iclr，全稱 international conference on learning representations，中文譯名為「國際學習表徵會議」。該會議由 yoshua bengio 和 yann lecun 牽頭創辦，2013 年召開了首次會議。
iclr 創辦目的：
眾所周知，資料的應用表徵對於機器學習的效能有著重要影響。表徵學習的迅猛發展也伴隨著不少問題，比如我們如何更好地從資料中學習更具含義及有效的表徵。我們對這個領域展開了探索，包括了深度學習、表徵學習、度量學習、核學習、組合模型、非常線性結構**及非凸優化等問題。儘管表徵學習對於機器學習及包括視覺、語音、音訊及 nlp 領域起著至關重要的作用，目前還缺乏乙個場所，能夠讓學者們交流分享該領域所關心的話題。iclr 的宗旨正是填補這一鴻溝。iclr 亮點：
open review 評審制度[1]
，根據規定：
所有提交的**都會公開姓名等資訊，並且接受所有同行的評價及提問（open peer review），任何學者都可或匿名或實名地評價**。而在公開評審結束後，**作者也能夠對**進行調整和修改。iclr 官方投稿入口：openreview.net
openreview.net 是麻薩諸塞大學阿默斯特學院 andrew mccallum 為 iclr 2013 牽頭創辦的乙個公開評審系統，秉承公開同行評審、公開發表、公開**、公開討論、公開引導、公開推薦、公開 api 及開源等八大原則，得到了 facebook、google、nsf 和麻薩諸塞大學阿默斯特中心等機構的支援。cvpr，全稱 ieee conference on computer vision and pattern recognition，中文譯名「ieee 國際計算機視覺與模式識別會議」。2023年，第一屆 cvpr 會議在華盛頓由金出武雄和 dana ballard 舉辦，此後每年都在美國本土舉行。
cvpr）是 ieee 一年一度的學術性會議，會議的主要內容是計算機視覺與模式識別技術。一般在六月舉行，地點通常位於美國的西部，中部或東部地區。例如，2013 年在波特蘭召開，2014 年在哥倫比亞舉辦，2015 年在波士頓，2016 年在拉斯維加斯，2017 年在夏威夷等。
cvpr，與 iccv 和 eccv 一同並列計算機視覺三大頂會。近年來每年有約 1500 名參加者，收錄的**數量一般 300 篇左右，整體收錄率 < 30%，口頭報告的**比例 < 5%。cvpr 一般採用「雙盲評審」，通常一篇**需要由三位審稿人進行審讀，最後由會議的 area chair 決定是否被接收。該會議每年都會有固定的研討主題。企業也可以通過贊助該會議從而獲得在會場展示的機會。eccv，全稱 european conference on computer vision，中文譯名「歐洲計算機視覺國際會議」。兩年召開一次。該會議每年錄用的**數量 300 篇左右，錄取率 2010 年 27% 左右，錄用的****主要為美國、歐洲等頂尖實驗室和研究所，中國大陸每年差不多有 10-20 篇**被錄用。
icml，全稱 international conference on machine learning，中文譯名「國際機器學習大會」，由國際機器學習學會（imls）主辦，一年一次。與 nips 並列機器學習兩大頂會。
nips，全稱 conference and workshop on neural information processing systems，中文譯名「神經資訊處理系統」大會，是乙個關於機器學習和計算神經科學的國際會議。
大會每年 12 月舉行，主辦方為 nips **會。會後一般會在第 2 年初版會議的**集，會議的名字「advances in neural information processing systems」。
nips 與標準的機器學習會議（如 icml）不同，nips 會議有相當一部分是關於神經科學的，但因為主要內容仍然是機器學習，所有依然被不少人看作是機器學習方面最好的會議之一。參考資料：
[1]
[2]
[3]
目前的**審核主要分為單盲 (single-blind review)、雙盲 (double-blind review) 及開放評審（open review）等多種形式。① 單盲評審的含義非常簡單，即評審知道作者的名字、學校等身份資訊，但作者並不知道評審**的人是誰；② 而雙盲評審則是雙方都不知曉彼此的身份資訊。這兩種方式為較多學術會議及期刊評審**的主要途徑。單盲評審的優勢非常明顯，即評審處於匿名身份，可以讓評審免受壓力，但評審由於知道了**的作者資訊，則非常有可能產生刻板印象，產生不夠客觀的評審結果。比如，對於比較有名的學者，評審會對**的質量產生預設。而雙盲評審則能夠大幅降低作者個人資訊所帶來的附加效應，不過，評審也非常有可能從行文、主題中判斷作者的資訊。
↩︎
期刊 1 頂會
我無意否認以上文獻的價值，但是在機器學習 計算機視覺和人工智慧領域，頂級會議才是王道。國內教材和cnki上的基本是n年前老掉牙的東西。有人會質疑這些會議都只是ei。是的，這的確非常特殊 在許多其它領域，會議都是盛會，比如society of neuroscience的會議，每次都有上萬人參加，帶個a...
雲計算領域頂會
雲計算領域期刊會議列表 20150105 ly 0.xlsx 原始檔 預覽 全稱簡稱 型別級別 日期 月 出版社 截稿日期 acm symposium on cloud computing acm socc 會議rank 1 84月中旬 ieee international conference o...
CV的頂會和雜誌
iccv的全稱是international comference on computer vision，正如很多和他一樣的名字的會議一行，這樣最樸實的名字的會議，通常也是這方面最nb的會議。iccv兩年一次，與eccv正好錯開，是公認的三個會議中級別最高的。它的舉辦地方會在世界各地選，上次是在北京，...