机器学习论文发表

机器学习论文发表

arXiv.org，这个不能发中文论文，而且2009后发英文论文也很困难。无名研究者只能挂主流杂志发表过的文章，arXiv.org拒绝非主流杂志比如GALILEAN ELECTRODYNAMICS和PHYSICS ESSAYS等的论文。可能因为名气搞大了，万一你有个大成果抢先欧美研究人员发表在上面了，以后你就是第一发现者了，那是他们不愿意的；另一方面的原因是后来出现很多与主流观点不一致的论文也往那儿投，arXiv.org推崇主流观点，不欢迎任何与主流观点不一致的东西。中国研究者对现在欧美所谓SCITOP期刊和预印服务器必须有一个清醒的认识，开创性的论文提交给那些期刊或预印服务，作用仅仅是启发他们的研究人员抢先写出论文发表，你的论文必然被退回来。这不仅仅因为学术上的小利益，更重要的是科学意识形态称霸世界的政治大利益。arXiv.org原本是挂尚未发表的论文的预印服务器，2009后就升级成为欧美霸权的重要意识形态工具之一了。中科院极力推崇欧美TOP期刊，分什么一、二、三、四区，或因对国际政治斗争认识水平过低所致，抑或欧美培养的学术汉奸推波助澜。我读过nature和pr系列某个领域的大量文章，nature基本上不讲究计算论证，只讲究像写文学作品样写得很好地介绍一些东西，prl很多数学计算是完全错误的。考古方面我无发言权，与理论物理相关的我可以负责任告诉你，作为中国研究人员，如果你写什么光子纠缠量子通信那样有可能消耗很大国力而实际上属于纯粹胡扯的非开创性文章，nature和science或arXiv有可能发表。

需要代码。不公开数据和代码,就像把一篇论文中所有的关键要素都删了,这样的研究即使发表出来也毫无价值。

1、论文题目：要求准确、简练、醒目、新颖。2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录）3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。5、论文正文：（1）引言：引言又称前言、序言和导言，用在论文的开头。 引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论证过程和结论。主体部分包括以下内容：a.提出-论点；b.分析问题-论据和论证；c.解决问题-论证与步骤；d.结论。6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息所列参考文献的要求是：（1）所列参考文献应是正式出版物，以便读者考证。（2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。

你在中国比较权威的杂志发表 最好在教育报什么 的 这些都是教育部的杂志期刊什么 的 或者在什么教师杂志发表

发表机器学习论文

宁波中学三名高中生的论文在国际核心期刊上发表，这是一篇关于机器学习上的算法创新和运用创新方面的论文。

宁波中学三名高中生的论文在国际核心期刊上发表

在看到这篇热搜的时候，让我感到这真是一个人才辈出的时代，不知道大家有没有看到这样一个热搜，宁波中学的三名高中生的论文在国际核心期刊上发表了，这则消息出来的时候，有很多人都和我是一样的感慨，他们感慨的是现在的高中生都如此的厉害了，高中阶段就能够有这样的学习成果，真的令人欣慰。

这三名高中生发表的是关于什么方面的论文

在对这三位高中生能够在国际核心期刊上发表论文惊叹的同时，大家一定也非常好奇这到底是一篇关于什么方面的论文吧，据其中的一位同学介绍，他们的这篇论文主要是关于机器学习上的算法创新和运用创新方面的，他们将人在循环引入到结构预测领域，这是一种算法上的创新，他们将这种创新的算法通过对ML（机器学习）和DL（深度学习）的综合应用，实现了对电影票房预测准确度的提高，能够给发行商和投资商提供更好的参考价值。

这项研究成果不仅能够把人在循环引入数据预测方面，还能够对其他领域的数据进行预测，从而在其他研究上给予启发作用。很多网友都不仅感叹，这三位学生，在高中时期就能够取得这样具有研究性的学习成果，真的是令人既惊喜又欣慰。

