《Artificial Intelligence》雜志的收稿范圍和要求是什么？
來源：優(yōu)發(fā)表網整理 2024-09-18 10:50:34 873人看過
《Artificial Intelligence》雜志收稿范圍涵蓋計算機科學全領域，此刊是該細分領域中屬于非常不錯的SCI期刊，在行業(yè)細分領域中學術影響力較大，專業(yè)度認可很高，所以對原創(chuàng)文章要求創(chuàng)新性較高，如果您的文章質量很高，可以嘗試。
平均審稿速度 約9.0個月 ，影響因子指數(shù)5.1。
該期刊近期沒有被列入國際期刊預警名單，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：ELSEVIER SCIENCE BV, PO BOX 211, AMSTERDAM, NETHERLANDS, 1000 AE
其他數(shù)據
| 是否OA開放訪問： | h-index： | 年文章數(shù)： |
| 未開放 | 135 | 126 |
| Gold OA文章占比： | 2021-2022最新影響因子（數(shù)據來源于搜索引擎）: | 開源占比（OA被引用占比）： |
| 45.04% | 5.1 | 0.19... |
| 研究類文章占比：文章 ÷（文章 + 綜述） | 期刊收錄： | 中科院《國際期刊預警名單（試行）》名單： |
| 100.00% | 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：
歷年自引數(shù)據：
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 |
| England | 53 |
| USA | 50 |
| GERMANY (FED REP GER) | 33 |
| Italy | 31 |
| CHINA MAINLAND | 30 |
| France | 30 |
| Australia | 22 |
| Israel | 20 |
| Spain | 19 |
| Austria | 16 |
2023-2024機構發(fā)文量統(tǒng)計：
| 機構 | 數(shù)量 |
| CENTRE NATIONAL DE LA RECHERCHE ... | 25 |
| UNIVERSITY OF OXFORD | 18 |
| TECHNISCHE UNIVERSITAT WIEN | 15 |
| BEN GURION UNIVERSITY | 12 |
| UNIVERSITY OF LONDON | 11 |
| UNIVERSITY OF TORONTO | 8 |
| CHINESE ACADEMY OF SCIENCES | 7 |
| IMPERIAL COLLEGE LONDON | 6 |
| PEKING UNIVERSITY | 6 |
| UNIVERSITE DE TOULOUSE | 6 |
近年引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| ARTIF INTELL | 309 |
| J ARTIF INTELL RES | 97 |
| THEOR COMPUT SCI | 47 |
| J ACM | 42 |
| THEOR PRACT LOG PROG | 42 |
| ANN MATH ARTIF INTEL | 41 |
| J MACH LEARN RES | 36 |
| IEEE T EVOLUT COMPUT | 34 |
| INT J APPROX REASON | 30 |
| J COMPUT SYST SCI | 26 |
近年被引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| IEEE ACCESS | 332 |
| ARTIF INTELL | 309 |
| J ARTIF INTELL RES | 169 |
| INT J APPROX REASON | 116 |
| THEOR PRACT LOG PROG | 101 |
| SENSORS-BASEL | 98 |
| EXPERT SYST APPL | 97 |
| KNOWL-BASED SYST | 74 |
| APPL SCI-BASEL | 73 |
| SOFT COMPUT | 71 |
近年文章引用統(tǒng)計：
| 文章名稱 | 數(shù)量 |
| Explanation in artificial intell... | 99 |
| Predicting citywide crowd flows ... | 37 |
| Autonomous agents modelling othe... | 24 |
| Representation learning with ext... | 7 |
| Online spatio-temporal matching ... | 6 |
| A deep learning framework for Hy... | 6 |
| A computational framework for co... | 6 |
| Item response theory in AI: Anal... | 6 |
| Learning in the machine: Random ... | 6 |
| Clustering ensemble based on sam... | 5 |
聲明：以上內容來源于互聯(lián)網公開資料，如有不準確之處，請聯(lián)系我們進行修改。
