2016-11-28 16:51:03 firenet1 阅读数 6090
  • matlab等计算机类国内核心写作

    《中国科技期刊引证报告》简称《引证报告》(核心期刊投稿首选), 每年出版一次,每年第四季度面向全国大专院校和科研院所发布上一年的科研论文排名。排名包括SCI、Ei、ISTP分别收录的论文量 发表论文量等项指标。最后一项指的是各单位在《引证报告》收编的期刊中发表的论文数。

    201 人正在学习 去看看 刘昱显

转载自:http://www.cnblogs.com/growup/archive/2011/02/22/1971534.html

计算机专业方面的期刊介绍

一、计算机科学期刊介绍

计算机科学的publication最大特点在于:极度重视会议,而期刊则通常只用来做re-publication。大部分期刊文章都是会议论文的扩展版,首发就在期刊上的相对较少。也正因为如此,计算机期刊的影响因子都低到惊人的程度,顶级刊物往往也只有1到2左右----被引的通常都是会议版论文,而不是很久以后才出版的期刊版。因此,要讨论计算机科学的publication,首先必须强调的一点是totally forget about IF (IF指影响因子)。

另外一点要强调的是,计算机科学的绝大多数期刊和大部分的“好”会议都规模非常有限。很多好的期刊一期只登十来篇甚至三四篇论文,有的还是季刊或双月刊。很多好的会议每年只录用三四十篇甚至二十篇左右的论文。所以,当你发现计算机的每个领域都有好几种顶级刊物和好几个顶级会议,不必惊讶。

整个计算机科学中最好的期刊为Journal of the ACM(JACM)。此刊物为ACM的官方学刊,受到最广泛的尊敬。但由于该刊宣称它只刊登那些对计算机科学有长远影响的论文,因此其不可避免地具有理论歧视(theory bias)。事实上确实如此:尽管JACM征稿范围包括了计算机的绝大部分领域,然而其刊登的论文大部分都是算法、复杂度、图论、组合数学等纯粹理论的东西,其它领域的论文要想进入则难如登天。

另外一份在计算机科学领域有重大影响的刊物为Communications of the ACM (CACM)。从某种意义上来说,CACM比JACM要像Nature/Science很多。JACM上登的全是长篇大论,满纸的定义、定理和证明,别说 一般读者没法看,就连很相近的领域的专家都未必能看懂。而CACM则是magazine,既登高水平的学术论文和综述,也登各种科普性质的文章和新闻。即便是论文,CACM也要求文章必须通俗易懂,不追求数学上的严格证明,而追求易于理解的直觉描述。在十几二十年前,CACM的文章几乎都是经典。但最近几年,由于CACM进一步通俗化,其学术质量稍有下降。

IEEE Transaction on Computers为IEEE在计算机方面最好的刊物。但由于IEEE的特点,其更注重computer engineering而非computer science。换句话说,IEEE Transaction on Computers主要登载systems, architecture, hardware等领域的东西,尽管它的范围已经比大部分刊物要广泛。

就刊物的质量而言,ACM Transactions系列总体来讲都高于IEEE Transactions系列,不过也不可一概而论。大部分ACM Transactions都是本领域最好的刊物或最好的刊物之一。大部分IEEE Transactions都是本领域很好的刊物,但也有最好的或者一般的。非ACM/IEEE的刊物中,也有好的甚至最好的。例如,SIAM Journal on Computing被认为是理论方面最好的期刊之一。

计算机科学方面的会议论文事实上起着比刊物论文更大的作用。大部分会议都是每年一次,偶尔也有隔年一次的。正规的会议论文需要经过2-4个甚至更多个审稿人的双向或单向匿名评审,并且所有被接收的论文会被结集正式出版。

大部分ACM的会议都是本领域顶级的或很好的会议。大部分IEEE的会议都是本领域很好的会议,但也有顶级的或者一般的。

会议的档次通常可以通过论文录用率表现出来。顶级会议通常在20%左右或更低,有时能达到10%左右。我所知道的最低的录用率为7%。很好的会议通常在30%左右。达到40%以上时,会议的名声就很一般了。60%以上的会议通常很难受到尊敬。

但也有例外。大名鼎鼎的STOC(ACM Symposium on Theory of Computing)录用率就达到30%以上,但它毫无疑问是理论方面最好的会议。造成这样的情形,主要是因为理论方面的工作者不多,而大部分人对STOC又有一种又敬又怕的心理。

二、国内计算机类三大中文学报投稿体会

国内计算机类三大中文学报《计算机学报》《软件学报》《计算机研究与发展》投稿的实际体会。

共同点:

都是EI核心来源期刊;

中国计算机学会参与主办会刊;

科学出版社出版发行;

可接受8000-10000字左右的长文;

稿量大,处理流程大多缓慢,应早投;

国内众星捧月

《计算机学报》 http://cjc.ict.ac.cn/,月刊,中国计算机学会与中国科学院计算技术研究所主办,网站好像最近改版了,但功能有所欠缺。

投稿方式: 网页登记然后Email投稿,中英文均可;初审后通知编号,邮寄打印稿二份及投稿声明等,

审理费:150元。

审稿周期:6个月左右。被拒的或录用的文章给出的意见都比较中肯,感觉审稿人专业啊。

(感觉被拒的稿件处理快,可接受的稿件审理较慢)

录用率:不详。

版面费:不详。

发表周期:不详。

其它等事宜未接触不加评论。

《软件学报》http://www.jos.org.cn,月刊,由中国科学院软件研究所和中国计算机学会联合主办,网站功能齐全,投稿处理流程合理。

投稿方式:直接网站在线投稿,中英文均可。初审后通知编号,邮寄审理费。外审通过后再通知其它处理事宜。

审理费:150元

审稿周期:6个月左右。(本人前后总共投了二篇,第一篇4个月拒了,第2篇8个月给了通知,根据意见逐一修改,且必须给出修改说明,较为严谨).

录用率:不详

发表周期:录用后的发表周期较长,需要耐心等待,但专刊较快.

版面费标准:180.00元/面,收费比较厚道。

整个处理流程中,编辑部会及时与作者沟通确认,感觉很受尊重。2007年(以后也会有)该刊组织了很多专刊,投专刊的文章被录用后发表周期相对短,但录用率超低(如今年网络专刊为5%)。专刊反映信息较快,是一种不错的方式。

《计算机研究与发展》http://crad.ict.ac.cn/,月刊,由中国科学院计算技术研究所-中国计算机学会联合主办,网站功能较为齐全。

投稿方式:在线投稿或email投稿的同时还要邮寄3份打印稿,投稿声明等。好像不接受英文稿。

审理费:200元。

审理周期:官方说6个月左右(实际体会,投了一篇稿子,催了三次等了8个月拒了,郁闷。)

录用率:不详。

发表周期:不详。

版面费:260元/页(不超过7页),超出的部分,每页400元。

最后必须要提的是:国内最权威的计算机科学与技术类期刊当属英文期刊JCST(中文名:计算机科学技术学报,双月刊,国内外同行评审,中国计算机学会和中科院计算所主办),SCI和EI双收录.

