人工智能,模式識別頂級會議

1、人工智能領(lǐng)域頂級會議IJCAI :AI 最好的綜合性會議 , 1969 年開始 , 每兩年開一次 , 奇數(shù)年開。AAAI :美國人工智能學會 AAAI 的年會 . 綜合性會議,每年開。COLT :這是計算學習理論最好的會議 , ACM 主辦,每年開。CVPR :計算機視覺和模式識別方面最好的會議之一 , IEEE 主辦 , 每年開 .ICCV :計算機視覺方面最好的會之一 . IEEE 主辦 , 奇數(shù)年開 .ICML :機器學習方面最好的會議之一 . 現(xiàn)在是 IMLS 主辦 , 每年開。NIPS :神經(jīng)計算方面最好的會議之一 , NIPS 主辦 , 每年開。ACL :計算語 言學 /自然 語言

2、處理 方面最 好的會議 , ACL (Association of Computational Linguistics 主辦 , 每年開。Sigir :信息檢索方面最好的會議 , ACM 主辦 , 每年開。KDD :數(shù)據(jù)挖掘方面最好的會議 , ACM 主辦 , 每年開。UAI :涉及表示 推理 學習等很多方面 , AUAI(Association of UAI 主辦 , 每年開。幾個人工智能會議 (一流 下面同分的按字母序排列 :IJCAI (1+: AI 最好的綜合性會議 , 1969年開始 , 每兩年開一次 , 奇數(shù)年開 . 因為 AI 實在太大 , 所以雖然 每屆基本上能錄 100多篇(

3、現(xiàn)在已經(jīng)到 200多篇了 ,但分到每個領(lǐng)域就沒幾篇了,象 machine learning 、 c omputer vision 這么大的領(lǐng)域每次大概也就 10篇左右 , 所以難度很大 . 不過從錄用率上來看倒不太低 , 基本 上 20%左右 , 因為內(nèi) 行人都會掂掂分量 , 沒希望的就別浪費 reviewer 的時間了 . 最近中國大陸投往國際會 議的文章象潮水一樣 , 而且因為國內(nèi)很少有能自己把關(guān)的研究組 , 所以很多會議都在 complain 說中國的低 質(zhì)量文章嚴重妨礙了 PC 的工作效率 . 在這種情況下 , 估計這幾年國際會議的錄用率都會降下去 . 另外 , 以 前的 IJCAI

4、是沒有 poster 的 , 03年開始 , 為了減少被誤殺的好人 , 增加了 2頁紙的 poster. 值得一提的是 , IJ CAI 是由貌似一個公司 "IJCAI Inc." 主辦的 (當然實際上并不是公司 , 實際上是個基金會 , 每次會議上要 發(fā) 幾個獎 , 其中最重要的兩個是 IJCAI Research Excellence Award 和 Computer& Thoughts Award, 前者是 終身成就獎 , 每次一個人 , 基本上是 AI 的最高獎 (有趣的是 , 以 AI 為主業(yè)拿圖靈獎的 6位中 , 有 2位還沒得 到這個獎 , 后者是獎給

5、 35歲以下的青年科學家 , 每次一個人 . 這兩個獎的獲獎演說是每次 IJCAI 的一個重 頭戲 . 另外, IJCAI 的 PC member 相當于其他會議的 area chair, 權(quán)力很大 , 因為是由 PC member 去找 re viewer 來審 , 而不象一般會議的 PC member 其實就是 reviewer. 為了制約這種權(quán)力 , IJCAI 的審稿程序是 每篇文章分配 2位 PC member, primary PC member 去找 3位 reviewer, second PC member 找一位 . AAAI (1: 美國人工智能學會 AAAI 的年會 .

