hinton发表论文

小西：小迪小迪，我发现人工智能发展史上很多事情都跟下棋有关呐。小迪：是啊，人工智能发展史还是要从下棋说起，棋类游戏很多时候都被人类看做高智商游戏，在棋类游戏中让机器与人类博弈自然再好不过了。早在1769年，匈牙利作家兼发明家Wolfgang von Kempelen就建造了机器人TheTurk，用于与国际象棋高手博弈，但是最终被揭穿，原来是机器人的箱子里藏着一个人。虽然这是个局，但是也体现了棋类游戏是人机博弈中的焦点。小西：哇，这么早啊！小迪：是啊，在1968年上映的电影《2001太空漫游》里，有个情节是机器人HAL与人类Frank下国际象棋，最终人类在机器人面前甘拜下风。小西：哈哈，看来很早人们就觉得有一天，机器人会在下棋方面超过人类哦。小迪：是啊，直到1997年，IBM的深蓝智能系统战胜了国际象棋世界冠军Kasparov，这是一次正式意义上的机器在国际象棋领域战胜了人类。不过，当时时代杂志发表的文章还认为，计算机想要在围棋上战胜人类，需要再过上一百年甚至更长的时间。因为围棋相比于国际象棋复杂很多，而IBM的深蓝也只是一个暴力求解的系统，当时的计算机能力在围棋千千万万种变化情况下取胜是不可能的。小西：后来我知道。没有过100年，20年后AlphaGo在20年后的2016年打败了围棋高手李世石，这下人工智能引起了全世界的关注。小迪：恭喜你，学会抢答了！小西：哈哈，过奖过奖。除了下棋，人工智能发展史上有没有什么特别著名的事件或者有名的大师呢，快给我科普科普呀！小迪：那可就太多了啊，无数科学家默默地耕耘才有了今天智能化的社会，三天三夜都说不完。我就说说近些年火爆的深度学习的发展史吧。小西：好，洗耳恭听呢！感知器的发明 1943年Warren McCulloch和Walter Pitts一起提出计算模型，在1957年康奈尔大学的Frank Rosenblatt提出了感知器的概念，这是整个深度学习的开端，感知器是第一个具有自组织自学习能力的数学模型。Rosenblatt乐观地预测感知器最终可以学习，做决定和翻译语言。感知器技术在六十年代非常火热，受到了美国海军的资金支持，希望它以后能够像人一样活动，并且有自我意识。第一次低潮 Rosenblatt有一个高中校友叫做Minsky，在60年代，两人在感知器的问题上吵得不可开交。R认为感知器将无所不能，M觉得感知器存在很大的缺陷，应用有限。1969年，Minsky出版了新书《感知器：计算几何简介》，这本书中描述了感知器的两个重要问题：单层神经网络不能解决不可线性分割的问题，典型例子：异或门；当时的电脑完全没有能力承受神经网络的超大规模计算。随后的十多年，人工智能转入第一次低潮，而Rosenblatt也在他43生日时，因海事丧生，遗憾未能见到神经网络后期的复兴。 Geoffrey Hinton与神经网络 1970年，此时的神经网络正处于第一次低潮期，爱丁堡大学的心理学学士Geoffrey Hinton刚刚毕业。他一直对脑科学非常着迷，同学告诉他，大脑对事物和概念的记忆，不是存储在某个单一的地方，而是分布式的存在一个巨大的神经网络中。分布式表征让Hinton感悟很多，随后的多年里他一直从事神经网络方面的研究，在爱丁堡继续攻读博士学位的他把人工智能作为自己的研究领域。 Rumelhart与BP算法传统的神经网络拥有巨大的计算量，上世纪的计算机计算能力尚未能满足神经网络的训练。1986年7月，Hinton和David Rumelhart合作在Nature杂志上发表论文系统地阐述了BP算法：反向传播算法（BP）把纠错运算量下降到只和神经元数目有关；BP算法在神经网络中加入隐层，能够解决非线性问题。 BP算法的效率相比传统神经网络大大提高，计算机的算力在上世纪后期也大幅提高，神经网络开始复苏，引领人工智能走向第二次辉煌。 Yann Lecun与卷积神经网络 1960年Yann Lecun在巴黎出身，在法国获得博士学位后，追随Hinton做了一年博士后，随后加入贝尔实验室。在1989年，Lecun发表论文提出卷积神经网络，并且结合反向传播算法应用在手写邮政编码上，取得了非常好的效果，识别率高达95%。基于这项技术的支票识别系统在90年代占据了美国接近20%的市场。但也是在贝尔实验室，Yann Lecun的同事Vladmir Vapnik的研究又把神经网络的研究带入了第二个寒冬。 