Ieee Transactions On Neural Networks And Learning Systems

Ieee Transactions On Neural Networks And Learning Systems SCIE

神经网络和学习系统的IEEE交易  国际简称:IEEE T NEUR NET LEAR

  • 计算机科学 大类学科
  • COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 小类学科
  • 1区 中科院分区
  • Q1 JCR分区

Ieee Transactions On Neural Networks And Learning Systems(神经网络和学习系统的IEEE交易杂志)是由IEEE Computational Intelligence Society出版社主办的一本以计算机科学-COMPUTER SCIENCE, HARDWARE & ARCHITECTURE为研究方向,OA非开放(Not Open Access)的国际顶尖期刊。旨在帮助发展和壮大计算机科学及相关学科的各个方面。该期刊接受多种不同类型的文章。本刊出版语言为English,创刊于2012年。自创刊以来,已被SCIE(科学引文索引扩展板)等国内外知名检索系统收录。该杂志发表了高质量的论文,重点介绍了COMPUTER SCIENCE, HARDWARE & ARCHITECTURE在分析和实践中的理论、研究和应用。

杂志介绍

  • ISSN:2162-237X

    E-ISSN:2162-2388

    出版商:IEEE Computational Intelligence Society

  • 出版语言:English

    出版地区:UNITED STATES

    出版周期:12 issues/year

  • 是否OA:未开放

    是否预警:否

    创刊时间:2012

  • 年发文量:1020

    影响因子:10.2

    研究类文章占比:99.31%

    Gold OA文章占比:4.86%

    H-index:180

    出版国人文章占比:0.45

    出版撤稿文章占比:

    开源占比:0.11...

    文章自引率:0.0961...

《Ieee Transactions On Neural Networks And Learning Systems》是一份国际顶尖期刊,为计算机科学领域的研究人员和从业者提供科学论坛。该期刊涵盖了计算机科学及相关学科的所有方面,包括基础和应用研究,使读者能够获得来自世界各地的最新、前沿的研究。该期刊欢迎涉及计算机科学领域的原创理论、方法、技术和重要应用的稿件,并刊载了涉及计算机科学领域的相关栏目:综述、论著、述评、论著摘要等。所有投稿都有望达到高标准的科学严谨性,并为推进该领域的科研知识传播做出贡献。该期刊最新CiteScore值为23.8,最新影响因子为10.2,SJR指数为4.17,SNIP指数为3.995。

期刊Ieee Transactions On Neural Networks And Learning Systems近年评价数据趋势图

中科院SCI期刊分区大类分区趋势图
期刊自引率趋势图
期刊CiteScore趋势图
期刊影响因子趋势图
期刊年发文量趋势图

期刊CiteScore指数统计(2024年最新版)

CiteScore指标的应用非常广泛,以期刊的引用次数为基础评估期刊的影响力。它可以反映期刊的学术影响力和学术水平,是学术界常用的期刊评价指标之一。

CiteScore SJR SNIP CiteScore 排名
23.8 4.17 3.995
学科类别 分区 排名 百分位
大类:Computer Science 小类:Computer Networks and Communications Q1 4 / 395

99%

大类:Computer Science 小类:Computer Science Applications Q1 11 / 817

98%

大类:Computer Science 小类:Software Q1 10 / 407

97%

大类:Computer Science 小类:Artificial Intelligence Q1 10 / 350

97%

CiteScore是由Elsevier公司开发的一种用于衡量科学期刊影响力的指标,以期刊的引用次数为基础评估期刊的影响力。这个指标是由Scopus数据库支持,以四年为一个时段,连续评估期刊和丛书的引文影响力的。具体来说,CiteScore是计算某期刊连续三年发表的论文在第四年度的篇均引用次数。CiteScore和影响因子(IF)有所不同。例如,在影响因子的计算中,分子是来自所有文章的引用次数,包括编辑述评、读者来信、更正信息和新闻等非研究性文章,而分母则不包括这些非研究性文章。然而,在CiteScore的计算中,分子和分母都包括这些非研究性文章。因此,如果这些非研究性文章比较多,由于分母较大,相较于影响因子,CiteScore计算出来的分数可能会偏低。此外,CiteScore的引用数据来自Scopus数据库中的22000多个期刊,比影响因子来自Web of Science数据库的11000多个期刊多了一倍。

