论文阅读 & 一文了解计算机相关领域重要会议(持续更新)

目录

1. 机器学习领域

1.1. 国际学术会议

1.2. 区域性会议-重要

1.3. 国际学术期刊-最重要

2. 人工智能领域

2.2. 重要期刊

3. 数据挖掘领域

3.1. 重要会议

3.2 重要期刊

4. 计算机视觉与模式识别领域

4.1. 重要会议

4.2. 重要期刊

5. 神经网络领域

5.1. 重要期刊

6. 统计学领域

6.1. 重要期刊

7. 其他

7.1. 国内机器学习领域最主要的活动

参考文献


1. 机器学习领域

1.1. 国际学术会议

(1)国际机器学习会议(ICML)

        International Conference on Machine Learningicon-default.png?t=M85Bhttps://icml.cc/        

        作为国际机器学习学会主办的国际会议,被公认是人工智能、机器学习领域最顶级的国际会议之一,在整个计算机科学领域享有崇高的声望。

(2)国际神经信息处理系统会议(NIPS)

        Conference and Workshop on Neural Information Procession Systemsicon-default.png?t=M85Bhttps://neurips.cc/       

        NIPS 是一个关于机器学习和计算神经科学的国际会议。该会议固定在每年的12月举行,由NIPS基金会主办。NIPS是机器学习领域的顶级会议,在中国计算机学会的国际学术会议排名中,NIPS为人工智能领域的A类会议。

(3)国际学习理论会议(Conference on Learning Theory,COLT)  

        计算机学习理论研究方面的顶级会议,可以看成理论计算机科学和机器学习的交叉,所以被广泛认为是计算机科学相关会议。每年一届,ACM会议的一部分。 

1.2. 区域性会议-重要

(1)欧洲机器学习会议(ECML)

(2)亚洲机器学习会议(Asian Conference on Machine Learning,ACML)

        机器学习领域的国际会议。它旨在为机器学习和相关领域的研究人员提供一个领先的国际论坛,分享他们的新想法和成就。

1.3. 国际学术期刊-最重要

(1)Journal of Machine Learning Research

        由麻省理工学院出版社(MIT Press)出版,依托于麻省理工学院的计算机科学与人工智能实验室(MIT CSAIL: MIT Computer Science & Artificial Intelligence Lab),旨在刊登人工智能与机器学习领域的高质量前沿研究成果,是国际上公认的计算机领域顶级期刊之一,也是中国计算机学会A类推荐的在人工智能、机器学习和模式识别领域的四大国际顶级期刊之一,最新影响因子为2.281。JMLR对论文的研究动机、理论基础、数学证明、实验结果及语言表达等各个方面都有着极高的要求,审稿过程极为严格。国内一流科研单位每年能在JMLR上独立发表的论文数量极少,因此都把它看作主要的冲击目标之一。

(2)Machine Learning

        机器学习是一个研究计算学习方法的国际论坛。该杂志报道了广泛的学习方法应用于各种学习问题的实质性成果,包括但不限于:
        学习问题:分类、回归、识别和预测;问题解决和规划;推理和推理;数据挖掘;Web挖掘;新技术;设计和诊断;视觉和语音感知;机器人和控制;组合优化;游戏游戏;工业、金融和科学应用。
        学习方法:超监督和无监督学习方法(包括学习树和回归树、规则、连接网络、概率网络和其他统计模型、归纳逻辑编程、基于案例的方法、集合方法、聚类等);强化学习方法;进化方法;基于解释的学习方法;类比学习方法;自动知识获取;学习方法;数据维化;集成结构学习;多策略学习;多Agent学习。

2. 人工智能领域

2.1. 重要会议

(1)国际人工智能联合会议(IJCAI)
International Joint Conference on Artificial Intelligenceicon-default.png?t=M85Bhttps://www.ijcai.org/

        是人工智能领域中最主要的学术会议之一,原为单数年召开,自2016年起改为每年召开。有时还会和其他地区性的人工智能会议(‘xxCAI’)一起召开,常为该年举办地的所属的地区性质会议,如PRICAI(环太平洋人工智能会议),ECAI(欧洲人工智能会议)等。

