑门面，所以它的CS硕大无比，几乎没有弱项。尤其厉害的是它的vision和robotics，当然还有software。CMU的Robotics实在是名气太响了，‘附送’的 Vision也沾了很大的光，导致CMU在AI领域的大哥地位也无人能撼。我的本科学校去年就走了一个师兄去CMU，貌似就是做ROBOTICS的。什么 FIFA CUP之类的足球机器人啦，CMU最喜欢招这些人了。其实我当年准备去CMU的VISION组的，可惜我当年实在是迷恋MIT，就没有申请CMU，现在想起来，如果当年能去CMU也是个不错的选择。对了，我一位很好的朋友现在就在CMU。可爱的CX小朋友。这哥们是少年班的天才，在CMU跟随图灵奖大师做 ‘玄学’（他自己如是说的），哈哈哈。CX绝对属于天才型的，几十位图灵奖的逸闻趣事他都知道。引用我们JK同学的话叫‘简直太神奇了’。我们漂亮的JK 小同学如今在MIT做EE，所以高智商夸赞高智商总是很有分量。CX做事很踏实，也很有目的性，他就只跟图灵奖做理论计算机的研究。当时把我佩服得直咂舌。不过，现在终于如愿以偿了，人家以后可是图灵奖的弟子啊。。。哎~~ 和我的Professor Steve Young不是一个级别的。可爱的Steve，您啥时候也拿个图灵奖让俺们沾沾光啊。CX同学，过几年回西安的时候记得再吃饭聚一聚~（看到这个给我留言哈）。CMU不仅Robotics好，Software也是技术一流。据说现在微软招得最多的软件开发员工都是CMU毕业的。某种程度上说，CMU的老大们挣了我们不少钱。哼哼~ 另据CX小朋友介绍，CMU的CS系实在是过于庞大了。。。巨多教授。哥们，这还真够挤的~~ 好了，牛棚都介绍完了。都是我印象中的东西，肯定有很多不准确的数据和理解。不过应该大致差不多。够了~
# 第二章 #
我思考后的结果告诉我，其实做科研的步骤，或者说写科技文献的步骤，不是很复杂（当年我做了4年的数模果真没白费，哈）。我总结了一下，大概就一下几点：
1.Introduction
选好一个学术方向后，对此方向上的已有成果进行阅读，分析，分类, 搞清楚已解决的问题是什么，现存的难点是什么，热点是什么, 写出综述报告。其实就是literature review啦。在CUHK LAB的时候，XL老师和Helen老师老是和我提这个词，我已经比较熟悉了。另外呢，刚入门的人应该看看Journal上的东西，毕竟那是沉淀了之后的东西。然后才可以慢慢看看conference的东西练内功。
2. Problem formulation
把所要研究的具有实际工程背景的学术问题进行描述，并转化成数学问题。数学一直都是最强有力的描述工具，当然，也是最正统的科学工具。
3. Main contributions
找到适当的数学工具，给出上述问题的理论上的解决方案，得到理论上的结果, 并用定理的形式进行阐述。还是数学，科学家和工程师只相信数学和事实。
4. Simulations or experiments
通过计算机仿真或实验研究进行上述理论成果的验证。CS，计算机科学与技术，首先是科学，是理论；可是最后终归要转化成实际的产品，不像做Pure mathematics的人，整天只要YY就可以了。。。-_-
5. Conclusions
给出一般性的结论，以及需要进一步研究的问题。有头有尾的事情。一次不可能把问题都解决好，总有可以瞻望的地方，可以改进的嘎吱角落弯。
# 第三章 #
哎，扯期刊和会议。其实这是最没意思的东西了。想当年，我刚了解SCI和EI，整天琢磨着怎么在线看Nature和Science等等。其实，CS 里面根本不是这么回事。CS是一个日新月异的领域，各种技术都在以不可预测的速度在发展和变化。这和基础科学有着太大的不同了。所以，什么物理化学生物一个实验做好多年，最后发到Nature和Science上面，真正上conference上发表的东西其实没有什么特别大的价值，都是只言片语，远远没有期刊的威力来得大。所以无聊的美国人加菲猫同学（哈哈~ Garfield有一个多好记的名字），弄了个SCI来做索引。弄了个IF把整个学术界搞得乌烟瘴气，尤其是大陆还有亚洲一些国家，整天就想着弄几篇高 IF的牛paper。可是，CS压根就不是这个形式。CS的publication最大特点在于：极度重视会议，而期刊则通常只用来做re- publication。大部分期刊文章都是会议论文的扩展版，首发就在期刊上的相对较少。也正因为如此，计算机期刊的影响因子都低到惊人的程度，顶级刊物往往也只有1到2左右—-被引的通常都是会议版论文，而不是很久以后才出版的期刊版。因此，要讨论计算机科学的publication，首先就压根和 IF无关。另外一个现象就是CS的会议规模都很有限，有时候只登十来篇甚至三四篇论文，有的还是季刊或双月刊。很多好的会议每年只录用三四十篇甚至二十篇左右的论文。所以，CS的几乎每个领域都有好几种顶级刊物和好几个顶级会议。
最牛哄哄的当然是‘Journal of the ACM(JACM)’了，ACM的官方学刊。可是，这个鸟刊只刊登那些对计算机科学有长远影响的论文，因此其不可避免地具有理论歧视。事实上确实如此：尽管JACM征稿范围包括了计算机的绝大部分领域，然而其刊登的论文大部分都是算法、复杂度、图论、组合数学等纯粹理论的东西，其它领域的论文要想进入则难如登天。这让我想到了两件事情：一件是meritocracy；一件是GRE填空里面的一道讲专家如何鄙视layman的题目。哎~ 罢了。另外一个就是‘Communications of the ACM (CACM)’了。从某种意义上来说，CACM比JACM要像Nature/Science很多。JACM上登的全是长篇大论，满纸的定义、定理和证明，别说一般读者没法看，就连很相近的领域的专家都未必能看懂。而CACM则是magazine，既登高水平的学术论文和综述，也登各种科普性质的文章和新闻。即便是论文，CACM也要求文章必须通俗易懂，不追求数学上的严格证明，而追求易于理解的直觉描述。在十几二十年前，CACM的文章几乎都是经典。但最近几年，由于CACM进一步通俗化，其学术质量稍有下降。
除了ACM老大的东西外，就是IEEE的了。‘IEEE Transaction on Computers’是IEEE在计算机方面最好的刊物。但由于IEEE的特点，其更注重computer engineering而非computer science。换句话说，IEEE Transaction on Computers主要登载systems, architecture, hardware等领域的东西，尽管它的范围已经比大部分刊物要广泛。就刊物的质量而言，ACM Transactions系列总体来讲都高于IEEE Transactions系列，不过也不可一概而论。大部分ACM Transactions都是本领域最好的刊物或最好的刊物之一。大部分IEEE Transactions都是本领域很好的刊物，但也有最好的或者一般的。然而，非ACM/IEEE的刊物中，也有好的甚至最好的。例如，SIAM Journal on Computing被认为是理论方面最好的期刊之一。CS方面的会议论文事实上起着比刊物论文更大的作用。大部分会议都是每年一次，偶尔也有隔年一次的。正规的会议论文需要经过2-4个甚至更多个审稿人的双向或单向匿名评审，并且所有被接收的论文会被结集正式出版。大部分ACM的会议都是本领域顶级的或很好的会议。大部分IEEE的会议都是本领域很好的会议，但也有顶级的或者一般的。会议的档次通常可以通过论文录用率表现出来。顶级会议通常在20%左右或更低，有时能达到10%左右。我所知道的最低的录用率为7%。很好的会议通常在30%左右。达到40%以上时，会议的名声就很一般了。60%以上的会议通常很难受到尊敬。但也有例外。大名鼎鼎的STOC(ACM Symposium on Theory of Computing)录用率就达到30%以上，但它毫无疑问是理论方面最好的会议。造成这样的情形，主要是因为理论方面的工作者不多，而大部分人对 STOC又有一种又敬又怕的心理。
