¿Cuál es el estándar de JMLR contra documentos en ICML y NIPS?

La tasa de aceptación de JMLR es del 27% (noticias). La tasa de aceptación de NIPS 2015 fue del 21,9% (Hassan Sawaf en Twitter). Entonces, en ese sentido, NIPS es un poco más selectivo.

Manten eso en mente:

  • Esto no tiene en cuenta ninguna disparidad entre la calidad de los envíos a cada lugar. Como crítico frecuente en ambos lugares, creo que las presentaciones tienen aproximadamente la misma media pero mayor variación para NIPS. Sospecho que esto podría significar que los documentos aceptados en NIPS son mejores, pero no conozco una buena forma de cuantificar eso.
  • JMLR tiene una opción de “aceptación condicional”, donde los revisores pueden aceptar un documento pero requieren que los autores solucionen algunos problemas con él. Los revisores de NIPS a menudo solicitan cambios, pero no existe un mecanismo formal para verificar que se realicen, por lo que los revisores de NIPS a menudo vuelven a rechazar un documento en lugar de aceptarlo con los cambios. Esto podría explicar en parte por qué JMLR tiene una tasa de aceptación más alta.

Lo mejor sería comparar los factores de impacto, pero no conozco ningún conjunto de métricas de factores de impacto que se hayan calculado para JMLR y NIPS.

No tengo un JMLR / NIPS / ICML.

Creo que JMLR está sujeto a un escrutinio más estricto y una amplia experimentación. Aunque la calidad de NIPS o ICML no es de ninguna manera inferior.

Se revisará un envío a NIPS o ICML, pero no es necesario que cada envío se revise en detalle para JMLR. Un método novedoso que aborda el problema existente en todos los métodos anteriores será apreciado en todos los lugares.

También del sitio web de JMLR:

El proceso de revisión de papel JMLR

  1. Cuando se envía un documento a JMLR, el Editor en Jefe (EIC) lo escanea. Si el EIC considera que el documento está muy claramente por debajo de los estándares de la revista, o no está dentro de su alcance, o si no hay editores de acción adecuados, entonces el documento puede ser rechazado sin una revisión por escrito.
  2. El EIC asigna el documento a un editor de acción (AE) que tiene experiencia en el área del documento. Si el AE considera que es muy probable que el documento sea rechazado en una revisión completa, el AE escribirá una única revisión breve explicando esa posición, y el documento será rechazado.
  3. El AE asigna el documento a tres revisores. Los revisores escriben revisiones técnicas detalladas del documento.
  4. Si solo llega una revisión en un tiempo razonable, y esa revisión es detallada y de alta calidad, y recomienda el rechazo, y el AE está de acuerdo con la revisión, entonces el AE puede decidir rechazar el documento basándose en la revisión única. Si entran dos revisiones, y la decisión es clara para el AE, el documento puede ser aceptado o rechazado. O bien, el AE puede decidir esperar la tercera revisión o incluso solicitar revisiones adicionales, hasta que la decisión sea clara.
  5. Las posibles decisiones son Aceptar y Rechazar. Los documentos aceptados aún pueden requerir revisiones menores, pero no necesitan ser revisados ​​más a fondo. Los documentos rechazados se clasificarán en dos categorías: los que se pueden reenviar y los que no. Los autores deben obtener un permiso explícito de un editor de acciones antes de volver a enviar un documento; para evitar malentendidos, comuníquese con el editor de acciones o el editor en jefe si existe alguna ambigüedad en el progreso de la toma de decisiones. El permiso de reenvío no debe interpretarse como ningún tipo de garantía de aceptación tras el reenvío.

De hecho, un trabajo en NIPS / ICML puede enviarse a JMLR. Citando del sitio web de JMLR:

Los envíos a JMLR no pueden haberse publicado previamente en ninguna otra revista. Consideraremos las presentaciones que se hayan publicado en talleres o conferencias. En estos casos, esperamos que la presentación de JMLR cite el trabajo anterior, profundice mucho más y extienda los resultados publicados de manera sustantiva. En todos los casos, los autores deben notificar a JMLR sobre la publicación anterior en el momento de la presentación y explicar las diferencias con respecto a su trabajo anterior.

También consideraremos presentaciones concurrentes de documentos que están bajo revisión en conferencias, siempre que la conferencia lo permita explícitamente. También en este caso, esperamos que la diferencia entre los documentos satisfaga los requisitos anteriores, y pedimos a los autores que envíen su presentación de la conferencia al editor de acciones JMLR a cargo de la presentación JMLR.

Los ejemplos de (posiblemente) ‘deltas’ aceptables más allá de un documento de conferencia incluyen: nuevos resultados teóricos, dominios de aplicación completamente nuevos, nuevas percepciones y / o análisis significativos. Los ejemplos de deltas insuficientes incluyen: agregar pruebas que se omitieron de un documento de conferencia; variaciones o extensiones menores de experimentos anteriores; agregando material de fondo adicional o referencias. Sin embargo, finalmente dejamos la decisión sobre si un ‘delta’ es lo suficientemente significativo para los revisores individuales.

La tasa de aceptación de JMLR para los años 2011–2013 fue del 18,38%. Las estadísticas detalladas se han publicado (creo que recientemente) en Journal of Machine Learning Research Statistics. El gráfico se parece a esto:

A modo de comparación, la tasa de aceptación de NIPS en 2015 fue del 21,9% (fuente: Hassan Sawaf en Twitter) y la de ICML en 2016 fue del 25% (fuente: Conferencia ICML en Twitter).

More Interesting

¿Cuáles son algunos de los beneficios y desventajas de los modelos discriminativos y generativos?

¿Es una idea loca aprender el aprendizaje automático y el aprendizaje profundo sin ningún conocimiento avanzado de matemáticas?

¿Cuáles son los dominios en los que las técnicas de aprendizaje profundo podrían aplicarse además del procesamiento de la visión por computadora y el lenguaje / habla?

Hipotéticamente, ¿sería posible cultivar tejido cerebral usando células madre y luego usarlo como un procesador distribuido para tareas de aprendizaje complejas?

¿Por qué es popular el aprendizaje profundo?

¿Cuál es el mejor libro para aprender el pensamiento algorítmico?

¿Puede ingresar al programa de doctorado CS de nivel superior / siguiente sin publicación, suponiendo que tenga una experiencia de investigación decente?

¿Cuáles son los métodos actuales o estándar de combinación de datos estructurados y no estructurados en redes neuronales convolucionales?

¿Cuáles son los mejores software de aprendizaje automático de código abierto para reconocimiento facial?

¿Cuál es la diferencia entre Python y el aprendizaje automático?

¿Es cierto que las predicciones en el espacio de alta dimensión son más difíciles en torno al origen?

¿Puedo usar la agrupación (k-means, etc.) en un gran conjunto de datos para automatizar el proceso de búsqueda de similitudes y hacer recomendaciones?

¿Qué piensa la gente del siguiente documento que señala los límites del aprendizaje de extremo a extremo?

¿Existe algún algoritmo específico para prevenir un ataque DDoS?

ELI5: ¿Qué son las redes neuronales?