Machine Learning SCIE

國際簡稱：MACH LEARN 參考譯名：機(jī)器學(xué)習(xí)

主要研究方向：工程技術(shù)-計(jì)算機(jī)：人工智能非預(yù)警期刊審稿周期：較慢,6-12周

《機(jī)器學(xué)習(xí)》(Machine Learning)是一本由Springer US出版的以工程技術(shù)-計(jì)算機(jī)：人工智能為研究特色的國際期刊，發(fā)表該領(lǐng)域相關(guān)的原創(chuàng)研究文章、評論文章和綜述文章，及時(shí)報(bào)道該領(lǐng)域相關(guān)理論、實(shí)踐和應(yīng)用學(xué)科的最新發(fā)現(xiàn)，旨在促進(jìn)該學(xué)科領(lǐng)域科學(xué)信息的快速交流。該期刊是一本未開放期刊，近三年沒有被列入預(yù)警名單。

3區(qū) 中科院分區(qū)
Q2 JCR分區(qū)
164 年發(fā)文量
4.3 IF影響因子
未開放 是否OA
135 H-index
1986 創(chuàng)刊年份
Monthly 出版周期
English 出版語言

Machine Learning is an international forum for research on computational approaches to learning. The journal publishes articles reporting substantive results on a wide range of learning methods applied to a variety of learning problems, including but not limited to:

Learning Problems: Classification, regression, recognition, and prediction; Problem solving and planning; Reasoning and inference; Data mining; Web mining; Scientific discovery; Information retrieval; Natural language processing; Design and diagnosis; Vision and speech perception; Robotics and control; Combinatorial optimization; Game playing; Industrial, financial, and scientific applications of all kinds.

Learning Methods: Supervised and unsupervised learning methods (including learning decision and regression trees, rules, connectionist networks, probabilistic networks and other statistical models, inductive logic programming, case-based methods, ensemble methods, clustering, etc.); Reinforcement learning; Evolution-based methods; Explanation-based learning; Analogical learning methods; Automated knowledge acquisition; Learning from instruction; Visualization of patterns in data; Learning in integrated architectures; Multistrategy learning; Multi-agent learning.

[ 查看全部 ]

投稿咨詢加急咨詢

Machine Learning期刊信息

ISSN：0885-6125
出版語言：English
是否OA：未開放
E-ISSN：1573-0565
出版地區(qū)：UNITED STATES
是否預(yù)警：否
出版商：Springer US
出版周期：Monthly
創(chuàng)刊時(shí)間：1986
開源占比：0.4226
Gold OA文章占比：46.75%
OA被引用占比：0.3272...
出版國人文章占比：0.07
出版撤稿占比：0
研究類文章占比：99.39%

Machine Learning CiteScore評價(jià)數(shù)據(jù)（2024年最新版）

CiteScore

SJR

SNIP

CiteScore 指數(shù)

1.72

2.57

學(xué)科類別	分區(qū)	排名	百分位
大類：Computer Science 小類：Software	Q1	45 / 407	89%
大類：Computer Science 小類：Artificial Intelligence	Q1	54 / 350	84%

名詞解釋：CiteScore 是衡量期刊所發(fā)表文獻(xiàn)的平均受引用次數(shù)，是在 Scopus 中衡量期刊影響力的另一個(gè)指標(biāo)。當(dāng)年CiteScore 的計(jì)算依據(jù)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)。例如，2022年的 CiteScore 計(jì)算方法為：2022年的 CiteScore =2019-2022年收到的對2019-2022年發(fā)表的文件的引用數(shù)量÷2019-2022年發(fā)布的文獻(xiàn)數(shù)量注：文獻(xiàn)類型包括：文章、評論、會議論文、書籍章節(jié)和數(shù)據(jù)論文。

Machine Learning中科院評價(jià)數(shù)據(jù)

中科院 2023年12月升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	計(jì)算機(jī)科學(xué)	3區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計(jì)算機(jī)：人工智能	3區(qū)

中科院 2022年12月升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	計(jì)算機(jī)科學(xué)	3區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計(jì)算機(jī)：人工智能	3區(qū)

中科院 2021年12月舊的升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	計(jì)算機(jī)科學(xué)	3區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計(jì)算機(jī)：人工智能	3區(qū)

中科院 2021年12月基礎(chǔ)版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	工程技術(shù)	3區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計(jì)算機(jī)：人工智能	4區(qū)

中科院 2021年12月升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	計(jì)算機(jī)科學(xué)	3區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計(jì)算機(jī)：人工智能	3區(qū)

中科院 2020年12月舊的升級版

Top期刊	綜述期刊	大類學(xué)科		小類學(xué)科
否	否	計(jì)算機(jī)科學(xué)	3區(qū)	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計(jì)算機(jī)：人工智能	3區(qū)

Machine Learning JCR評價(jià)數(shù)據(jù)（2023-2024年最新版）

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	SCIE	Q2	54 / 197	72.8%

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	SCIE	Q2	71 / 198	64.39%

Machine Learning歷年數(shù)據(jù)統(tǒng)計(jì)

影響因子

中科院分區(qū)

Machine Learning中國學(xué)者發(fā)文選摘

1、Multiscale principle of relevant information for hyperspectral image classification
Author: Wei, Yantao; Yu, Shujian; Giraldo, Luis Sanchez; Principe, Jose C.

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 4, pp. 1227-1252. DOI: 10.1007/s10994-021-06011-9
2、Troubleshooting image segmentation models with human-in-the-loop
Author: Wang, Haotao; Chen, Tianlong; Wang, Zhangyang; Ma, Kede

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 3, pp. 1033-1051. DOI: 10.1007/s10994-021-06110-7
3、Beyond confusion matrix: learning from multiple annotators with awareness of instance features
Author: Li, Jingzheng; Sun, Hailong; Li, Jiyi

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 3, pp. 1053-1075. DOI: 10.1007/s10994-022-06211-x
4、DAFS: a domain aware few shot generative model for event detection
Author: Xia, Nan; Yu, Hang; Wang, Yin; Xuan, Junyu; Luo, Xiangfeng

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 3, pp. 1011-1031. DOI: 10.1007/s10994-022-06198-5
5、Reconciling privacy and utility: an unscented Kalman filter-based framework for differentially private machine learning
Author: Tang, Kunsheng; Li, Ping; Song, Yide; Luo, Tian

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 1, pp. 311-351. DOI: 10.1007/s10994-022-06279-5
6、Limits of multi-relational graphs
Author: Alvarado, Juan; Wang, Yuyi; Ramon, Jan

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 1, pp. 177-216. DOI: 10.1007/s10994-022-06281-x
7、Neural predictor-based automated graph classifier framework
Author: Oloulade, Babatounde Moctard; Gao, Jianliang; Chen, Jiamin; Al-Sabri, Raeed; Lyu, Tengfei

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 4, pp. 1315-1335. DOI: 10.1007/s10994-022-06287-5
8、Diverse and consistent multi-view networks for semi-supervised regression
Author: Nguyen, Cuong; Raja, Arun; Zhang, Le; Xu, Xun; Unnikrishnan, Balagopal; Ragab, Mohamed; Lu, Kangkang; Foo, Chuan-Sheng

Journal: MACHINE LEARNING. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s10994-023-06305-0