当前位置：首页 SCI期刊 SCIE期刊计算机科学中科院1区 JCRQ1 期刊介绍(非官网)

Neural NetworksSCIE

国际简称：NEURAL NETWORKS 参考译名：神经网络

中科院分区
1区
CiteScore分区
Q1
JCR分区
Q1

基本信息：: ISSN：0893-6080; E-ISSN：1879-2782; 是否OA：未开放; 是否预警：否; TOP期刊：是

出版信息：: 出版地区：ENGLAND; 出版商：Elsevier Ltd; 出版语言：English; 出版周期：Monthly; 出版年份：1988; 研究方向：工程技术-计算机：人工智能

评价信息：: 影响因子：6; H-index：128; CiteScore指数：13.9; SJR指数：2.605; SNIP指数：2.442

发文数据：: Gold OA文章占比：19.75%; 研究类文章占比：98.15%; 年发文量：595; 自引率：0.0769...; 开源占比：0.1207; 出版撤稿占比：0; 出版国人文章占比：0.35; OA被引用占比：0.0623...

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Neural Networks期刊介绍

Neural Networks is the archival journal of the world's three oldest neural modeling societies: the International Neural Network Society (INNS), the European Neural Network Society (ENNS), and the Japanese Neural Network Society (JNNS). A subscription to the journal is included with membership in each of these societies.

Neural Networks provides a forum for developing and nurturing an international community of scholars and practitioners who are interested in all aspects of neural networks and related approaches to computational intelligence. Neural Networks welcomes high quality submissions that contribute to the full range of neural networks research, from behavioral and brain modeling, learning algorithms, through mathematical and computational analyses, to engineering and technological applications of systems that significantly use neural network concepts and techniques. This uniquely broad range facilitates the cross-fertilization of ideas between biological and technological studies, and helps to foster the development of the interdisciplinary community that is interested in biologically-inspired computational intelligence. Accordingly, Neural Networks editorial board represents experts in fields including psychology, neurobiology, computer science, engineering, mathematics, and physics. The journal publishes articles, letters and reviews, as well as letters to the editor, editorials, current events, software surveys, and patent information. Articles are published in one of five sections: Cognitive Science, Neuroscience, Learning Systems, Mathematical and Computational Analysis, Engineering and Applications.

期刊简介Neural Networks期刊介绍

《Neural Networks》自1988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：

预计审稿时间：约12.0个月约10.5周
国际TOP期刊
计算机科学
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
SCIE
中科院1区
非预警

Cite Score数据（2024年最新版）Neural Networks Cite Score数据

CiteScore：13.9
SJR：2.605
SNIP：2.442

学科类别	分区	排名	百分位
大类：Neuroscience 小类：Cognitive Neuroscience	Q1	4 / 115	96%
大类：Neuroscience 小类：Artificial Intelligence	Q1	35 / 350	90%

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Neural Networks 中科院分区

中科院 2023年12月升级版 综述期刊：否 Top期刊：是

大类学科	分区	小类学科	分区
计算机科学	1区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能 NEUROSCIENCES 神经科学	2区 2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Neural Networks 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	Q1	38 / 197	81%
学科：NEUROSCIENCES	SCIE	Q1	34 / 310	89.2%

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	Q1	28 / 198	86.11%
学科：NEUROSCIENCES	SCIE	Q1	32 / 310	89.84%

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
CHINA MAINLAND408
USA133
England58
Japan55
Australia39
Spain33
South Korea32
Italy30
GERMANY (FED REP GER)28
France27

本刊中国学者近年发表论文

1、Lifelong learning with Shared and Private Latent Representations learned through synaptic intelligence
Author: Yang, Yang; Huang, Jie; Hu, Dexiu

Journal: NEURAL NETWORKS. 2023; Vol. 163, Issue , pp. 165-177. DOI: 10.1016/j.neunet.2023.04.005
2、Collaborative-guided spectral abundance learning with bilinear mixing model for hyperspectral subpixel target detection
Author: Zhu, Dehui; Du, Bo; Hu, Meiqi; Dong, Yanni; Zhang, Liangpei

Journal: NEURAL NETWORKS. 2023; Vol. 163, Issue , pp. 205-218. DOI: 10.1016/j.neunet.2023.02.002
3、Unsupervised graph-level representation learning with hierarchical contrasts
Author: Ju, Wei; Gu, Yiyang; Luo, Xiao; Wang, Yifan; Yuan, Haochen; Zhong, Huasong; Zhang, Ming

Journal: NEURAL NETWORKS. 2023; Vol. 158, Issue , pp. 359-368. DOI: 10.1016/j.neunet.2022.11.019
4、Monte Carlo Ensemble Neural Network for the diagnosis of Alzheimer's disease
Author: Liu, Chaoqiang; Huang, Fei; Qiu, Anqi

Journal: NEURAL NETWORKS. 2023; Vol. 159, Issue , pp. 14-24. DOI: 10.1016/j.neunet.2022.10.032
5、Factorizing time-heterogeneous Markov transition for temporal recommendation?
Author: Wen, Wen; Wang, Wencui; Hao, Zhifeng; Cai, Ruichu

Journal: NEURAL NETWORKS. 2023; Vol. 159, Issue , pp. 84-96. DOI: 10.1016/j.neunet.2022.11.032
6、Efficient Perturbation Inference and Expandable Network for continual learning
Author: Du, Fei; Yang, Yun; Zhao, Ziyuan; Zeng, Zeng

Journal: NEURAL NETWORKS. 2023; Vol. 159, Issue , pp. 97-106. DOI: 10.1016/j.neunet.2022.10.030
7、Variable three-term conjugate gradient method for training artificial neural networks
Author: Kim, Hansu; Wang, Chuxuan; Byun, Hyoseok; Hu, Weifei; Kim, Sanghyuk; Jiao, Qing; Lee, Tah Hee

Journal: NEURAL NETWORKS. 2023; Vol. 159, Issue , pp. 125-136. DOI: 10.1016/j.neunet.2022.12.001
8、Representation learning for continuous action spaces is beneficial for efficient policy learning
Author: Zhao, Tingting; Wang, Ying; Sun, Wei; Chen, Yarui; Niu, Gang; Sugiyama, Masashi

Journal: NEURAL NETWORKS. 2023; Vol. 159, Issue , pp. 137-152. DOI: 10.1016/j.neunet.2022.12.009