| نمایه | آخرین بروز رسانی |
|---|---|
| Scopus | فوریه ۲۰۲۲ |
| ISI | آگوست ۲۰۲۳ |
| SCImago | ژانویه ۲۰۲۰ |
| ISI Open Access Journals | می ۲۰۲۵ |
| لیست سیاه وزارت علوم | شهریور ۱۴۰۲ |
| لیست سیاه وزارت بهداشت | شهریور ۱۴۰۲ |
| لیست سیاه دانشگاه آزاد | بهمن ۱۳۹۹ |
| مجلات دارای زمان داوری | ژانویه ۲۰۲۲ |
| مجلات درجه بندی شده از نظر سختی پذیرش | ژانویه ۲۰۲۲ |
| فراخوانهای مقاله | مارس ۲۰۲۵ |
| آمار دانلود مقالات هر مجله | ژانویه ۲۰۲۲ |
| نمایه | آخرین بروز رسانی |
|---|---|
| Scopus | فوریه ۲۰۲۵ |
| ISI | سپتامبر ۲۰۲۵ |
| SCImago | می ۲۰۲۵ |
| ISI Open Access Journals | می ۲۰۲۵ |
| لیست سیاه وزارت علوم | شهریور ۱۴۰۴ |
| لیست سیاه وزارت بهداشت | فروردین ۱۴۰۳ |
| لیست سیاه دانشگاه آزاد | دی ۱۴۰۳ |
| مجلات دارای زمان داوری | می ۲۰۲۵ |
| مجلات درجه بندی شده از نظر سختی پذیرش | می ۲۰۲۵ |
| فراخوانهای مقاله | مارس ۲۰۲۵ |
| آمار دانلود مقالات هر مجله | می ۲۰۲۵ |
International Journal Of Machine Learning And Cybernetics
| آمریکا | کشور |
| ۴٫۰۱۲ | Impact Factor |
| ۳٫۵۵۸ | پنج ساله Impact Factor |
| اشتراک نقره ای تهیه کنید | زمان داوری مقاله(تصمیم اولیه) |
| 1868-8071 | ISSN |
| 1868-808X | e-ISSN |
| 2010 تا کنون | مدت فعالیت |
| Springer Nature | ناشر |
| www.springer.com | سایت مجله |
ISI
Scopus این مجله در فهرست مجلات Scopus قرار دارد و با نام International Journal of Machine Learning and Cybernetics ثبت شده است. بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:
SCImago بر اساس دسته بندی این بنیاد این مجله در دسته Q1 قرار دارد
رشته تخصصی و رتبه مجله در آن رشته:
سایبرنتیک به توصیف فعل و انفعالات و روابط متقابل پیچیده بین سیستم هایی می پردازد که در زندگی روزمره ما وجود دارند. یادگیری ماشینی روابط عملکردی اساسی بین متغیرها و مجموعه ای از متغیرها را در سیستم ها کشف می کند. ادغام رشته های یادگیری ماشین و سایبرنتیک با هدف کشف اشکال مختلف تعامل بین سیستم ها از طریق مکانیسم های متنوع یادگیری از داده ها انجام می شود. مجله بین المللی یادگیری ماشین و سایبرنتیک (IJMLC) بر مشکلات کلیدی تحقیقاتی که در نقطه اتصال یادگیری ماشین و سایبرنتیک پدیدار می شوند تمرکز دارد و به عنوان یک انجمن گسترده برای انتشار سریع آخرین پیشرفت ها در این منطقه عمل می کند. تاکید IJMLC بر توسعه ترکیبی یادگیری ماشین و طرحهای سایبرنتیک با الهام از رشتههای کمککننده مختلف مانند مهندسی، ریاضیات، علوم شناختی و برنامههای کاربردی است. ایده های جدید، جایگزین های طراحی، پیاده سازی ها و مطالعات موردی مربوط به تمام جنبه های یادگیری ماشین و سایبرنتیک در محدوده IJMLC قرار می گیرند. حوزههای تحقیقاتی کلیدی که باید توسط این مجله پوشش داده شود عبارتند از: یادگیری ماشین برای مدلسازی تعاملات بین سیستمها فناوری تشخیص الگو برای حمایت از کشف تعامل سیستم-محیط کنترل تعاملات سیستم-محیط تعامل بیوشیمیایی در سیستمهای بیولوژیکی و الهام گرفته از بیولوژیکی یادگیری برای بهبود طرحهای ارتباطی بین سیستمها