首页 关于我们 企业资质 发表指南 购物车（0）
目标检索
学术杂志 科普杂志 SCI杂志
当前位置： 首页 SCI期刊 SCIE期刊 计算机科学 中科院3区 JCRQ2 期刊介绍(非官网)
Machine Learning

Machine LearningSCIE

国际简称：MACH LEARN  参考译名：机器学习

  • 中科院分区

    3区

  • CiteScore分区

    Q1

  • JCR分区

    Q2

基本信息：
ISSN：0885-6125
E-ISSN：1573-0565
是否OA：未开放
是否预警：否
TOP期刊：否
出版信息：
出版地区：UNITED STATES
出版商：Springer US
出版语言：English
出版周期：Monthly
出版年份：1986
研究方向：工程技术-计算机：人工智能
评价信息：
影响因子：4.3
H-index：135
CiteScore指数：11
SJR指数：1.72
SNIP指数：2.57
发文数据：
Gold OA文章占比：46.75%
研究类文章占比：99.39%
年发文量：164
自引率：0.0266...
开源占比：0.4226
出版撤稿占比：0
出版国人文章占比：0.07
OA被引用占比：0.3272...
投稿咨询 加急见刊
英文简介 期刊介绍 CiteScore数据 中科院SCI分区 JCR分区 发文数据 常见问题

英文简介Machine Learning期刊介绍

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.

期刊简介Machine Learning期刊介绍

《Machine Learning》自1986出版以来，是一本计算机科学优秀杂志。致力于发表原创科学研究结果，并为计算机科学各个领域的原创研究提供一个展示平台，以促进计算机科学领域的的进步。该刊鼓励先进的、清晰的阐述，从广泛的视角提供当前感兴趣的研究主题的新见解，或审查多年来某个重要领域的所有重要发展。该期刊特色在于及时报道计算机科学领域的最新进展和新发现新突破等。该刊近一年未被列入预警期刊名单，目前已被权威数据库SCIE收录，得到了广泛的认可。

该期刊投稿重要关注点：

Cite Score数据（2024年最新版）Machine Learning Cite Score数据

  • CiteScore：11
  • SJR：1.72
  • SNIP：2.57
学科类别 分区 排名 百分位
大类：Computer Science 小类：Software Q1 45 / 407

89%
大类：Computer Science 小类：Artificial Intelligence Q1 54 / 350

84%

CiteScore 是由Elsevier(爱思唯尔)推出的另一种评价期刊影响力的文献计量指标。反映出一家期刊近期发表论文的年篇均引用次数。CiteScore以Scopus数据库中收集的引文为基础，针对的是前四年发表的论文的引文。CiteScore的意义在于，它可以为学术界提供一种新的、更全面、更客观地评价期刊影响力的方法，而不仅仅是通过影响因子(IF)这一单一指标来评价。

历年Cite Score趋势图

中科院SCI分区Machine Learning 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：否
大类学科 分区 小类学科 分区
计算机科学 3区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 3区

中科院分区表 是以客观数据为基础，运用科学计量学方法对国际、国内学术期刊依据影响力进行等级划分的期刊评价标准。它为我国科研、教育机构的管理人员、科研工作者提供了一份评价国际学术期刊影响力的参考数据，得到了全国各地高校、科研机构的广泛认可。

中科院分区表 将所有期刊按照一定指标划分为1区、2区、3区、4区四个层次，类似于“优、良、及格”等。最开始，这个分区只是为了方便图书管理及图书情报领域的研究和期刊评估。之后中科院分区逐步发展成为了一种评价学术期刊质量的重要工具。

历年中科院分区趋势图

JCR分区Machine Learning JCR分区

2023-2024 年最新版
按JIF指标学科分区 收录子集 分区 排名 百分位
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：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE SCIE Q2 71 / 198

64.39%

JCR分区的优势在于它可以帮助读者对学术文献质量进行评估。不同学科的文章引用量可能存在较大的差异，此时单独依靠影响因子(IF)评价期刊的质量可能是存在一定问题的。因此，JCR将期刊按照学科门类和影响因子分为不同的分区，这样读者可以根据自己的研究领域和需求选择合适的期刊。

历年影响因子趋势图

发文数据

2023-2024 年国家/地区发文量统计
  • 国家/地区数量
  • USA53
  • England42
  • GERMANY (FED REP GER)39
  • CHINA MAINLAND31
  • Japan28
  • France25
  • Australia17
  • India16
  • Italy12
  • Netherlands12

本刊中国学者近年发表论文

  • 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

投稿常见问题

通讯方式：SPRINGER, VAN GODEWIJCKSTRAAT 30, DORDRECHT, NETHERLANDS, 3311 GZ。

同大类学科期刊导航

相关期刊推荐

热门期刊推荐