Directrices para la presentación de artículos en NeurIPS 2020
Reglas y consejos esenciales para enviar tu trabajo de investigación a NeurIPS 2020.
― 6 minilectura
Tabla de contenidos
NeurIPS es una gran conferencia en el campo de la inteligencia artificial y el aprendizaje automático. Si quieres compartir tu investigación ahí, tienes que enviar tu artículo electrónicamente. Esto significa que debes usar la página de envío. Es súper importante prestar atención a las reglas para presentar tu paper.
Longitud y Estructura del Paper
Tu paper puede tener un máximo de ocho páginas. Esto incluye figuras o ilustraciones. Puedes añadir páginas extra para hablar del impacto más amplio de tu trabajo, cualquier agradecimiento y la lista de referencias. Si tu paper es más largo de ocho páginas, no lo van a revisar ni aceptar para la conferencia.
El formato de los márgenes en 2020 es el mismo que en 2007, lo que te da más espacio para escribir en comparación con años anteriores. Tienes que usar los archivos de estilo que NeurIPS proporciona para formatear tu paper. Es crucial usar la versión más actual y no archivos antiguos, ya que cambiar estos archivos puede llevar a que rechacen tu paper.
Archivos de Estilo y Formato
Puedes encontrar los archivos de estilo necesarios en la página de NeurIPS. El archivo principal que necesitas se llama neurips_2020.sty. Este archivo te ayudará a formatear tu paper correctamente. Hay opciones dentro de este archivo para hacer una versión finalizada o una versión preprint, pero asegúrate de usar solo las opciones necesarias en tu envío para garantizar el anonimato.
Cuando envíes tu paper, no debes incluir opciones que lo hagan identificable. Esto ayuda a los revisores a evaluar el trabajo sin sesgos. También debes evitar usar números de línea en tu paper, ya que no se incluirán en la versión final.
Detalles Generales de Formato
Tu texto debe encajar en un cuadro específico que mide 5.5 pulgadas de ancho y 9 pulgadas de largo. El margen izquierdo debe ser de 1.5 pulgadas. Usa un tamaño de fuente de 10 puntos y asegúrate de que el espacio entre líneas esté configurado a 11 puntos. La fuente recomendada es Times New Roman.
En cuanto a los títulos, deben ser grandes y en negrita, con un espacio específico arriba y abajo. Todas las páginas deben comenzar a 1 pulgada desde la parte superior.
Los nombres de los autores en la versión final deben ir en negrita y centrados sobre sus direcciones. El nombre del primer autor va primero, seguido de los coautores.
Encabezados
Los encabezados en el paper deben estar en minúsculas, excepto por las primeras palabras y nombres propios. El primer nivel de encabezados debe estar en fuente de 12 puntos, mientras que los niveles dos y tres deben estar en fuente de 10 puntos.
Citas y Referencias
Al citar fuentes en el texto, puedes elegir entre formatos de autor/año o numéricos, siempre y cuando seas consistente. Usa el paquete natbib, que se incluye automáticamente, para ayudarte con las citas. Cuando menciones tu trabajo anterior, escríbelo en tercera persona para mantener el anonimato durante el proceso de revisión.
Si necesitas incluir notas al pie, úsalas con moderación. Deben indicarse por números en el texto y colocarse al final de la misma página. Mantén las notas al pie cortas y relevantes.
Figuras y Tablas
Todas las figuras deben ser claras y fáciles de leer. Deben incluir pies de foto que estén correctamente formateados, con espacio antes y después de la figura. Los pies de foto deben estar en minúsculas, excepto por la primera palabra y nombres propios. Las figuras deben estar numeradas en el orden en que aparecen en el texto.
Las tablas también deben ser ordenadas y centradas. El título de la tabla debe colocarse arriba, con el espacio correcto alrededor. Al igual que las figuras, las tablas deben estar numeradas en el orden en que aparecen. No uses líneas verticales en las tablas, y se sugiere usar el paquete booktabs para tablas de mejor calidad.
Instrucciones Finales de Formato
Es importante no cambiar ningún detalle en los parámetros de formato. Sigue estrictamente las pautas proporcionadas, incluido el tamaño del rectángulo de texto y los estilos de fuente.
Al preparar el PDF de tu paper, asegúrate de ajustar el tamaño del papel a "US Letter" y no "A4". Las fuentes usadas en tu PDF deben ser Type 1 o fuentes TrueType embebidas. Usa pdflatex para generar tu PDF, ya que esto ayuda a evitar problemas comunes de fuentes.