这三位高中生就是一个时代的缩影，现在的新生代青少年有着过去人们不曾拥有的优越的学习条件，这些条件为他们创造了更好的学习环境，也让这些孩子们有了更加开阔眼界的机会，希望这些有志的青少年们对自己的特长和未来的方向有更加清晰的认知，将来为祖国建设出一份力。

会的，只要是发表论文，都会进行查重的。这是为了防止论文抄袭，保证作者的原创。你写的关于人工智能和机器学习的论文也不例外，是要进行查重的，只有通过查重，才能进行发表的。

当你做好了一个研究工作, 准备发表出来与同仁们分享, 一个首要的任务是把你的工作变成一篇文章。问题来了，怎样写作一篇高质量的文章呢？我们以机器学习领域的应用型文章为例，探讨一下论文写作的问题。注意，任何好的文章都要以好的研究工作为基础，我们这里不谈你的研究工作质量如何，只讨论文章的写作问题。要把一个工作写清楚，当然要先把它想清楚，要不然你写什么呢。那么就别急着写，让我们先想。想什么？首先，请问你自己十个问题，如果这十个问题都已经想清楚了，那么就是出手的时候了。否则，我个人建议你先歇一歇。不然写了也白写。哪十个问题呢？问题一：你要解什么问题？问题二：为什么说你要解的问题很重要，有意义？问题三：这个问题中有什么挑战和难点？问题四：还有谁解过类似或相关的问题？问题五：他们是怎么做的？问题六：你的做法是怎么解决这些挑战的？问题七：你的方法有何与众不同之处？问题八：为什么说你的方法比别人的好？问题九：有何证据证明你的方法真的好？问题十：你的工作的结论和局限性是什么？看起来好像很罗嗦是吧。我们很快会讲到，任何一个问题回答不清楚都有可能让你的文章变成让人撕心裂肺的拒信。另一方面，你的文章从头到尾其实就是在回答这些问题。一般来讲，一篇文章分成如下几个常见的部分。标题（Title），摘要（Abstract），简介（Introduction），相关工作（Related Work），问题定义（Problem Formulation），问题求解 （Our Solution），实验（Experiments），讨论（Discussion），结论与下一步工作（Conclusion and Future Work），附录 （Appendix），其它（关键词-Keywords，文章类别-Category，索引- Reference）。

机器学习发表sci论文

一般是会的。在之前国内学术界“唯论文”的大背景下，国内高校在科研论文的奖励上也不吝啬。学校层次不同，奖励的标准和额度也有差异。举个例子，在双非大学一篇中科院一区的SCI论文可奖励3-5万元，而在985高校同样期刊的一篇论文也许只奖励1万元。部分冲刺“ESI1%或1‰”学科的专业，对于论文还有额外30%的奖励提升，引用则是一次50元。硕士生、博士生在读期间发表的论文，和老师的科研奖励不同，得看学校是否有相应政策。就我熟悉的部分院校，没有单独发布针对在读硕士或博士的奖励。但是，研究生发放高水平的论文后，可以评选高一层级的学业奖学金。同时，可申报学校各类奖学金，比如985高校的校长拔尖奖学金博士生特等是9.6万元/年。硕士生、博士生在读期间发表的论文，和老师的科研奖励不同，得看学校是否有相应政策。就我熟悉的部分院校，没有单独发布针对在读硕士或博士的奖励。但是，研究生发放高水平的论文后，可以评选高一层级的学业奖学金。同时，可申报学校各类奖学金，比如985高校的校长拔尖奖学金博士生特等是9.6万元/年。

会的。通常情况下，机器学习sci要附带代码和数据，以及足够严格的方法，以便于其他人重复研究。论文提出的观点通常很容易用作者提供的工具进行证明和获取。机器学习是全球业务、技术和研究人员都感兴趣的话题，也是未来智能化应用的主要方向。

international journal of machine learning and cybernetics：国际机器学习与控制论杂志属于EI收录，不是SCI，比SCI稍逊一点，不过也已经是很不错的了~~