Hinton与深度学习 2003年，Geoffrey Hinton在多伦多大学苦苦钻研着神经网络。在与加拿大先进研究院（CIFAR）的负责人Melvin Silverman交谈后，负责人决定支持Hinton团队十年来进行神经网络的研究。在拿到资助后，Hinton做的第一件事就是把神经网络改名为深度学习。此后的一段时间里，同事经常会听到Hinton在办公室大叫：“我知道神经网络是如何工作的了！” DBN与RBN 2006年Hinton与合作者发表论文——《A Fast Algorithm for Deep BeliefNet》（DBN）。这篇文章中的算法借用了统计力学中“波尔兹曼分布”的概念，使用了所谓的“受限玻尔兹曼机”，也就是RBN来学习。而DBN也就是几层RBN叠加在一起。RBN可以从输入数据进行预训练，自己发现重要的特征，对神经网络的权重进行有效的初始化。这里就出现了另外两个技术——特征提取器与自动编码器。经过MNIST数据集的训练后，识别错误率最低降到了只有1.25%。吴恩达与GPU 2007年，英伟达推出cuda的GPU软件接口，GPU编程得以极大发展。2009年6月，斯坦福大学的Rajat Raina和吴恩达合作发表文章，论文采用DBNs模型和稀疏编码，模型参数高达一亿，使用GPU运行速度训练模型，相比传统双核CPU最快时相差70倍，把本来需要几周训练的时间降到了一天。算力的进步再次加速了人工智能的快速发展。黄仁勋与GPU 黄仁勋也是一名华人，1963年出生于台湾，在1993年于斯坦福毕业后创立了英伟达公司，英伟达起家时主要做图像处理芯片，后来黄仁勋发明GPU这个词。相比于CPU架构，GPU善于大批量数据并行处理。而神经网络的计算工作，本质上就是大量的矩阵计算的操作，GPU的发展为深度学习奠定了算力的基础。李飞飞与ImageNet 深度学习的三大基础——算法，算力和数据。上面提到的主要是算法与算力的发展，而数据集在深度学习发展也起到了至关重要的作用。又是一位华人学者——李飞飞，于2009年建立ImageNet数据集，以供计算机视觉工作者使用，数据集建立的时候，包含320个图像。2010年，ILSVRC2010第一次举办，这是以ImageNet为基础的大型图像识别大赛，比赛也推动了图像识别技术的飞速发展。2012年的比赛，神经网络第一次在图像识别领域击败其他技术，人工智能步入深度学习时代，这也是一个历史性的转折点。 Yoshua Bengio与RELU 2011年，加拿大学者Xavier Glorot与Yoshua Bengio联合发表文章，在算法中提出一种激活函数——RELU，也被称为修正线性单元，不仅识别错误率普遍降低，而且其有效性对于神经网络是否预训练过并不敏感。而且在计算力方面得到提升，也不存在传统激活函数的梯度消失问题。 Schmidhuber与LSTM 其实早在1997年，瑞士Lugano大学的Suhmidhuber和他的学生合作，提出了长短期记忆模型（LSTM）。LSTM背后要解决的问题就是如何将有效的信息，在多层循环神经网络传递之后，仍能传送到需要的地方去。LSTM模块，是通过内在参数的设定，决定某个输入参数在很久之后是否还值得记住，何时取出使用，何时废弃不用。后记小迪：其实还有好多有突出贡献的的大师，要是都列出来可以出一本很厚很厚的书啦！小西：这些大师都好厉害呀，为了我们的智能化生活体验，辛勤付出了一辈子。小迪：是啊，还有很多学者默默无闻地工作，一生清苦。小西：他们都好伟大，有突出贡献的都应该发奖发奖金，对对对，诺贝尔奖！小迪：哈哈。诺贝尔奖多数是为基础学科设立的。不过计算机界也有“诺贝尔奖”——图灵奖，这可是计算机界最高奖项哦！2019年3月27日，ACM宣布，Geoffrey Hinton，Yann LeCun ，和Yoshua Bengio共同获得了2018年的图灵奖。小西：太棒了，实至名归！小迪：当然，图灵奖在此之前也授予了很多在人工智能领域的大牛，像Minsky，John McCarthy这些，还有华人科学家，现在在清华大学任职从事人工智能教育的姚期智先生在2000也获得过图灵奖呢！小西：大师们太不容易了，我们也要好好学习呀！小迪：是呀！如今我们站在巨人的肩膀上，许多人都可以接触到深度学习，机器学习的内容，不管是工业界还是学术界，人工智能都是一片火热！小西：希望这一轮人工智能的兴起不会有低潮，一直蓬勃发展下去，更好地造福人类。小迪：嗯！

