論文の概要: The IJCNN 2025 Review Process

• arxiv url: http://arxiv.org/abs/2603.19244v1
• Date: Thu, 19 Feb 2026 15:17:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.76753
• Title: The IJCNN 2025 Review Process
• Title（参考訳）: IJCNN 2025レビュープロセス
• Authors: Michele Scarpiniti, Danilo Comminiello,
• Abstract要約: IJCNN(International Joint Conference on Neural Networks)は、ニューラルネットワーク理論、分析、応用に関する国際会議である。 2025年版は5,526件の論文提出,7,877件のアクティブレビュアー,426件のエリアチェア,2,152件の受理論文,2,300件以上の参加者で構成された。
• 参考スコア（独自算出の注目度）: 11.748189608685564
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The International Joint Conference on Neural Networks (IJCNN) is the premier international conference in the area of neural networks theory, analysis, and applications. The 2025 edition of the conference comprised 5,526 paper submissions, 7,877 active reviewers, 426 area chairs, 2,152 accepted papers, and more than 2,300 attendees. This represents a growth of about 100% in terms of submissions, 200% in terms of reviewers, and over 50% in terms of attendees as compared to the previous edition. In this paper, we describe several key aspects of the whole review process, including a strategy for ranking the scores provided by the reviewers by evaluating a score index and a calibrated version used experimentally to remove reviewer-specific bias from reviews.
• Abstract（参考訳）: IJCNN(International Joint Conference on Neural Networks)は、ニューラルネットワーク理論、分析、応用に関する国際会議である。 2025年版は5,526件の論文提出,7,877件のアクティブレビュアー,426件のエリアチェア,2,152件の受理論文,2,300件以上の参加者で構成された。 これは、応募数で約100%、レビュアーで約200%、参加者で約50%の伸びを示している。 本稿では,レビュアーが提示するスコアのランク付け戦略や,レビュアー固有のバイアスを実験的に評価する校正版など,レビュープロセス全体の重要な側面について述べる。

関連論文リスト

• From Authors to Reviewers: Leveraging Rankings to Improve Peer Review [10.541357028178831]
  近年,機械学習(ML)カンファレンスのレビュー品質が懸念されている。 本稿では,著者ではなくレビュアーからのランキング情報を活用するアプローチを提案する。 その結果, (i)レビュアーからの情報を取り入れたランキングは, 各論文の品質評価を著しく向上させることができ, 著者のみによるランキング情報の利用よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-09-26T19:16:09Z)
• The ICML 2023 Ranking Experiment: Examining Author Self-Assessment in ML/AI Peer Review [49.43514488610211]
  著者が提供するランキングは、機械学習カンファレンスでのピアレビュープロセスを改善するために利用することができる。 著者が提示したランキングを用いて生のレビュースコアを校正するイソトニックメカニズムに注目した。 本稿では,アイソトニック機構の慎重かつリスクの低いいくつかの応用と著者が提案する格付けをピアレビューで提案する。
  論文  参考訳（メタデータ） (2024-08-24T01:51:23Z)
• EFaR 2023: Efficient Face Recognition Competition [51.77649060180531]
  バイオメトリックス国際会議(IJCB 2023)における効率的な顔認識コンペティション(EFaR)の概要について述べる。 この競技会は6つの異なるチームから17の応募を受けた。 提案したソリューションは、様々なベンチマークで達成された検証精度の重み付けスコアと、浮動小数点演算数とモデルサイズによって与えられるデプロイ可能性に基づいてランク付けされる。
  論文  参考訳（メタデータ） (2023-08-08T09:58:22Z)
• Has the Machine Learning Review Process Become More Arbitrary as the Field Has Grown? The NeurIPS 2021 Consistency Experiment [86.77085171670323]
  2014年のNeurIPS実験では、2つの独立した委員会によって10%の会議の提出をレビューし、レビュープロセスにおけるランダム性を定量化した。 両委員会が論文の23%の勧告を受理・棄却することに反対し、審査プロセスがランダムに再実行された場合、2014年度の結果と一致して、受理された論文のリストの約半数が変更されることを観察する。
  論文  参考訳（メタデータ） (2023-06-05T21:26:12Z)
• Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
  ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。 この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。 このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。 我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
  論文  参考訳（メタデータ） (2022-04-05T19:39:13Z)
• Recognizing Families In the Wild: White Paper for the 4th Edition Data Challenge [91.55319616114943]
  本稿では,Recognizing Families In the Wild(RFIW)評価における支援課題(親族検証,三対象検証,行方不明児の検索・検索)を要約する。 本研究の目的は、2020年のRFIWチャレンジと、将来的な方向性の予測について述べることである。
  論文  参考訳（メタデータ） (2020-02-15T02:22:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。