تفاوت تاریخ بروزرسانی در صورت داشتن اشتراک

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



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

آخرین بروز رسانی مارس ۲۰۲۳
این مجله در فهرست مجلات ISI وجود دارد و در نمایه استنادی SCIE ثبت شده است علاوه بر آن این مجله در پایگاه داده Current Contents (موضوع مقالات اخیر) مجلات ISI در دسته بندی Engineering, Computing & Technology نیز ثبت شده است یکی دیگر از پایگاه داده های مهم مجلات ISI، پایگاه داده ESI (لبه فناوری) است که این مجله در این پایگاه داده نیز ثبت شده است این مجله در لیست سالانه JCR ذکر شده است. بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:

اهداف مجله

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

برای فرستادن دیدگاه باید وارد شوید