期刊WOS(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 13 / 197

93.7%

学科:COMPUTER SCIENCE, HARDWARE & ARCHITECTURE SCIE Q1 3 / 59

95.8%

学科:COMPUTER SCIENCE, THEORY & METHODS SCIE Q1 7 / 143

95.5%

学科:ENGINEERING, ELECTRICAL & ELECTRONIC SCIE Q1 11 / 352

97%

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 13 / 198

93.69%

学科:COMPUTER SCIENCE, HARDWARE & ARCHITECTURE SCIE Q1 4 / 59

94.07%

学科:COMPUTER SCIENCE, THEORY & METHODS SCIE Q1 7 / 143

95.45%

学科:ENGINEERING, ELECTRICAL & ELECTRONIC SCIE Q1 12 / 354

96.75%

WOS(JCR)分区是由科睿唯安公司提出的一种新的期刊评价指标,分区越靠前一般代表期刊质量越好,发文难度也越高。这种分级体系有助于科研人员快速了解各个期刊的影响力和地位。JCR将所有期刊按照各个学科领域进行分类,然后以影响因子为标准平均分为四个等级:Q1、Q2、Q3和Q4区。这种设计使得科研人员可以更容易地进行跨学科比较。

中科院SCI期刊分区

中科院SCI期刊分区是由中国科学院国家科学图书馆制定的。将所有的期刊按照学科进行分类,以影响因子为标准平均分为四个等级。分区越靠前一般代表期刊质量越好,发文难度也越高。

2023年12月升级版

Top期刊 综述期刊 大类学科 小类学科
计算机科学 1区
COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 计算机:硬件 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 ENGINEERING, ELECTRICAL & ELECTRONIC 工程:电子与电气
1区 1区 2区 2区

2022年12月升级版

Top期刊 综述期刊 大类学科 小类学科
计算机科学 1区
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 计算机:硬件 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 ENGINEERING, ELECTRICAL & ELECTRONIC 工程:电子与电气
1区 1区 1区 1区

2021年12月旧的升级版

Top期刊 综述期刊 大类学科 小类学科
计算机科学 1区
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 计算机:硬件 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 ENGINEERING, ELECTRICAL & ELECTRONIC 工程:电子与电气
1区 1区 1区 1区

2021年12月基础版

Top期刊 综述期刊 大类学科 小类学科
工程技术 1区
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 计算机:硬件 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 ENGINEERING, ELECTRICAL & ELECTRONIC 工程:电子与电气
1区 1区 1区 1区

2021年12月升级版

Top期刊 综述期刊 大类学科 小类学科
计算机科学 1区
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 计算机:硬件 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 ENGINEERING, ELECTRICAL & ELECTRONIC 工程:电子与电气
1区 1区 1区 1区

2020年12月旧的升级版

Top期刊 综述期刊 大类学科 小类学科
计算机科学 1区
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, HARDWARE & ARCHITECTURE 计算机:硬件 COMPUTER SCIENCE, THEORY & METHODS 计算机:理论方法 ENGINEERING, ELECTRICAL & ELECTRONIC 工程:电子与电气
1区 1区 1区 1区