下面列一些CS的顶级会议和期刊，有些是网上查到的，有些是某些人用SCI的IF排序做出来的：
Computer Vision
Conf.:
Best:
ICCV, Inter. Conf. on Computer Vision
CVPR, Inter. Conf. on Computer Vision and Pattern Recognition
Good:
ECCV, Euro. Conf. on Comp. Vision
ICIP, Inter. Conf. on Image Processing
ICPR, Inter. Conf. on Pattern Recognition
ACCV, Asia Conf. on Comp. Vision
Jour.:
Best:
PAMI, IEEE Trans. on Patt. Analysis and Machine Intelligence
IJCV, Inter. Jour. on Comp. Vision
Good:
CVIU, Computer Vision and Image Understanding PR, Pattern Reco.
Network
Conf.:
ACM/SigCOMM
ACM Special Interest Group of Communication
ACM/SigMetric Info Com Globe Com
Jour.:
ToN (ACM/IEEE Transaction on Network)
A.I.
Conf.:
AAAI: American Association for Artificial Intelligence
ACM/SigIR IJCAI: International Joint Conference on Artificial Intelligence
NIPS: Neural Information Processing Systems
ICML: International Conference on Machine Learning
Jour.:
Machine Learning
NEURAL COMPUTATION
ARTIFICIAL INTELLIGENCE
PAMI
IEEE TRANSACTIONS ON FUZZY SYSTEMS
IEEE TRANSACTIONS ON NEURAL NETWORKS
AI MAGAZINE
NEURAL NETWORKS
PATTERN RECOGNITION
IMAGE AND VISION COMPUTING
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING
APPLIED INTELLIGENCE
OS,System
Conf.:
SOSP: The ACM Symposium on Operating Systems Principles
OSDI: USENIX Symposium on Operating Systems Design and Implementation
Database
Conf.:
ACM SIGMOD
VLDB:International Conference on Very Large Data Bases
ICDE:International Conference on Data Engineering
Security
Conf.:
IEEE Security and Privacy
CCS: ACM Computer and Communications Security NDSS (Network and Distributed Systems Security)
Web
Conf.:
WWW(International World Wide Web Conference)
Theory
Conf.:
STOC FOCS EDA Conf.: Best: DAC: IEEE/ACM Design Automation Conference
ICCAD: IEEE International Conference on Computer Aided Design
Good:
ISCAS: IEEE International Symposium on Circuits And Systems
ISPD: IEEE International Symposium on Physical Design
ICCD: IEEE International Conference on Computer Design
ASP-DAC: European Design Automation Conference
E-DAC: Asia and South Pacific Design Automation Conference
Graphics
Conf.:
Best:
Siggraph: ACM SigGraph
Good:
Euro Graph Jour.: IEEE(ACM) Trans. on Graphics
IEEE Trans. on Visualization and Computer Graphics
CAD
Jour.: CAD CAGD
SE
conf.: ICSE The International Conference on Software Engineering
FSE The Foundations of Software Engineering Conferences
ICASE IEEE International Conference on Automated Software Engineering
COMPSAC International Computer Software and Applications Conferences
ESEC The European Software Engineering Conferences
Jour.:
SEN ACM SIGSOFT Software Engineering Notes
TSE IEEE Transactions on Software Engineering
ASE Automated Software Engineering SPE Software-Practice and Experience
- 上一篇：计算机科学与数学
- 下一篇：程序正确性证明与并行程序设计
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
