读博从报道那天算起到现在已经3个多月了，这段时间以来和博导总共见过两次面，寥寥数语的见面要我对剩下的几年读书生活没有了太多的期盼，有些事情一直想去做却总是打不起来精神，最后挣扎一下还是决定把和博导开学后的交代记录下来，这也算是为日后留档吧。

交代如下：

1. 以月为单位，读文章，阐述原理，读一些有关联性的文章；

2. 综述报告， 要表现出问题的现状，并预测未来的发展方向；

3. 选题报告， 要写哪些题目可以写，哪里题目值得研究，要有条理，其原因用一、二、三点这样的标号来表示；

4. 实现报告， 要写明实验具体是如何做的；

5. 技术报告。

以上便是博导第一次组会所交代的，组会结束后便对读博这事情没什么幻想了，或许按照交代认真完成我也能在规定年限之内毕业，不过这也许真的只是或许。

由于一些原因导致本人读博陷入了只能靠自己的境地，于是自己便查找了一下本方向的一些重要期刊和会议，为自己日后查找文献、选定研究课题做铺垫，具体如下。

首先要说的一定是CCF推荐的会议及期刊，具体网址如下：

http://www.ccf.org.cn/xspj/sjk/sjwj/nrjs/

以下推荐的期刊和会议都是所在实验室比较青睐的一些，由此做了一些了解。

1.

期刊名：Neuro computing

出版社： Elsevier

 

http://dblp.uni-trier.de/db/journals/ijon/

CCF推荐的C类期刊，2017年中科院分区为大类一区，小类二区。

对于该期刊给出一些网友给出的数据：

平均审稿速度网友分享经验：平均5.7个月
来源Elsevier官网：平均15.5周

在线出版周期来源Elsevier官网：平均21周

2016-2017最新影响因子 3.317
2016-2017自引率 30.10%

平均录用比例  网友分享经验：80%

2016-2017 最新影响因子 3.317

数据来源：

http://www.letpub.com.cn/index.php?journalid=6141&page=journalapp&view=detail

该论文现在有大量的国人投稿，虽然有被国人灌水的嫌疑，都是该刊从录用周期及录用比例上来看还都不错，作为CCF推荐期刊，同时兼具SCI检索3.317的影响因子和大类二分区的表现来看该刊是国内机器学习和AI方向博士毕业生迈向毕业大门的一条不错的路径，至少我所在实验室的博士生大部分都考这个期刊来毕业。该期刊的投稿情况看很多人都是在3个月内有结果，速度快录用率高，但是也有网友表示整个流程超过半年，8个月，10个月的也有一些，但是比例较少，只有极个别网友表示超过一年，在此建议大家如果投该期刊在3个月左右被录用是极好的事情，如果半年还没结果可以考虑再等等，如果比较急的情况如就等一篇SCI期刊论文来毕业的情况在超过6个月甚至8个月以上还没有回信的话估计你可以考虑撤下改投，不过综合说这个期刊从性价比来看性能还是很不错的。

对于该期刊的评价同时给出小木虫上的数据，原址：http://muchong.com/bbs/journal.php?view=detail&jid=6169

投稿录用比例： 86% (计算公式：参与点评网友投稿录用人数/总点评网友人数×100%)
审稿速度： 平均 5 个月的审稿周期(非官方数据)

给出一个我比较认可的评价，如下：

 2.

上个推荐的期刊 neuro computing 录用率高，审稿周期短（重点），是新手入门的一个高性能推荐，同时也是Phd candidate 保毕业的好选择。下面推荐一款录用率高但是审稿周期长的一款产品，NEURAL NETWORKS 。

小木虫上的评价：

http://muchong.com/bbs/journal.php?view=detail&jid=6154

审稿速度： 平均 16 个月的审稿周期(非官方数据)

投稿录用比例： 100% (计算公式：参与点评网友投稿录用人数/总点评网友人数×100%)

LetPub上的评价：http://www.letpub.com.cn/index.php?page=journalapp&view=detail&journalid=6126

2016-2017最新影响因子 5.287
2016-2017自引率 10.60%
平均审稿速度 网友分享经验：平均12.0个月
来源Elsevier官网：平均10.5周
平均录用比例 网友分享经验：较易
在线出版周期 来源Elsevier官网：平均7.1周

该刊综合评价  审稿周期较长，但是录用率较高，大类分区为二类，人工智能小区分类也为2类， 同时该刊也是 CCF 推荐的B类期刊， 对于这个级别的期刊虽然审稿周期长了一些大约一年左右，但是其录用比例及难易程度还是很不错的，适用于那些读博士读到中期的人群，既不是十分着急出结果同时对期刊级别还有一些要求的人还是性价比很不错的。

 3.

