Week 8

Construct your paper.

Цель этой недели – проверить, что все разделы статьи формально написаны и подготовить статью к рецензированию.

D: Document, the whole

• Название
• Аннотация (пишется в первую очередь и переписываются после завершения работ): указание на область, изложение идеи и центрального результата (не более 600 знаков)
• Ключевые слова (основные термины; можно использовать те, которые дали хорошие результаты поиска)
• Введение (около страницы, не более двух); примерный план по абзацам:
  • Основное сообщение — чему посвящена работа (одна-две фразы)
  • Определения основных терминов согласно критерию ССС: Correct, Complete, Concise (корректно, полно, сжато)
  • Основная идея (не более абзаца)
  • Обзор литературы — развитие предлагаемой идеи (два абзаца)
  • Современное состояние области (два-четыре абзаца)
  • Что предлагается с преимуществами и недостатками относительно близких работ (два абзаца)
• Постановка задачи (примерно страница)
  • Дано (как устроена выборка, модель измерения, алгебраическая структура)
  • Предполагается, что (статистические гипотезы, гипотезы порождения данных)
  • Ограничения и другие предположения о характере данных
  • Функция ошибки, правдоподобия, функционал или критерий качества искомой модели, решения (часто вытекает из гипотезы порождения данных)
  • Стратеги разбиения выборки, пополнения выборки, скользящего контроля
  • Внешние, эксплуатационные критерий качества тут или в эксперименте
  • Дополнительные требования к решению (к тому, что мы получаем в результате решения)
• Решение: математическая часть (тут название первого раздела)
  • Свойства модели или предлагаемого решения
  • Описание алгоритма получения решения
  • Свойства алгоритма
• Другие разделы (если есть, например, альтернативные решения)
• Вычислительный эксперимент
  • Цель эксперимента (что ожидаем получить, какую гипотезу проверяем)
  • Описание постановки и условий эксперимента
  • Описание данных, достаточное, чтобы воспроизвести эксперимент самостоятельно, ссылка на выборку
  • Описание алгоритма или ход эксперимента
  • Описание полученных результатов
    • Графики с подробной подписью: в пояснении указать 1) что видит читатель, что показано на графике, 2) какие следствия вытекают из показанного
    • Таблицы с подписью сверху: 1) сослаться на формулы, поясняющие значения столбцов 2) написать о следствиях
  • Выводы, сравнение результатов, полученных альтернативным путем
  • Ссылка на  github.com/Intelligent-Systems-Phystech/ваша_папка для того, чтобы другие исследователи могли проверить результаты или использовать их в дальнейшей работе
• Заключение: сжатое изложение результатов и планы дальнейших исследований (1/4 страницы)
• Литература: опорные статьи за последние 10 лет, максимально покрывающие тематику (не менее 17-30 ссылок)
  • Взять всю литературу из LinReview и для обсуждения полного текста работы привести полный список
  • Совет: используйте команду TeX \nocite{*} при выводе из файла bbl для получения полного списка

M*: Middle talk

Make one-slide presentation to introduce the main principle of your work.

1. Use the slide template
   • ZIP,
   • PDF,
   • PDF Ru.
2. Set the all the slides you can extract from the paper:
   1. title,
   2. goals,
   3. one-slide, corrected, now it is No. 3,
   4. literature, five items, no more,
   5. problem statement starts with hypothesis, the model included,
   6. problem statement ends with quality criterions,
   7. problem solution, theoretical part,
   8. goals of the computational experiment, including general statistics,
   9. error analysis,
   10. table models-data sets-criterions,
   11. results and conclusions.
3. Check the link to your slides in the result table.
4. Prepare a talk for 2-5 min.
5. See examples in the lecture slides.

Resources

• Video for week 8.
• Slides for week 8.
• Examples of papers
  1. Katrutsa A.M., Strijov V.V. Comprehensive study of feature selection methods to solve multicollinearity problem according to evaluation criteria // Expert Systems with Applications, 2017 article
  2. Motrenko A., Strijov V., Weber G.-W. Bayesian sample size estimation for logistic regression // Journal of Computational and Applied Mathematics, 2014, 255 : 743-752. article
  3. Kulunchakov A.S., Strijov V.V. Generation of simple structured Information Retrieval functions by genetic algorithm without stagnation // Expert Systems with Applications, 2017, 85 : 221-230. article
• Examples of presentations
  1. Пример 1,
  2. Пример 2
  3. Пример 3
  4. Пример 4
  5. Пример 5