IEEE Transactions on Cognitive and Developmental Systems期刊模板

　　IEEE Transactions on Cognitive and Developmental Systems(简称《TCDS》)是认知科学与发育系统领域的知名期刊，致力于发表认知建模、神经计算及发育系统设计的原创研究，为心理学家、计算机科学家及跨学科研究者提供前沿学术平台。

　　作者向TCDS期刊投稿需展现研究的创新性、理论深度或跨学科应用价值，并严格遵循IEEE格式规范。

　　期刊简介：

　　《TCDS》由IEEE Computational Intelligence Society主办，创刊于2009年(前身为《IEEE Transactions on Autonomous Mental Development》)，专注于认知科学、发育系统及神经计算的跨学科研究。期刊涵盖认知建模、机器学习、神经网络、机器人认知、人类认知发育及人机交互等。文章需具创新性、科学严谨性或跨学科价值，适合认知科学、人工智能及神经科学领域的专业人士。期刊采用严格的同行评审，初审平均8-12周(官网数据)。作为混合出版期刊，作者可选择传统订阅模式或开放获取(OA)。

　　期刊相关信息：

　　影响因子：4.9(2024年)

　　中科院分区：3区(人工智能-计算机科学-神经科学-机器人学)

　　出版费用：开放获取费用(APC)为2,345美元(2025年IEEE标准，官网数据);订阅模式无APC。

　　出版频率：季刊(每年4期)。

　　投稿注意事项：

　　文章长度：建议8-12页(双栏)，含图表和参考文献;超出12页需支付超页费(220美元/页)。

　　投稿信：需提交，说明研究的创新性、技术贡献及适合《TCDS》的理由，需突出认知或发育系统的跨学科价值。

　　初始投稿格式：需使用IEEE双栏模板(Word或LaTeX)，初稿提交PDF，图表嵌入正文。

　　数据可用性：鼓励公开数据，建议存放在IEEE DataPort或公共存储库(如figshare)并提供DOI。

　　代码可用性：如涉及算法或仿真，需提供代码(如GitHub链接)或补充材料。

　　预印本政策：接受在arXiv等预印本服务器发布的稿件，需在投稿时声明。

　　审稿周期：初审约8-12周，采用单盲评审，至少三位审稿人。

　　出版费用减免：开放获取文章的无资助研究可申请APC减免。

　　开放获取选项：作者可选择开放获取(需支付APC)或订阅模式(无APC)。

　　彩图费用：订阅模式下，彩图每页175美元;开放获取文章无彩图费用。

　　投稿限制：允许一轮主要修订和一轮次要修订，拒绝后需编辑许可方可重新提交。

　　扩展论文：如基于会议论文扩展，需新增至少30%内容，并提交原会议论文供审查。

　　文章类型：

　　《TCDS》主要发表以下类型文章：

　　Regular Paper：完整研究文章(8-12页)，报告认知或发育系统的原创研究。

　　Short Paper：简短研究报告(≤6页)，聚焦新颖发现或初步结果。

　　Survey Paper：综述认知科学或发育系统某一专题(8-12页)，需具广泛参考价值，通常由编辑邀请。

　　Comment：对已发表文章的评论或更正(≤2页)，需编辑批准。

　　Correspondence：简短技术笔记或讨论(≤4页)，需具创新性。

　　Correction：更正已发表文章，需编辑批准。

　　文章结构：

　　一篇典型的Regular Paper包括以下部分，每部分附简短英文示例：

　　标题：简洁、描述性，突出认知或发育主题，最大15字。

　　示例：

　　Neural Model for Cognitive Learning

　　作者信息：列出所有作者的姓名、单位、电子邮件及ORCID。

　　示例：

　　Department of Cognitive Science, UC San Diego, La Jolla, CA, USA

　　Anna Lee, Raj Patel

　　Neurocomputing Lab, University of Tokyo, Tokyo, Japan

　　Yuki Tanaka

　　贡献声明：明确每位共同作者的贡献，遵循IEEE标准。

　　示例：

　　A.L. developed the model; R.P. conducted experiments; Y.T. wrote the manuscript.

　　通信作者：指定通信作者，提供电子邮件及ORCID。

　　示例：

　　Correspondence to: Yuki Tanaka (yuki.tanaka@utokyo.ac.jp)

　　摘要：概述研究背景、方法、结果和意义，最大250字，无参考文献。

　　示例：

　　A neural model for cognitive learning achieves 90% accuracy in pattern recognition. Experiments on 1,000 trials show 15% improvement over baselines. Code is available at GitHub，This model advances autonomous learning systems.

　　关键词：提供3-8个关键词，便于检索。

　　示例：

　　cognitive modeling, neural networks, developmental systems, pattern recognition

　　引言：介绍研究背景、问题及目标，需包含参考文献。

　　示例：

　　Cognitive learning relies on adaptive neural models [1]. Current models lack developmental robustness [2]. This paper proposes a bio-inspired neural architecture.

　　正文：分节描述方法、实验、结果和讨论，使用子标题。

　　示例：

　　Model Architecture

　　The proposed spiking neural network improves accuracy by 15% (figure 1) [3].

　　结论：总结关键发现，提出应用或未来方向。

　　示例：

　　Conclusion

　　The neural model enhances cognitive learning. Future work will explore human-robot interaction.

　　参考文献：列出所有引用文献。

　　示例：

　　[1] D. E. Rumelhart et al., “Learning representations by back-propagating errors,” IEEE Trans. Cogn. Dev. Syst., vol. 10, no. 3, pp. 123-134, Sep. 2018.

