学術論文提出のための基本ガイドライン
学業の成果を効果的に準備して提出するためのステップバイステップガイド。
― 1 分で読む
目次
論文を出版することは、さまざまな分野で知識を共有するために重要な部分だよ。自分の作品を提出したい人は、特定のガイドラインに従うことがマジで重要。この記事では、論文を効果的に準備して提出するための基本的なステップを紹介するね。
一般的なガイドライン
論文を提出する準備をする時は、一定の基準を維持することが大事だよ。これによって、全ての出版物が均一でプロフェッショナルに見えるようになるし、レビューや出版プロセスが楽になるからね。
論文のフォーマット
ドキュメントサイズ
全ての論文は、USレターサイズ（8.5 x 11インチ）にフォーマットするべき。最初からこのサイズに設定するのを忘れずにね。
マージン
ドキュメントのマージンは以下のように設定する必要があるよ：
- 上マージン：0.75インチ
- 左マージン：0.75インチ
- 右マージン：0.75インチ
- 下マージン：1.25インチ
コラム
論文は二段組にする必要があるよ。各カラムは約3.3インチの幅で、間には0.375インチのスペースをあける感じ。これが多くの出版物の標準で、読みやすさを向上させるからね。
フォントとサイズ
論文のテキストにはTimes RomanかNimbusフォントを使って、サイズは10ポイント、行間は12ポイントにするべき。メインテキストにはComputer ModernやPalatinoのフォントは避けて、サンセリフテキストにはCourier、数学にはSymbolかLucidaを使ってね。
タイトルと著者情報
論文のタイトルはミックスケースで、最初のページの上中央に配置する必要があるよ。16ポイントの太字にすること。著者名はその後にセンターに、12ポイントのフォントで、所属は小さいフォント（9ポイント）で書く感じ。
アブストラクト
メインコンテンツの最初にアブストラクトを含めるべき。これは論文の主要なポイントや発見の簡潔な要約で、200ワード未満にすること。9ポイントのフォントでフォーマットし、「Abstract」という単語は太字かつ中央に配置してね。
ファイルの提出
提出のためにファイルを準備する際は、必要な文書を提供し、ガイドラインに従うことを確認すること。
必要なファイル
いくつかの必須アイテムを提出しないといけないよ：
- 論文のPDFファイル
- .tex形式のソースファイル
- 論文で使用した全てのグラフィックや画像
- 生成されたファイル（.auxや.bibファイルなど）
- ドキュメントに必要なカスタムスタイルファイル
全体的に、提出用のファイルは圧縮フォーマットにしておくべき。混乱を避けるために、ソースファイルの名前には自分の名字を使ってね。
著作権フォーム
論文を提出する際は、署名入りの著作権フォームを含める必要があるよ。このフォームは、自分の作品に対する権利を確認するものだからね。技術報告書を提出する場合は、配布ライセンスも必要だよ。提出の締め切りを守るために、ファックスやメールで送った後、オリジナルのフォームを郵送するのを忘れないで。
イラストや図
図、表、画像は、最初に言及するところに含めるべきだよ。図についての主なポイントは以下の通り：
- 各図は連続番号で番号付けすること（例：Figure 1）。
- 各図の下にキャプションをつけること。
- 高解像度の画像を使用すること、理想的には少なくとも266 dpi。
- 印刷に適していない低品質の画像フォーマット（GIFなど）は避けること。
- 図の中のテキストが読みやすく、適切なサイズになっていることを確認。
参考文献
しっかりした参考文献セクションは、自分の作品に信頼性を与えるために重要だよ。以下のガイドラインに従って：
- 論文の最後に「References」とラベル付けされたセクションを含めること。
- 参考文献は一貫したフォーマットを使うこと。
- テキスト内で引用した全てのソースがこのセクションにリストアップされていることを確認。
よくある落とし穴を避ける
提出の準備をする時に注意すべきよくある間違いは以下の通り：
- 間違ったドキュメントサイズやマージンを使う：必要なサイズに合っているか必ず確認してね。
- 図を正しくフォーマットしない：全ての図が高品質で正しくフォーマットされているか、キャプションと番号も含めて確認。
- 正しいフォントタイプを使わない：指定されたTimes RomanかNimbusに従うこと。
- 著作権フォームを忘れる：このフォームを論文と一緒に提出して遅延を避けることを忘れないで。
結論
これらのガイドラインに従えば、論文を適切に準備して提出するのが楽になるよ。必要なフォーマットに従い、必要な文書を全て含めることで、作品が出版される可能性が高まるからね。アイデアをクリアに伝えることが、学術出版の世界では超重要だから、その基準に従えば、より整理されたプロフェッショナルな研究や見解のプレゼンに貢献できるよ。
タイトル: Learning Graph Structures and Uncertainty for Accurate and Calibrated Time-series Forecasting
概要: Multi-variate time series forecasting is an important problem with a wide range of applications. Recent works model the relations between time-series as graphs and have shown that propagating information over the relation graph can improve time series forecasting. However, in many cases, relational information is not available or is noisy and reliable. Moreover, most works ignore the underlying uncertainty of time-series both for structure learning and deriving the forecasts resulting in the structure not capturing the uncertainty resulting in forecast distributions with poor uncertainty estimates. We tackle this challenge and introduce STOIC, that leverages stochastic correlations between time-series to learn underlying structure between time-series and to provide well-calibrated and accurate forecasts. Over a wide-range of benchmark datasets STOIC provides around 16% more accurate and 14% better-calibrated forecasts. STOIC also shows better adaptation to noise in data during inference and captures important and useful relational information in various benchmarks.
著者: Harshavardhan Kamarthi, Lingkai Kong, Alexander Rodriguez, Chao Zhang, B Aditya Prakash
最終更新: 2024-07-02 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2407.02641
ソースPDF: https://arxiv.org/pdf/2407.02641
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。