(2)国际先进人工智能协会( AAAI)
Association for the Advancement of Artificial Intelligenceicon-default.png?t=M85Bhttps://www.aaai.org/ 

       是人工智能领域的主要国际学术组织之一。该协会主办的AAAI年会(AAAI Conference on Artificial Intelligence)是国际顶级人工智能学术会议之一。

2.2. 重要期刊

(1)Artificial Intelligence

        主要收录方向:自动推理和推理、认知和人工智能、认知和人工智能、基于案例的推理、常识推理、计算机视觉、约束处理、伦理人工智能、可解释人工智能、启发式搜索、人机界面、智能机器人、知识表示、机器学习、多智能体系统、自然语言处理、规划和行动、不确定性下的推理。

(2)Journal of Artificial Intelligence Research

        《人工智能研究杂志》(JAIR)致力于向全球人工智能(AI)社区快速传播重要的研究成果。该杂志的范围涵盖人工智能的所有领域,包括智能体和多智能体系统、自动推理、约束处理和搜索、知识表示、机器学习、自然语言、规划和调度、机器人和视觉以及人工智能中的不确定性。

3. 数据挖掘领域

3.1. 重要会议

(1)全球数据科学领域顶级会议(KDD)

        ACM SIGKDD Conference on Knowledge Discovery and Data Mining

(2)数字化制造国际会议(ICDM)       

         IEEE International Conferenceon Data Miningicon-default.png?t=M85Bhttp://icdm.net/ 

       数据挖掘领域的国际顶级会议。

3.2 重要期刊

(1)ACM Transactions on Knowledge Discovery from Data

(2)Data Mining and Knowledge Discovery

4. 计算机视觉与模式识别领域

4.1. 重要会议

(1)IEEE国际计算机视觉与模式识别会议(CVPR)  IEEE Conference on Computer Vision and Pattern Recognitionicon-default.png?t=M85Bhttp://cvpr2019.thecvf.com/        该会议是由IEEE举办的计算机视觉和模式识别领域的顶级会议。

4.2. 重要期刊

(1)IEEE Transactions on Pattern Analysis and Machine Intelligence

        IEEE最重要的学术性汇刊之一。《IEEE模式分析与机器智能汇刊》主要发表有关计算机视觉和图像理解的所有传统领域,有关模式分析和识别的所有传统领域,以及机器智能的部分领域的论文,特别关注用于模式分析的机器学习。;在工程领域里,有些人甚至把这个刊物的分量和难度比作Nature , Science。

5. 神经网络领域

5.1. 重要期刊

(1) 神经计算(Neural Computation)

       该期刊在理论、建模、计算方面的重要的多学科的研究,在神经科学统计和建设神经启发信息处理系统。这个领域吸引了心理学家、物理学家、计算机科学家、神经科学家和人工智能研究人员,他们致力于研究感知、情感、认知和行为背后的神经系统,以及具有类似能力的人工神经系统。由BRAIN Initiative开发的强大的新实验技术将产生大量复杂的数据集,严谨的统计分析和理论洞察力对于理解这些数据的含义至关重要。及时的、简短的交流、完整的研究文章以及对该领域进展的评论,涵盖了神经计算的所有方面。

(2)IEEE神经网络与学习系统汇刊(IEEE Transactions on Neural Networks and Learning Systems)

        发表了有关神经网络和相关学习系统的理论、设计和应用的技术文章。重点介绍人工神经网络和学习系统。

6. 统计学领域

6.1. 重要期刊

(1)Annals of Statistics

        《统计年鉴》旨在出版反映当代统计的许多方面的最高质量的研究论文。主要强调的是重要性和独创性,而不是形式主义。该杂志旨在涵盖统计学的所有领域,尤其是数理统计和应用及跨学科统计。当然,许多最好的论文会触及不止一个这样的一般领域,因为统计学学科在数学和实质性的科学领域有着深厚的根基。

7. 其他

7.1. 国内机器学习领域最主要的活动

(1)两年一次的中国机器学习大会(CCML)

(2)每年举行的“机器学习及其应用”研讨会(MLA)


参考文献

[1]周志华.机器学习[M].北京:清华大学出版社,2016.01:第417-418页(后记)

你可能感兴趣的:(论文阅读)