机器学习期刊投稿

appliedintelligence多久proof sci文章proof一般7天完成合适，因为sci论文接受后是需要审核的，外审、终审之后才能到校稿环节也就是proof的一个状态，通常来说论文审核的比较顺利，论文接受后没有一个月时间就校稿了。如果审核过程中比较繁琐，尤其是会收到修改的通知，反复修改这样就会耗费不少时间，可能三个月甚至更久才能到校稿环节。

热门频道首页博客研修院VIPAPP问答下载社区推荐频道活动招聘专题打开CSDN APPCopyright © 1999-2020, CSDN.NET, All Rights Reserved打开APP审稿周期较快的SCI期刊总结：人工智能，神经网络，CV 原创2019-10-14 16:41:02 29点赞乘风万万里 码龄5年关注1.期刊名：Journal of Information Science and Engineering期刊主页：影响因子：0.37审稿周期：平均八个月（台湾）、大概需要一年左右甚至更多期刊收录范围：人工智能大数据与云计算音频、语音和语言处理计算机架构与硬件设计计算机网络和无线通信计算机安全与密码学计算机视觉和模式识别计算机系统数据挖掘与分析数据库和信息系统进化计算模糊系统人机交互图像处理信息检索机器学习多媒体自然语言处理实时和嵌入式系统传感器网络信号处理软件系统2.期刊名：IEEE Transactions on Neural Networks and Learning Systems期刊主页：投稿指南：影响因子：7.98审稿周期：两个月期刊收录范围：IEEE《神经网络和学习系统学报》发表技术文章，讨论神经网络和相关学习系统的理论、设计和应用。重点将放在人工神经网络和学习系统。3. 期刊名：International Journal of Systems Science期刊主页：

《机械科学与技术》。机器学习优化工艺参数投《机械科学与技术》制造类期刊好，该报刊为机械类核心期刊，由中华人民共和国工业和信息化部主管、西北工业大学主办的专业技术性学术刊物。

Intelligent Data Analysis是一个涵盖机器学习、数据挖掘、人工智能等领域的国际学术期刊，它旨在为学术界和工业界提供一个交流最新研究成果和技术进展的平台。该期刊的录用难度较大，因为它对提交的论文的质量和研究水平有较高的要求。然而，如果作者的研究成果具有独特性和创新性，并且符合期刊的主题和要求，就有可能被录用。为了在这个学术期刊上发表论文，作者需要具备较高的学术水平和研究能力，了解期刊的主题和要求，精心准备论文，并积极与编辑和审稿人沟通和交流，以提高论文的质量和录用率。同时，作者需要遵守学术规范和道德，不进行抄袭和剽窃等不正当行为，以维护学术诚信和公正性。Intelligent Data Analysis期刊的高要求也反映了学术界对研究质量和水平的追求和要求，鼓励学者在独立思考和创新的基础上，推动学科的发展和进步。

发表机器学习灌水论文

1、论文题目：要求准确、简练、醒目、新颖。2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录）3、提要：是文章主要内容的摘录，要求短、精、完整。字数少可几十字，多不超过三百字为宜。4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。 每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。5、论文正文：（1）引言：引言又称前言、序言和导言，用在论文的开头。 引言一般要概括地写出作者意图，说明选题的目的和意义, 并指出论文写作的范围。引言要短小精悍、紧扣主题。〈2）论文正文：正文是论文的主体，正文应包括论点、论据、 论证过程和结论。主体部分包括以下内容：a.提出-论点；b.分析问题-论据和论证；c.解决问题-论证与步骤；d.结论。6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息所列参考文献的要求是：（1）所列参考文献应是正式出版物，以便读者考证。（2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。