附JCST简历:《Journal of Computer Science and Technology》(JCST)是中国计算机科学技术领域唯一个英文学术性期刊。 JCST为中国计算机学会会刊, 由中国科学院计算技术研究所承办。JCST由数十位国际计算机界的著名专家和学者联袂编审,把握世界计算机科学技术最新发展趋势。目前,JCST正在稳步地发展,其影响不断扩大,知名度日益提高。JCST荟萃了国内外计算机科学技术领域中有指导性和开拓性的学术论著,其中 部分文章邀请了著名计算机领域的专家撰写。其内容包括: 计算机科学理论,形式化方法,信息安全,算法与计算复杂性,计算机体系结构与高性能计算,模式识别与图像处理, VLSI设计与测试,软件工程,计算机网络与Internet,分布式计算与网格计算,自然语言处理,生物信息学,计算机图形学与人机交互,人工智能等。

网站:http://jcst.ict.ac.cn/

JCST2005年SCI影响因子为0.353,在所有SCIE收录的5978种期刊中排名5136[缩写为J COMPUT SCI TECHNOL].

三、国内计算机类期刊投稿心得

【杂志名称】计算机应用研究

【杂志文章包含专业】建模,仿真,网络,人工智能,比较杂。

【投稿及联系方式】http://www.arocmag.com/ 注册在线投稿审稿

【投稿费用】250元/页

【杂志级别】中文核心期刊(指北大图书馆2004年版列出,下同), 中国科学引文数据库(CSCD)核心库期刊

【稿酬回报】无

【投稿感受】录用率始终保持在60%以上,不包括增刊,想上增刊,交钱就行(250元/页)。无审稿费,1~2月就知道结果了!

【杂志名称】系统仿真学报

【杂志文章包含专业】建模,仿真,计算机技术,网络,评估等。内容较杂。

【投稿联系方式】www.china-simulation.com

【投稿费用】版面费1200元左右,审稿费150元(中文)。

【杂志级别】中文核心期刊,EI-PageOne检索。

【稿酬回报】有,但不多,百十来元吧。

【投稿感受】录用率不高20%左右,审稿周期2个月,发表周期1.5年左右。编辑态度较好。论文要求仿真结果。

【其他】2005年,论文被EI检索率90%以上。

【杂志名称】《小型微型计算机系统》

【杂志文章包含专业】发表我国计算机领域的科学研究、工程设计及应用、高等教育等方面的学术论文,并介绍国外先进计算机理论和技术。主要栏目有计算机硬件、软件、网络、多媒体等技术的研究、开发、应用。

【投稿联系方式】xwjxt@sict.ac.cn

【投稿费用】审稿费100元,版面费1000左右

【杂志级别】核心期刊,EI检索。

【稿酬回报】有

【投稿感受】先投打印稿投送,初审通过再投电子稿。审稿2~3个月,录用率为20%左右,难度中。

【其他】编辑部态度不错。

【杂志名称】《计算机仿真》

【投稿联系方式】kwcoltd@public.bta.net.cn

【投稿费用】审稿费100元,版面费250/页(上涨中...)。

【杂志级别】中国核心期刊(统计源)。

【稿酬回报】有,但不多。

【投稿感受】电子投稿。审稿1~2个月,录用率为70%左右。较容易,基本上有仿真结果就能发表。如果你交200,要求加急审稿的话,100%中。(据说是级别被降下来了,所以狂要文章,狂收钱)

【其他】编辑部态度不错。

【杂志名称】《自动化学报》

【杂志文章包含专业】自动化技术,计算机技术等。

【投稿费用】审稿费150元

【杂志级别】国家一级期刊,中文核心期刊。

【稿酬回报】有

【投稿感受】网上投稿。审稿2~4个月,录用率为10%左右。

【其他】编辑部态度不错。

【杂志名称】微计算机信息

【杂志文章包含专业】自动化为主,计算机其余方向少量。

【投稿联系方式】http://www.autocontrol.com.cn//magazine

【投稿费用】无审稿费,版面费 850元(有基金支持),1500元(不确定,无基金支持)

【杂志级别】北大2004核心,少部分单位不承认。

【稿酬回报】无

【投稿感受】投稿极容易接受,录用通知时间短(一周)、发表大概10个月,最好写自动化和计算机结合的。

【其他】我续投过一篇,开始还不错,后来感觉乱来。据悉可以加急发表,付2倍版面费。

【计算机工程】

【审稿周期】两个月

【发表周期】一年左右(可以加急发表)

【审稿费】70元

【杂志级别】中文核心

【服务态度】较好

【投稿方式】网站投稿http://www.ecice06.com/

最大的有点就是审稿快,一般一个半月就能收到消息,两个月内肯定能收到消息。版面费一般800-900,稿费100。有基金号或者项目编号等的文章录用机率较高。如不录用,审稿意见只有“不录用”三个字,无具体意见!

【计算机工程与应用】

网站:http://www.ceaj.org/

可在线投,审稿速度慢,一般3个月,快的有2个月的,慢的到了4个月。可在线投稿,比较好中。审稿费70,版面费1000-1200,贵,有稿费, 不到100 ,越来越龊。想投的时候是月刊,等我有idea的时候是半月刊,等我完稿后居然是旬刊了。谁知道过2个月会不会变成周报。见刊周期半年-一年半。

【微型机与应用】

编辑部于2006年1月起对《微型机与应用》的办刊模式及刊载内容进行较大调整,不再单纯刊登技术研究论文。稿件需到www.aetnet.com.cn《电子技术应用》月刊参加审稿。

可在线投,审稿速度一般,2个月。文章质量比上面两个还龊,但是并不好中,原因是不要审稿费不要版面费,结果都蜂拥的去投啊,而它每期收录文章非常有限(据说发稿费200左右,现在可能变了),中不中要看运气,当然特别牛败的文章除外。

【计算机应用】

可在线投,审稿费是¥50。这个我就没调戏过了,只是看师兄透过,中的情况类似于楼上计算机工程,文章质量老实说,还可以,感觉编辑比较严谨(我说的是排版啊,对作者态度方面,不是说文章 唔),钱么,1k左右,稿费不详。三个多月给的反馈消息吧。

【计算机科学】

中文核心

投稿方式:邮寄打印稿2份和电子版软盘一张,投稿格式按通用格式即可;

无审稿费

啊 这个,好处就是不要审稿费了。文章质量还可以。。部分学校曾经把它当权威?