“很多昆虫在幼虫形态的时候是最擅长从环境中吸取能量和养分的，而当他们成长为成虫的时候则需要擅长完全不同能力比如迁移和繁殖。”在2014年Hinton发表的知识蒸馏的论文中用了这样一个很形象的比喻来说明知识蒸馏的目的。在大型的机器学习任务中，我们也用两个不同的阶段 training stage 和 deployment stage 来表达两种不同的需求。training stage（训练阶段）可以利用大量的计算资源不需要实时响应，利用大量的数据进行训练。但是在deployment stage （部署阶段）则会有很多限制，比如计算资源，计算速度要求等。知识蒸馏就是为了满足这种需求而设计的一种模型压缩的方法。

知识蒸馏的概念最早是在2006年由Bulica提出的，在2014年Hinton对知识蒸馏做了归纳和发展。知识蒸馏的主要思想是训练一个小的网络模型来模仿一个预先训练好的大型网络或者集成的网络。这种训练模式又被称为 "teacher-student"，大型的网络是“老师”，小型的网络是“学生”。

在知识蒸馏中，老师将知识传授给学生的方法是：在训练学生的过程中最小化一个以老师预测结果的概率分布为目标的损失函数。老师预测的概率分布就是老师模型的最后的softmax函数层的输出，然而，在很多情况下传统的softmax层的输出，正确的分类的概率值非常大，而其他分类的概率值几乎接近于0。因此，这样并不会比原始的数据集提供更多有用的信息，没有利用到老师强大的泛化性能，比如，训练MNIST任务中数字‘3’相对于数字‘5’与数字‘8’的关系更加紧密。为了解决这个问题，Hinton在2015年发表的论文中提出了‘softmax temperature’的概念，对softmax函数做了改进：这里的就是指 temperature 参数。当等于1 时就是标准的softmax函数。当增大时，softmax输出的概率分布就会变得更加 soft（平滑），这样就可以利用到老师模型的更多信息（老师觉得哪些类别更接近于要预测的类别）。Hinton将这样的蕴含在老师模型中的信息称之为 "dark knowledge"，蒸馏的方法就是要将这些 "dark knowledge" 传给学生模型。在训练学生的时候，学生的softmax函数使用与老师的相同的，损失函数以老师输出的软标签为目标。这样的损失函数我们称为"distillation loss"。

在Hinton的论文中，还发现了在训练过程加上正确的数据标签（hard label）会使效果更好。具体方法是，在计算distillation loss的同时，我利用hard label 把标准的损失（）也计算出来，这个损失我们称之为 "student loss"。将两种 loss 整合的公式如下：

这里的是输入，是学生模型的参数，是交叉熵损失函数，是 hard label ，是参数有的函数，是系数，分别是学生和老师的logits输出。模型的具体结构如下图所示：