Declaración de Impacto Más Amplio
Como parte de tu envío, tienes que agregar una declaración sobre el impacto más amplio de tu investigación. Esto incluye discutir aspectos éticos y posibles efectos en la sociedad. Considera tanto los resultados positivos como negativos de tu trabajo. Debes pensar en quién podría beneficiarse, quién podría quedar en desventaja, qué podría pasar si el sistema falla y si hay sesgos en tus datos.
Esta sección debe colocarse al final de tu paper, después del contenido principal, y no contará como parte de las ocho páginas permitidas.
Agradecimientos y Referencias
Los agradecimientos van al final del paper, justo antes de las referencias. En esta sección, debes declarar cualquier fuente de financiamiento e intereses en competencia. Esta información es importante para la transparencia y no debe incluirse en la versión anonimizada de tu paper.
Las referencias deben seguir después de la sección de agradecimientos y pueden formatearse en cualquier estilo, siempre que mantengas la consistencia en todo. Puedes reducir el tamaño de la fuente a 9 puntos al listar las referencias, y esta sección tampoco cuenta para el límite de ocho páginas de contenido.
Conclusión
Enviar un paper a NeurIPS 2020 requiere atención cuidadosa a los detalles tanto en el formato como en el contenido. Seguir las pautas especificadas ayudará a asegurar que tu trabajo sea considerado seriamente. Una buena organización de tu documento, cumplir con las restricciones de longitud y una presentación reflexiva del impacto de tu investigación son pasos vitales en el proceso de envío.
Título: Exposing the Functionalities of Neurons for Gated Recurrent Unit Based Sequence-to-Sequence Model
Resumen: The goal of this paper is to report certain scientific discoveries about a Seq2Seq model. It is known that analyzing the behavior of RNN-based models at the neuron level is considered a more challenging task than analyzing a DNN or CNN models due to their recursive mechanism in nature. This paper aims to provide neuron-level analysis to explain why a vanilla GRU-based Seq2Seq model without attention can achieve token-positioning. We found four different types of neurons: storing, counting, triggering, and outputting and further uncover the mechanism for these neurons to work together in order to produce the right token in the right position.
Autores: Yi-Ting Lee, Da-Yi Wu, Chih-Chun Yang, Shou-De Lin
Última actualización: 2023-03-27 00:00:00
Idioma: English
Fuente URL: https://arxiv.org/abs/2303.15072
Fuente PDF: https://arxiv.org/pdf/2303.15072
Licencia: https://creativecommons.org/licenses/by/4.0/
Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.
Gracias a arxiv por el uso de su interoperabilidad de acceso abierto.
Enlaces de referencia
- https://arxiv.org/pdf/1805.04908.pdf
- https://ieeexplore.ieee.org/document/861302
- https://link.springer.com/article/10.1007/BF01694011
- https://www.tandfonline.com/doi/abs/10.1080/095400999116340
- https://arxiv.org/abs/1703.07588
- https://papers.nips.cc/paper/5166-training-and-analysing-deep-recurrent-neural-networks
- https://www.sciencedirect.com/science/article/abs/pii/S0167739X18309233
- https://arxiv.org/abs/1807.03915
- https://arxiv.org/abs/1811.03451
- https://www.researchgate.net/publication/336047648_Clustering_and_Recognition_of_Spatiotemporal_Features_through_Interpretable_Embedding_of_Sequence_to_Sequence_Recurrent_Neural_Networks?enrichId=rgreq-9f3322940dd50cbc153ec739e50a0ffa-XXX&enrichSource=Y292ZXJQYWdlOzMzNjA0NzY0ODtBUzo4MDcxNTQxNzI4MjE1MDVAMTU2OTQ1MTk1OTY1Mg%3D%3D&el=1_x_3&_esc=publicationCoverPdf
- https://cmt3.research.microsoft.com/NeurIPS2020/
- https://www.neurips.cc/
- https://mirrors.ctan.org/macros/latex/contrib/natbib/natnotes.pdf
- https://www.ctan.org/pkg/booktabs
- https://www.emfield.org/icuwb2010/downloads/IEEE-PDF-SpecV32.pdf
- https://mirrors.ctan.org/macros/latex/required/graphics/grfguide.pdf
- https://neurips.cc/Conferences/2020/PaperInformation/FundingDisclosure