IJCAI作为AI领域的首个国际性的学术会议，一直以来都被该领域的研究者们视为发表论文和参加会议的重要殿堂。本届大会共收到4752篇有效提交论文，最终收录论文850篇，接收率为17.9%。虽然，今年的论文提交量和录取量都创历史新高，但录取比率却是近10年最低。今年IJCAI的投稿总数相较于去年增加了约37%（去年论文投稿量3470篇、收录量710篇），而录取数仅比去年多了141篇。可以看出，一方面AI正受到越来越多研究者的关注，另一方面论文被接受的难度也在不断加大，但论文的含金量也得到了大大提高。大会历年来接收论文数量从通讯作者来看，来自中国的研究人员为本届IJCAI贡献了主要力量。据大会官方统计，今年的接收论文中，38%的论文来自中国，48%的论文来自亚洲。根据通讯作者所在地区划分：中国327篇（38%）中国香港15篇美国169篇（20%）欧盟152篇（其中包括英国32，法国29，意大利19，德国28）澳大利亚37篇加拿大14篇其他亚洲国家：日本18篇，新加坡18篇，印度20篇，以色列8根据论文主题划分，机器学习投稿2516篇，接收438篇，依旧是最热门的子领域。其次是计算机视觉，提交833篇，接受117篇；机器学习应用提交785篇论文，收录144篇论文。多智能体系统、自然语言处理、人类和AL、Al中的不确定性等都成为此次热门投稿论文。IJCAI 2019奖项全部出炉在13日上午的开幕致辞中，IJCAI2019理事会主席、香港科技大学计算机科学与工程学系主任杨强教授为各位获奖者颁发了奖项。

