当前位置：首页 SCI 期刊计算机科学 Machine Intelligence Research(非官网)

Machine Intelligence ResearchSCIE

国际简称：MACH INTELL RES 参考译名：机器智能研究

中科院分区
4区
CiteScore分区
Q1
JCR分区
Q1

基本信息：: ISSN：2731-538X; E-ISSN：2731-5398; 是否OA：未开放; 是否预警：否; TOP期刊：否

出版信息：: 出版商：Chinese Academy of Sciences; 出版语言：English; 研究方向：Multiple

评价信息：: 影响因子：6.4; CiteScore指数：6.7; SJR指数：1.68; SNIP指数：2.72

发文数据：: Gold OA文章占比：37.08%; 研究类文章占比：89.09%; 年发文量：55

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 Intelligence Research期刊介绍

Machine Intelligence Research, as an academic journal dedicated to promoting the development of the field of machine intelligence, reflects a positive response to national strategic needs and an open attitude towards global academic perspectives. This journal not only provides a platform for domestic and foreign researchers to showcase the latest research results, but also promotes academic exchanges and technological progress in key fields such as machine learning, deep learning, natural language processing, and computer vision by publishing high-quality original papers, reviews, and comments.

The publication content of the journal not only covers the basic theories of machine intelligence, but also pays special attention to cutting-edge innovations in this field, such as intelligent algorithms, big data processing, machine perception and cognition, etc. Through in-depth exploration of these contents, the journal aims to provide theoretical support and practical guidance for the technological progress of artificial intelligence, while also providing decision-making references and research perspectives for policy makers, industry experts, and academic researchers.

期刊简介Machine Intelligence Research期刊介绍

《Machine Intelligence Research》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：
计算机科学
AUTOMATION & CONTROL SYSTEMS
SCIE
中科院4区
非预警

Cite Score数据（2024年最新版）Machine Intelligence Research Cite Score数据

CiteScore：6.7
SJR：1.681
SNIP：2.721

学科类别	分区	排名	百分位
大类：Mathematics 小类：Applied Mathematics	Q1	54 / 635	91%
大类：Mathematics 小类：Modeling and Simulation	Q1	42 / 324	87%
大类：Mathematics 小类：Control and Systems Engineering	Q1	78 / 321	75%
大类：Mathematics 小类：Computer Networks and Communications	Q1	99 / 395	75%
大类：Mathematics 小类：Computer Science Applications	Q2	211 / 817	74%
大类：Mathematics 小类：Signal Processing	Q2	35 / 131	73%
大类：Mathematics 小类：Computer Vision and Pattern Recognition	Q2	29 / 106	73%
大类：Mathematics 小类：Artificial Intelligence	Q2	115 / 350	67%

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 Intelligence 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	4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

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 Intelligence 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	ESCI	Q1	10 / 84	88.7%
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	ESCI	Q1	34 / 197	83%

按JCI指标学科分区	收录子集	分区	排名	百分位
学科：AUTOMATION & CONTROL SYSTEMS	ESCI	Q1	12 / 84	86.31%
学科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE	ESCI	Q1	36 / 198	82.07%

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

本刊中国学者近年发表论文

1、YuNet: A Tiny Millisecond-level Face Detector
Author: Wu, Wei; Peng, Hanyang; Yu, Shiqi

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-023-1423-y
2、Deep Learning-based Moving Object Segmentation: Recent Progress and Research Prospects
Author: Jiang, Rui; Zhu, Ruixiang; Su, Hu; Li, Yinlin; Xie, Yuan; Zou, Wei

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1378-4
3、AI in Human-computer Gaming: Techniques, Challenges and Opportunities
Author: Yin, Qi-Yue; Yang, Jun; Huang, Kai-Qi; Zhao, Mei-Jing; Ni, Wan-Cheng; Liang, Bin; Huang, Yan; Wu, Shu; Wang, Liang

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1384-6
4、A Survey on Recent Advances and Challenges in Reinforcement Learning Methods for Task-oriented Dialogue Policy Learning
Author: Kwan, Wai-Chung; Wang, Hong-Ru; Wang, Hui-Min; Wong, Kam-Fai

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1347-y
5、Dynamic Movement Primitives Based Robot Skills Learning
Author: Kong, Ling-Huan; He, Wei; Chen, Wen-Shi; Zhang, Hui; Wang, Yao-Nan

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1346-z
6、DynamicRetriever: A Pre-trained Model-based IR System Without an Explicit Index
Author: Zhou, Yu-Jia; Yao, Jing; Dou, Zhi-Cheng; Wu, Ledell; Wen, Ji-Rong

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1373-9
7、ECG Biometrics via Enhanced Correlation and Semantic-rich Embedding
Author: Wang, Kui-Kui; Yang, Gong-Ping; Yang, Lu; Huang, Yu-Wen; Yin, Yi-Long

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1345-0
8、Dual-domain and Multiscale Fusion Deep Neural Network for PPG Biometric Recognition
Author: Liu, Chun-Ying; Yang, Gong-Ping; Huang, Yu-Wen; Huang, Fu-Xian

Journal: MACHINE INTELLIGENCE RESEARCH. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s11633-022-1366-8