【计算机安全】

非核心,好中,无审稿费,Email投稿,版面费800元。(牛的不要钱)。两周。投稿信箱nsc-editor@163.com

【计算机与现代化】

非核心,好中,无审稿费,Email投稿(牛的不要钱)。投稿信箱:jgsdd@163.com,两周。

【微机发展】改成了《计算机技术与发展》。

【投稿联系方式】wjfz@sninfo.gov.cn或wjfz@163.com

非核心,比较好中,2-3周给消息,一般能中,不过也有拒的。稿件质量比上面两家好些,其实也就那样。便宜,自费620,公费730 。可以网投

【现代通信】

非核心,无须审稿费,也无须版面费

有稿费,一般150-200元左右

想赚点小钱的话可以发发啊!呵呵

【网络安全技术与应用】

非核心,无审稿费,版面费800-1200元左右;

无稿费;给钱就发,email投稿 cpsp@nstap.com.cn ;www.nstap.com.cn

【杂志名称】数据采集与处理

【杂志文章包含专业】主要涉及信号处理、通信、数据采集等内容

【投稿联系方式】南京御道街29号,210016

【投稿费用】每页160元,审稿费120元

【杂志级别】核心,EI收录

【稿酬回报】200元左右

【投稿感受】投稿时可以在寄两份打印费时同时寄出审稿费120元,以加快审稿速度,审稿很认真,不管是否录用都回寄审稿意见,只要文章有些创新就可以录用,审稿周期在三个月左右。

【其他】很多重点大学都很认可该刊物,在它还不是核心期刊时,就得到西安交大等学校的公认,是核心类期刊中比较正规、稿件质量较高的刊物之一。

【杂志名称】传感技术学报

【杂志文章包含专业】传感器、自动检测、电子学等

【投稿联系方式】可Email投稿:dzcg-bjb@seu.edu.cn

【投稿费用】无审稿费,版面费500

【杂志级别】EI Compendex

【稿酬回报】80

【投稿感受】录用快(1个月左右),发表快(6~8个月)。在EI收录的期刊中,无论是收费和态度来说,我认为都是相当好的。

【其他】Email投稿的同时要寄一份有全部作者签名和单位公章的打印稿。

【杂志名称】计算机工程与设计

审稿周期:三个月

发表周期:一年左右(可以加急发表)

审稿费:100元

杂志级别:中文核心期刊 中国科技论文统计源期刊

服务态度:一般

投稿方式:在线网站 http://www.china-ced.com/default.aspx 投稿,较为正规

有同学投中过,比较亲睐有基金号或者项目编号等的文章。审稿时间较长。

【杂志名称】《计算机应用系统》 北京

审稿周期:一个半月

发表周期:不定

审稿费:50元(初审通过后才要求作者寄审稿费,这个要赞一下!)

服务态度:一般

投稿方式:电子投稿。

从网上所掌握的资料,加上对该期刊社的电话联系,给人的感觉是骗人的期刊。一些对稿件的询问都要通过电话联系,但实际上也接受到了他的录用通知,一切顾虑都消除了,2000年的核心期刊,现在不是了。

【杂志名称】《电脑信息与技术》 长沙

审稿周期:一个月

发表周期:半年内

无需审稿费

投稿方式:电子投稿

服务态度:较好

杂志档次较低,比较好中,电子学会期刊。

《中国科技信息》、《中国西部科技》、《甘肃科技纵横》、《大众科技》、《甘肃科技》、《沿海企业与科技》、《信息技术》、《现代电子技术》交钱就发!

四、如何在SCI检索杂志上发表论文

1、引 言

SCI – Science Citation Index 科学索引指数是美国Thompson公司推出的一种为科学工作者论文检索服务的论文引用指标。在我国它成为Thompson ISI论文检索数据库的代名词。Thompson ISI论文检索数据库挑选世界上一批有影响的科学刊物,将其论文题目和作者及作者单位、文摘和引用论文进行检索,建立数据库,并向世界各地科研单位定期发行他们的检索数据库,为科学工作者提供便捷的论文检索和引用统计服务。Thompson公司从事这项服务已经有45年。从按月出版收录数据发展到现在主要通过其ISI Web of Knowledge网页提供服务。国际上大学图书馆、科研机构是其主要用户。

到2005年5月,收录的刊物(包括自然科学、社会科学、人文科学等)已经达到13700多种。而且这个数字还在不断增加。实际上科学索引文献服务 机构和产品很多,Thompson ISI仅是其中一种,但是由于其及时采用先进技术,凭借其强大的经济实力和美国及英语地区的科研机构市场,已经成为世界科研人员使用的一个重要工具。因 此,收录在SCI中的杂志论文比较容易被科研人员检索查阅。在我国已越来越受到重视。许多科研人员希望将自己的研究成果发表在被Thompson ISI检索的刊物上,从而使发表的论文成为SCI论文。

其实发表SCI论文和发表其它国际论文并没有什么不同。但是被Thompson ISI收录的论文绝大多数是英文刊物,所以撰写论文一般要用英语完成。由于我国科研工作者总体英文水平还不够高,因此不免存在一些由语言引起的困难。

有些科研人员经常问发表SCI论文有什么诀窍或捷径。本文分四个部分介绍在国际刊物上发表论文的基本内容、一般撰写和投稿过程和应注意事项。为希望发表 SCI论文的年轻科学工作者提供一些参考。由于作者是从事地理学研究的,所以内容可能不一定完全适合其它学科。不妥之处,请读者见谅。

2、发表SCI论文的捷径

首先要有值得在SCI检索杂志上发表的研究成果。并且能够把它清楚地撰写成论文。什么样的研究成果是值得在“科学索引指数”SCI检索杂志上发表呢?答案是基于原始研究而未被发表的成果,即有原创性的成果。成果的量也可以参照同领域他人发表的量来衡量。一般应该比较充分,即对所研究的问题有较全面、系统的试验结果。

若要较快地发表论文,可以争取投送到合适的特刊。一般刊物都会不定期地围绕特定专题出版专刊,专刊有专门编辑负责,一般有时限性。所以会比作为普通论文快些。但是切忌将与主题无关的论文投往特刊。若能够将论文写成短文,则可以投往有通讯栏目的刊物。会被评审得快些。

3、如何撰写SCI论文

从我们阅读的文章可以总结出来,一篇好的科学论文应该在其内容原创性、成果的新颖性、可读性方面给人留下较深印象。要使论文给评审者或最终读者留下深刻的好印象,首先论文内容要是原创的。对前人工作的评价深入透彻,恰如其分。这还不够,必须有自己独特的研究方法,或用现有方法得到独特的发现,或有新的应用。

论文写作上,必须思路清晰,逻辑性强,语句通顺,表格信息丰富,图像图形能够达到拟补文字描述所不易达到的效果,有丰富的信息且可读性强。下面进一步介绍论文撰写应注意的一些方面。

