Машинное обучение и анализ данных (журнал)

Материал из MachineLearning.

Версия 13:15, 7 декабря 2011

"Машинное обучение и анализ данных", ISSN 2223-3792

«Journal of Machine Learning and Data Analysis» / ISSN 2223-3792 Rus.

Машинное обучение и анализ данных — журнал научно-исследовательских работ студентов, аспирантов и молодых исследователей кафедры «Интеллектуальные системы» МФТИ. Цель журнала — развитие методов проведения вычислительных экспериментов в области машинного обучения и интеллектуального анализа данных. Журнал, прежде всего, предназначен для публикации работ аспирантов и студентов, изучающих курс «Численные методы машинного обучения» и занимающихся теоретическими и эмпирическими исследованиями свойств алгоритмов регрессии и классификации. Приветствуются также обзорные, фундаментальные и методические статьи исследователей, работающих в области машинного обучения.

Ожидается, что статья в этом журнале построена по принципу "Математическая постановка задачи" > "Теория: описание подхода к ее решению" > "Практика: иллюстрация подхода", то есть, основным сообщением статьи является решение теоретической, а не прикладной задачи. Иллюстрация необходима только для того, чтобы показать полезность метода и дать ссылку на код, которым можно воспользоваться в дальнейшем.

Тематика журнала:

• регрессионный анализ
• классификация,
• кластеризация,
• многомерный статистический анализ,
• байесовские методы регрессии и классификации,
• методы прогнозирования временных рядов,
• 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.

Получить номер журнала

• 2011, номер 1
• 2011, номер 2 — готовится

См. также пилотный выпуск журнала — 2010, PDF 18MB

Рекомендации авторам

Вёрстка журнала выполняется самими авторами по следующей схеме.

Участникам проекта «MLAlgorithms»

1. В репозитории mlalgorithms, в папке JMLDА отыскивается папка с текущим номером журнала (на 16.06.11 это 2011no2).
2. Статья загружается в папку \JMLDA\2011no2 в виде файлов
   1. Surname2011Title.tex, то есть <Фамилия автора><ГОД><Первое или ключевое слово названия статьи>
   2. Surname2011Title_Fig1.eps,... (картинки .eps и .png вместе не компилируются)
3. Открывается текущий номер журнала _jmlda2011no2.tex, добавляется ссылка на свою статью \paper--+{Surname2011Title}.
4. Текущий номер журнала компилириуетя, проверяется его целостность и качество верстки.

В теле своей статьи должны быть выполнены при этом следующие правки заголовка.

\documentclass[12pt]{article}\usepackage{mmro15}
\begin{document}
\title{Выбор моделей прогнозирования}
\author{И.\,О.~Фамилия}
\email{name.surname@mipt.ru}
\organization{Московский физико-технический институт, ФУПМ, каф. <<Интеллектуальные системы>>}
\thanks{Научный руководитель И.\,О.~Фамилия}
\abstract{
Исследуется проблема.

\bigskip
\emph{Ключевые слова}: прогнозирование.
}
\maketitle

Совет: центрируйте таблицы и графики.

\centering{
    \begin{tabular} ... \end{tabular}
}

Список литературы:

\begin{thebibliography}{99}
\bibitem{Chen1989} Chen Y.\,W., Billings C.\,A., Luo W. \textit{Orthogonal least squares methods and their application to non-linear system identication}~// International Journal of Control, 1989, Vol. 2, no. 50, Pp. 873-896.
\end{thebibliography}

Совет: перед тем, как закоммитить статью и журнал обратно в репозиторий, удалите ненужные файлы программой _clear.

В данный момент статьи копируются (дублируются) в папку журнала. Это нужно для фиксации содержания журнала.

Всем остальным

1. Требования к оформлению статей находятся здесь, используется класс amspaper.
2. Статья отсылается по адресу strijov@ccas.ru, а именно:
   1. Surname2011Title.tex
   2. Surname2011Title_fig1.eps, ...
   3. Surname2011Title.pdf

Контакты

• E-mail: strijov@ccas.ru,
• Тел.: 8 (499) 135-4163,
• Почта: 119333, Москва, ул. Вавилова 42-268.

Научный редактор журнала: Вадим Викторович Стрижов.

См. также

1. Численные методы обучения по прецедентам
2. Выполнение исследовательских проектов
3. Автоматизация и стандартизация научных исследований