第一步. 调研、入门1. 确定一个感兴趣的大领域，比如分布式系统或者机器学习，或者深度神经网络。读这个领域经典算法和技术，也可以是几本比较好的书，读完然后再实践实践，动手加深理解。这个过程做完就算是初步入门了。2. 找该领域的顶级会议，比如系统领域的有OSDI、SOSP，机器学习的领域有ICML、CVPR，深度学习的有NIPS、ICLR等等，可以搜CCF会议推荐列表看各领域的顶会列表。然后看近几年这些顶会的论文，因为这代表了最新的研究热点，咱不是说一味的追热点啊，毕竟对于初学者没有足够的领域专业背景，追热点是最快的方法。因为热点往往是该领域最亟待解决的问题，往往是发展最快的小方向，也最容易产生新成果。如果是老问题，人家都研究十几年了，给你留下的待解决的问题就很少或者不是很重要。当然如果是有几十年经验的研究者就不必追热点，他们知道该领域哪些是fundamental的问题，哪些是最值得研究的问题。3. 读了这些前沿论文后，确定一个小方向，比如分布式系统是个大方向，小方向可能是机器学习分布式训练；大方向是深度学习，小方向可能就是graph embedding；大方向是机器学习，小方向可能是半监督学习等等。确定小方向的过程是个知识不断积累的过程，非常重要，这需要你对大方向有很多了解，对小方向有更深入更全面的理解，需要读好至少100篇以上论文，需要你知道该小方向的研究进展历史，这需要你知道该小方向别人都在哪方面做工作，做该小方向的顶级研究组都有哪些，他们正在干什么。第二步. 发现问题这步超级难，如果发现了个好问题，那就是成功的一半。这个问题最好是重要的、本质的、没有直观解决方法的。4. 确定小方向后，你需要阅读大量的这个小方向的论文和了解开源项目，再不断聚焦，再确定一个要改进和优化的小小方向，这个可能就是论文的主题。小小方向可能是机器学习分布式系统中的parameter server通信模型，可能是dynamic graph embedding等。然后就要更聚焦地读这方面的相关论文，这时候论文就比较少了，几篇到几十篇到几百篇都有可能，这些论文要精读，花几个月时间研究一篇论文也不为过。5. 挑几个重要的论文工作实现，也可以找开源的运行跑一跑试一试，idea往往从实际运行中来，光靠读是不行的。这个跑一跑可能需要你尝试不同的运行环境，不同的workload数据集，不同的应用场景等。比如，parameter server（PS）模型在本地集群上跑是不是和paper声明的一样、在异构的动态性极强的集群环境下效果怎么样、除了paper提到的算法处理其他算法的时候效果怎么样、除了paper提到的数据集换另外一类数据集怎么样；graph embedding方法处理密集图和稀疏图都怎么样，处理动态变化的图怎么样，等等吧。你要发现X方法仅在a环境下好用，在b环境不好用。这个就是发现问题的过程。当然，没经验的研究者可能很难想到多种环境、多种workload、多种应用场景，这就需要积累。另外一个发现问题的方法是从实际生产中来，这个当然是最好的，但是往往是大企业环境下才有这个条件。6. 确定你发现的问题还没有被解决。这又需要广泛的阅读和调研，但是问题已经很聚焦了，搜索也会很容易，用你特定问题的关键字在google 搜索（这里强烈建议用google，其他搜索引擎基本搜不到），找到解决相关问题的论文。看看这些论文是不是已经解决了该问题，如果解决了，你有两种方案：第一，该问题已经解决的非常好了，放弃解决该问题。第二，该问题的解决方案还有问题，我还有更好的办法。我建议后者，最起码尽量尝试尝试。5和6步是个迭代的过程…第三步. 分析问题7. 分析问题产生的本质原因。这个往往和第5步发现问题同时进行。这一步靠的是功底和积累，靠的是对问题的理解程度。理解的越深刻，分析的越透测，你之后产生的解决思路就越有可能正确和有效。比如分布式机器学习的PS模型在异构环境下、和在处理数据不均匀的情况下就不好，本质原因是其同步的集中式通信模型，造成PS集中服务器往往需要等待。