一篇研究论文的结构依次大致包括:题目(Title)、作者(Authors)、作者单位和联络方式(Affiliation and communication address)、短标题(Short Title)、论文摘 要(Abstract)、关键词(Key words)、引言(Introduction)、研究目标(Research Objective)、试验设计(Experimental Design)、试验结果及其分析(Results and Analysis)、对方法和结果的讨论(Discussion)、结论(Conclusion)、致谢(Acknowledgement)、辅助材料 (Appendix)、参考文献(References)、以及表和图。从引言到结论为正文。根据研究专业的不同,会有所调整。如地学研究比较重视研究区 (Study Area),常常是独立于试验设计的一个部分。而试验设计有时就由方法或方法学代替(Method 或 Methodology),一般不建议使用方法学。有些杂志不需要关键词。辅助材料一般是不需要的,因为一般介绍的内容应该包含在正文中。但是,有些论文由于推导繁琐,或需要附带程序等,为不影响阅读效果,需要把这类内容放在辅助材料里供有兴趣的读者进一步阅读。

论文题目一定要达意、简练、清楚。作者单位应反映署名作者从事这项研究时所在的单位。如果作者研究在不同单位完成,应列出各个单位。如果作者在某单位做完研究后调往另一单位,在作者单位中不应列新调单位。但是可以在联络方式处注明,已换工作单位。论文发表时可以注明联系作者或较通讯作者(Corresponding Author)。通讯作者一般是研究工作开展单位有固定职位的研究人员。如果学生或访问学者与合作导师联合发表论文,一般通讯作者应是合作导师。其实,这与合作导师参与的程度并无直接关系,只是为了便于读者能向一个较长久有效的地址索要材料或提供批评意见。论文从开始投稿开始,联系方式便不可缺少。在论文投稿阶段可以用负责投送的作者的联系地址、电话、电邮等。但是当论文发 表时应该改成通讯作者的地址。为方便编辑安排稿件双向盲审(即既不给评阅者作者名单又不给作者评阅者名单),题目和作者可以放在单独的一页。有许多杂志只 是不对作者透露评审者姓名。下面简单介绍一下每一部分应写的内容和注意事项。不是所有刊物要求提供短标题目。其目的是用做页眉(即有些刊物印刷页每隔一页 上方的标题)。

论文摘要应通俗易懂、文字简练准确。内容应包括所要研究的问题,研究区域,所用数据,数据处理方法,以及结果与发现。如果需要提供关键词,可以挑选论文题目以外,最能反映论文内容的几个词汇。发表关键词的主要目的是提高检索效率。随着检索电子化日趋成熟,关键词的作用已经不大了。

引言的主要目的是提出研究动机和目的。因此要指出目前所研究领域的知识缺陷,提出研究问题。这要求作者必须参考引证最新的相关研究文献。但是注意避免仅引用文章,不指出别人真正的贡献,特别是理论、方法、结果方面的贡献。当然,写作时不一定要用贡献之类的词来表述他人的工作。也可以将别人工作的不足做为自己研究的动机。在分析目前已知和不足之后,清晰地提出自己的研究目标或假设,着重指出自己研究的贡献。

对于地学研究来说,一般要有一个研究区,应根据研究需要介绍地理概况,描述与研究有关的文化和自然状况,最后介绍本研究在该地区所要做的工作。如针对该地区搜集数据,建立试验场等。

试验设计主要应与研究目标呼应。内容包括完整提出理论、方法或模型,实验的内容和方法,如研制需要的某种仪器的原理,针对所提出的理论、方法和模型进行检验的方法,收集和观测数据的方法,对获取的数据进行处理和分析的方法等。应明确给出所使用的数据的来源、日期、比例尺等元数据内容。描述清楚处理数 据的步骤。适当使用流程图。总之,提供的介绍应足以使读者可以重复同类试验。

在结果部分,主要介绍按试验设计完成试验后所取得的结果。应该与处理方法相呼应。对结果的解释需要深入透彻。指出新的发现。适当使用图表。分析出现偏差的原因。

讨论部分的内容包括整个研究与其它研究从理论、方法到结果的相同和不同点。理论与试验结果的一致性分析,方法和模型的灵敏性,出现误差的原因,指出 本研究的局限。提出结论和概括性论点。对不确定或无法到达目标的结果进行更广泛的阐述。结构上,如果介绍结果时必须对不确定的结果进行讨论,可以将讨论与 结果部分合并。有时将讨论部分与结论合并。不管怎样,对于作者来说,这部分往往是写作的难点。也是反映作者对自己领域积累深浅的重要部分。做得好,对论文能起到画龙点睛的作用。一篇论文的贡献常常在讨论部分得到注释。

结论要与引言中的假设或研究目标相呼应,总结出试验结果能够支持的论点。有时为了使结论更易于理解,需要先对所用方法和试验设计进行归纳。

致谢部分不能流于形式,而应客观恰当地反映他人的帮助。要全面准确地列出资助论文研究的课题和编号。

参考文献首先应与欲投刊物里的文献格式要一致。参考文献不是多多宜善,而是能够充分反映目前在论文研究领域的知识面貌-所有结论和所用方法。不应漏掉关键的方法和结论。一般应引用概念、方法和发现的原创论文及对此做出贡献的相关发展。当然,如果对某一方面已有综述性论文和教材做出概括,应当引用。

在纸质论文投稿时代,正文中不插入论文图表,而是置于文献之后。为排版方便,先表后图。图表分别编号要清楚。标题清晰,表的标题放在表前。而图题置于图后。列图之前要加一个图的编号和图题清单。图例清楚,图题中的缩略语要给出解释。有些刊物要求在论文发表时用铅笔将图号和作者名写在图的反面。现在采用电子排版,一般对图的分辨率(DPI-每英尺点数)有要求。如图象要300DPI,线划图要600DPI,等。图表必须专业化地完成。考虑到发表时图形会缩小,因此要保证缩小一定倍数时也要清晰可读。

论文写作过程一般包括三个阶段:初稿、修订稿和定稿。初稿 阶段应把所有想到的先写下来,不管多不成熟都应该象积牙膏一样一点一点地写出来。先从容易的部分开始,例如方法部分,把讨论、结论和摘要留到最后再写。

2018-11-06 22:16:03 haimianjie2012 阅读数 573
  • matlab等计算机类国内核心写作

    《中国科技期刊引证报告》简称《引证报告》(核心期刊投稿首选), 每年出版一次,每年第四季度面向全国大专院校和科研院所发布上一年的科研论文排名。排名包括SCI、Ei、ISTP分别收录的论文量 发表论文量等项指标。最后一项指的是各单位在《引证报告》收编的期刊中发表的论文数。

    201 人正在学习 去看看 刘昱显
2017-06-03 14:02:16 Houchaoqun_XMU 阅读数 1753
  • matlab等计算机类国内核心写作

    《中国科技期刊引证报告》简称《引证报告》(核心期刊投稿首选), 每年出版一次,每年第四季度面向全国大专院校和科研院所发布上一年的科研论文排名。排名包括SCI、Ei、ISTP分别收录的论文量 发表论文量等项指标。最后一项指的是各单位在《引证报告》收编的期刊中发表的论文数。