在上述公式中，是作为超参数人为设置的，Hinton的论文中使用的的范围为1到20，他们通过实验发现，当学生模型相对于老师模型非常小的时候，的值相对小一点效果更好。这样的结果直观的理解就是，如果增加的值，软标签的分布蕴含的信息越多导致一个小的模型无法"捕捉"所有信息但是这也只是一种假设，还没有明确的方法来衡量一个网络“捕捉”信息的能力。关于，Hinton的论文中对两个loss用了加权平均：。他们实验发现，在普通情况下相对于非常小的情况下能得到最好的效果。其他人也做了一些实验没用加权平均，将设置为1，而对进行调整。

Hinton的论文中做了三个实验，前两个是MNIST和语音识别，在这两个实验中通过知识蒸馏得到的学生模型都达到了与老师模型相近的效果，相对于直接在原始数据集上训练的相同的模型在准确率上都有很大的提高。下面主要讲述第三个比较创新的实验：将知识蒸馏应用在训练集成模型中。

训练集成模型（训练多个同样的模型然后集成得到更好的泛化效果）是利用并行计算的非常简单的方法，但是当数据集很大种类很多的时候就会产生巨大的计算量而且效果也不好。Hinton在论文中利用soft label的技巧设计了一种集成模型降低了计算量又取得了很好的效果。这个模型包含两种小模型：generalist model 和 specialist model（网络模型相同，分工不同）整个模型由很多个specialist model 和一个generalist model 集成。顾名思义generalist model 是负责将数据进行粗略的区分（将相似的图片归为一类），而specialist model（专家模型）则负责将相似的图片进行更细致的分类。这样的操作也非常符合人类的大脑的思维方式先进行大类的区分再进行具体分类，下面我们看这个实验的具体细节。实验所用的数据集是谷歌内部的JFT数据集，JFT数据集非常大，有一亿张图片和15000个类别。实验中 generalist model 是用所有数据集进行训练的，有15000个输出，也就是每个类别都有一个输出概率。将数据集进行分类则是用Online k-means聚类的方法对每张图片输入generalist model后得到的软标签进行聚类，最终将3%的数据为一组分发给各个specialist，每个小数据集包含一些聚集的图片，也就是generalist认为相近的图片。在specialist model的训练阶段，模型的参数在初始化的时候是完全复制的generalist中的数值（specialist和generalist的结构是一模一样的），这样可以保留generalist模型的所有知识，然后specialist对分配的数据集进行hard label训练。但是问题是，specialist如果只专注于分配的数据集（只对分配的数据集训练）整个网络很快就会过拟合于分配的数据集上，所以Hinton提出的方法是用一半的时间进行hard label训练，另一半的时间用知识蒸馏的方法学习generalist生成的soft label。这样specialist就是花一半的时间在进行小分类的学习，另一半的时间是在模仿generalist的行为。整个模型的预测也与往常不同。在做top-1分类的时候分为以下两步：第一步：将图片输入generalist model 得到输出的概率分布，取概率最大的类别k。第二步：取出数据集包含类别k的所有specialists，为集合（各个数据集之间是有类别重合的）。然后求解能使如下公式最小化的概率分布q作为预测分布。

这里的KL是指KL散度（用于刻画两个概率分布之间的差距）和分别是测试图片输入generalist 和specialists(m)之后输出的概率分布，累加就是考虑所有属于集合的specialist的“意见”。

由于Specialist model的训练数据集很小，所以需要训练的时间很短，从传统方法需要的几周时间减少到几天。下图是在训练好generalist模型之后逐个增加specialist进行训练的测试结果：

从图中可以看出，specialist个数的增加使top1准确个数有明显的提高。

本文结合Hinton在2014年发表的论文对知识蒸馏和相关实验做了一个简单的介绍，如今很多模型都用到了知识蒸馏的方法，但知识蒸馏在深度学习中还是非常新的方向，还有非常多的应用场景等待研究。

项目地址：

[1]Hinton G, Vinyals O, Dean J. Distilling the knowledge in a neural network[J]. arXiv preprint arXiv:1503.02531, 2015. [2] [3]

hinton发表的论文

从图中可以看出，specialist个数的增加使top1准确个数有明显的提高。

项目地址：

[1]Hinton G, Vinyals O, Dean J. Distilling the knowledge in a neural network[J]. arXiv preprint arXiv:1503.02531, 2015. [2] [3]

