期刊(1) 顶会

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, 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） 

语音和信号处理国际会议（ICASSP）: ICASSP  INTERSPEECH  SCSLP  ICME  SIGGRAPH

 

1.IEEE Transactions on Audio, Speech and Language Processing 

2.Computer Speech and Language

3.ICASSP 

4.Interspeech 

5.IEEE workshops on ASRU

6.WiSSAP 

7.Automatic Speech Recognition and Understanding (ASRU)

 

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。

 

IEEE检索方法

http://blog.sina.com.cn/s/blog_6785eecf0100yr01.html

 

信号处理：

http://muchong.com/html/201412/8238345.html

用户：hhsswust

信号处理国际著名期刊：
IEEE trans. signal processing ;
IEEE trans. audio, speech, and language processing;
Journal of acoustical society of america;
IEEE signal processing letters;
Elsevier signal processing;
IET signal processing;