《Neural Networks》雜志的收稿范圍和要求是什么?
來源:優(yōu)發(fā)表網(wǎng)整理 2024-09-18 10:51:04 1706人看過
《Neural Networks》雜志收稿范圍涵蓋計算機科學全領(lǐng)域,此刊是該細分領(lǐng)域中屬于非常不錯的SCI期刊,在行業(yè)細分領(lǐng)域中學術(shù)影響力較大,專業(yè)度認可很高,所以對原創(chuàng)文章要求創(chuàng)新性較高,如果您的文章質(zhì)量很高,可以嘗試。
平均審稿速度 約12.0個月 約10.5周,影響因子指數(shù)6。
該期刊近期沒有被列入國際期刊預(yù)警名單,廣大學者值得一試。
具體收稿要求需聯(lián)系雜志社或者咨詢本站客服,在線客服團隊會及時為您答疑解惑,提供針對性的建議和解決方案。
出版商聯(lián)系方式:PERGAMON-ELSEVIER SCIENCE LTD, THE BOULEVARD, LANGFORD LANE, KIDLINGTON, OXFORD, ENGLAND, OX5 1GB
其他數(shù)據(jù)
是否OA開放訪問: | h-index: | 年文章數(shù): |
未開放 | 128 | 595 |
Gold OA文章占比: | 2021-2022最新影響因子(數(shù)據(jù)來源于搜索引擎): | 開源占比(OA被引用占比): |
19.75% | 6 | 0.12... |
研究類文章占比:文章 ÷(文章 + 綜述) | 期刊收錄: | 中科院《國際期刊預(yù)警名單(試行)》名單: |
98.15% | SCIE | 否 |
歷年IF值(影響因子):
歷年引文指標和發(fā)文量:
歷年中科院JCR大類分區(qū)數(shù)據(jù):
歷年自引數(shù)據(jù):
發(fā)文統(tǒng)計
2023-2024國家/地區(qū)發(fā)文量統(tǒng)計:
國家/地區(qū) | 數(shù)量 |
CHINA MAINLAND | 408 |
USA | 133 |
England | 58 |
Japan | 55 |
Australia | 39 |
Spain | 33 |
South Korea | 32 |
Italy | 30 |
GERMANY (FED REP GER) | 28 |
France | 27 |
2023-2024機構(gòu)發(fā)文量統(tǒng)計:
機構(gòu) | 數(shù)量 |
CHINESE ACADEMY OF SCIENCES | 36 |
SOUTHEAST UNIVERSITY - CHINA | 33 |
UNIVERSITY OF ELECTRONIC SCIENCE... | 25 |
TEXAS A&M UNIVERSITY QATAR | 22 |
HUAZHONG UNIVERSITY OF SCIENCE &... | 21 |
UNIVERSITY OF CALIFORNIA SYSTEM | 21 |
HARBIN INSTITUTE OF TECHNOLOGY | 20 |
XIDIAN UNIVERSITY | 20 |
GUANGDONG UNIVERSITY OF TECHNOLO... | 16 |
PENG CHENG LABORATORY | 15 |
近年引用統(tǒng)計:
期刊名稱 | 數(shù)量 |
NEURAL NETWORKS | 666 |
IEEE T NEUR NET LEAR | 466 |
NEUROCOMPUTING | 308 |
IEEE T PATTERN ANAL | 172 |
NEURAL COMPUT | 150 |
IEEE T CYBERNETICS | 141 |
NATURE | 137 |
J MACH LEARN RES | 118 |
J NEUROSCI | 115 |
PATTERN RECOGN | 115 |
近年被引用統(tǒng)計:
期刊名稱 | 數(shù)量 |
IEEE ACCESS | 798 |
NEURAL NETWORKS | 666 |
NEUROCOMPUTING | 613 |
NEURAL PROCESS LETT | 329 |
NEURAL COMPUT APPL | 225 |
IEEE T NEUR NET LEAR | 206 |
PHYSICA A | 146 |
J FRANKLIN I | 140 |
SENSORS-BASEL | 132 |
APPL MATH COMPUT | 124 |
近年文章引用統(tǒng)計:
文章名稱 | 數(shù)量 |
A systematic study of the class ... | 148 |
Recent advances in physical rese... | 80 |
Deep learning in spiking neural ... | 71 |
Continual lifelong learning with... | 68 |
STDP-based spiking deep convolut... | 58 |
Multivariate LSTM-FCNs for time ... | 43 |
Synchronization of memristive ne... | 40 |
Passivity analysis of delayed re... | 39 |
Inter-class sparsity based discr... | 37 |
Finite-time synchronization of s... | 35 |
聲明:以上內(nèi)容來源于互聯(lián)網(wǎng)公開資料,如有不準確之處,請聯(lián)系我們進行修改。