1、The Outsiders 局外人2、内容介绍：《局外人》是加缪的成名作，也是存在主义文学的代表作品。它形象地体现了存在主义哲学关于“荒谬”的观念；由于人和世界的分离，世界对于人来说是荒诞的、毫无意义的，而人对荒诞的世界无能为力，因此不抱任何希望，对一切事物都无动于衷。《局外人》以“今天，妈妈死了，也许是昨天，我不知道”开始，以“我还希望处决我的那一天有很多人来看，对我发出仇恨的喊叫声”结束。小说以这种不动声色而又蕴含内在力量的平静语调为我们塑造了一个惊世骇俗的“荒谬的人”：对一切都漠然置之的莫尔索。3、作者介绍：阿尔贝·加缪(Albert Camus，1913～1960)，法国作家、哲学家。1957年获得诺贝尔文学奖。1960年在一次车祸中不幸身亡。加缪是荒诞哲学及其文学的代表人物，他的代表作《局外人》与同年发表的哲学论文集《西西弗的神话》，曾在欧美产生巨大影响。加缪的文笔简洁、明快、朴实，他的文学作品总是同时蕴含着哲学家对人生的严肃思考和艺术家的强烈激情。其哲学和文学作品对后期的荒诞派戏剧和新小说影响很大。评论家认为加缪的作品体现了适应工业时代要求的新人道主义精神。萨特说他在一个把现实主义当作金牛膜拜的时代里，肯定了精神世界的存在。

这个词条问题会产生很多误会，然后被不停的复制黏贴，the outsiders是S.E.Hinton美国女作家高中时期的成名作，写的是贫富两个少年帮派的故事，畅销五十年，曾经被列为禁书，但是后来美国中学高中阶段的必读书目。bbc列为最具影响力的100本书之一。然而还有一本淘宝可以买到的叫做局外人，是法国作家Albert Camus写的，英文书名是 The Stranger ，法语是L'Étranger。如果翻译成陌生人可能更好。这本书说的是荒谬的哲学基础。是法国著名的书。作者获得过诺贝尔文学奖。

Ponyboy跟Jonny是Greaser（没钱的穷屌丝）里面最小的成员，有一天他们去看电影偶然遇到了Cherry和Marcia（白富美），两个有钱的Soc女孩，并与他们成了朋友。但是cherry的男朋友（高富帅）Bob就很不爽，找机会围攻了Ponyboy和Jonny。Bob把Ponyboy弄到水池里，差点把Ponyboy淹死，于是Jonny就用一把弹簧刀杀了Bob。他们向Dally求救，Dally告诉他们去Taxas上的废弃教堂躲避。后来教堂着火了，Pony跑去救火中的小孩，Jonny和Dally也去了。但是Jonny受很重的伤，在告诉Ponyboy“stay gold(保持心中对美好事物的感觉)”之后就死了。Dally因为Jonny是他心中最想守护的净土，然后Dally也自杀死了。Dally的死因是抢劫商店，在跟警察对峙的时候拿着一把没有子弹的枪，于是就被警察开枪杀死了。Ponyboy找到了Jonny留下的《飘》中的信。内容是：告诉Dally这世间还有美好的东西，以及他不后悔为了拯救孩子们去死。结局：Ponyboy经历了这些之后很崩溃，英语老师叫他写一篇文章才可以通过他不及格的英文课。于是他写了这个故事《the outsiders》我这绝对是最细致的答案了=w=

hinton教授的论文发表在哪

在搜索按钮上搜索作者然后会出现一大堆文章，之后左边有筛选年份的选项，筛选年份然后就可以找了，如果还很多就在筛选选项里选择搜索title然后把题目前两个单词打进去就可以搜索了

