Sci Simple

New Science Research Articles Everyday

# コンピューターサイエンス # 人工知能

AAAI Pressでの出版ガイド

プロみたいにAAAI Press用の論文をフォーマットする方法を学ぼう。

Hangli Ge, Xiaojie Yang, Itsuki Matsunaga, Dizhi Huang, Noboru Koshizuka

― 1 分で読む


AAAI出版をシンプルに AAAI出版をシンプルに コツ。 成功する提出のための簡単なフォーマットの
目次

仕事を出版するのは、特に技術的なフォーマット、スタイル、ガイドラインが絡むと、敷居が高く感じるかもしれない。でも心配しないで!このガイドでは、複雑な用語に絡まることなく、AAAI Press向けに論文をフォーマットするための基本を解説するよ。レシピみたいなもので、材料を守れば、すぐに美味しい論文ができるよ。

AAAIって何?

AAAIは、人工知能の発展を目的とした協会の略。彼らはAIに関する論文、技術報告、会議の議事録を出版することで知られている。研究者やAI愛好家を集めることを目指していて、提出される作品がプロフェッショナルで統一感のある見た目になるように、特定の要件があるんだ。

始めよう

おめでとう!あなたの論文が出版に受理されたね。これからその論文をちゃんとフォーマットして、ペンで「修正して!」と書かれたノートが戻ってこないようにしよう。

適切なツール

始める前に、適切なツールを使っていることを確認してね。AAAIは、文書作成にLaTeXを使用することを好んでいる。もしMicrosoft Word派なら…別のドキュメントがあるよ。でもLaTeXを使えば後悔しないよ。

他のソフトはサポートされてない

AAAIにはソフトウェアに関する厳格なポリシーがあるので注意してね。他のソフトを使おうとすると、クレヨンで論文を書こうとしているようなもので、うまくいかないよ!

助けがここに

LaTeXソフトの使い方がわからなかったら、詳しい人に助けを求めてね。AAAIは技術的な問題には手を出せないから、始める前に全てを整えておこう。

ガイドラインに従う

良いレシピのように、ガイドラインに従うことは重要。あなたの論文が特定の見た目になるように、AAAIがルールを示している。押さえておくべきポイントを簡単にリストアップするね:

  1. スタイルファイル:2022年のAAAI Pressスタイルファイルを使ってね。これで正しいフォーマットを維持できるよ。

  2. 著作権フォーム:著作権フォームにサインして、締切までに返送して。素晴らしいディナーの後に送る「ありがとう」ノートみたいなものだよ、大事で礼儀正しい。

  3. 準備チェック:提出する前に、文書が全てのガイドラインを満たしているか確認してね。まるで買い物リストを校正するみたいに、不要な項目は消しちゃおう。

  4. メタデータ:論文に適切なメタデータを含めることが必要。つまらないかもしれないけど、必要なんだ。

  5. 提出:電子提出フォームを使って、ファイルと要旨を送ってね。宿題を提出するのを忘れる人になっちゃダメ!

フォーマットの基本

文書の準備ができたら、フォーマットに集中しよう。押さえておくべきポイントはこれだよ:

論文の見た目

  • フォント:TimesかNimbusフォントを使って。もしあなたの論文がComic Sansで飾られてたら、早くも蹴飛ばされるかも。

  • サイズ:標準フォントサイズは10ポイントで、行間は12ポイントにすること。これは提案じゃなくて、要件だからね。

  • ページ番号は不要:論文にページ番号を入れないで。必要ないから。AAAIにはすでに扱うべき数字がたくさんあるんだから!

レイアウト要件

  • 二列:論文は二列フォーマットにすること。これは提案じゃなくて、要件だよ。一つのアイスクリームじゃなくて、二つスプーンですくうみたいに、二列にしよう!

  • 余白:以下の余白を守ってね:

    • 上:0.75インチ
    • 左:0.75インチ
    • 右:0.75インチ
    • 下:1.25インチ
  • 変更不可:余白、行間、フォントサイズは変更しないこと。この論文はあなたのものだけど、三目並べゲームじゃないから、そのままにしておこう!

図と表

  • 配置:図や表は、初めて言及された場所に配置してね。終わりにドサッと置かないで。メインディッシュと一緒に食べないでパンだけテーブルに置くみたいなものだよ!

