首页 > SCI期刊 > SCIE期刊 > 计算机科学 > 中科院3区 > JCRQ1 > 期刊介绍
评价信息:
影响因子:4.3
年发文量:349
《机器学习研究杂志》(Journal Of Machine Learning Research)是一本以工程技术-计算机:人工智能综合研究为特色的国际期刊。该刊由Microtome Publishing出版商创刊于2001年,刊期Bimonthly。该刊已被国际重要权威数据库SCIE收录。期刊聚焦工程技术-计算机:人工智能领域的重点研究和前沿进展,及时刊载和报道该领域的研究成果,致力于成为该领域同行进行快速学术交流的信息窗口与平台。该刊2023年影响因子为4.3。CiteScore指数值为18.8。
The Journal of Machine Learning Research (JMLR) provides an international forum for the electronic and paper publication of high-quality scholarly articles in all areas of machine learning. All published papers are freely available online.
JMLR has a commitment to rigorous yet rapid reviewing.
JMLR seeks previously unpublished papers on machine learning that contain:
new principled algorithms with sound empirical validation, and with justification of theoretical, psychological, or biological nature;
experimental and/or theoretical studies yielding new insight into the design and behavior of learning in intelligent systems;
accounts of applications of existing techniques that shed light on the strengths and weaknesses of the methods;
formalization of new learning tasks (e.g., in the context of new applications) and of methods for assessing performance on those tasks;
development of new analytical frameworks that advance theoretical studies of practical learning methods;
computational models of data from natural learning systems at the behavioral or neural level; or extremely well-written surveys of existing work.
《机器学习研究杂志》(JMLR)为机器学习各个领域的高质量学术文章的电子版和纸质出版提供了一个国际论坛。所有已发表的论文均可在线免费获取。
JMLR 致力于严格而快速的审查。
JMLR 寻求以前未发表的机器学习论文,其中包含:
具有可靠经验验证的新原理算法,以及理论、心理或生物学性质的论证;
实验和/或理论研究,对智能系统中的学习设计和行为产生新的见解;
现有技术的应用说明,阐明了方法的优缺点;
新学习任务的形式化(例如,在新的应用背景下)和评估这些任务表现的方法;
开发新的分析框架,推动实践学习方法的理论研究;
行为或神经层面的自然学习系统数据的计算模型;或对现有工作进行极其出色的调查。
《Journal Of Machine Learning Research》(机器学习研究杂志)编辑部通讯方式为MICROTOME PUBL, 31 GIBBS ST, BROOKLINE, USA, MA, 02446。如果您需要协助投稿或润稿服务,您可以咨询我们的客服老师。我们专注于期刊投稿服务十年,熟悉发表政策,可为您提供一对一投稿指导,避免您在投稿时频繁碰壁,节省您的宝贵时间,有效提升发表机率,确保SCI检索(检索不了全额退款)。我们视信誉为生命,多方面确保文章安全保密,在任何情况下都不会泄露您的个人信息或稿件内容。
2023年12月升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 3区 | AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 3区 3区 | 否 | 否 |
2022年12月升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 3区 | AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 3区 3区 | 否 | 否 |
2021年12月基础版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
工程技术 | 3区 | AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 3区 3区 | 否 | 否 |
2020年12月旧的升级版
大类学科 | 分区 | 小类学科 | 分区 | Top期刊 | 综述期刊 |
计算机科学 | 3区 | AUTOMATION & CONTROL SYSTEMS 自动化与控制系统 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 | 4区 4区 | 否 | 否 |
基础版:即2019年12月17日,正式发布的《2019年中国科学院文献情报中心期刊分区表》;将JCR中所有期刊分为13个大类,期刊范围只有SCI期刊。
升级版:即2020年1月13日,正式发布的《2019年中国科学院文献情报中心期刊分区表升级版(试行)》,升级版采用了改进后的指标方法体系对基础版的延续和改进,影响因子不再是分区的唯一或者决定性因素,也没有了分区的IF阈值期刊由基础版的13个学科扩展至18个,科研评价将更加明确。期刊范围有SCI期刊、SSCI期刊。从2022年开始,分区表将只发布升级版结果,不再有基础版和升级版之分,基础版和升级版(试行)将过渡共存三年时间。
JCR分区等级:Q1
按JIF指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
