在线客服
Nature Machine Intelligence
人气:32

Nature Machine Intelligence SCIE

  • ISSN:2522-5839
  • 出版商:SPRINGERNATURE
  • 出版语言:English
  • E-ISSN:2522-5839
  • 出版地区:ENGLAND
  • 是否预警:
  • 出版周期:12 issues per year
  • TOP期刊:
  • 影响因子:18.8
  • 是否OA:未开放
  • CiteScore:36.9
  • 研究类文章占比:95.35%
  • Gold OA文章占比:20.52%
  • 文章自引率:0.0210...
  • 开源占比:0.0949
  • 出版国人文章占比:0.07
  • 国际标准简称:NAT MACH INTELL
  • 涉及的研究方向:Multiple
  • 中文名称:自然机器智能
  • 预计审稿周期:
国内分区信息:

大类学科:计算机科学  中科院分区  1区

国际分区信息:

JCR学科:COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE、COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS  JCR分区  Q1

  • 影响因子:18.8
  • Gold OA文章占比:20.52%
  • CiteScore:36.9
  • 研究类文章占比:95.35%
  • 开源占比:0.0949
  • 文章自引率:0.0210...
  • 出版国人文章占比:0.07

推荐合适期刊 投稿指导 助力快速见刊免费咨询

Nature Machine Intelligence 期刊简介

Nature Machine Intelligence是计算机科学领域的一本权威期刊。由SPRINGERNATURE出版社出版。该期刊主要发表计算机科学领域的原创性研究成果。是计算机科学领域中具有代表性的学术刊物。该期刊主要刊载Multiple及其基础研究的前瞻性、原始性、首创性研究成果、科技成就和进展。该期刊不仅收录了该领域的科技成就和进展,更以其深厚的学术积淀和卓越的审稿标准,确保每篇文章都具备高度的学术价值。此外,该刊同时被SCIE数据库收录,并被划分为中科院SCI1区期刊,相当于A级期刊(最高刊物级别),它始终坚持创新,不断专注于发布高度有价值的研究成果,不断推动计算机科学领域的进步。

同时,我们注重来稿文章表述的清晰度,以及其与我们的读者群体和研究领域的相关性。为此,我们期待所有投稿的文章能够保持简洁明了、组织有序、表述清晰。该期刊平均审稿速度为平均 。若您对于稿件是否适合该期刊存在疑虑,建议您在提交前主动与期刊主编取得联系,或咨询本站的客服老师。我们的客服老师将根据您的研究内容和方向,为您推荐最为合适的期刊,助力您顺利投稿,实现学术成果的顺利发表。

Nature Machine Intelligence 期刊国内分区信息

中科院分区 2023年12月升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 1区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机:跨学科应用 1区 1区
中科院分区 2022年12月升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 1区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机:跨学科应用 1区 1区
中科院分区 2021年12月旧的升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 1区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机:跨学科应用 1区 1区
中科院分区 2021年12月基础版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
工程技术 1区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机:跨学科应用 1区 1区
中科院分区 2021年12月升级版
大类学科 分区 小类学科 分区 Top期刊 综述期刊
计算机科学 1区 COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 计算机:人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 计算机:跨学科应用 1区 1区

Nature Machine Intelligence 期刊国际分区信息(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 Q1 3 / 197

98.7%

学科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q1 1 / 169

99.7%

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 Q1 4 / 198

98.23%

学科:COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS SCIE Q1 2 / 169

99.11%

CiteScore指数(2024年最新版)

  • CiteScore:36.9
  • SJR:5.94
  • SNIP:5.702
学科类别 分区 排名 百分位
大类:Computer Science 小类:Computer Networks and Communications Q1 2 / 395

99%

大类:Computer Science 小类:Software Q1 4 / 407

99%

大类:Computer Science 小类:Artificial Intelligence Q1 4 / 350

99%

大类:Computer Science 小类:Human-Computer Interaction Q1 3 / 145

98%

大类:Computer Science 小类:Computer Vision and Pattern Recognition Q1 3 / 106

97%

期刊评价数据趋势图

中科院分区趋势图
期刊影响因子和自引率趋势图

发文统计

年发文量统计
年份 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023
年发文量 0 0 0 0 0 0 78 102 114 129
国家/地区发文量统计
国家/地区 数量
USA 100
England 47
GERMANY (FED REP GER) 30
CHINA MAINLAND 25
Switzerland 22
Australia 14
Canada 13
France 12
Italy 9
Netherlands 8
机构发文量统计
机构 数量
ETH ZURICH 15
UNIVERSITY OF CAMBRIDGE 14
HARVARD UNIVERSITY 10
UNIVERSITY OF CALIFORNIA SYSTEM 9
CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE (CNRS) 8
IMPERIAL COLLEGE LONDON 8
STANFORD UNIVERSITY 8
UNIVERSITY OF LONDON 8
MASSACHUSETTS INSTITUTE OF TECHNOLOGY (MIT) 7
UNIVERSITY OF OXFORD 7

高引用文章

文章名称 引用次数
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead 160
The global landscape of AI ethics guidelines 66
Long short-term memory networks in memristor crossbar arrays 50
Designing neural networks through neuroevolution 43
Competitive performance of a modularized deep neural network compared to commercial algorithms for low-dose CT image reconstruction 39
Deep-learning cardiac motion analysis for human survival prediction 34
Deep learning optoacoustic tomography with sparse data 28
Reconstructing quantum states with generative models 26
Pathologist-level interpretable whole-slide cancer diagnosis with deep learning 25
In situ training of feed-forward and recurrent convolutional memristor networks 23

免责声明

若用户需要出版服务,请联系出版商:CAMPUS, 4 CRINAN ST, LONDON, ENGLAND, N1 9XW。

友情链接