传统graph embedding方法采用批处理模式，需要graph的全局信息做embedding，当然无法应付动态性非常强的局部更新情况。8. 基于分析，就是对该问题的深刻理解，产生改进的idea。这个可能很难，可能靠运气，但我觉得更多的是靠对问题的理解程度，理解的越深刻，本质原因抓的越准，就越可能产生创新idea。读过一本介绍google企业文化的书，google产品的成功，既不是靠技术能力，也不是靠用户需求，而是靠技术洞见（insight），这就是对问题本质的深刻理解。比如，PS模型在某环境下问题的本质原因是集中式的同步模型，那么我们就可以提出尝试异步通信的模型的idea。分析能力跟个人的批判性思维、独立思考能力都有关，而这正是中国人欠缺的，可以通过读有深刻见地的书籍文章、经常提问来锻炼。第四步. 解决问题9. 实现你的idea，做大量实验验证。这需要动手能力，需要编程能力，需要坐得住。10. 验证你的解决方案，根据实验分析不断优化你的方法。做了大量试验后，得到了若干结果，可能是不好的结果，但是不要一下子否定自己的解决方案，这不能说明你的idea不好用。一个好的方法往往经过千锤百炼，同样，你的idea通常不会一下子就成功。需要你根据实验结果分析不好的原因，然后基于你的理解改进方法，这是一个反复不断迭代的过程。比如，你发现异步PS模型效果还不如原来的呢。那么关键的是，你要问自己为什么？为什么理应提升的却没有提升？你要看实验运行的日志，看看是哪里慢了，差在哪里，最后你经过不断的实验、分析、思考，你发现了，你提出的异步PS模型虽然没有了等待开销，但是计算的有效性却降低了，结果整体性能反而下降了。那么你下一次迭代就要想怎么把这个计算有效性提上来。我又有了个方法，可以评估每次计算的有效性，然后把计算资源都投到有效性高的计算上。OK，idea不错，那么怎么评估有效性呢？不能开销太大，否则又得不偿失了，你可能想到了一种近似地评估方法。重新实现后，发现效果还不错。OK，恭喜你！你可以准备发论文了！整个研究过程，导师将起到关键的作用。导师可能会给你个问题，这是难能可贵的，基本帮你做了一半的事了，否则你可能需要花上一年时间找问题。然后整个研究过程，都是在导师的引导下进行，需要定期向导师汇报，与导师讨论idea和请导师分析实验结果。最好自己也要经常找同门讨论，而不是闭门造车。第五步. 撰写论文11. 设计你的论文，草拟论文的骨架。每一章都写啥，每一段都写啥，实验都做啥。论文的逻辑往往比语言重要的多，逻辑合理的论文更易读懂，即使咱华人有天生的英语语言缺陷，但是好的逻辑就可以弥补这个不足。写论文就和讲故事一样，怎么能把一个事说明白，不那么简单，甚至说很难，需要不断锻炼。写完给老师看，老师同意后进行下一步12. 写作论文。这个就是根据骨架填肉的过程，但是这一步也不简单，特别对于英语不好的同学，写出来的东西简直是不忍直视、不堪入目、毁人三观。最近上海某高校老师辱骂学生这事就是因为这个，我可以说，我每次看到学生论文也都是这个心情，给学生通宵改论文在家里一边改一边骂，但是当面对学生还是要以鼓励为主，要耐心，要耐心，要耐心，尽力压制自己的怒火，以平和的心态帮助学生提高，期望他下次能给个更好的版本。但是往往事与愿违，看淡点吧，仅求写作态度好点就行了，毕竟这不是一朝一夕能提高的，需要你不断积累。有几个写作的方法吧。第一，不要自己想当然，对于不确定的句型，用“”扩上上google搜，看看你这句型有多少人用过，如果没有几个人用，那就别用，换个写法。第二，读别人论文时，遇到好的句型就记下来，不断积累才能提高。第三，避免一切语法错误，我觉得这个是可以做到的，现在网上那么多工具都可以用。语法错误都避免不了那基本就是态度问题。遗憾的是，我很少遇到能避免语法错误的学生，我生气往往是因为态度问题，而不是能力问题。第四，尽量用短句用简单句子，别用长句。