Diretrizes para Submissão de Artigos para Workshops do ICML
Instruções essenciais para preparar submissões para o Workshop de Biologia Computacional do ICML.
― 6 min ler
Esse documento dá umas dicas de como enviar trabalhos pro Workshop de Biologia Computacional da ICML. O objetivo é ajudar os autores a prepararem suas submissões direitinho.
Resumo
O resumo deve resumir seu trabalho em umas 4-6 frases. Tem que ser um parágrafo só. Os autores devem manter o resumo curto e focado. Se não atender os requisitos, vai precisar de correções depois.
Submissão Eletrônica
Todas as submissões devem ser feitas online através do site Microsoft CMT. Os autores devem seguir as instruções do site da conferência pra informações sobre a submissão e templates.
Formato da Submissão
- Tipo de arquivo: Todos os trabalhos precisam ser enviados no formato PDF.
- Limite de páginas: O corpo principal do trabalho não pode passar de 4 páginas, sem contar Referências e apêndices. Material adicional nem sempre será revisado.
- Fonte: Use fonte Times de 10 pontos em todo o trabalho. Garanta que o PDF contenha apenas fontes Tipo-1.
- Figuras e Tabelas: Coloque as legendas das figuras abaixo delas e as legendas das tabelas acima. Certifique-se de que todas as figuras e tabelas estão claras e devidamente rotuladas.
- Referências: As referências devem incluir números de página se disponíveis e devem ser completas. Use a ordem cronológica quando houver várias citações. Não mude o estilo do formato ou reduza os espaços, pois isso pode afetar a aparência do seu trabalho.
Enviando Trabalhos
Os autores devem enviar seus manuscritos em formato PDF. Certifique-se de que o PDF usa apenas fontes Tipo-1. Quem usa Microsoft Word deve converter seus documentos para PDF. Não serão aceitas submissões em Word ou qualquer formato que não seja PDF.
Se estiver usando LaTeX, talvez você precise de comandos específicos pra garantir que a saída esteja certa. Usar pdflatex é recomendado pra melhores resultados. Arquivos gráficos devem ser incluídos em Formatos adequados e devem ter um tamanho razoável.
Cópia Final Pronta Para Impressão
Se seu trabalho for aceito, prepare uma versão final seguindo o mesmo formato da submissão inicial, com a adição das informações dos autores. Modifique a nota de rodapé que diz o status do trabalho.
O título do trabalho deve aparecer como um cabeçalho em todas as páginas, exceto na primeira. Ele precisa ser em negrito, centralizado e menor que o título acima da linha horizontal.
Formato do Trabalho
O texto do trabalho deve ser arranjado em duas colunas. A largura total deve ser de 6,75 polegadas. A margem superior deve ser de 1,0 polegada e a margem esquerda deve ser de 0,75 polegada. Evite escrever nas margens.
O título deve ser em negrito, centralizado e em fonte de 14 pontos. Deve haver um espaçamento adequado acima e abaixo pra manter um layout legal.
Informações dos Autores
Na versão final, as informações dos autores devem ser colocadas abaixo do título. Use negrito nos nomes e garanta que eles estejam centralizados. Numere as afiliações claramente e liste-as em uma nota de rodapé. Indique contribuição igual entre os autores quando necessário.
Seção de Resumo
Comece o resumo do trabalho na coluna da esquerda. A palavra "Resumo" deve estar em negrito e centralizada. O corpo do resumo deve usar fonte de 10 pontos com espaçamento adequado.
Organizando Seu Trabalho
Estruture seu trabalho com títulos e parágrafos pra ajudar os leitores a entender o conteúdo claramente.
Seções e Subseções
Numere os títulos das seções e alinhe à esquerda. Use negrito para os títulos e deixe espaço antes e depois. Os títulos das subseções também devem ser numerados e em negrito, mas em uma fonte menor.
Parágrafos e Notas de Rodapé
Os parágrafos não devem ter um recuo, mas devem ser separados por uma linha em branco. As notas de rodapé podem fornecer informações extras sem interromper o fluxo. Indique-as com um número no texto.
Figuras e Tabelas
As figuras devem ser claras e posicionadas centralmente. Use linhas escuras para os gráficos e rotule claramente todos os componentes. Numere as figuras em sequência e forneça legendas depois delas.
As tabelas devem resumir informações e ser apresentadas de forma semelhante às figuras. Coloque as legendas acima das tabelas e garanta que estejam claras e rotuladas.
Teoremas e Definições
Numere definições e itens semelhantes dentro das seções. Ofereça resultados e conclusões de forma clara pra ajudar os leitores a entender os principais pontos.
Referências
Use um formato padrão pra citar referências. Inclua todos os detalhes relevantes pra garantir que cada entrada esteja completa. Organize-as em ordem alfabética com base no sobrenome do primeiro autor. Certifique-se de que as referências sejam consistentes em estilo.
Acessibilidade
Os autores devem tornar suas submissões acessíveis pra todo mundo, incluindo pessoas com deficiência. Diretrizes para tornar os trabalhos mais acessíveis serão fornecidas pela conferência.
Software e Dados
Se aceito, os autores são encorajados a publicar seu software e dados junto com seu trabalho. Forneça uma URL não identificável para fins de revisão. Não inclua nenhuma URL que revele sua identidade durante a revisão.
Agradecimentos
Na versão final, os agradecimentos podem ser incluídos pra agradecer quem ajudou com o trabalho. Coloque isso em uma seção não numerada no final do trabalho.
Apêndice
Você pode adicionar um apêndice se necessário. Isso pode conter informações adicionais relacionadas ao trabalho principal. O apêndice pode ser formatado em estilo de coluna única se necessário.
Conclusão
Seguir essas diretrizes vai ajudar a garantir que sua submissão pro Workshop de Biologia Computacional da ICML esteja organizada e atenda aos padrões exigidos. Uma preparação adequada pode melhorar muito o processo de revisão e aumentar as chances de aceitação.
Título: Complex Preferences for Different Convergent Priors in Discrete Graph Diffusion
Resumo: 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.
Autores: Alex M. Tseng, Nathaniel Diamant, Tommaso Biancalani, Gabriele Scalia
Última atualização: 2023-06-21 00:00:00
Idioma: English
Fonte URL: https://arxiv.org/abs/2306.02957
Fonte PDF: https://arxiv.org/pdf/2306.02957
Licença: https://creativecommons.org/licenses/by/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.