JMLR

Journal of Machine Learning Research (JMLR) to międzynarodowe czasopismo naukowe poświęcone machine learning, działające od 2000 roku. Publikuje recenzowane artykuły dotyczące między innymi nowych algorytmów, metod uczenia, analiz teoretycznych i eksperymentalnych oraz nowych sposobów oceny systemów uczących się. Wszystkie opublikowane artykuły są dostępne bezpłatnie online. Czasopismo posiada elektroniczny ISSN 1533-7928, a jego archiwum obejmuje wszystkie tomy od pierwszego rocznika z 2000 roku.

Najlepsze do:

• szukania recenzowanych artykułów naukowych z machine learning,
• wyszukiwania badań nad nowymi algorytmami i metodami uczenia maszynowego,
• szukania teoretycznych i eksperymentalnych analiz działania metod ML,
• wyszukiwania prac dotyczących optymalizacji, statystycznych podstaw uczenia i metod probabilistycznych,
• szukania pogłębionych artykułów, które zwykle są bardziej rozbudowane niż typowe publikacje konferencyjne,
• śledzenia rozwoju machine learning od początku XXI wieku; archiwum JMLR obejmuje publikacje od 2000 roku,
• wyszukiwania zaproszonych artykułów przeglądowych dotyczących wybranych problemów machine learning,
• znajdowania artykułów opisujących otwarte oprogramowanie dla machine learning; JMLR prowadzi osobną kategorię Machine Learning Open Source Software Papers, a rekordy takich publikacji mogą prowadzić bezpośrednio do kodu,
• pobierania oficjalnych pełnych tekstów i gotowych danych BibTeX bez subskrypcji,
• prowadzenia szerszej kwerendy razem z NeurIPS Proceedings, Proceedings of Machine Learning Research (PMLR), OpenReview, arXiv, Transactions on Machine Learning Research (TMLR), DBLP, Semantic Scholar, Google Scholar i AAAI Publications. JMLR jest szczególnie przydatny do dojrzałych, recenzowanych artykułów czasopismowych, podczas gdy NeurIPS i PMLR zapewniają materiały konferencyjne, OpenReview pozwala śledzić proces recenzowania, a arXiv daje dostęp do preprintów i wcześniejszych wersji prac.

Na co uważać?

• JMLR koncentruje się na teorii i metodach machine learning; redakcja wprost zaznacza, że nie publikuje prac, których głównym wkładem jest zastosowanie istniejących metod ML w innej dziedzinie,
• czasopismo nie obejmuje całej literatury z AI ani machine learning, dlatego przy szerszej kwerendzie trzeba uwzględnić również proceedings konferencyjne i preprinty,
• artykuł dostępny w JMLR może mieć wcześniejszą wersję w arXiv lub innym repozytorium; przy cytowaniu najlepiej korzystać z oficjalnej wersji czasopismowej,
• JMLR nie pozwala na jednoczesne zgłoszenie tej samej pracy do innego czasopisma lub konferencji, choć wcześniejszy preprint nie jest traktowany jako wcześniejsza publikacja,
• czasopismo preferuje prace interesujące dla szerszej społeczności machine learning i może odrzucić artykuł, którego zakres jest zbyt wąski, nawet jeśli technicznie dotyczy ML,
• JMLR nie jest bazą cytowań ani rozbudowaną wyszukiwarką całej literatury; do znajdowania powiązanych publikacji i cytowań lepiej wykorzystać OpenAlex, Semantic Scholar lub Google Scholar,
• nie należy mylić JMLR z Proceedings of Machine Learning Research (PMLR). JMLR jest czasopismem, natomiast PMLR publikuje proceedings konferencji i warsztatów.