你写论文是为了让别人理解你的方法，不是写文艺作品，能说明白就行。13. 提炼总结，改进方法。写作的过程也是屡顺自己思路的过程，写作的过程中往往也能发现自己方法的漏洞，那么就要继续回到8，重新思考解决方案，又或者你发现需要补实验来支撑你的论点，那么就继续实现系统做实验，得到实验结果。14. 关于实验。怎么做实验是学生总问的问题，怎么做科学实验也是一个很重要的问题，有对照组、无偏的、定量的，这些都是科学实验的重要要素。如果有解决该问题的其他方法你首先要说明你的方法更好，至少在某一方面更好，这其中可能要涉及到不同的执行环境，或不同的算法数据集。然后设计实验说明你的方法好在哪里，用实验数据说明，比如异步PS和同步PS对比。然后你要进一步用实验数据说明，异步PS的有效性也提高了，如果不考虑有效性的话那么结果就不好。然后你的方法是否有些重要的超参数，试试variation导致各种结果。在实验结果展示方面，要学会用各种工具画各种图，把重要的因素用可视化方式体现出来。第六步. 投稿和看待审稿意见15. 接下来就是投稿。选一个合适的会议或期刊投稿，这个可以听老师的，老师基本有这方面的常识，根据你工作的方向和档次选择合适的去处。确定好了哪个会议期刊后，就需要按照会议期刊要求来整理论文格式，latex是必会的工具了。之后赶在deadline之前提交论文，这个最后的几天可能很痛苦，因为你的论文和方法总有改进的地方，老师的要求会让你最后几天是最忙的几天。但是需要认识到，凡事无完美，你总也改不到完美，你需要一个deadline来督促你完成一个milestone。开始进一步工作或下一个工作。16. 看待评审意见。接下来是漫长的等待，会议一般是2-3个月的时间，结果可能是接收也可能是拒掉，相比于结果，更应该看评审意见，看看这些意见是否合理，是否能解决，无论是接收还是拒绝，然后接下来就再次回到解决问题的部分，再次开始优化方法的过程。如果是接收了，那就可以准备订机票开会旅游去了。如果是拒掉那一般是有比较大的问题，那就再仔细深思下一下你的方法。继续优化，还是降低档次投个差点的会，就看你导师的了。第七步. 后续17. 宣传你的工作，扩大影响力。首先你可能是要去参加会议，做个漂亮的ppt，反复演练，争取有比较好的演讲效果。有时你导师有机会去一些地方做报告，把这个工作介绍一下，都是扩大影响力的方法。18. 开放源码。还有是尽量把自己工作的代码和数据开放，挂到网上，让别人来使用，接受别人的改进意见或者是简单的debug。咱不是专业的工程人员，也不用指望你的成果可以马上用于生产，个人觉得开放代码主要是为了让别人更好滴了解你的方法，这有助于扩大影响力，产生后续研究工作。如果有人引用你的论文、或咨询论文内容、又或是使用了你的代码和数据，这也算是你对整个科研事业有那么一丁点的贡献了，这比水论文有意义多了。整体来说，发表论文需要你有：批判思维能力，动手能力，知识面，写作能力，表达能力，英语，韧劲（抗打击能力）等等一系列能力，如果在研究生期间真能发表一篇论文，经历了以上这么多磨难和锻炼，我想你的能力也是不知不觉提高了很多，成为了该小小方向的一个小小的专家了。这对你来说，是最最重要的。这里我提到了韧劲，就是说，在解决问题过程中，你会受到不断的打击，包括来自导师的、来自自己的实验结果方面的、来自评审意见的，但是你要做的就是，站起来，继续凿，直到导师满意，知道reviewer满意，直到大家满意。别把这事想简单了，当你想象一下周围好多人都发好多sci了，而你还在为这么一篇完全未知结果的论文而这么努力的时候，我觉得大部分人可能就是缺少这个韧劲才最终以失败告终的…最后，我想再强调一下，发论文不是简单地发论文，而是通过发论文宣传你的工作，以便对某技术或人有那么一丁点影响。无论你发哪个档次的论文，只要目标正确，我觉得你都会有收获和有贡献的。相比较于为了发论文而发论文，你会觉得你是那么地高尚和高大，他们只是造废纸，而你已经对社会有贡献了…（以上内容来源于学术堂）

