نمایه | آخرین بروز رسانی |
---|---|
Scopus | فوریه ۲۰۲۲ |
ISI | مارس ۲۰۲۳ |
SCImago | ژانویه ۲۰۲۰ |
ISI Open Access Journals | مارس ۲۰۲۴ |
لیست سیاه وزارت علوم | فروردین ۱۴۰۲ |
لیست سیاه وزارت بهداشت | فروردین 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 | فوریه ۲۰۲۴ |
نمایه | آخرین بروز رسانی |
---|---|
Scopus | ژانویه ۲۰۲۴ |
ISI | آپریل ۲۰۲۴ |
SCImago | می ۲۰۲۴ |
ISI Open Access Journals | مارس ۲۰۲۴ |
لیست سیاه وزارت علوم | فروردین ۱۴۰۳ |
لیست سیاه وزارت بهداشت | فروردین ۱۴۰۳ |
لیست سیاه دانشگاه آزاد | آذر ۱۴۰۱ |
مجلات دارای زمان داوری | ژانویه ۲۰۲۴ |
مجلات درجه بندی شده از نظر سختی پذیرش | ژانویه ۲۰۲۴ |
فراخوانهای مقاله | فوریه ۲۰۲۴ |
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 |
این مجله در فهرست مجلات Scopus قرار دارد بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:
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