　　致谢(可选)：感谢资助机构或个人，包含资助编号。

　　示例：

　　Funded by NSF grant CI-1234567. We thank the UCSD Cognitive Lab.

　　作者简介：简述作者背景、教育经历及研究兴趣，附照片(可选)。

　　示例：

　　Anna Lee received the Ph.D. degree from UC San Diego in 2022. Her research focuses on cognitive modeling.

　　伦理声明：包括利益冲突声明。

　　示例：

　　Competing interests: The authors declare no competing interests.

　　数据可用性(如适用)：提供数据存储库名称和访问编号。

　　示例：

　　Data available at IEEE DataPort。

　　补充材料(可选)：提供额外数据、代码或视频。

　　示例：

　　Supplementary Video S1: Cognitive model simulation.

　　Supplementary Data S1: Experimental datasets.

　　格式要求

　　《TCDS》要求初稿使用IEEE双栏模板(Word or LaTeX)，建议8-12页，修订稿需符合出版规范。以下是具体要求：

　　字体和字号

　　正文：Times New Roman，10号字，单倍行距。

　　一级标题：粗体，11号字，首字母大写。

　　二级标题：粗体，10号字，首字母大写。

　　图表标题：粗体，8号字。

　　页面布局

　　使用 A4或Letter纸张，双栏排版。

　　页边距：上2.5厘米，下1.9厘米，左右1.6厘米。

　　行距：单倍行距，段前段后0点间距。

　　图表格式

　　图表嵌入正文，初稿为PDF，修订稿需单独上传高分辨率文件。

　　图表标题置于下方，Times New Roman，8号字，居中。

　　图表文字：8号字，确保清晰。

　　图表分辨率：至少600 DPI，推荐格式为TIFF、EPS或高分辨率JPEG。

　　颜色选择：支持彩色，建议高对比度(如蓝/黄)，避免红绿。

　　图例：每幅图说明不超过300字，置于图下方。

　　版权：需获得受版权保护的图表许可，提交许可文件。

　　示例：

　　Figure 1: Model performance.

　　a Accuracy vs. training trials (blue: proposed; red: baseline). b Latency analysis.

　　公式与术语

　　公式居中，右对齐编号，如 (1)，文中称为“equation (1)”.

　　术语遵循IEEE标准(如“spiking neural network”而非 “SNN”)。

　　示例：

　　(1) V(t) = V(t-1) + I(t) - θ

　　表格

　　表格嵌入正文，包含标题和图例，置于页面顶部或底部。

　　大型表格作为补充材料(如Excel)。

　　参考文献格式

　　《TCDS》要求使用IEEE引用风格，按文中出现顺序编号，文中以方括号引用(如 [1])。参考文献需准确，优先引用期刊文章。以下是示例：

　　期刊文章：

　　[1] D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning representations by back-propagating errors,” IEEE Trans. Cogn. Dev. Syst., vol. 10, no. 3, pp. 123-134, Sep. 2018.

　　会议论文：

　　[2] A. Lee and R. Patel, “Cognitive neural model,” in Proc. IEEE Int. Conf. Dev. Learn., Oslo, Norway, Aug. 2023, pp. 45-46.

　　书籍：

　　[3] S. Haykin, Neural Networks and Learning Machines, 3rd ed. Upper Saddle River, NJ, USA: Pearson, 2009.

　　数据集：

　　[4] A. Lee and Y. Tanaka, “Cognitive dataset,” IEEE DataPort, 2023. [Online]. Available: https://doi.org/10.21227/abc123

　　预印本：

　　[5] R. Patel and Y. Tanaka, “Developmental neural model,” arXiv:2301.12345, Jan. 2023. [Online]. Available: https://arxiv.org/abs/2301.12345

　　伦理声明

　　利益冲突：需声明所有作者的利益冲突(如“无利益冲突”)。

　　伦理合规：如涉及人类或动物数据，需提供伦理委员会批准编号。

　　数据可用性：需声明数据存储库及访问方式(如适用)。

　　代码可用性：需提供代码存储库或补充材料。

　　示例：

　　Competing interests: The authors declare no competing interests.

　　Data availability: Data at IEEE DataPort: https://doi.org/10.21227/abc123.

　　Code availability: Code at GitHub: https://github.com/CognitiveModel.

　　补充材料

　　补充材料作为单独文件提交，格式为PDF、Excel、MP4(H.264编码，16:9)或ZIP。

　　包含大型数据集、代码或视频，无额外费用。

　　示例：

　　Supplementary Video S1: Cognitive model simulation.

　　Supplementary Data S1: Experimental datasets.

　　投稿流程

　　作者需通过Manuscript Central提交论文。流程如下：

　　注册并关联ORCID，指定通信作者(需符合IEEE作者标准)。

　　上传IEEE模板稿件(PDF)、投稿信、图表(嵌入PDF)及补充材料。

　　提供利益冲突声明、数据/代码可用性声明。

　　提交推荐审稿人(可选，3-5人，需提供姓名、邮箱及理由)。

　　在Manuscript Central跟踪审稿状态，初审约8-12周。

　　修订稿需提交：修改稿(Word/LaTeX)、审稿回复(逐点回应)、高分辨率图表。

　　最后，IEEE Transactions on Cognitive and Developmental Systems作为认知科学与发育系统领域的热门期刊，以其跨学科视野和高质量研究成果推动神经计算与认知建模的发展，作者向这本期刊投稿时一定要注意投稿须知，并且应按照要求尽早准备论文，避免论文与期刊征稿范围不符。