ICMLワークショップ論文提出のガイドライン
ICMLワークショップ「計算生物学」への提出準備に関する基本的な指示。
― 1 分で読む
このドキュメントは、ICMLワークショップの計算生物学への論文提出に関するガイドラインを示しています。著者が適切に提出物を準備できるようにすることを目的としています。
アブストラクト
アブストラクトは、あなたの研究を4〜6文で要約するものです。1段落でまとめてください。著者はアブストラクトを短く、焦点を絞ったものにするべきです。要件を満たさない場合は、後で修正が必要になります。
電子提出
すべての提出は、Microsoft CMTのウェブサイトを通じてオンラインで行う必要があります。著者は、提出やテンプレートに関する情報について、カンファレンスのウェブサイトの指示に従ってください。
提出フォーマット
- ファイルタイプ: すべての論文はPDF形式で提出する必要があります。
- ページ制限: 論文の本体は、参考文献や付録を除いて4ページを超えてはいけません。追加の資料は必ずしもレビューされるわけではありません。
- フォント: 論文全体に10ポイントのTimesフォントを使用してください。PDFはType-1フォントのみを含むようにしてください。
- 図と表: 図のキャプションは図の下に、表のキャプションは表の上に配置してください。すべての図と表が明確にラベル付けされていることを確認してください。
- 参考文献: 参考文献には、可能であればページ番号を含め、完全に記載する必要があります。引用が複数ある場合は、時系列順に並べてください。フォーマットのスタイルを変更したり、スペースを減らさないでください。論文の見た目に影響する可能性があります。
論文の提出
著者は、自分の原稿をPDF形式で提供する必要があります。PDFはType-1フォントのみを使用していることを確認してください。Microsoft Wordを使用している場合は、文書をPDF形式に変換する必要があります。WordまたはPDF以外のフォーマットでの提出は受け付けられません。
LaTeXを使用する場合は、出力が正しいことを確認するために特定のコマンドが必要になることがあります。良い結果を得るためにはpdflatexの使用をお勧めします。グラフィックファイルは適切なフォーマットで含め、適切なサイズにしてください。
最終カメラレディコピー
論文が受け入れられたら、最初の提出と同じフォーマットで最終版を準備し、著者情報を追加してください。論文のステータスを示す脚注を修正してください。
論文のタイトルは各ページの上部に、最初のページを除いてヘッダーとして表示する必要があります。太字で中央揃えにし、横線の上のタイトルより小さくしてください。
論文フォーマット
論文のテキストは2列に配置する必要があります。全体の幅は6.75インチにしてください。上余白は1.0インチ、左余白は0.75インチにします。余白には書かないようにしてください。
タイトルは太字で中央揃え、14ポイントで表示してください。整然としたレイアウトを保持するために、上下に適切なスペースを確保してください。
著者情報
最終版では、著者情報をタイトルの下に配置する必要があります。名前は太字にし、中央揃えにしてください。所属は明確に番号付けし、脚注にリストします。必要に応じて、著者間の平等な貢献を示してください。
アブストラクトセクション
論文のアブストラクトは左側の列で始めます。「Abstract」という単語は太字で中央揃えにします。アブストラクトの本文は10ポイントのサイズで適切なスペースを確保してください。
論文の整理
見出しと段落を使って論文を構成し、読者が内容を明確に理解できるようにします。
セクションとサブセクション
セクションの見出しには番号を付け、左揃えにします。見出しは太字にし、前後にスペースを設けてください。サブセクションの見出しも番号を付けて太字にしますが、フォントサイズは小さめにします。
段落と脚注
段落にインデントは付けず、空白行で区切ります。脚注は流れを妨げずに追加情報を提供できます。テキスト中に番号で示してください。
図と表
図は明確に中央に配置します。グラフには濃い線を使い、すべての要素を明確にラベル付けします。図は順に番号を付け、キャプションを後に提供してください。
表は情報をまとめ、図と同様に提示します。キャプションは表の上に配置し、明確でラベル付けされていることを確認します。
定理と定義
セクション内の定義や類似のアイテムに番号を付けます。結果や結論を明確に示し、読者が主なポイントを理解できるようにします。
参考文献
参考文献の引用には標準フォーマットを使用してください。各エントリが完全になるように、すべての関連詳細を含めてください。著者の姓に基づいてアルファベット順に並べます。参考文献のスタイルが一貫していることを確認してください。
アクセシビリティ
著者は、すべての人、特に障害のある人々がアクセスできるように提出物を準備する必要があります。論文をよりアクセスしやすくするためのガイドラインは、カンファレンスから提供されます。
ソフトウェアとデータ
受け入れられた場合、著者は自分のソフトウェアとデータを論文と一緒に公開することを推奨します。レビュー目的のために、識別できないURLを提供してください。レビュー中に自分の身元を明かすURLは含めないでください。
謝辞
最終版では、作業を手伝ってくれた人々に感謝の意を表するために謝辞を含めることができます。論文の最後の無番号のセクションに配置してください。
付録
必要に応じて付録を追加できます。これには、主論文に関連する追加情報が含まれることがあります。付録は必要に応じて一列スタイルでフォーマットできます。
結論
これらのガイドラインに従うことで、ICMLワークショップの計算生物学への提出を整理し、必要な基準を満たすことができます。適切な準備はレビュー過程を大いに向上させ、受け入れられる可能性を高めることができます。
タイトル: Complex Preferences for Different Convergent Priors in Discrete Graph Diffusion
概要: Diffusion models have achieved state-of-the-art performance in generating many different kinds of data, including images, text, and videos. Despite their success, there has been limited research on how the underlying diffusion process and the final convergent prior can affect generative performance; this research has also been limited to continuous data types and a score-based diffusion framework. To fill this gap, we explore how different discrete diffusion kernels (which converge to different prior distributions) affect the performance of diffusion models for graphs. To this end, we developed a novel formulation of a family of discrete diffusion kernels which are easily adjustable to converge to different Bernoulli priors, and we study the effect of these different kernels on generative performance. We show that the quality of generated graphs is sensitive to the prior used, and that the optimal choice cannot be explained by obvious statistics or metrics, which challenges the intuitions which previous works have suggested.
著者: Alex M. Tseng, Nathaniel Diamant, Tommaso Biancalani, Gabriele Scalia
最終更新: 2023-06-21 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2306.02957
ソースPDF: https://arxiv.org/pdf/2306.02957
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。