Machine Learning SCIE

国际简称：MACH LEARN 参考译名：机器学习

主要研究方向：工程技术-计算机：人工智能非预警期刊审稿周期：较慢,6-12周

《机器学习》(Machine Learning)是一本由Springer US出版的以工程技术-计算机：人工智能为研究特色的国际期刊，发表该领域相关的原创研究文章、评论文章和综述文章，及时报道该领域相关理论、实践和应用学科的最新发现，旨在促进该学科领域科学信息的快速交流。该期刊是一本未开放期刊，近三年没有被列入预警名单。

3区中科院分区
Q2 JCR分区
164 年发文量
4.3 IF影响因子
未开放 是否OA
135 H-index
1986 创刊年份
Monthly 出版周期
English 出版语言

Machine Learning is an international forum for research on computational approaches to learning. The journal publishes articles reporting substantive results on a wide range of learning methods applied to a variety of learning problems, including but not limited to:

Learning Problems: Classification, regression, recognition, and prediction; Problem solving and planning; Reasoning and inference; Data mining; Web mining; Scientific discovery; Information retrieval; Natural language processing; Design and diagnosis; Vision and speech perception; Robotics and control; Combinatorial optimization; Game playing; Industrial, financial, and scientific applications of all kinds.

Learning Methods: Supervised and unsupervised learning methods (including learning decision and regression trees, rules, connectionist networks, probabilistic networks and other statistical models, inductive logic programming, case-based methods, ensemble methods, clustering, etc.); Reinforcement learning; Evolution-based methods; Explanation-based learning; Analogical learning methods; Automated knowledge acquisition; Learning from instruction; Visualization of patterns in data; Learning in integrated architectures; Multistrategy learning; Multi-agent learning.

[ 查看全部 ]

投稿咨询加急咨询

投稿热线：400-888-7501

Machine Learning期刊信息

ISSN：0885-6125
出版语言：English
是否OA：未开放
E-ISSN：1573-0565
出版地区：UNITED STATES
是否预警：否
出版商：Springer US
出版周期：Monthly
创刊时间：1986
开源占比：0.4226
Gold OA文章占比：46.75%
OA被引用占比：0.3272...
出版国人文章占比：0.07
出版撤稿占比：0
研究类文章占比：99.39%

Machine Learning CiteScore评价数据（2024年最新版）

CiteScore

SJR

SNIP

CiteScore 指数

1.72

2.57

学科类别	分区	排名	百分位
大类：Computer Science 小类：Software	Q1	45 / 407	89%
大类：Computer Science 小类：Artificial Intelligence	Q1	54 / 350	84%

名词解释：CiteScore 是衡量期刊所发表文献的平均受引用次数，是在 Scopus 中衡量期刊影响力的另一个指标。当年CiteScore 的计算依据是期刊最近4年（含计算年度）的被引次数除以该期刊近四年发表的文献数。例如，2022年的 CiteScore 计算方法为：2022年的 CiteScore =2019-2022年收到的对2019-2022年发表的文件的引用数量÷2019-2022年发布的文献数量注：文献类型包括：文章、评论、会议论文、书籍章节和数据论文。

Machine Learning中科院评价数据

中科院 2023年12月升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

中科院 2022年12月升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

中科院 2021年12月旧的升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

中科院 2021年12月基础版

Top期刊	综述期刊	大类学科		小类学科
否	否	工程技术	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	4区

中科院 2021年12月升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

中科院 2020年12月旧的升级版

Top期刊	综述期刊	大类学科		小类学科
否	否	计算机科学	3区	COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机：人工智能	3区

Machine Learning JCR评价数据（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	Q2	54 / 197	72.8%

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	Q2	71 / 198	64.39%

Machine Learning历年数据统计

影响因子

中科院分区

Machine Learning中国学者发文选摘

1、Multiscale principle of relevant information for hyperspectral image classification
Author: Wei, Yantao; Yu, Shujian; Giraldo, Luis Sanchez; Principe, Jose C.

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 4, pp. 1227-1252. DOI: 10.1007/s10994-021-06011-9
2、Troubleshooting image segmentation models with human-in-the-loop
Author: Wang, Haotao; Chen, Tianlong; Wang, Zhangyang; Ma, Kede

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 3, pp. 1033-1051. DOI: 10.1007/s10994-021-06110-7
3、Beyond confusion matrix: learning from multiple annotators with awareness of instance features
Author: Li, Jingzheng; Sun, Hailong; Li, Jiyi

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 3, pp. 1053-1075. DOI: 10.1007/s10994-022-06211-x
4、DAFS: a domain aware few shot generative model for event detection
Author: Xia, Nan; Yu, Hang; Wang, Yin; Xuan, Junyu; Luo, Xiangfeng

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 3, pp. 1011-1031. DOI: 10.1007/s10994-022-06198-5
5、Reconciling privacy and utility: an unscented Kalman filter-based framework for differentially private machine learning
Author: Tang, Kunsheng; Li, Ping; Song, Yide; Luo, Tian

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 1, pp. 311-351. DOI: 10.1007/s10994-022-06279-5
6、Limits of multi-relational graphs
Author: Alvarado, Juan; Wang, Yuyi; Ramon, Jan

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 1, pp. 177-216. DOI: 10.1007/s10994-022-06281-x
7、Neural predictor-based automated graph classifier framework
Author: Oloulade, Babatounde Moctard; Gao, Jianliang; Chen, Jiamin; Al-Sabri, Raeed; Lyu, Tengfei

Journal: MACHINE LEARNING. 2023; Vol. 112, Issue 4, pp. 1315-1335. DOI: 10.1007/s10994-022-06287-5
8、Diverse and consistent multi-view networks for semi-supervised regression
Author: Nguyen, Cuong; Raja, Arun; Zhang, Le; Xu, Xun; Unnikrishnan, Balagopal; Ragab, Mohamed; Lu, Kangkang; Foo, Chuan-Sheng

Journal: MACHINE LEARNING. 2023; Vol. , Issue , pp. -. DOI: 10.1007/s10994-023-06305-0