    201 人正在学习 去看看 刘昱显

一、本文目的


本文的主要目的是整理机器学习领域、计算机视觉领域以及今后科研需求的一些其他领域。本文主要是整理和归纳,相关内容都是参考其他网站。(本文会附上相关的网址)


本文参考网址:


1、VALSE视觉与学习青年学者研讨会:http://valser.org/portal.php

2、google学术:https://scholar.google.com/schhp?hl=zh-CN

3、百度学术:http://xueshu.baidu.com/u/biye/

4、计算机方向 会议级别:http://blog.csdn.net/abcjennifer/article/details/7468231

5、不要错过这些资源(IT):http://zongweiz.leanote.com/post/d8aecb96723e


(2017.12.06)今天刚发现一个CV大牛写于2011年的博客,值得收藏和参考:

计算机视觉领域的一些牛人博客,超有实力的研究机构等的网站链接:http://blog.csdn.net/carson2005/article/details/6601109

国内外从事CV相关的企业:http://blog.csdn.net/carson2005/article/details/7356225



二、机器学习&&深度学习


1、机器学习领域国际期刊


Foundations  and Trends in Machine Learning,:http://www.nowpublishers.com/MAL

Journal  of Machine Learning Research,JMLR:http://www.jmlr.org/

Artificial  Intelligence,AI:http://www.journals.elsevier.com/artificial-intelligence/

International  Journal of Machine Learning and Cybernetics

Machine  Learning:http://link.springer.com/journal/10994

IEEE  Transactions on Neural Networks and Learning Systems,TNNLS

Artificial  Intelligence Review:http://link.springer.com/journal/10462

Neural  Networks:http://www.journals.elsevier.com/neural-networks/


2、机器学习领域国际会议


Neural Information Processing  Systems,NIPS:https://nips.cc/Conferences/current

International Conference on  Machine Learning,ICML:http://icml.cc/2015/

International Symposium on  Neural Networks,ISNN:http://isnn.mae.cuhk.edu.hk/

Computational Learning Theory,COLT:http://www.learningtheory.org/colt2015/

The European Conference on  Machine Learning and Principles and Practice of Knowledge Discovery in  Databases,ECML

Int. Conference on Artificial  Neural Networks,ICANN:http://icann2014.org/

International Joint Conference  on Neural Networks,IJCNN:http://www.ijcnn.org/

International Conference on  Neural Information Processing,ICONIP:http://www.iconip2015.org/

International Conference  on Machine Learning and Data Mining ,MLDM:http://www.mldm.de/



三、计算机视觉


1、计算机视觉领域国际期刊


Pattern Analysis and Machine Intelligence, IEEE Transactions on(TPAMI)

International Journal of Computer Vision,IJCV:http://www.springer.com/computer/image+processing/journal/11263

Signal Processing Magazine, IEEE:http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=79

Pattern Recognition,PR:http://www.journals.elsevier.com/pattern-recognition

Image Processing, IEEE Transactions on(TIP):http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?reload=true&punumber=83

Signal Processing Letters, IEEE(SPL):http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=97

Digital Signal Processing,DSP:http://www.journals.elsevier.com/digital-signal-processing

Multimedia, IEEE Transactions on,TMM:http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=6046

Computer Vision and Image Understanding,CVIU:http://www.journals.elsevier.com/computer-vision-and-image-understanding

Image and Vision Computing,IVC:http://www.journals.elsevier.com/image-and-vision-computing

Neurocomputing:http://www.journals.elsevier.com/neurocomputing

Pattern Recognition Letters,PRL:http://www.journals.elsevier.com/pattern-recognition-letters

Intelligent Transportation Systems, IEEE Transactions on(TITS)

Journal of  Vision,JoV:http://jov.arvojournals.org/ss/about.aspx

Signal Processing:http://www.journals.elsevier.com/signal-processing

Journal of Visual Communication and Image Representation

Signal Processing: Image Communication:http://www.journals.elsevier.com/signal-processing-image-communication

Journal of Mathematical Imaging and Vision:http://www.springer.com/computer/image+processing/journal/10851

Signal, Image and Video Processing:http://www.springer.com/engineering/signals/journal/11760

Journal of Real-Time Image Processing:http://www.springer.com/computer/image+processing/journal/11554

Machine Vision and Applications:http://www.springer.com/computer/image+processing/journal/138

The Visual Computer,TVC:http://www.springer.com/computer/image+processing/journal/371

Multimedia Tools and Applications:http://www.springer.com/computer/information+systems+and+applications/journal/11042

Image Processing, IET:http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=4149689

Signal Processing, IET:http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=4159607

Computer Vision, IET:http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=4159597


2、计算机视觉领域国际会议


Computer Vision and Pattern  Recognition,CVPR:http://www.pamitc.org/cvpr15/

International Conference on  Computer Vision,ICCV:http://pamitc.org/iccv15/

European Conference on  Computer Vision,ECCV:http://eccv2014.org/

IEEE International Conference  on Automatic Face and Gesture Recognition,FGR:http://www.fg2015.org/

British Machine Vision  Conference,BMVC:http://bmvc2015.swan.ac.uk/

Workshop on Applications of  Computer Vision,WACV:http://cvl.cse.sc.edu/wacv2013/

Asian Conference on Computer  Vision,ACCV:http://www.accv2014.org/

International Conference on  Computer Vision Systems,ICVS:http://icvs2015.aau.dk/

International Conference on  Computer Vision Theory and Applications,VISAPP:http://www.visapp.visigrapp.org/



四、中国计算机学会推荐国际学术期刊 (前沿、交叉与综合)


【学术期刊】


1、A类

Proceedings of the IEEE:http://www.ieee.org/publications_standards/publications/proceedings/index.html

Journal of the ACM,JACM:http://jacm.acm.org/


2、B类

Bioinformatics:http://bioinformatics.oxfordjournals.org/

Briefings in Bioinformatics:http://bioinformatics.oxfordjournals.org/

Cognition:International Journal of Cognitive Science:http://www.journals.elsevier.com/cognition/

PLOS Computational Biology:http://www.ploscompbiol.org

IEEE Transactions on Medical Imaging:http://www.ieee-tmi.org/

IEEE Transactions on Geoscience and Remote Sensing:http://www.grss-ieee.org/publications/transactions/

IEEE Transactions on Intelligent Transportation Systems,TITS:http://sites.ieee.org/itss/introduction/transactions/

IEEE Transactions on Robotics:http://www.ieee-ras.org/tro.html

IEEE Transactions on Automation Science and Engineering,TASAE:http://www.ieee-ras.org/tase.html

Journal of Computer Science and Technology,JCSThttp://www.springer.com/computer/journal/11390

Journal of the American Medical Informatics Association,JAMIA:http://jamia.bmj.com/