6、是一個很好的會議 , 但其檔次不穩(wěn)定 , 可以給到 1+, 也可以給 到 1-或者 2+, 總的來說我給它 "1". 這是因為它的開法完全受 IJCAI 制約 : 每年開 , 但如果這一年的 IJCAI在北美舉行 , 那么就停開 . 所以 , 偶數(shù)年里因為沒有 IJCAI, 它就是最好的 AI 綜合性會議 , 但因為號召力畢 竟比 IJCAI 要小一些 , 特別是歐洲人捧 AAAI 場的比 IJCAI 少得多 (其實亞洲人也是 , 所以比 IJCAI 還是要稍 弱一點 , 基本上在 1和 1+之間 ; 在奇數(shù)年 , 如果 IJCAI 不在北美 , AAAI 自然就變成了比

7、IJCAI 低一級的會 議 (1-或 2+, 例如 2005年既有 IJCAI 又有 AAAI, 兩個會議就進行了協(xié)調(diào) , 使得 IJCAI 的錄用通知時間比 A AAI 的 deadline 早那么幾天 , 這樣 IJCAI 落選的文章可以投往 AAAI. 在審稿時 IJCAI 的 PC chair 也在一直 催 , 說大家一定要快 , 因為 AAAI 那邊一直在擔心 IJCAI 的錄用通知出晚了 AAAI 就麻煩了 .COL T (1: 這是計算學習理論最好的會議 , ACM 主辦 , 每年舉行 . 計算學習理論基本上可以看成理論計算 機科學和機器學習的交叉 , 所以這個會被一些人看成是理

8、論計算機科學的會而不是 AI 的會 . 我一個朋友用 一句話對它進行了精彩的刻畫 : " 一小群數(shù)學家在開會 ". 因為 COLT 的領(lǐng)域比較小 , 所以每年會議基本上都 是那些人 . 這里順便提一件有趣的事 , 因為最近國內(nèi)搞的會議太多太濫 , 而且很多會議都是 LNCS/LNAI出 論文集 , LNCS/LNAI基本上已經(jīng)被搞臭了 , 但很不幸的是 , LNCS/LNAI中有一些很好的會議 , 例如 COLT. CVPR (1: 計算機視覺和模式識別方面最好的會議之一 , IEEE 主辦 , 每年舉行 . 雖然題目上有計算機視覺 , 但個人認為它的模式識別味道更重一些

9、. 事實上它應(yīng)該是模式識別最好的會議 , 而在計算機視覺方面 , 還 有 ICCV 與之相當 . IEEE 一直有個傾向 , 要把會辦成 " 盛會 ", 歷史上已經(jīng)有些會被它從 quality 很好的會辦 成 " 盛會 " 了 . CVPR 搞不好也要走這條路 . 這幾年錄的文章已經(jīng)不少了 . 最近負責 CVPR 會議的 TC 的 chair 發(fā)信說 , 對這個 community 來說 , 讓好人被誤殺比被壞人漏網(wǎng)更糟糕 , 所以我們是不是要減少好人被誤殺的 機會啊 ? 所以我估計明年或者后年的 CVPR 就要擴招了 .ICCV (1: 介紹 CVPR

10、 的時候說過了 , 計算機視覺方面最好的會之一 . IEEE 主辦 . ICCV 逢奇數(shù)年開, 開會 地點以往是北美,歐洲和亞洲輪流,本來 2003年定在北京,后來因 Sars 和原定 05年的法國換了一下。 IC CV'07年將首次在南美 (巴西 舉行 .CVPR 原則上每年在北美開 , 如果那年正好 ICCV 在北美 , 則該年沒有 CV PR.ICML (1: 機器學習方面最好的會議之一 . 現(xiàn)在是 IMLS 主辦 , 每年舉行 . 參見關(guān)于 NIPS 的介紹 .NIPS (1: 神經(jīng)計算方面最好的會議之一 , NIPS 主辦 , 每年舉行 . 值得注意的是 , 這個會每年的舉辦

11、地都是 一樣的 , 以前是美國丹佛 , 現(xiàn)在是加拿大溫哥華 ; 而且它是年底開會 , 會開完后第 2年才出論文集 , 也就是 說 , NIPS'05的論文集是 06年出 . 會議的名字是 "Advances in Neural Inxxxxation Processing Systems", 所 以 , 與 ICMLECML 這樣的 " 標準的 " 機器學習會議不同 , NIPS 里有相當一部分神經(jīng)科學的內(nèi)容 , 和機器學習 有一定的距離 . 但由于會議的主體內(nèi)容是機器學習 , 或者說與機器學習關(guān)系緊密 , 所以不少人把 NIPS 看成 是機器學

