日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當(dāng)前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

为什么不读顶级会议论文?

發(fā)布時(shí)間:2024/4/18 编程问答 33 豆豆
生活随笔 收集整理的這篇文章主要介紹了 为什么不读顶级会议论文? 小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

看了版上很多貼子,發(fā)現(xiàn)很多版友都在問“熱門研究方向”、“最新方法”等。有同學(xué)建議國(guó)內(nèi)某教授的教材、或者CNKI、或者某些SCI期刊。每當(dāng)看到這種問題,我都有點(diǎn)納悶,為什么不去讀頂級(jí)會(huì)議上的論文?


我無意否認(rèn)以上文獻(xiàn)的價(jià)值,但是在機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺和人工智能領(lǐng)域,頂級(jí)會(huì)議才是王道。國(guó)內(nèi)教材和CNKI上的基本是N年前老掉牙的東西。有人會(huì)質(zhì)疑這些會(huì)議都只是EI。是的,這的確非常特殊:在許多其它領(lǐng)域,會(huì)議都是盛會(huì),比如society of neuroscience的會(huì)議,每次都有上萬人參加,帶個(gè)abstract和poster就可以去。但在所討論的幾個(gè)領(lǐng)域,頂級(jí)會(huì)議的重要性無論怎么強(qiáng)調(diào)都不為過。?

可以從以下幾點(diǎn)說明:(1)因?yàn)闄C(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺和人工智能領(lǐng)域發(fā)展非常迅速,新的工作層出不窮,如果把論文投到期刊上,一兩年后刊出時(shí)就有點(diǎn)out了。因此大部分最新的工作都首先發(fā)表在頂級(jí)會(huì)議上,這些頂級(jí)會(huì)議完全能反映“熱門研究方向”、“最新方法”。(2)很多經(jīng)典工作大家可能引的是某頂級(jí)期刊上的論文,這是因?yàn)槠诳撐谋硎龅帽容^完整、實(shí)驗(yàn)充分。但實(shí)際上很多都是在頂級(jí)會(huì)議上首發(fā)。比如PLSA, Latent Dirichlet Allocation等。(3)如果注意這些領(lǐng)域大牛的pulications,不難發(fā)現(xiàn)他們很非常看重這些頂級(jí)會(huì)議,很多人是80%的會(huì)議+20%的期刊。即然大牛們把最新工作發(fā)在頂級(jí)會(huì)議上,有什么理由不去讀頂級(jí)會(huì)議??

(1)以下是不完整的列表,但基本覆蓋。?
機(jī)器學(xué)習(xí)頂級(jí)會(huì)議:NIPS, ICML, UAI, AISTATS;? (期刊:JMLR, ML, Trends in ML, IEEE T-NN)?
計(jì)算機(jī)視覺和圖像識(shí)別:ICCV, CVPR, ECCV;? (期刊:IEEE T-PAMI, IJCV, IEEE T-IP)?
人工智能:IJCAI, AAAI; (期刊AI)?
另外相關(guān)的還有SIGRAPH, KDD, ACL, SIGIR, WWW等。?
特別是,如果做機(jī)器學(xué)習(xí),必須地,把近4年的NIPS, ICML翻幾遍;如果做計(jì)算機(jī)視覺,要把近4年的ICCV, CVPR, NIPS, ICML翻幾遍。?

(2)另外補(bǔ)充一下:大部分頂級(jí)會(huì)議的論文都能從網(wǎng)上免費(fèi)下載到,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(每年度的官網(wǎng)):?http://www.cs.mcgill.ca/~colt2009/proceedings.html。希望這些信息對(duì)大家有點(diǎn)幫助。?

(3)說些自己的感受。我的研究方向主要是統(tǒng)計(jì)學(xué)習(xí)和概率圖模型,但對(duì)計(jì)算機(jī)視覺和計(jì)算神經(jīng)科學(xué)都有涉及,對(duì)Data mining和IR也有些了解。這些領(lǐng)域,從方法和模型的角度看,統(tǒng)計(jì)模型(包括probabilistic graphical model和statistical learning theory)是主流也是非常有影響力的方法。有個(gè)非常明顯的趨勢(shì):重要的方法和模型最先在NIPS或ICML出現(xiàn),然后應(yīng)用到CV,IR和MM。雖然具體問題和應(yīng)用也很重要,但多關(guān)注和結(jié)合這些方法也很有意義。?
對(duì)于這個(gè)領(lǐng)域的牛人們,以上全是淺顯的廢話,完全可以無視。歡迎討論。

總結(jié)

以上是生活随笔為你收集整理的为什么不读顶级会议论文?的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò),歡迎將生活随笔推薦給好友。