发表研究生计算机专业论文的过程可以分为以下几个步骤:
选择期刊或会议:首先,你需要确定你的论文适合发表在哪种期刊或会议上。这取决于你的研究领域、研究质量以及目标受众。你可以通过学术搜索引擎(如Google Scholar)查找与你研究领域相关的期刊和会议,了解它们的发表范围、影响因子等信息。
撰写论文:在撰写论文时,确保你的研究问题明确、方法合理、结果可靠,并且讨论部分深入。论文应遵循目标期刊或会议的格式要求,包括标题、摘要、引言、方法、结果、讨论、结论等部分。
提交论文:一旦你的论文完成,你需要按照目标期刊或会议的网站上的指导进行提交。通常,这包括注册一个账户、上传你的论文以及填写一个在线提交表格,其中包含关于你的研究、作者信息以及任何相关的背景信息。
等待审稿:提交后,你的论文将送交给同行评审。这是一个由该领域的其他专家对你的研究进行评估的过程,以确保其质量和原创性。审稿过程可能需要几周到几个月的时间,具体取决于期刊或会议的审稿速度以及你的论文的复杂程度。
修订与重审:根据审稿人的反馈,你可能需要对你的论文进行一些修改。这可能包括对研究方法、结果解释或论文结构的小幅调整。修改后的论文将再次提交给审稿人进行重新评估。
接受与出版:如果你的论文被接受发表,它将按照期刊或会议的要求进行排版和出版。这可能包括在线发布和(或)印刷版发布,具体取决于期刊或会议的政策。
在整个过程中,保持与导师或其他研究者的沟通是非常重要的,他们可以提供宝贵的建议和支持。同时,了解目标期刊或会议的具体要求和流程也非常关键,以确保你的论文能够顺利发表。
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。
计算机sci期刊投稿认可度也是比较高的。不过一般来说,计算机SCI1区发表的论文含金量高于SCI2区期刊。
作者写的计算机方向论文如果不能够在sci一区期刊发表,那么也是可以尝试sci二区期刊的,这样也能够获得较多的加分,此外学术顾问在这里也分享了几本计算机方向的2区sci期刊,都是单位认可度高的期刊,对晋升职称也是有帮助的。
以机器学习/深度学习领域为例
1. 在原始的数据集上加一些噪声,例如随机遮挡,主要是根据具体的任务来增加噪声或扰动,不可乱来。如果它的精度下降的厉害,那你的思路就来了,如何在有遮挡或有噪声或其他什么情况下,保证模型的精度。(无事生非)
2. 用它的模型去尝试一个新场景的数据集,因为它原来的模型很可能是过拟合的。如果在新场景下精度下降的厉害,思路又有了,如何提升模型的泛化能力,实现在新场景下的高精度。(无事生非)
3. 思考一下它存在的问题,例如模型太大,推理速度太慢,训练时间太长,收敛速度慢等。一般来说这存在一个问题,其他问题也是连带着的。如果存在以上的问题,你就可以思考如何去提高推理速度,或者在尽可能不降低精度的情况下,大幅度减少参数量或者计算量,或者加快收敛速度。(后浪推前浪)
4. 考虑一下模型是否太复杂,例如:人工设计的地方太多,后处理太多,需要调参的地方太多。基于这些情况,你可以考虑如何设计一个end-to-end模型,在设计过程中,肯定会出现训练效果不好的情况,这时候需要自己去设计一些新的处理方法,这个方法就是你的创新。(后浪推前浪)
5. 替换一些新的结构,引入一些其它方向的技术,例如transformer,特征金字塔技术等。这方面主要是要多关注一些相关技术,前沿技术,各个方向的内容建议多关注一些。(推陈出新)
6.尝试去做一些特定的检测或者识别。通用的模型往往为了保证泛化能力,检测识别多个类,而导致每个类的识别精度都不会很高。因此你可以考虑只去检测或识别某一个特定的类。以行为识别为例,一些通用的模型可以识别几十个动作,但你可以专门只做跌倒检测。在这种情况下你可以加很多先验知识在模型中,换句话说,你的模型就是专门针对跌倒设计的,因此往往精度可以更高。(出奇制胜)