爱思唯尔的KBS——模板、投稿、返修、接收的总结

简介: 爱思唯尔的KBS——模板、投稿、返修、接收的总结

爱思唯尔的KBS——模板、投稿、返修、接收的总结

投稿

适用什么类型的论文?

这里引用期刊的介绍:基于知识的系统是人工智能领域的国际性跨学科期刊。该期刊将发表该领域的原创性、创新性和创造性研究成果,旨在关注基于知识和其他人工智能技术的系统研究,其目标和能力如下:通过数据科学和计算技术支持人类预测和决策;均衡报道该领域的理论和实践研究;鼓励基于知识的智能模型、方法、系统和软件工具的新开发和实施,并应用于商业、政府、教育、工程和医疗保健领域。

 

本刊目前的主要议题包括但不限于:

 

机器学习理论、方法和算法

数据科学理论、方法和技术

知识呈现与工程

推荐系统和电子服务个性化

智能决策支持系统、预测系统和预警系统

计算智能系统

数据驱动的优化

认知交互和脑机接口

基于知识的计算机视觉技术

投稿时需要准备的文件?

 

 

Manuscript:第一次投稿的时候只需要提供论文的PDF,返修的时候需要给latex源码。推荐使用在线LaTeX(Overleaf)编译。

Cover Letter:一般是介绍下自己的论文内容,感谢编辑啥的,网上模板也有很多。

Declaration of Interest statement:利益声明的文件,用官方提供的模板就好,或者下载我提供的也行。

Author Agreement:使用pdf格式,需要每个作者手写签名。

投稿到返修的时间:

我是四月底投的,九月初审稿完成。KBS要求至少三个审稿人,审稿需要所有审稿人都给了建议才会结束,所以这个时间就挺看运气。每个审稿人必须在两个月内给出意见,如果某个审稿人超时了,期刊就会重新邀请新的审稿人,我就是有个审稿人一直没给意见,就被硬拖。

 

返修

需要准备的东西:

 

detailed response to reviewers:给主编、副编、审稿人的点对点的回复(.docx)。没有明确要求什么格式,这里提供下我的回复格式。

revised manuscript (clean version):不带高亮的手稿。在这里面传 .tex文件,同时也需要传所有我们编译需要的文件,包括图片和latex的格式文件,例如==.cls==、.bib。

revised manuscript (with change marked): 初稿论文被改变了的内容需要高亮。如果我们在clean version里面传了全部latex文件,那么这个选项就只需要传高亮版本的.tex文件。

返修到接收的时间:

通常返修会给40+42天,就算三个月,所以时间很长,但是不建议弄这么久,最好能一个月就改好。我返修了两次,第一次大修,但是两个审稿人意见都比较好,第三个审稿人的意见有点复杂。第二次返修只剩两个审稿人还有意见,一个说还存在一些语法错误(所以编辑也让去润色了,但就算审稿人不说,我从网上和身边了解到的情况是KBS都会让润色),另一个是直接建议期刊拒绝接受…这是真难绷,让我一度以为凉了。幸运的是,编辑那边还是同意了,在第二次返修的邮件里编辑让我点对点的在cover letter里面回复第三个审稿人的那些问题,注意是cover letter,这个文件一般是给编辑看的,当然给审稿人的response也提供了,两个内容是一样的,但是第二次返修不会再走审稿流程了,只是处于with editor里。

 

注意

KBS一般在在最后步骤都会是条件接受,也就是会让你先去用爱思唯尔官方服务的润色,大概两千人民币吧。

 

接收

接受后

一段时间后会发个邮件让填一些表格,例如再次确定作者信息、是否需要纸质期刊等。再过几天就会通知预览版出来了,也就是可以在网上搜到文章。然后再过两三天就会给最终版,此时可以进行一些格式或者内容的调整。

 

详细时间线可以看下图

image.png

需要修改模版里面最开始的命令\usepackage[round,authoryear]{natbib},把它改成\usepackage[numbers]{natbib},模版是ESWA的,KBS只是引用文献时显示的数字,而ESWA是显示作者名。 image.png

 

目录
相关文章
|
数据库
【latex】在Overleaf的IEEE会议模板中,快速插入参考文献
【latex】在Overleaf的IEEE会议模板中,快速插入参考文献
3334 1
conda常用操作和配置镜像源
conda常用操作和配置镜像源
30900 0
|
编译器
overleaf 参考文献引用,创建引用目录.bib文件,在文档中引用参考文献,生成参考文献列表
overleaf 参考文献引用,创建引用目录.bib文件,在文档中引用参考文献,生成参考文献列表
8937 0
|
资源调度
一天掌握latex论文编辑,从标题作者,段落,数学公式,图片,图表,到参考文献全流程
一天掌握latex论文编辑,从标题作者,段落,数学公式,图片,图表,到参考文献全流程
1419 0
|
人工智能 搜索推荐 算法
爱思唯尔的KBS——模板、投稿、返修、接收的总结
爱思唯尔的KBS——模板、投稿、返修、接收的总结
|
10月前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
3266 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
编解码 计算机视觉 异构计算
【CV大模型SAM(Segment-Anything)】如何一键分割图片中所有对象?并对不同分割对象进行保存?
【CV大模型SAM(Segment-Anything)】如何一键分割图片中所有对象?并对不同分割对象进行保存?
|
数据可视化 Ubuntu Linux
PyCharm连接远程服务器配置的全过程
相信很多人都遇见过这种情况:实验室成员使用同一台服务器,每个人拥有自己的独立账号,我们可以使用服务器更好的配置完成实验,毕竟自己哪有money拥有自己的3090呢。 通常服务器系统采用Linux,而我们平常使用频繁的是Windows系统,二者在操作方面存在很大的区别,比如我们实验室的服务器采用Ubuntu系统,创建远程交互任务时可以使用Terminal终端或者VNC桌面化操作,我觉得VNC很麻烦,所以采用Terminal进行实验,但是Terminal操作给我最不好的体验就是无法可视化中间实验结果,而且实验前后的数据上传和下载工作也让我头疼不已。
|
机器学习/深度学习 数据可视化 PyTorch
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
深度学习之如何使用Grad-CAM绘制自己的特征提取图-(Pytorch代码,详细注释)神经网络可视化-绘制自己的热力图
|
机器学习/深度学习 自然语言处理
一文搞懂Transformer的位置编码
一文搞懂Transformer的位置编码
4481 2