当前位置: 首页 SCI期刊 SCIE期刊 计算机科学 中科院3区 JCRQ1 期刊介绍(非官网)
Journal Of Machine Learning Research

Journal Of Machine Learning ResearchSCIE

国际简称:J MACH LEARN RES  参考译名:机器学习研究杂志

  • 中科院分区

    3区

  • CiteScore分区

    Q1

  • JCR分区

    Q1

基本信息:
ISSN:1532-4435
E-ISSN:1533-7928
是否OA:开放
是否预警:否
TOP期刊:否
出版信息:
出版地区:UNITED STATES
出版商:Microtome Publishing
出版语言:English
出版周期:Bimonthly
出版年份:2001
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:173
CiteScore指数:18.8
SJR指数:2.796
SNIP指数:4.031
发文数据:
Gold OA文章占比:0.00%
研究类文章占比:100.00%
年发文量:349
自引率:0
开源占比:0
出版撤稿占比:0
出版国人文章占比:0.09
OA被引用占比:0
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Journal Of Machine Learning Research期刊介绍

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JMLR seeks previously unpublished papers on machine learning that contain: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.

期刊简介Journal Of Machine Learning Research期刊介绍

《Journal Of Machine Learning Research》自2001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)Journal Of Machine Learning Research Cite Score数据

  • CiteScore:18.8
  • SJR:2.796
  • SNIP:4.031
学科类别 分区 排名 百分位
大类:Mathematics 小类:Statistics and Probability Q1 1 / 278

99%

大类:Mathematics 小类:Control and Systems Engineering Q1 10 / 321

97%

大类:Mathematics 小类:Software Q1 20 / 407

95%

大类:Mathematics 小类:Artificial Intelligence Q1 20 / 350

94%

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Journal Of Machine Learning Research 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 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

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Journal Of Machine Learning Research 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: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%

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
  • USA366
  • CHINA MAINLAND75
  • France66
  • England61
  • GERMANY (FED REP GER)50
  • Canada34
  • Switzerland32
  • Israel23
  • Netherlands15
  • Singapore14

本刊中国学者近年发表论文

  • 1、Differentially private data releasing for smooth queries

    Author: wangzt2012

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

  • 2、SPSD matrix approximation vis column selection: theories, algorithms, and extensions

    Author: zhihua

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

  • 3、SPSD matrix approximation vis column selection: theories, algorithms, and extensions

    Author: ricky

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

  • 4、Hybrid orthogonal projection and estimation (HOPE): a new framework to learn neural networks

    Author: zsl2008

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

  • 5、Model-free Variable Selection in Reproducing Kernel Hilbert Space

    Author: lvsg716

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

  • 6、Large scale online kernel learning

    Author: zhiyong.liu

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

  • 7、Scalable learning of Bayesian network classifiers

    Author: chen

    Journal: JOURNAL OF MACHINE LEARNING RESEARCH, 2016.

投稿常见问题

通讯方式:MICROTOME PUBL, 31 GIBBS ST, BROOKLINE, USA, MA, 02446。