Science China Information Sciences:http://www.springer.com/computer/information+systems+and+applications/journal/11432

The Computer Journal:http://comjnl.oxfordjournals.org/


3、C类

BMC Bioinformatics:http://www.biomedcentral.com/bmcbioinformatics/

Cybernetics and Systems:http://www.tandf.co.uk/journals/tf/01969722.html

IEEE Geoscience and Remote Sensing Letters:http://www.grss-ieee.org/publications/letters/

IEEE Transactions on Information Technology in Biomedicine,TITB

IEEE-ACM Transactions on  Computational Biology and Bioinformatics,TCBB:http://www.computer.org/portal/web/tcbb/home

IET Intelligent Transport Systems:http://digital-library.theiet.org/content/journals/iet-its

Medical Image Analysis:http://www.journals.elsevier.com/medical-image-analysis/

Frontiers of Computer Science,FCS:http://journal.hep.com.cn/computer


【学术会议】


1、A类

Real-Time Systems Symposium:http://www.rtss.org/


2、B类

International Conference on Embedded Software,EMSOFT:www.emsoft.org/

International conference on Intelligent Systems for Molecular Biology,ISMB:http://www.iscb.org/about-ismb

Cognitive Science Society Annual Conference,CogSci:http://cognitivesciencesociety.org/conference2013/index.html

International Conference on Research in Computational Molecular Biology,RECOMB:http://recomb.org/

IEEE International Conference on Bioinformatics and Biomedicine,BIBM


3、C类

American Medical Informatics Association Annual Symposium,AMIA:http://www.amia.org/amia2013

Asia Pacific Bioinformatics Conference,APBC:http://www.apbc2013.org/

International Conference on Spatial Information Theory,COSIT:http://www.cosit.info/


五、计算机视觉部分领域的会议级别


(本节内容摘选自【Rachel-Zhang】的博文,链接为:http://blog.csdn.net/abcjennifer/article/details/7468231


1、【会议级别】Artificial Intelligence and Related Subjects


Rank 1:
    AAAI: American Association for AI National Conference

    CVPR: IEEE Conf on Comp Vision and Pattern Recognition

    ECCV: European Conference on Computer Vision    

    IJCAI: Intl Joint Conf on AI
    ICCV: Intl Conf on Computer Vision
    ICML: Intl Conf on Machine Learning
    KDD: Knowledge Discovery and Data Mining
    KR: Intl Conf on Principles of KR & Reasoning
    NIPS: Neural Information Processing Systems
    UAI: Conference on Uncertainty in AI
    ICAA: International Conference on Autonomous Agents
    ACL: Annual Meeting of the ACL (Association of Computational Linguistics)


Rank 2:
    NAACL: North American Chapter of the ACL
    AID: Intl Conf on AI in Design
    AI-ED: World Conference on AI in Education
    CAIP: Inttl Conf on Comp. Analysis of Images and Patterns
    CSSAC: Cognitive Science Society Annual Conference
    EAI: European Conf on AI
    EML: European Conf on Machine Learning
    GP: Genetic Programming Conference
    IAAI: Innovative Applications in AI
    ICIP: Intl Conf on Image Processing
    ICNN/IJCNN: Intl (Joint) Conference on Neural Networks
    ICPR: Intl Conf on Pattern Recognition
    ICDAR: International Conference on Document Analysis and Recognition
    ICTAI: IEEE conference on Tools with AI
    AMAI: Artificial Intelligence and Maths
    DAS: International Workshop on Document Analysis Systems
    WACV: IEEE Workshop on Apps of Computer Vision
    COLING: International Conference on Computational Liguistics
    EMNLP: Empirical Methods in Natural Language Processing
    EACL: Annual Meeting of European Association Computational Lingustics
    CoNLL: Conference on Natural Language Learning


Rank 3:
    PRICAI: Pacific Rim Intl Conf on AI
    AAI: Australian National Conf on AI
    ACCV: Asian Conference on Computer Vision
    AI*IA: Congress of the Italian Assoc for AI
    ANNIE: Artificial Neural Networks in Engineering
    ANZIIS: Australian/NZ Conf on Intelligent Inf. Systems
    CAIA: Conf on AI for Applications
    CAAI: Canadian Artificial Intelligence Conference
    ASADM: Chicago ASA Data Mining Conf: A Hard Look at DM
    EPIA: Portuguese Conference on Artificial Intelligence
    FCKAML: French Conf on Know. Acquisition & Machine Learning
    ICANN: International Conf on Artificial Neural Networks
    ICCB: International Conference on Case-Based Reasoning
    ICGA: International Conference on Genetic Algorithms
    ICONIP: Intl Conf on Neural Information Processing
    IEA/AIE: Intl Conf on Ind. & Eng. Apps of AI & Expert Sys
    ICMS: International Conference on Multiagent Systems
    ICPS: International conference on Planning Systems
    IWANN: Intl Work-Conf on Art & Natural Neural Networks
    PACES: Pacific Asian Conference on Expert Systems
    SCAI: Scandinavian Conference on Artifical Intelligence
    SPICIS: Singapore Intl Conf on Intelligent System
    PAKDD: Pacific-Asia Conf on Know. Discovery & Data Mining
    SMC: IEEE Intl Conf on Systems, Man and Cybernetics
    PAKDDM: Practical App of Knowledge Discovery & Data Mining
    WCNN: The World Congress on Neural Networks
    WCES: World Congress on Expert Systems
    INBS: IEEE Intl Symp on Intell. in Neural \& Bio Systems
    ASC: Intl Conf on AI and Soft Computing
    PACLIC: Pacific Asia Conference on Language, Information and Computation
    ICCC: International Conference on Chinese Computing
    ICADL: International Conference on Asian Digital Libraries
    RANLP: Recent Advances in Natural Language Processing
    NLPRS: Natural Language Pacific Rim Symposium


Others:
    ICRA: IEEE Intl Conf on Robotics and Automation
    NNSP: Neural Networks for Signal Processing
    ICASSP: IEEE Intl Conf on Acoustics, Speech and SP
    GCCCE: Global Chinese Conference on Computers in Education
    ICAI: Intl Conf on Artificial Intelligence
    AEN: IASTED Intl Conf on AI, Exp Sys & Neural Networks
    WMSCI: World Multiconfs on Sys, Cybernetics & Informatics
    LREC: Language Resources and Evaluation Conference


2、【会议级别】Data Bases


Rank 1:
    SIGMOD: ACM SIGMOD Conf on Management of Data
    PODS: ACM SIGMOD Conf on Principles of DB Systems
    VLDB: Very Large Data Bases
    ICDE: Intl Conf on Data Engineering
    ICDT: Intl Conf on Database Theory


