Machine Learning

ISI

آخرین بروز رسانی مارس ۲۰۲۳

Scopus

آخرین بروز رسانی فوریه ۲۰۲۲

این مجله در فهرست مجلات Scopus قرار دارد و با نام Machine Learning ثبت شده است. بر اساس تقسیم بندی این بنیاد مقالات چاپ شده در این مجله در رشته های تخصصی زیر قرار دارند:

SCImago

آخرین بروز رسانی ژانویه ۲۰۲۰

بر اساس دسته بندی این بنیاد این مجله در دسته Q1 قرار دارد

رشته تخصصی و رتبه مجله در آن رشته:

اهداف مجله

یادگیری ماشینی یک انجمن بین المللی برای تحقیق در مورد رویکردهای محاسباتی یادگیری است. این مجله مقالاتی را منتشر می کند که نتایج قابل توجهی را در مورد طیف گسترده ای از روش های یادگیری به کار گرفته شده برای انواع مشکلات یادگیری منتشر می کند، از جمله: مشکلات یادگیری: طبقه بندی، رگرسیون، تشخیص، و پیش بینی. حل مسئله و برنامه ریزی؛ استدلال و استنباط؛ داده کاوی؛ وب کاوی؛ کشف علمی؛ بازیابی اطلاعات؛ پردازش زبان طبیعی؛ طراحی و تشخیص؛ بینایی و درک گفتار؛ رباتیک و کنترل؛ بهینه سازی ترکیبی؛ بازی؛ انواع کاربردهای صنعتی، مالی و علمی. روش‌های یادگیری: روش‌های یادگیری تحت نظارت و بدون نظارت (شامل درخت‌های تصمیم‌گیری و رگرسیون یادگیری، قوانین، شبکه‌های پیوندگرا، شبکه‌های احتمالی و سایر مدل‌های آماری، برنامه‌نویسی منطق استقرایی، روش‌های مبتنی بر مورد، روش‌های مجموعه‌ای ، خوشه بندی و غیره)؛ یادگیری تقویتی؛ روش های مبتنی بر تکامل؛ یادگیری مبتنی بر تبیین؛ روش های یادگیری آنالوگ؛ کسب دانش خودکار؛ یادگیری از آموزش؛ تجسم الگوها در داده ها؛ یادگیری در معماری های یکپارچه یادگیری چند استراتژی؛ یادگیری چند عاملی مقاله ها تحقیق در مورد مسائل و روش ها، تحقیقات کاربردی و مسائل روش شناسی تحقیق را شرح می دهند. مقالاتی که ادعاهایی درباره مشکلات یادگیری (مانند پیچیدگی ذاتی) یا روش‌ها (به عنوان مثال، عملکرد نسبی الگوریتم‌های جایگزین) دارند، از طریق مطالعات تجربی، تجزیه و تحلیل نظری یا مقایسه با پدیده‌های روان‌شناختی پشتیبانی محکمی ارائه می‌کنند. مقاله های کاربردی نشان می دهد که چگونه می توان روش های یادگیری را برای حل مسائل مهم برنامه ها به کار برد. مقالات روش تحقیق نحوه انجام تحقیقات یادگیری ماشین را بهبود می بخشد. همه مقالات باید مشارکت خود را به وضوح بیان کنند و نحوه حمایت از مشارکت ها را شرح دهند. همه مقالات باید شواهد پشتیبان را به گونه‌ای توصیف کنند که توسط سایر محققان قابل تأیید یا تکرار باشد. همه مقالات باید مؤلفه یادگیری را به وضوح توصیف کنند، و باید مفروضات مربوط به بازنمایی دانش و وظیفه عملکرد را مورد بحث قرار دهند. همه مقالات باید سهم خود را به وضوح در زمینه کار موجود در یادگیری ماشین قرار دهند. تغییرات این نمونه‌های اولیه، مانند بررسی‌های جامع از حوزه‌های تحقیقاتی فعال، بررسی‌های انتقادی کار موجود، و بررسی کتاب‌ها، به شرطی در نظر گرفته می‌شوند که سهم روشنی در این زمینه داشته باشند.