首頁(yè) > 期刊介紹
《機(jī)器學(xué)習(xí)與知識(shí)提取》(Machine Learning And Knowledge Extraction)是一本以Multiple綜合研究為特色的國(guó)際期刊。該刊由MDPI AG出版商該刊已被國(guó)際重要權(quán)威數(shù)據(jù)庫(kù)SCIE收錄。期刊聚焦Multiple領(lǐng)域的重點(diǎn)研究和前沿進(jìn)展,及時(shí)刊載和報(bào)道該領(lǐng)域的研究成果,致力于成為該領(lǐng)域同行進(jìn)行快速學(xué)術(shù)交流的信息窗口與平臺(tái)。該刊2023年影響因子為4。CiteScore指數(shù)值為8.5。
Machine Learning and Knowledge Extraction is an international academic journal dedicated to the fields of machine learning, data mining, knowledge discovery, and artificial intelligence. This journal is committed to publishing original research papers, review articles, and case studies, with the aim of promoting theoretical development and practical applications in these fields.
This journal covers multiple aspects of machine learning, including but not limited to deep learning, clustering analysis, classification algorithms, regression analysis, reinforcement learning, and neural networks. At the same time, the journal also focuses on the application of knowledge extraction and data mining techniques in fields such as bioinformatics, medicine, social sciences, and business intelligence, emphasizing the extraction of useful information and patterns from big data to support decision-making and innovative research. The editorial team and review experts of the magazine come from around the world, and they are all leading figures in their respective fields, ensuring the high quality and innovation of the journal content. Through rigorous peer review, the journal ensures the academic value and scientific accuracy of published articles, providing a platform for researchers, engineers, scholars, and industry experts worldwide to share the latest research findings and cutting-edge technologies.
《機(jī)器學(xué)習(xí)與知識(shí)提取》是一份專(zhuān)注于機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、知識(shí)發(fā)現(xiàn)和人工智能領(lǐng)域的國(guó)際學(xué)術(shù)期刊。該刊致力于發(fā)表原創(chuàng)性的研究論文、綜述文章和案例研究,旨在推動(dòng)這些領(lǐng)域的理論發(fā)展和實(shí)際應(yīng)用。
該期刊覆蓋了機(jī)器學(xué)習(xí)的多個(gè)方面,包括但不限于深度學(xué)習(xí)、聚類(lèi)分析、分類(lèi)算法、回歸分析、強(qiáng)化學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)等。同時(shí),期刊也關(guān)注知識(shí)提取和數(shù)據(jù)挖掘技術(shù)在生物信息學(xué)、醫(yī)學(xué)、社會(huì)科學(xué)、商業(yè)智能等領(lǐng)域的應(yīng)用,強(qiáng)調(diào)從大數(shù)據(jù)中提取有用信息和模式,以支持決策制定和創(chuàng)新研究。雜志的編輯團(tuán)隊(duì)和評(píng)審專(zhuān)家來(lái)自全球,他們都是各自領(lǐng)域的領(lǐng)軍人物,確保了期刊內(nèi)容的高質(zhì)量和創(chuàng)新性。通過(guò)嚴(yán)格的同行評(píng)審,期刊保證了發(fā)表文章的學(xué)術(shù)價(jià)值和科學(xué)準(zhǔn)確性,為全球的研究人員、工程師、學(xué)者以及行業(yè)專(zhuān)家提供了一個(gè)分享最新研究成果和前沿技術(shù)的平臺(tái)。
如果您需要協(xié)助投稿或潤(rùn)稿服務(wù),您可以咨詢(xún)我們的客服老師。我們專(zhuān)注于期刊咨詢(xún)服務(wù)十年,熟悉發(fā)表政策,可為您提供一對(duì)一投稿指導(dǎo),避免您在投稿時(shí)頻繁碰壁,節(jié)省您的寶貴時(shí)間,有效提升發(fā)表機(jī)率,確保SCI檢索(檢索不了全額退款)。我們視信譽(yù)為生命,多方面確保文章安全保密,在任何情況下都不會(huì)泄露您的個(gè)人信息或稿件內(nèi)容。
JCR分區(qū)等級(jí):Q2
按JIF指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
學(xué)科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | ESCI | Q2 | 64 / 197 |
67.8% |
學(xué)科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS | ESCI | Q2 | 45 / 169 |
73.7% |
學(xué)科:ENGINEERING, ELECTRICAL & ELECTRONIC | ESCI | Q2 | 100 / 352 |
71.7% |
按JCI指標(biāo)學(xué)科分區(qū) | 收錄子集 | 分區(qū) | 排名 | 百分位 |
學(xué)科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | ESCI | Q2 | 81 / 198 |
59.34% |
學(xué)科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS | ESCI | Q2 | 72 / 169 |
57.69% |
學(xué)科:ENGINEERING, ELECTRICAL & ELECTRONIC | ESCI | Q2 | 140 / 354 |
60.59% |
Gold OA文章占比 | 研究類(lèi)文章占比 | 文章自引率 |
100.00% | 88.04% | |
開(kāi)源占比 | 出版國(guó)人文章占比 | OA被引用占比 |
名詞解釋?zhuān)?b>JCR分區(qū)在學(xué)術(shù)期刊評(píng)價(jià)、科研成果展示、科研方向引導(dǎo)以及學(xué)術(shù)交流與合作等方面都具有重要的價(jià)值。通過(guò)對(duì)期刊影響因子的精確計(jì)算和細(xì)致劃分,JCR分區(qū)能夠清晰地反映出不同期刊在同一學(xué)科領(lǐng)域內(nèi)的相對(duì)位置,從而幫助科研人員準(zhǔn)確識(shí)別出高質(zhì)量的學(xué)術(shù)期刊。
CiteScore | SJR | SNIP | CiteScore 指數(shù) | ||||||||||||
8.5 | 0 | 1.822 |
|
名詞解釋?zhuān)?b>CiteScore是基于Scopus數(shù)據(jù)庫(kù)的全新期刊評(píng)價(jià)體系。CiteScore 2021 的計(jì)算方式是期刊最近4年(含計(jì)算年度)的被引次數(shù)除以該期刊近四年發(fā)表的文獻(xiàn)數(shù)。CiteScore基于全球最廣泛的摘要和引文數(shù)據(jù)庫(kù)Scopus,適用于所有連續(xù)出版物,而不僅僅是期刊。目前CiteScore 收錄了超過(guò) 26000 種期刊,比獲得影響因子的期刊多13000種。被各界人士認(rèn)為是影響因子最有力的競(jìng)爭(zhēng)對(duì)手。
歷年IF值(影響因子)
歷年引文指標(biāo)和發(fā)文量
歷年自引數(shù)據(jù)
若用戶(hù)需要出版服務(wù),請(qǐng)聯(lián)系出版商。