简称：  TNNLS

第三个推荐的期刊是  IEEE Transactions on Neural Networks and Learning Systems

LetPub上的信息：

http://www.letpub.com.cn/index.php?page=journalapp&view=detail&journalid=8837

2016-2017最新影响因子 6.108
2016-2017自引率 7.60%

平均审稿速度网友分享经验：一般,3-8周

小木虫上的评价：

http://muchong.com/bbs/journal.php?view=detail&jid=3422

投稿录用比例： 100% (计算公式：参与点评网友投稿录用人数/总点评网友人数×100%)
审稿速度： 平均 8 个月的审稿周期(非官方数据)

该刊是大类小类都是一区的期刊，CCF推荐期刊中属于B类期刊，从投稿周期和录用比例上来看还都是不错的，国内学者投稿较多，比较适用于CS方向博士读到中后期的投稿期刊，性价比比较不错。

小木虫上有网友分享过两份经历，如下：

http://muchong.com/html/201007/2248702.html

http://muchong.com/bbs/viewthread.php?tid=4934708

 4. 

简称： TKDE

第四个推荐的期刊是  CCF 推荐的A类期刊， 是数据挖掘方向的期刊。

TKDE
 
IEEE Transactions on Knowledge and Data Engineering
 

LetPub对该刊的评价：

http://www.letpub.com.cn/index.php?page=journalapp&view=detail&journalid=3399

2016-2017最新影响因子 3.438
2016-2017自引率 6.20%
平均审稿速度 网友分享经验：一般,3-8周
平均录用比例 网友分享经验：较易

网友评价：

小木虫上对该刊的评价：

http://muchong.com/bbs/journal.php?view=detail&jid=3414

投稿录用比例： 33% (计算公式：参与点评网友投稿录用人数/总点评网友人数×100%)
审稿速度： 平均 6 个月的审稿周期(非官方数据)

该期刊 属于CCF 推荐的顶刊，但是中科院评级大类2区，该刊在数据领域口碑还是不错，该刊平均审稿周期还是可以的，录用比例也是较高的，但是个别网友反映该期刊的整个流程全部下来要1年左右，对于该刊的性价比来说还是很高的，推荐读博中后期的选手入手，该刊的较多投稿都是从ccf推荐会议上发表的论文通过扩展以后发表的，如果手中的论文积累还可以的话推荐选择，前期是对时间不过分要求，毕竟很多人要等一年的时间才能走完全部流程。

5.

KNOWLEDGE-BASED SYSTEMS

该期刊 并非 CCF 推荐的期刊，网友有一些评价该刊为水刊，可能比CCF推荐中的被网友评价为水刊的还有好重一些的期刊。

小木虫上对刊物的评价：

http://muchong.com/bbs/journal.php?view=detail&jid=5522

投稿录用比例： 77% (计算公式：参与点评网友投稿录用人数/总点评网友人数×100%)
审稿速度： 平均 5.54902 个月的审稿周期(非官方数据)

某网友分享的投稿日志：

该刊审稿速度快，录用比例高，是很不错的选择，对于希望赶紧出成果的CS Phd student 来说是个很好的选择，不过该刊影响因子变化幅度稍大，口碑上被网友批的较狠，但是毕竟大家还是看论文发表的大区及影响因子的，所以综合来看还是不错的，适合新手或是对时间及录用率要求较高的人群。

LetPub上的评价：

http://www.letpub.com.cn/index.php?journalid=5495&page=journalapp&view=detail

2016-2017最新影响因子 4.529
2016-2017自引率 23.40%
平均审稿速度 网友分享经验：平均7.8个月
平均录用比例 网友分享经验：85%

网友评价：

影响因子已经飚过 2 了！可能是自引不少。 华人 发文占一半以上， 可以考虑考虑试试。-----------------------------------------我觉得华人做machine learning和knowledge based system这一块本来就做得比较好，做的人也多，当然文章就多了，其实大可不必考虑什么华人不华人的。然后同觉得主编人挺好，意见给的都很详细，很负责。关于审稿速度我的感觉是挺快，去年从投稿到录用不到7个月，但是我实验室

最后，附上一篇对该刊投稿的记时：

http://blog.sciencenet.cn/blog-431053-733297.html

以下的期刊及会议不具体介绍了，不过都是一些比较推荐的选择：

期刊：

ARTIFICIAL INTELLIGENCE                (AIJ)

Pattern Analysis and Machine Intelligence        (PAMI)

IEEE INTELLIGENT SYSTEMS

会议：

International Joint Conference on Artificial Intelligence      (IJCAI)

Association for the Advancement of Artificial Intelligence   (AAAI)

International Conference on Machine Learning                 (ICML)

SDM

ICDM

KDD

PKDD

ECML

附录：

=============================================================

中国计算机学会推荐国际学术刊物

(数据库/数据挖掘/内容检索)