  • 品質:高解像度の画像を使って(300 DPIが理想だよ)。粒子が粗い画像や低解像度画像はダメ。霧越しに見ているアート作品を目指すわけじゃないんだから。

  • キャプション:図や表にはしっかりラベルを付けてね。各々に10ポイントのフォントでキャプションを付けること。ラベルを付けなかったら、編集者はあなたが何かしようとしてるのかと思うかも!

参考文献

参考文献は料理の調味料みたいなもので、正しく使えばうまくまとまるよ。

  • BibTeXを使う:参考文献にはBibTeXのルールを使って。これで自動的にフォーマットされた参考文献を作れるから、手動で全部やるより効率的だよ。

  • 引用:著者の姓と出版年を使って、正しく引用してね。それが学術界での礼儀正しい会話の一部だから。

謝辞

誰かがあなたの研究を手伝ってくれたなら、参考文献の前にフレンドリーなセクションで謝辞を述べてね。これは彼らに公に感謝するチャンス、料理番組でチョコチップクッキーがどれだけ好きかみんなに伝えるのと同じだよ!

よくある間違い

優れたシェフでも、時々レシピを間違えちゃうことがある。よくあるミスを避ける方法はこれだよ:

長すぎる論文

もし論文が長すぎたら、短くして。美味しいピザの話を10時間できるからって、10ページも書く必要はないよ—できるだけ編集しよう。

忘れがちなセクション

謝辞やメタデータなど、重要なセクションを忘れないようにしてね。これはサンデーの上に乗せるチェリーみたいなもので、あなたの作品を引き立てるんだ!

論文の提出

すべてのフォーマットが完了したら、もう一度校正してね。最後の変更がないか確認して。論文を最後に磨くチャンスだよ;それは輝くに値するから!

提出するときは:

  • 一つのファイル:ソースファイルは一つの文書にしてね。色んな追加ファイルを混ぜないで;誰もディナーパーティーのゴミ箱みたいなのは望んでないから。

  • 電子アーカイブ:ファイルをまとめてZIPにしてね。合計ファイルサイズは10MBを超えてはいけないよ。それ以上だったら、不幸な誰かがあなたのデジタル象の処理をしなくちゃいけなくなるから。

結論

要するに、AAAI Press向けに論文をフォーマットするには、細部に気を配り、ガイドラインに従い、少しの忍耐が必要なんだ。フォーマットを守り、引用をチェックして、高解像度画像を忘れないでね。少し努力すれば、あなたの研究はAI出版の世界で輝くことができるよ。メタファー的なエプロンをつけて、頑張って!

オリジナルソース

タイトル: FRTP: Federating Route Search Records to Enhance Long-term Traffic Prediction

概要: Accurate traffic prediction, especially predicting traffic conditions several days in advance is essential for intelligent transportation systems (ITS). Such predictions enable mid- and long-term traffic optimization, which is crucial for efficient transportation planning. However, the inclusion of diverse external features, alongside the complexities of spatial relationships and temporal uncertainties, significantly increases the complexity of forecasting models. Additionally, traditional approaches have handled data preprocessing separately from the learning model, leading to inefficiencies caused by repeated trials of preprocessing and training. In this study, we propose a federated architecture capable of learning directly from raw data with varying features and time granularities or lengths. The model adopts a unified design that accommodates different feature types, time scales, and temporal periods. Our experiments focus on federating route search records and begin by processing raw data within the model framework. Unlike traditional models, this approach integrates the data federation phase into the learning process, enabling compatibility with various time frequencies and input/output configurations. The accuracy of the proposed model is demonstrated through evaluations using diverse learning patterns and parameter settings. The results show that online search log data is useful for forecasting long-term traffic, highlighting the model's adaptability and efficiency.

著者: Hangli Ge, Xiaojie Yang, Itsuki Matsunaga, Dizhi Huang, Noboru Koshizuka

最終更新: 2024-12-23 00:00:00

言語: English

ソースURL: https://arxiv.org/abs/2412.17373

ソースPDF: https://arxiv.org/pdf/2412.17373

ライセンス: https://creativecommons.org/licenses/by/4.0/

変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。

オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。

著者たちからもっと読む

類似の記事