Машинное обучение и анализ данных (журнал)

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Полезные ссылки)
Строка 27: Строка 27:
* Архив с образцом: http://jmlda.org/papers/doc/jmlda-guides.zip
* Архив с образцом: http://jmlda.org/papers/doc/jmlda-guides.zip
* [https://www.sharelatex.com/project/535dda5bb09e6ec61d22681b?r=064b9bcb&rs=ps&rm=d Образец на sharelatex]
* [https://www.sharelatex.com/project/535dda5bb09e6ec61d22681b?r=064b9bcb&rs=ps&rm=d Образец на sharelatex]
 +
* [https://www.sharelatex.com/project/536a61a1fa8c49153a5e1699?r=064b9bcb&rs=ps&rm=d Список основных обозначений на sharelatex]
* [[Машинное обучение и анализ данных (журнал)/Оформление графиков|Оформление графиков]]
* [[Машинное обучение и анализ данных (журнал)/Оформление графиков|Оформление графиков]]
* [[JMLDA/MVR|Проведение вычислительного эксперимента онлайн]]
* [[JMLDA/MVR|Проведение вычислительного эксперимента онлайн]]

Версия 16:44, 7 мая 2014

"Машинное обучение и анализ данных"

Содержание

Журнал Машинное обучение и анализ данных публикует новые теоретические и обзорные статьи с результатами научных исследований в области теоретической информатики и её приложений. Цель журнала – развитие теории машинного обучения, интеллектуального анализа данных и методов проведения вычислительных экспериментов. Принимаются статьи на русском и английском языке.

Информация о цитировании статей находится на сайте Российского индекса научного цитирования. ISSN 2223-3792.

Тематика журнала:

  • классификация, кластеризация, регрессионный анализ,
  • многомерный статистический анализ,
  • байесовские методы регрессии и классификации,
  • выбор моделей и сложность,
  • предсказательное моделирование,
  • статистическая теория обучения,
  • методы прогнозирования временных рядов,
  • методы обработки и распознавания сигналов,
  • методы оптимизации в задачах машинного обучения и анализа данных,
  • методы визуализации данных,
  • обработка и распознавание речи и изображений,
  • анализ и понимание текста, информационный поиск,
  • прикладные задачи анализа данных.

Полезные ссылки

Рекомендации авторам

Журнал принимает статьи через электронную систему подачи статей на русском и английском языках.

  • Необходимо зарегистрироваться в электронной системе подачи статей, заполнив все необходимые поля на русском или английском языке и поставив галочку в поле «зарегистрироваться как автор».
  • Войти под зарегистрированным именем в МОЙ КАБИНЕТ, нажать на кнопку «Новая статья».
  • Выполнить необходимые шаги для успешной подачи статьи:
  1. Начало отправки. Необходимо подтвердить соглашение, поставив галочку в соответствующем поле.
  2. Загрузить статью. Следует прикрепить один архивный файл формата zip или rar. Архив должен содержать файлы, необходимые для корректной компиляции статьи в системе MiKTeX, а также скомпилированную статью в формате pdf с использованием стилевого файла jmlda.sty. Правила оформления статей содержатся в http://jmlda.org/papers/doc/authors-guide.pdf.
  3. Работу над статьей удобно начать с редактирования файла-образца, исходник которого и все необходимые для компиляции файлы содержатся в архиве http://jmlda.org/papers/doc/jmlda-guides.zip.
  4. Заполнить информацию обо всех авторах и соавторах на русском и английском языках, заполнить поля «название статьи» и «аннотация» на русском и английском языках.
  5. Подтвердить отправку статьи в журнал, нажав на соответствующую кнопку.
  • Отправленная таким образом статья будет видна автору во вкладке МОЙ КАБИНЕТ. Нажав на кнопку «СТАТУС», можно увидеть статус статьи: наличие рецензентов, ответы рецензентов, вынесенное рецензентами решение.
  • Если рецензенты выносят решение принять статью в журнал, то автору отправляется уведомление о принятии статьи на электронную почту.
  • Если рецензенты выносят решение отправить статью на доработку, необходимо внести соответствующие правки и переподать архив рукописи в систему. Переподачу нужно осуществлять на странице статьи, которая появляется во вкладке МОЙ КАБИНЕТ.

См. также

  1. Численные методы обучения по прецедентам
  2. Выполнение исследовательских проектов
  3. Автоматизация и стандартизация научных исследований
  4. Журналы ВАК по тематике ресурса
Личные инструменты