人工智能领域发展到今天，哪些学术会议和期刊称得上顶级？清华大学刚刚提出的「计算机科学推荐学术会议和期刊列表」对于这些论文投稿目标有了新的评级。更为重要的是——它直接与清华学生的毕业产生了关联。对于研究生和博士来说，国际会议和期刊的评级可谓关键指标，清华计算机系的新规定和评级迅速引发了校内师生的广泛关注，讨论也很快扩展到了整个学术圈。最近，清华大学计算机学位评定分委员会针对其负责的计算机科学与技术、软件工程、网络空间安全三个一级学科，制定了「研究生学位创新成果要求」。与此同时，同时分委员会还发布了最新版《清华大学计算机学科推荐学术会议和期刊列表》。在我们比较关注的人工智能方向上，清华大学的列表就引来了不少议论。大幅减少会议期刊数量简单说来，与目前国内最为通用的中国计算机学会（CCF）版国际会议和期刊目录不同，清华大学新推出的分级标准只分 A、B 两类期刊，而且列表上的期刊数量也变少了。以往，B 类被认为是大神文章和普通文章的分水岭，而没有了 C 类则很可能让研究生们的毕业难度有所提高。此外，被清华评定为 A 类的期刊和会议与 CCF 有所不同。仅看 AI 领域：清华把 CCF 定为 B 类的 ECCV 、COLT、EMNLP 、ICRA 评定为 A 类，同时新增了 ICLR 、RSS 为 A 类会议。也就是说，由深度学习三大巨头之二的 Yoshua Bengio 和 Yann LeCun 牵头创办、短短成立 6 年的国际学习表征会议（ICLR)，此次被清华大学列为 A 类顶会。在期刊方面，清华新增了 TR、TASLP 为 A 类期刊。当然也有从 A 类「降级」到 B 类的学术会议：它就是 AI 领域的首个国际性的学术会议 IJCAI。香港科技大学教授、微众银行首席 AI 官杨强评论说：「不知道清华大学这个排名用目标函数是不是『引用数』，如果只用引用数的话，排名的结果和我们所期望的影响力不一样。影响力的目标函数应该是（连接度+权威度），所谓『Hub and Authority』，参考 Jon Kleinberg。否则很容易被小圈子所利用。」另外，在数量上，与 CCF 的列表相比，清华给出的人工智能方向列表在期刊和会议数目上都有所减少，大大增加了投稿的难度。清华大学的文件还对于申请计算机相关学科的博士、硕士学位设置了标准，学生需要根据《研究生申请学位创新成果计分办法》至少获得 6 分才有资格申请博士学位；而申请硕士学位，则至少需要 2 分。而根据推荐会议和期刊列表，一篇 A 类得 4 分，一篇 B 类得 2 分。国际会议论文只认可长文，以及做口头报告的不少于 6 页的短文。若 B 类论文获得最佳论文或最佳学生论文奖，则等同于 A 类论文。这份规定从今年 9 月入学的新生开始执行，以往的高年级学生依然按照过去的考评标准。清华版 AI 顶会和期刊列表据《学术头条》报道，《清华大学计算机学科推荐学术会议和期刊列表》将计算机学科划分为 10 个方向，分别是高性能计算、计算机网络、网络与信息安全、系统软件与软件工程、数据库与数据挖掘、理论计算机科学、计算机图形学与多媒体、人工智能与模式识别、人机交互与普适计算、综合与交叉。在人工智能与模式识别方向，清华推荐了 12 个 A 类会议，17 个 B 类会议；A 类期刊 6 个，B 类期刊 33 个。A 类会议B 类会议A 类期刊B 类期刊CCF 版 AI 顶会和期刊列表清华大学发布的 CS 会议期刊列表和中国计算机学会的有哪些不同呢？2018 年 12 月，CCF 启动了新一轮《目录》的更新工作，并于今年 4 月发布了最新版的目录。对于计算机相关专业的学生们来说，CCF 目录是论文投稿的重要指标。不过 CCF 表示，该目录是值得计算机界研究者们发表研究成果的推荐列表，其目的不是作为学术评价的唯一根据，而仅作为 CCF 的推荐建议业界参考。与清华版人工智能与模式识别方向对应的是 CCF 人工智能方向。CCF 人工智能方向 A 类会议 7 个，B 类会议 12 个；C 类会议 21 个；A 类期刊 4 个，B 类期刊 21 个，C 类期刊 36 个。目前在最新版的目录中，人工智能领域的 A 类期刊为：而 A 类学术会议为：可以看出，CCF 版的七大人工智能学术会议基本早已成为大多数人认知中的「AI 顶会」。自 2010 年 CCF 发布计算机国际会议和期刊目录后，计算机科学领域内的国际会议重要性被人们逐渐确立起来，这改变了过去国内计算机科学领域仅依靠 SCI 影响因子评价的情况，让国内学界逐渐与国际发展接轨。不过在中国计算机学会版《目录》出现的 9 年之后，清华大学似乎已对未来计算机科学的学术评价有了新的思路。据悉，清华的学术期刊和会议标准，是根据论文引用的中位数、10H、H5 指数等指标进行量化后，再以人工（专家）意见为辅经过细微调整后得出的。随着学术和领域的发展，我们正在看到更加符合目前发展规律的评价方式不断出现，清华大学的新标准是否会业内带来变化？我们还需拭目以待。