A类

B类

C类

中国计算机学会推荐国际学术会议

(数据库/数据挖掘/内容检索)

A类

B类

C类

中国计算机学会推荐国际学术刊物

(人工智能)

A类

B类

C类

中国计算机学会推荐国际学术会议

(人工智能)

A类

B类

C类

Machine Learning 方向读博的一些重要期刊及会议 && 读博第一次组会时博导的交代的更多相关文章

  1. Machine Learning - week 2 - Multivariate Linear Regression

    Multiple Features 上一章中,hθ(x) = θ0 + θ1x,表示只有一个 feature.现在,有多个 features,所以 hθ(x) = θ0 + θ1x1 + θ2x2 + ...

  2. Paper慢慢读 - AB实验人群定向 Double Machine Learning

    Hetergeneous Treatment Effect旨在量化实验对不同人群的差异影响,进而通过人群定向/数值策略的方式进行差异化实验,或者对实验进行调整.Double Machine Learn ...

  3. 【机器学习Machine Learning】资料大全

    昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...

  4. 机器学习(Machine Learning)&深度学习(Deep Learning)资料

    <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...

  5. 机器学习(Machine Learning)&深入学习(Deep Learning)资料

    <Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost 到随机森林. ...

  6. 机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】

    转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...

  7. What skills are needed for machine learning jobs

    What skills are needed for machine learning jobs?机器学习工作必须技能 原文: http://www.quora.com/Machine-Learnin ...

  8. 机器学习系统设计（Building Machine Learning Systems with Python）- Willi Richert Luis Pedro Coelho

    机器学习系统设计(Building Machine Learning Systems with Python)- Willi Richert Luis Pedro Coelho 总述 本书是 2014 ...

  9. 学习笔记之机器学习（Machine Learning）

    机器学习 - 维基百科,自由的百科全书 https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0 机器学习是人工智能的一个分 ...

随机推荐

  1. 基因芯片与NGS区别[转载]

    转自:http://blog.sina.com.cn/s/blog_40d4ae110101fjzy.html 1 二代测序与基因芯片的区别与优缺点. 生物芯片相对第二代测序而言,优势在于价格便宜,便 ...

  2. PHP对象转数组

    Solution json_decode( json_encode( $obj ), true ): But why?You should have a look at the function na ...

  3. spring-data-jpa 介绍 复杂查询，包括多表关联，分页，排序等

    本篇进行Spring-data-jpa的介绍,几乎涵盖该框架的所有方面,在日常的开发当中,基本上能满足所有需求.这里不讲解JPA和Spring-data-jpa单独使用,所有的内容都是在和Spring ...

  4. Wannafly挑战赛28 Solution

    A:msc和mas Solved. 考虑斐波那契数列,即最多加45次即会超过1e9,直接暴力即可 #include <bits/stdc++.h> using namespace std; ...

  5. 线程、进程、daemon、GIL锁、线程锁、递归锁、信号量、计时器、事件、队列、多进程

    # 本文代码基于Python3 什么是进程? 程序并不能单独运行,只有将程序装载到内存中,系统为它分配资源才能运行,而这种执行的程序就称之为进程.程序和进程的区别就在于:程序是指令的集合,它是进程运行 ...

  6. ArrayBuffer：类型化数组

    类型化数组是JavaScript操作二进制数据的一个接口. 这要从WebGL项目的诞生说起,所谓WebGL,就是指浏览器与显卡之间的通信接口,为了满足JavaScript与显卡之间大量的.实时的数据交 ...

  7. INNODB锁（2）

    在上一篇文章写了锁的基本概述以及行锁的三种形式,这一篇的主要内容如下: 一致性非锁定读 自增长与锁 外键和锁 一致性性非锁定读 一致性非锁定读是InnoDB通过多版本并发控制(MVCC,multi v ...

  8. 20145105 《Java程序设计》实验一总结

    实验一   Java开发环境的熟悉 一.    实验内容: (一)使用JDK编译.运行简单的程序 (二)使用idea编辑.编译.运行.调试Java程序. 二.    实验步骤: (一)   命令行下J ...

  9. 20162326 qilifeng 2018-2019-2 《网络对抗技术》Exp0 Kali安装 Week1

    <网络对抗技术>第1次作业 (一)作业任务 1.安装kali 2.设置共享文件夹 (二)操作过程 1.安装kali 因为之前安装过Oracle 的VM VirtualBox 所以直接 进入 ...

  10. STM32组合设备实现USB转双串口

    USB转双串口,核心技术就在于组合设备(USB Composite)的实现,组合设备的实现,其核心技术在于描述符的实现,下面我们先给出描述符:设备描述符 [C] 纯文本查看 复制代码 ? 00001 ...