不知道，百度都找不到吗？我还以为是歌手啊，哈哈。

发表论文发表论文

以下是发表论文或期刊的方法：

一、写作

首先要写好一篇论文，选题要与专业、研究方向密切相关，论文的格式要规范，应包括题目、作者（姓名、单位、邮编及简介）内容摘要、关键词、正文等；论文篇幅不宜过长，因为期刊版面的字符数是固定的，字符数越多，版面增加，相应的费用就会越高；最后还要注意控制重复率，一般期刊要5%-20%以下才合格录用。

二、选刊

选择一本合适的期刊进行投稿，是成功发表论文极其关键的一步，要遵循几个原则，即

1、国家新闻出版署能查到的正规期刊；

2、知网、万方、维普、龙源四大数据库之一正常收录的期刊；

3、符合学校、单位要求的期刊；

最后还要考虑论文是否符合期刊的收稿范围，避免因为文章方向不合适出现拒稿的情况。

三、投稿

投稿的途径有两种，一种是通过杂志社邮箱，官网或者在线系统投稿。（注意：数据库和期刊的目录页上面的联系方式才是准确的），虽然这种方式完全不用担心被，但缺点是审稿时间较长，沟通不及时，无法了解期刊最新出刊时间，费用，收稿要求等等。

第二种就是找代理投稿。这个方法也是现在大多数人用的要给方法，为什么会这样的，我只能说谁用谁知道。这个是最简单最省事儿的。以前我就是找的一个文化公司安排文章，服务没得说，只需要提供文章，剩余的事情全由他们搞定。

中介投稿也是有很多优势的

1、刊物比较丰富和全面，各类的刊物都有，可以根据作者的要求快速推荐推荐合适的刊物。

2、期刊信息非常的全名，从刊物的收稿栏目，出刊时间，版面字符数要求，期刊级别、出刊周期、审核标准、是否可以开社内发票、刊号邮发代号、电子刊号、是否可以查稿、封面以及影响因子区间

3、他们基本上是和杂志社或是承包商直接对接的，沟通速度比较的迅速。

4、查稿后付款。这点已经算是标配了，绝大多数的刊物都是可以查稿后付款的，而且查稿电话是数据库可以查询到的哦。

5、最要是不收定金和知道一个刊物的审稿要求和难度。

1、确定自己发表论文的需求。 2、选择合适的期刊，核实期刊论文真伪，目前国内所有学术期刊，均可通过国家新闻出版总署期刊查询中心进行查询核实，如果查询不到CN刊号，那就说明期刊是假刊。 3、了解期刊征稿需求，阅读其刊登发表过的论文，看自己的论文是否适合在这些期刊上发表，从中挑出2-3个期刊作为备选，进一步了解这些刊物的审稿周期、投稿费用、投稿要求等. 4、等待样刊和论文上网，可以通过国内的四大权威数据库如知网、万方、维普、龙源查询核实。 5、如果觉得自己寻找期刊麻烦，还可以通过代理/杂志社服务，以下为流程：（1）论文写好并发给代理或者杂志社。（文章质量要有保证）（2）根据论文字数内容和作者的发表意向确定所发表的期刊及费用。（3）支付定金。（4）杂志社进行审稿，审稿通过后邮寄给您稿件录用通知单。（5）在你收到用稿通知后，三天内请付清余款，以确保你的论文能及时发表。（6）杂志出刊后杂志社会给每个作者邮寄两本样刊，以供您使用。

评职称发表论文可以自己投稿给杂志社，也可以找杂志社的编辑，让他们帮你投。自己投稿需要自己把稿件写好修饰好，字符数以及查重等都要符合要求才可以。找杂志社的编辑要认清别是子，价格太低的要小心，因为检索网站可能不稳定。主要就看自己的需求，看评职文件的要求，别到时花钱了却不能用，白花钱不说还耽误了评职，得不偿失。