投稿提示

Ieee Transactions On Neural Networks And Learning Systems(中文译名神经网络和学习系统的IEEE交易杂志)是一本专注于COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE,COMPUTER SCIENCE, HARDWARE & ARCHITECTURE领域的国际期刊,致力于为全球COMPUTER SCIENCE, HARDWARE & ARCHITECTURE领域的研究者提供一个高质量的学术交流平台。该期刊ISSN:2162-237X,E-ISSN:2162-2388,出版周期12 issues/year。在中科院的大类学科分类中,该期刊属于计算机科学范畴,而在小类学科中,它主要涵盖了COMPUTER SCIENCE, HARDWARE & ARCHITECTURE这一领域。编辑部诚挚邀请广大计算机科学领域的专家学者投稿,内容可以涵盖计算机科学的综合研究、实践应用、创新成果等方面。同时,我们也欢迎学者们就相关主题进行简短的交流和评论,以促进学术界的互动与合作。为了保证期刊的质量,审稿周期预计为 一般,3-8周 。在此期间,编辑部将对所有投稿进行严格的同行评审,以确保发表的文章具有较高的学术价值和实用性。

值得一提的是,Ieee Transactions On Neural Networks And Learning Systems近期并未被列入国际期刊预警名单,这意味着其学术质量和影响力得到了广泛认可。该期刊为计算机科学领域的学者提供了一个优质的学术交流平台。因此,关注并投稿至Ieee Transactions On Neural Networks And Learning Systems无疑是一个明智的选择,这将有助于提升您的学术声誉和研究成果的传播。

多年来,我们专注于期刊投稿服务,能够为您分析推荐目标期刊。凭借多年来丰富的投稿经验和专业指导,我们有效助力提升录用几率。点击以下按钮即可免费咨询。

投稿咨询

期刊发文分析

机构发文量统计
机构 发文量
CHINESE ACADEMY OF SCIENCES 155
NORTHWESTERN POLYTECHNICAL UNIVERSITY 60
CITY UNIVERSITY OF HONG KONG 58
NANJING UNIVERSITY OF SCIENCE & TECHNOLOGY 51
SOUTHEAST UNIVERSITY - CHINA 48
HARBIN INSTITUTE OF TECHNOLOGY 41
TSINGHUA UNIVERSITY 40
GUANGDONG UNIVERSITY OF TECHNOLOGY 38
UNIVERSITY OF MACAU 36
UNIVERSITY OF TECHNOLOGY SYDNEY 36
国家 / 地区发文量统计
国家 / 地区 发文量
CHINA MAINLAND 929
USA 278
Australia 149
England 98
Singapore 60
Canada 54
Italy 49
South Korea 42
Japan 31
France 23
期刊引用数据次数统计
期刊引用数据 引用次数
IEEE T NEUR NET LEAR 1628
IEEE T PATTERN ANAL 460
IEEE T CYBERNETICS 355
AUTOMATICA 348
IEEE T AUTOMAT CONTR 303
IEEE T IMAGE PROCESS 301
NEUROCOMPUTING 296
J MACH LEARN RES 226
NEURAL NETWORKS 206
IEEE T SYST MAN CY-S 141
期刊被引用数据次数统计
期刊被引用数据 引用次数
IEEE ACCESS 2485
NEUROCOMPUTING 1779
IEEE T NEUR NET LEAR 1628
IEEE T CYBERNETICS 693
J FRANKLIN I 476
IEEE T SYST MAN CY-S 467
NEURAL NETWORKS 466
NEURAL COMPUT APPL 463
NEURAL PROCESS LETT 426
INFORM SCIENCES 333
文章引用数据次数统计
文章引用数据 引用次数
Object Detection With Deep Learning: A Rev... 201
Adaptive Fuzzy Neural Network Control for ... 121
Efficient kNN Classification With Differen... 110
Broad Learning System: An Effective and Ef... 103
Dendritic Neuron Model With Effective Lear... 80
Adversarial Examples: Attacks and Defenses... 77
Consensus of Hybrid Multi-Agent Systems 71
Applications of Deep Learning and Reinforc... 67
From Deterministic to Generative: Multimod... 66
Exploring Auxiliary Context: Discrete Sema... 62

免责声明

若用户需要出版服务,请联系出版商:445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141。