Rank 2:
    SSD: Intl Symp on Large Spatial Databases
    DEXA: Database and Expert System Applications
    FODO: Intl Conf on Foundation on Data Organization
    EDBT: Extending DB Technology
    DOOD: Deductive and Object-Oriented Databases
    DASFAA: Database Systems for Advanced Applications
    CIKM: Intl. Conf on Information and Knowledge Management
    SSDBM: Intl Conf on Scientific and Statistical DB Mgmt
    CoopIS - Conference on Cooperative Information Systems
    ER - Intl Conf on Conceptual Modeling (ER)


Rank 3:
    COMAD: Intl Conf on Management of Data
    BNCOD: British National Conference on Databases
    ADC: Australasian Database Conference
    ADBIS: Symposium on Advances in DB and Information Systems
    DaWaK - Data Warehousing and Knowledge Discovery
    RIDE Workshop
    IFIP-DS: IFIP-DS Conference
    IFIP-DBSEC - IFIP Workshop on Database Security
    NGDB: Intl Symp on Next Generation DB Systems and Apps
    ADTI: Intl Symp on Advanced DB Technologies and Integration
    FEWFDB: Far East Workshop on Future DB Systems
    MDM - Int. Conf. on Mobile Data Access/Management (MDA/MDM)
    ICDM - IEEE International Conference on Data Mining
    VDB - Visual Database Systems
    IDEAS - International Database Engineering and Application Symposium


Others:
    ARTDB - Active and Real-Time Database Systems
    CODAS: Intl Symp on Cooperative DB Systems for Adv Apps
    DBPL - Workshop on Database Programming Languages
    EFIS/EFDBS - Engineering Federated Information (Database) Systems
    KRDB - Knowledge Representation Meets Databases
    NDB - National Database Conference (China)
    NLDB - Applications of Natural Language to Data Bases
    KDDMBD - Knowledge Discovery and Data Mining in Biological Databases Meeting
    FQAS - Flexible Query-Answering Systems
    IDC(W) - International Database Conference (HK CS)
    RTDB - Workshop on Real-Time Databases
    SBBD: Brazilian Symposium on Databases
    WebDB - International Workshop on the Web and Databases
    WAIM: Interational Conference on Web Age Information Management
    (1) DASWIS - Data Semantics in Web Information Systems
    (1) DMDW - Design and Management of Data Warehouses
    (1) DOLAP - International Workshop on Data Warehousing and OLAP
    (1) DMKD - Workshop on Research Issues in Data Mining and Knowledge Discovery
    (1) KDEX - Knowledge and Data Engineering Exchange Workshop
    (1) NRDM - Workshop on Network-Related Data Management
    (1) MobiDE - Workshop on Data Engineering for Wireless and Mobile Access
    (1) MDDS - Mobility in Databases and Distributed Systems
    (1) MEWS - Mining for Enhanced Web Search
    (1) TAKMA - Theory and Applications of Knowledge MAnagement
    (1) WIDM: International Workshop on Web Information and Data Management
    (1) W2GIS - International Workshop on Web and Wireless Geographical Information Systems
    * CDB - Constraint Databases and Applications
    * DTVE - Workshop on Database Technology for Virtual Enterprises
    * IWDOM - International Workshop on Distributed Object Management
    * IW-MMDBMS - Int. Workshop on Multi-Media Data Base Management Systems
    * OODBS - Workshop on Object-Oriented Database Systems
    * PDIS: Parallel and Distributed Information Systems


(未完待续...)



2016-06-20 13:44:25 ycl295644 阅读数 1793
  • matlab等计算机类国内核心写作

    《中国科技期刊引证报告》简称《引证报告》(核心期刊投稿首选), 每年出版一次,每年第四季度面向全国大专院校和科研院所发布上一年的科研论文排名。排名包括SCI、Ei、ISTP分别收录的论文量 发表论文量等项指标。最后一项指的是各单位在《引证报告》收编的期刊中发表的论文数。

    201 人正在学习 去看看 刘昱显

深度学习2015年文章整理

国内外从事计算机视觉和图像处理相关领域的著名学者都以在三大顶级会议(ICCV,CVPR和ECCV)上发表论文为荣,其影响力远胜于一般SCI期刊论文,这三大顶级学术会议论文也引领着未来的研究趋势。CVPR是主要的计算机视觉会议,可以把它看作是计算机视觉研究的奥林匹克。博主今天先来整理CVPR2015年的精彩文章(这个就够很长一段时间消化的了) 
顶级会议CVPR2015参会paper网址: 
http://www.cv-foundation.org/openaccess/CVPR2015.py

来吧,一项项的开始整理,总有你需要的文章在等你!

CNN Architectures

CNN网络结构: 
1.Hypercolumns for Object Segmentation and Fine-Grained Localization 
Authors: Bharath Hariharan, Pablo Arbeláez, Ross Girshick, Jitendra Malik

2.Modeling Local and Global Deformations in Deep Learning: Epitomic Convolution, Multiple Instance Learning, and Sliding Window Detection 
Authors: George Papandreou, Iasonas Kokkinos, Pierre-André Savalle

3.Going Deeper With Convolutions 
Authors: Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich 
这篇文章推荐一下,使用了《network in network》中的用 global averaging pooling layer 替代 fully-connected layer的思想。有看过的可以私信博主,一起讨论文章心得。

4.Improving Object Detection With Deep Convolutional Networks via Bayesian Optimization and Structured Prediction 
Authors: Yuting Zhang, Kihyuk Sohn, Ruben Villegas, Gang Pan, Honglak Lee

5.Deep Neural Networks Are Easily Fooled: High Confidence Predictions for Unrecognizable Images 
Authors: Anh Nguyen, Jason Yosinski, Jeff Clune

Action and Event Recognition

1.Deeply Learned Attributes for Crowded Scene Understanding 
Authors: Jing Shao, Kai Kang, Chen Change Loy, Xiaogang Wang

2.Modeling Video Evolution for Action Recognition 
Authors: Basura Fernando, Efstratios Gavves, José Oramas M., Amir Ghodrati, Tinne Tuytelaars

3.Joint Inference of Groups, Events and Human Roles in Aerial Videos 
Authors: Tianmin Shu, Dan Xie, Brandon Rothrock, Sinisa Todorovic, Song Chun Zhu

Segmentation in Images and Video

1.Causal Video Object Segmentation From Persistence of Occlusions 
Authors: Brian Taylor, Vasiliy Karasev, Stefano Soatto

2.Fully Convolutional Networks for Semantic Segmentation 
Authors: Jonathan Long, Evan Shelhamer, Trevor Darrell 
——文章把全连接层当做卷积层,也用来输出featuremap。这样相比Hypercolumns/HED 这样的模型,可迁移的模型层数(指VGG16/Alexnet等)就更多了。但是从文章来看,因为纯卷积嘛,所以featuremap的每个点之间没有位置信息的区分。相较于Hypercolumns的claim,鼻子的点出现在图像的上半部分可以划分为pedestrian类的像素,但是如果出现在下方就应该划分为背景。所以位置信息应该是挺重要需要考虑的。这也许是速度与性能的trade-off?