论文发表论文发表

发表论文无非就两种方式：第一种就是自己投稿，买本杂志，根据版权页上的投稿方式去投稿（这种的弊端就是周期太长，对于着急的客户，不适用）当然，跟杂志社关系好能顺利发表的请无视我的话因为直投杂志社容易，能成功发表难，我认识的主编跟我说他们邮箱里的稿件基本上没有低于过1000篇，而且杂志社就那么几个人，根本不可能忙的过来，就算抽时间看下邮件也就是看个题目，题目不新颖没吸引力的直接略过，就算点开文章，也是先大概看下职称、单位、研究方向、摘要、关键词，没什么吸引人眼球的内容也直接pass掉。第二种就是找代理机构发表（这种的需要睁大眼，发表行业鱼龙混杂，必须得保证自己发的杂志是正刊，也不能是增刊）。找代理机构认准以下几点；一、首先选择国家新闻出版广电局能查到的正规杂志二、其次是某宝担保交易，更有保障三、最后录用通知下来后，亲自打版权页或者收录网站（知网、维普、万方、龙源）上查稿电话查稿确认录用后，再付款。第一，选择杂志，根据自己的要求确定杂志，省级的国家级的价格不一样。然后看杂志的级别，在这里呢就可以一起验证了杂志的真假，新闻出版总署输入杂志名，看是否收录，如果没有的话就要小心了，千万不能发第二，看杂志的见刊时间。自己什么时候用杂志一定要确定，如果是7月要用，那就不要发9月才鞥收到的杂志，一旦发了到了要用的时候没有法子使用。第三，杂志收录的网站。如果您那没有特别的要求，那就知网，维普，万方都可以了，如要求必须知网收录，那就自己上网查一下看看，是否知网及时更新呢第四，看付款的流程，是不是先发表，录用了查稿确定后付费用，如果不能查稿就危险了，不能保证是不是真正发表成功了。

据学术堂介绍论文发表只需要六步。第一步：投稿。这是论文发表人员选择好投稿期刊之后，将自己的论文稿件通过邮箱、在线投稿窗口、QQ或者微信即时通讯软件这三大方式发送给编辑。第二步：审核即审稿。投稿之后，编辑会按照投稿顺序对论文进行审稿，有的期刊杂志收取审稿费，如果您的论文需要加急发表，请在投稿时标注清楚，可能会产生加急费用。审稿环节是整个论文发表过程中耗时最长的，影响了论文发表周期的长短，关于论文发表时间影响因素可以阅读《是什么影响论文发表时间长短》了解。这里需要注意的是论文审稿可能会反复进行。第三步：审稿结果。主要介绍通过审稿被录用的论文。通过杂志社论文三审的论文，杂志社会下发录用通知书，并注明预安排在某年某期发表，之所以是预安排，是因为还没交纳版面费。关于论文三审可以阅读《什么时候论文需要三审》，了解一些审稿知识。第四部：交费。这里的交费主要是版面费，交纳之后，论文才会正式进入安排刊期出版流程。第五步：安排发表。版面费到位之后，即可安排刊期，并按照日期出版见刊。少部分论文发表可能会延期，原因很多，例如：有人安排加急。第六步：寄送样刊。论文见刊之后，会给作者寄送一本样刊，作为用途上交的材料。到此整个的论文发表流程结束。

第一步论文查重。之所以放在第一步，是因为期刊天空一直都建议作者投稿前查重，这样既能提前发现自己论文重复率多少，又不会给杂志社编辑造成不良印象，更减少了投稿后再查重导致退修，进而论文发表时间周期增加。发表论文必经流程和步骤第二步：筛选期刊。针对自己的专业方向，论文内容领域，到相应分类的期刊当中挑选。期刊天空编辑提醒，有作者因为发表论文不符合期刊发表方向而退稿的。第三步选定期刊：需要根据自己评职称、毕业论文发表要求，期刊天空编辑指出，这些内容一般从职称文件当中可以了解到，例如：期刊级别，选定后要了解期刊发表论文要求。第四步论文发表：选定期刊之后，可以通过邮箱、在线投递、微信QQ等发送文件，期刊天空编辑介绍，之所以有这么多方式，是因为各投稿方式相应的处理效率呈提高的趋势。第五步等待审稿。期刊天空编辑温馨提示：论文审稿是整个论文发表过程当中时间周期最长的，没有退修的稿件属于正常时间周期，如果存在论文审稿有退修，那么发表周期就会相应的增加。发表论文期刊的级别越高，发表周期就越长。第六步对于顺利被期刊录用的论文来说，杂志社会发送录用通知函，缴纳版面费用之后，即可安排发表刊期。第七步发表见刊。在到了论文发表安排刊期时，论文就算是正式见刊发表，作者需等待杂志社寄送样刊就可以当做评职称材料上交。

