期刊(1) 顶会

最新推荐文章于 2024-08-12 16:35:57 发布

twy13

最新推荐文章于 2024-08-12 16:35:57 发布

阅读量6.7k

点赞数 3

分类专栏：机器学习数据挖掘

本文链接：https://blog.csdn.net/u014642901/article/details/79854475

版权

本文强调在机器学习、计算机视觉和人工智能领域，顶级会议的重要性远超期刊。顶级会议如NIPS、ICML、UAI、ICCV等能及时反映最新研究动态和方法。大牛们倾向于在会议上发布最新工作，对于研究人员来说，阅读这些会议的论文至关重要。

摘要由CSDN通过智能技术生成

转载来源：https://blog.csdn.net/csshuke/article/details/69850583

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