学科:AUTOMATION & CONTROL SYSTEMS | SCIE | Q1 | 21 / 84 |
75.6% |
学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q2 | 54 / 197 |
72.8% |
按JCI指标学科分区 | 收录子集 | 分区 | 排名 | 百分位 |
学科:AUTOMATION & CONTROL SYSTEMS | SCIE | Q2 | 29 / 84 |
66.07% |
学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q2 | 74 / 198 |
62.88% |
Gold OA文章占比 | 研究类文章占比 | 文章自引率 |
0.00% | 100.00% | -- |
开源占比 | 出版国人文章占比 | OA被引用占比 |
-- | 0.09 | -- |
名词解释:JCR分区在学术期刊评价、科研成果展示、科研方向引导以及学术交流与合作等方面都具有重要的价值。通过对期刊影响因子的精确计算和细致划分,JCR分区能够清晰地反映出不同期刊在同一学科领域内的相对位置,从而帮助科研人员准确识别出高质量的学术期刊。
CiteScore | SJR | SNIP | CiteScore 指数 | ||||||||||||||||||||
18.8 | 2.796 | 4.031 |
|
名词解释:CiteScore是基于Scopus数据库的全新期刊评价体系。CiteScore 2021 的计算方式是期刊最近4年(含计算年度)的被引次数除以该期刊近四年发表的文献数。CiteScore基于全球最广泛的摘要和引文数据库Scopus,适用于所有连续出版物,而不仅仅是期刊。目前CiteScore 收录了超过 26000 种期刊,比获得影响因子的期刊多13000种。被各界人士认为是影响因子最有力的竞争对手。
历年中科院分区趋势图
历年IF值(影响因子)
历年引文指标和发文量
历年自引数据
2019-2021年国家/地区发文量统计
国家/地区 | 数量 |
USA | 366 |
CHINA MAINLAND | 75 |
France | 66 |
England | 61 |
GERMANY (FED REP GER) | 50 |
Canada | 34 |
Switzerland | 32 |
Israel | 23 |
Netherlands | 15 |
Singapore | 14 |
2019-2021年机构发文量统计
机构 | 数量 |
UNIVERSITY OF CALIFORNIA SYSTEM | 61 |
CENTRE NATIONAL DE LA RECHERCHE SCIENTIF... | 30 |
CARNEGIE MELLON UNIVERSITY | 27 |
STANFORD UNIVERSITY | 21 |
UNIVERSITY OF CHICAGO | 21 |
MASSACHUSETTS INSTITUTE OF TECHNOLOGY (M... | 20 |
ETH ZURICH | 19 |
GOOGLE INCORPORATED | 19 |
UNIVERSITY OF MICHIGAN SYSTEM | 19 |
UNIVERSITY OF OXFORD | 19 |
2019-2021年文章引用数据
文章引用名称 | 引用次数 |
Deep Hidden Physics Models: Deep Learnin... | 49 |
Neural Architecture Search: A Survey | 43 |
Automatic Differentiation in Machine Lea... | 29 |
To Tune or Not to Tune the Number of Tre... | 26 |
Pyro: Deep Universal Probabilistic Progr... | 26 |
All Models are Wrong, but Many are Usefu... | 25 |
Emergence of Invariance and Disentanglem... | 22 |
PyOD: A Python Toolbox for Scalable Outl... | 22 |
Quantized Neural Networks: Training Neur... | 20 |
Hyperband: A Novel Bandit-Based Approach... | 20 |
2019-2021年文章被引用数据
被引用期刊名称 | 数量 |
IEEE ACCESS | 1488 |
NEUROCOMPUTING | 494 |
J MACH LEARN RES | 430 |
SENSORS-BASEL | 266 |
SCI REP-UK | 263 |
PATTERN RECOGN | 253 |
EXPERT SYST APPL | 229 |
IEEE T NEUR NET LEAR | 226 |
APPL SCI-BASEL | 218 |
KNOWL-BASED SYST | 208 |
2019-2021年引用数据
引用期刊名称 | 数量 |
J MACH LEARN RES | 430 |
ANN STAT | 264 |
IEEE T INFORM THEORY | 161 |
J R STAT SOC B | 138 |
J AM STAT ASSOC | 136 |
MACH LEARN | 90 |
BIOMETRIKA | 74 |
NEURAL COMPUT | 63 |
MATH PROGRAM | 62 |
SIAM J OPTIMIZ | 62 |
中科院分区:1区
影响因子:7.7
审稿周期:约Time to first decision: 9 days; Review time: 64 days; Submission to acceptance: 82 days; 约2.7个月 约7.8周
中科院分区:1区
影响因子:8.1
审稿周期:约Time to first decision: 6 days; Review time: 44 days; Submission to acceptance: 54 days; 约4.1个月 约6.8周
中科院分区:3区
影响因子:3.3
审稿周期:约17.72天 11 Weeks
中科院分区:2区
影响因子:5.8
审稿周期: 约2.4个月 约7.6周
中科院分区:2区
影响因子:5.1
审稿周期: 约1.9个月 约2.7周
中科院分区:2区
影响因子:4.8
审稿周期: 约2.7个月 约7.5周
若用户需要出版服务,请联系出版商:MICROTOME PUBL, 31 GIBBS ST, BROOKLINE, USA, MA, 02446。