3.Is object localization for free - Weakly-supervised learning with convolutional neural networks 
——弱监督做object detection的文章。首先fc layer当做conv layer与上面这篇文章思想一致。同时把最后max pooling之前的feature map看做包含class localization的信息,只不过从第五章“Does adding object-level supervision help classification”的结果看,效果虽好,但是这一物理解释可能不够完善。

4.Shape-Tailored Local Descriptors and Their Application to Segmentation and Tracking 
Authors: Naeemullah Khan, Marei Algarni, Anthony Yezzi, Ganesh Sundaramoorthi

5.Deep Filter Banks for Texture Recognition and Segmentation 
Authors: Mircea Cimpoi, Subhransu Maji, Andrea Vedaldi

6.Deeply learned face representations are sparse, selective, and robust, Yi Sun, Xiaogang Wang, Xiaoou Tang 
——DeepID系列之DeepID2+。在DeepID2之上的改进是增加了网络的规模(feature map数目),另外每一层都接入一个全连通层加supervision。最精彩的地方应该是后面对神经元性能的分析,发现了三个特点:1.中度稀疏最大化了区分性,并适合二值化;2.身份和attribute选择性;3.对遮挡的鲁棒性。这三个特点在模型训练时都没有显示或隐含地强加了约束,都是CNN自己学的。

Image and Video Processing and Restoration

1.Fast and Flexible Convolutional Sparse Coding 
Authors: Felix Heide, Wolfgang Heidrich, Gordon Wetzstein

2.What do 15,000 Object Categories Tell Us About Classifying and Localizing Actions? 
Authors: Mihir Jain, Jan C. van Gemert, Cees G. M. Snoek 
——物品的分类对行为检测有帮助作用。这篇文章是第一篇关于这个话题进行探讨的,是个深坑,大家可以关注一下,考虑占坑。

3.Hypercolumns for Object Segmentation and Fine-Grained Localization 
Authors:Bharath Hariharan, Pablo Arbeláez, Ross Girshick, Jitendra Malik 
——一个很好的思路!以前的CNN或者R-CNN,我们总是用最后一层作为class label,倒数第二层作为feature。这篇文章的作者想到利用每一层的信息。因为对于每一个pixel来讲,在所有层数上它都有被激发和不被激发两种态,作者利用了每一层的激发态作为一个feature vector来帮助自己做精细的物体检测。

3D Models and Images

1.The Stitched Puppet: A Graphical Model of 3D Human Shape and Pose 
Authors: Silvia Zuffi, Michael J. Black

2.3D Shape Estimation From 2D Landmarks: A Convex Relaxation Approach 
Authors: Xiaowei Zhou, Spyridon Leonardos, Xiaoyan Hu, Kostas Daniilidis

mages and Language

这个类别的文章需要好好看看,对思路的发散很有帮助

1.Show and Tell: A Neural Image Caption Generator 
Authors: Oriol Vinyals, Alexander Toshev, Samy Bengio, Dumitru Erhan

2.Deep Visual-Semantic Alignments for Generating Image Descriptions 
Authors: Andrej Karpathy, Li Fei-Fei

3.Long-Term Recurrent Convolutional Networks for Visual Recognition and Description 
Authors: Jeffrey Donahue, Lisa Anne Hendricks, Sergio Guadarrama, Marcus Rohrbach, Subhashini Venugopalan, Kate Saenko, Trevor Darrell

4.Becoming the Expert - Interactive Multi-Class Machine Teaching 
Authors: Edward Johns, Oisin Mac Aodha, Gabriel J. Brostow

其它

CNN卷积神经网络的改进(15年最新paper): 
http://blog.csdn.net/u010402786/article/details/50499864 
文章中的四篇文章也值得一读,其中一篇在上面出现过。一定要自己下载下来看一看。

这是另外一个博主的博客,也是对CVPR的文章进行了整理: 
http://blog.csdn.net/jwh_bupt/article/details/46916653

博客地址:http://my.csdn.net/u010402786

转载:http://www.devstore.cn/essay/essayInfo/5179.html



2015-08-14 21:49:12 u013088062 阅读数 2990
  • matlab等计算机类国内核心写作

    《中国科技期刊引证报告》简称《引证报告》(核心期刊投稿首选), 每年出版一次,每年第四季度面向全国大专院校和科研院所发布上一年的科研论文排名。排名包括SCI、Ei、ISTP分别收录的论文量 发表论文量等项指标。最后一项指的是各单位在《引证报告》收编的期刊中发表的论文数。

    201 人正在学习 去看看 刘昱显

  如果觉得这篇文章对您有所启发,欢迎关注我的公众号,我会尽可能积极和大家交流,谢谢。 

  



      12、深度学习的昨天、今天和明天(中文,期刊,2013年,知网)

  记录了Hinton提出的两个重要观点:一是多隐层神经网络具有优异的特征学习能力,而是深度网络在训练上的难度可通过“逐层初始化”有效克服。详细描述了及机器学习的两次浪潮:浅层学习和深度学习,并指出深度学习研发面临的重大问题,属于一篇技术总结性文章。

  

  13、基于卷积神经网络的植物叶片分类(中文,期刊,2014年,知网)、

  主要讲述CNN的发展历史。

 

  14、改进的深度卷积网络及在碎纸片拼接中的应用(中文,期刊,2014年,知网)

  提出将卷积网络与自动编码器相结合的卷积自动编码器思想,属于对CNN卷积核的改进,并且应用于碎纸片拼接,老方法新问题。

 

  15、卷积神经网络在喷码字符识别中的应用(中文,期刊,2015年,知网)

  激活函数采用Relu单元,CNN学习方法采用随机对角LM算法,并且应用于喷码字符识别,老方法新问题。

  

  16、基于卷积神经网络的手势识别初探(中文,期刊,2015年,知网)

  对CNN的应用领域描述相对详细。

 

  17、基于卷积神经网络的人脸性别识别(中文,期刊,2015年,知网)

  激活函数采用Relu单元,对CNN的应用领域以及权值共享的细节信息描述得相对全面。

 

  18、一种基于卷积神经网络的性别识别方法(中文,期刊,2014年,知网)

  一般

 

  19、深度学习的结构及算法综述(Preview on structures and algorithms of deep learning)(英文,会议论文,2014年,IEEE检索)

  指出“CNN是目前第一个真正成功的深度网络结构”。

  

  20、基于卷积神经网络的图像分类(ImageNet Classification with Deep Convolutional Neural Networks)(英文,期刊,2012年,谷歌学术)

  这篇文章详细说明了CNN在2012年的ImageNet大赛中一鸣惊人的实力,有CNN的权威专家撰写,基本上属于CNN方面文章中必须参考的文献,多说无益,非常非常重要。

深度学习

阅读数 53

没有更多推荐了,返回首页