网络上有很多论文发表网站，很多作者由于着急发表论文，而选择通过论文发表网站去发表论文。

但是由于利益的驱使网络上充斥着很多假刊，甚至一些论文发表网站还推荐假刊给作者发表，有的甚至取作者论文发表费用然后消失。

针对这种情况，发表论文前，作者一定要认真辨别期刊真伪，了解论文发表网站的信誉，口碑，不盲目轻信论文发表网站和假刊的一些过度宣传，避免上当受。

选择发表期刊前，要去新闻出版总署查看期刊的备案情况，再去相关的数据库查看期刊的收录情况，确保期刊正规合法，同时具备国际刊号ISSN号和国内统一刊号CN号，而不要被那些打着香港刊号或者书丛号的期刊所蒙蔽。

论文发表的介绍：

1、论文发表的介绍

学术论文首先应当具有独创性。要在论题涉及的范围内，言他人所未言，提他人所来提。要有所创新，有所发现，要有独特的、合乎客观实际的看法。

只是重复、模仿别人的意见，称不上学术论文。如在社会科学领域内，独创性常见于这样三条途径：

（1）结合新的社会实践对以往理论加以继承和发展，如，在社会主义建设中，结合中国国情，对马克思主义的完善；

（2）对新发现的资料加以研究，史学、考古学的研究常常如此；

（3）通过搜集、整理前人已有的成就的途径获得新结沦，例如哲学史、语言史的研究。

论文条理清晰结构合理，具有较强的说服力和感染力，深刻揭示客观事物的内部联系和规律，也就是言之有理，言之有据，言之有序。

专业性是指论文从题目、选材到文字表达，都要具有某一学科、专业的特色，要摸透“行情”，用“行话”，如图书馆学的论文常常要运用款目、标注、二次文献、情报检索语言等专业词汇。

法学论文则常用法人、主体意志、仲裁、诉权、罪行法定主义等等。学术论文不必人人都看懂。好的学术论文是独创性、科学性、专业性高度的统一和结合。

2、论文发表的必要性

随着学习及工作的深入，学习者及从业者对本专业及行业会有深入的研究，而研究水平的衡量标准则体现在了论文发表上。

即，要求在公开发行的学术期刊或报纸上发表具有一定学术价值的论文。论文发表，成了考量从业者水平的一个不可或缺甚至尤为重要的标准。

发表论文，有哪些需要注意的问题，论文发表有2种方式，一种是直接向杂志社投稿，一种是通过论文代理或期刊采编中心投稿。这2种方式，费用方面基本差不多，都是社里统一定的价格。

期刊采编中心或论文代理的优点至于大体差不多的文章，都基本可以安排通过审核，而且审核时间短，一般在2-5个工作日内就安排审核并给予答复了。

主要是采编中心是采用的集中递稿方式，一般采编中心都有编辑，会事先对论文做下初步审核，能帮修改完善的文章都会帮助修改完善。

再加上跟社里较熟，论文能通过的，社里一般不会为难。而对于直接投稿杂志社，审核比较慢，通过率低些。很多核心期刊，稿件投递后基本就是石沉大海。

3、论文发表格式

撰写论文，一定要遵循一定的格式，这样看起来一目了然，条理清晰。

1.在实际写作职称论文的过程中，则灵活运用，根据实际情况。最好开头有个引言部分，说一下目前的形势啊什么必要性的，引启性的开个头，再展开下面的论述。

2.论文要分条目展开，要条理清晰，层次分明，比如上文中，大条目下面都有小条目，看上去非常清晰。大标题用加粗突出显示，大标题后面不能有标点符号。

摘要控制在220字符内即可，最好能概括下全文的内容，切忌把开头当摘要，把文章标题罗列出来当摘要。关键词，3-5个为宜。