12、習方面最好的會議之一 . 這個會議基本上控制在 MichaelJordan 的徒子徒孫手中 , 所以對 Jordan 系 的人來說 , 發(fā) NIPS 并不是難事 , 一些未必很強的工作也能發(fā)上去 , 但對這個圈子之外的人來說 , 想發(fā)一篇 實在很難 , 因為留給 " 外人 " 的口子很小 . 所以對 Jordan 系以外的人來說 , 發(fā) NIPS 的難度比 ICML 更大 . 換 句話說 ,ICML 比較開放 , 小圈子的影響不象 NIPS 那么大 , 所以北美和歐洲人都認 , 而 NIPS 則有些人 (特別 是一些歐洲人 , 包括一些大家 堅決不投稿 . 這對會議本身當然

13、并不是好事 , 但因為 Jordan 系很強大 , 所以它 似乎也不太 care. 最近 IMLS(國際機器學習學會 改選理事 , 有資格提名的人包括近三年在 ICMLECMLCOL T 發(fā)過文章的人 , NIPS 則被排除在外了 . 無論如何 , 這是一個非常好的會 .ACL (1-: 計算語言學 /自然語言處理方面最好的會議 , ACL (Association of Computational Linguistics 主 辦 , 每年開 .KR (1-: 知識表示和推理方面最好的會議之一 , 實際上也是傳統(tǒng) AI(即基于邏輯的 AI 最好的會議之一 . K R Inc. 主辦 , 現(xiàn)在是

14、偶數(shù)年開 .SIGIR (1-: 信息檢索方面最好的會議 , ACM 主辦 , 每年開 . 這個會現(xiàn)在小圈子氣越來越重 . 信息檢索應(yīng)該 不算 AI, 不過因為這里面用到機器學習越來越多 , 最近幾年甚至有點機器學習應(yīng)用會議的味道了 , 所以把 它也列進來 .SIGKDD (1-: 數(shù)據(jù)挖掘方面最好的會議 , ACM 主辦 , 每年開 . 這個會議歷史比較短 , 畢竟 , 與其他領(lǐng)域相 比 , 數(shù)據(jù)挖掘還只是個小弟弟甚至小侄兒 . 在幾年前還很難把它列在 tier-1里面 , 一方面是名聲遠不及其他 的 top conference 響亮 , 另一方面是相對容易被錄用 . 但現(xiàn)在它被列在 ti

15、er-1應(yīng)該是毫無疑問的事情了 . 這幾 年來 KDD 的質(zhì)量都很高 . SIGKDD 從 2000年來 full paper 的錄取率都在 10%-12%之間,遠遠低于 IJCAI 和 ICML.經(jīng)常聽人說, KDD 要比 IJICAI 和 ICML 都要困難。 IJICAI 才 6頁,而 KDD 要 10頁。沒有扎實系統(tǒng)的工 作,很難不留下漏洞。有不少 IJICAI 的?？鸵裁磕甓纪?KDD ,可難得幾個能經(jīng)常中。UAI (1-: 名字叫 " 人工智能中的不確定性 ", 涉及表示推理學習等很多方面 , AUAI(Association of UAI 主 辦 , 每年開

16、.幾個人工智能會議 (二三流 (原創(chuàng)為 lilybbs.us 上的 daniel純屬個人看法 , 僅供參考 . tier-1的列得較全 , tier-2的不太全 , tier-3的很不全 . 同分的按字母序排列 . 不很嚴 謹?shù)卣f , tier-1是可以令人羨慕的 , tier-2是可以令人尊敬的 , 由于 AI 的相關(guān)會議非常多 , 所以能列進 tier-3的 也是不錯的 .tier 2: tier-2的會議列得不全 , 我熟悉的領(lǐng)域比較全一些 .AAMAS (2+: agent 方面最好的會議 . 但是現(xiàn)在 agent 已經(jīng)是一個一般性的概念 , 幾乎所有 AI 有關(guān)的會議上 都有這方面的

17、內(nèi)容 , 所以 AAMAS 下降的趨勢非常明顯 .ECCV (2+: 計算機視覺方面僅次于 ICCV 的會議 , 因為這個領(lǐng)域發(fā)展很快 , 有可能升級到 1-去 .ECML (2+: 機器學習方面僅次于 ICML 的會議 , 歐洲人極力捧場 , 一些人認為它已經(jīng)是 1-了 . 我保守一點 , 仍然把它放在 2+. 因為機器學習發(fā)展很快 , 這個會議的 reputation 上升非常明顯 .ICDM (2+: 數(shù)據(jù)挖掘方面僅次于 SIGKDD 的會議 , 目前和 SDM 相當 . 這個會只有 5年歷史 , 上升速度之 快非常驚人 . 幾年前 ICDM 還比不上 PAKDD, 現(xiàn)在已經(jīng)拉開很大距離

18、了 .SDM (2+: 數(shù)據(jù)挖掘方面僅次于 SIGKDD 的會議 , 目前和 ICDM 相當 . SIAM 的底子很厚 , 但在 CS 里面的 影響比 ACM 和 IEEE 還是要小 , SDM 眼看著要被 ICDM 超過了 , 但至少目前還是相當?shù)?.ICAPS (2: 人工智能規(guī)劃方面最好的會議 , 是由以前的國際和歐洲規(guī)劃會議合并來的 . 因為這個領(lǐng)域逐漸 變冷清 , 影響比以前已經(jīng)小了 .ICCBR (2: Case-Based Reasoning 方面最好的會議 . 因為領(lǐng)域不太大 , 而且一直半冷不熱 , 所以總是停留 在 2上 .COLLING (2: 計算語言學 /自然語言處理

19、方面僅次于 ACL 的會 , 但與 ACL 的差距比 ICCV -ECCV 和 ICM L-ECML 大得多 .ECAI (2: 歐洲的人工智能綜合型會議 , 歷史很久 , 但因為有 IJCAI/AAAI壓著 ,很難往上升 .AL T (2-: 有點象 COLT 的 tier-2版 , 但因為搞計算學習理論的人沒多少 , 做得好的數(shù)來數(shù)去就那么些 group, 基本上到 COL T 去了 , 所以 ALT 里面有不少并非計算學習理論的內(nèi)容 .EMNLP (2-: 計算語言學 /自然語言處理方面一個不錯的會 . 有些人認為與 COLLING 相當 , 但我覺得它還 是要弱一點 .ILP (2-:

20、 歸納邏輯程序設(shè)計方面最好的會議 . 但因為很多其他會議里都有 ILP 方面的內(nèi)容 , 所以它只能保 住 2-的位置了 .PKDD (2-: 歐洲的數(shù)據(jù)挖掘會議 , 目前在數(shù)據(jù)挖掘會議里面排第 4. 歐洲人很想把它抬起來 , 所以這些年 一直和 ECML 一起捆綁著開 , 希望能借 ECML 把它帶起來 . 但因為 ICDM 和 SDM, 這已經(jīng)不太可能了 . 所以 今年的 PKDD 和 ECML 雖然還是一起開 , 但已經(jīng)獨立審稿了 (以前是可以同時投兩個會 , 作者可以聲明優(yōu)先 被哪個會考慮 , 如果 ECML 中不了還可以被 PKDD 接受 .tier 3: 列得很不全 . 另外 , 因

21、為 AI 的相關(guān)會議非常多 , 所以能列在 tier-3也算不錯了 , 基本上能進到所有 A I 會議中的前 30%吧ACCV (3+: 亞洲的計算機視覺會議 , 在亞太級別的會議里算很好的了 .DS (3+: 日本人發(fā)起的一個接近數(shù)據(jù)挖掘的會議 .ECIR (3+: 歐洲的信息檢索會議 , 前幾年還只是英國的信息檢索會議 .ICTAI (3+: IEEE 最主要的人工智能會議 , 偏應(yīng)用 , 是被 IEEE 辦爛的一個典型 . 以前的 quality 還是不錯的 , 但是辦得越久聲譽反倒越差了 , 糟糕的是似乎還在繼續(xù)下滑 , 現(xiàn)在其實 3+已經(jīng)不太呆得住了 .PAKDD (3+: 亞太數(shù)據(jù)挖掘會議 , 目前在數(shù)據(jù)挖掘會議里排第 5.ICANN (3+: 歐洲的神經(jīng)網(wǎng)絡(luò)會議 , 從 quality 來說是神經(jīng)網(wǎng)絡(luò)會議中最好的 , 但這個領(lǐng)域的人不重視會議 , 在該領(lǐng)域它的重要性不如 IJCNN.AJCAI (3: 澳大利亞的綜合型人工智能會議 , 在國家 /地區(qū)級 AI 會議中算不錯的了 .CAI (3: 加拿大的綜合型人工智能會議 , 在國家 /地區(qū)級 AI 會議中算