推薦合適期刊 投稿指導 助力快速見刊免費咨詢
Nature Machine Intelligence是計算機科學領域的一本權威期刊。由SPRINGERNATURE出版社出版。該期刊主要發表計算機科學領域的原創性研究成果。是計算機科學領域中具有代表性的學術刊物。該期刊主要刊載Multiple及其基礎研究的前瞻性、原始性、首創性研究成果、科技成就和進展。該期刊不僅收錄了該領域的科技成就和進展，更以其深厚的學術積淀和卓越的審稿標準，確保每篇文章都具備高度的學術價值。此外，該刊同時被SCIE數據庫收錄，并被劃分為中科院SCI1區期刊，相當于A級期刊（最高刊物級別），它始終堅持創新，不斷專注于發布高度有價值的研究成果，不斷推動計算機科學領域的進步。
同時，我們注重來稿文章表述的清晰度，以及其與我們的讀者群體和研究領域的相關性。為此，我們期待所有投稿的文章能夠保持簡潔明了、組織有序、表述清晰。該期刊平均審稿速度為平均 。若您對于稿件是否適合該期刊存在疑慮，建議您在提交前主動與期刊主編取得聯系，或咨詢本站的客服老師。我們的客服老師將根據您的研究內容和方向，為您推薦最為合適的期刊，助力您順利投稿，實現學術成果的順利發表。
| 大類學科 | 分區 | 小類學科 | 分區 | Top期刊 | 綜述期刊 |
| 計算機科學 | 1區 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用 | 1區 1區 | 是 | 否 |
| 大類學科 | 分區 | 小類學科 | 分區 | Top期刊 | 綜述期刊 |
| 計算機科學 | 1區 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用 | 1區 1區 | 是 | 否 |
| 大類學科 | 分區 | 小類學科 | 分區 | Top期刊 | 綜述期刊 |
| 計算機科學 | 1區 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用 | 1區 1區 | 是 | 否 |
| 大類學科 | 分區 | 小類學科 | 分區 | Top期刊 | 綜述期刊 |
| 工程技術 | 1區 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用 | 1區 1區 | 是 | 否 |
| 大類學科 | 分區 | 小類學科 | 分區 | Top期刊 | 綜述期刊 |
| 計算機科學 | 1區 | COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE 計算機：人工智能 COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS 計算機：跨學科應用 | 1區 1區 | 是 | 否 |
| 按JIF指標學科分區 | 收錄子集 | 分區 | 排名 | 百分位 |
| 學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q1 | 3 / 197 |
98.7% |
| 學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS | SCIE | Q1 | 1 / 169 |
99.7% |
| 按JCI指標學科分區 | 收錄子集 | 分區 | 排名 | 百分位 |
| 學科：COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE | SCIE | Q1 | 4 / 198 |
98.23% |
| 學科：COMPUTER SCIENCE, INTERDISCIPLINARY APPLICATIONS | SCIE | Q1 | 2 / 169 |
99.11% |
| 學科類別 | 分區 | 排名 | 百分位 |
| 大類：Computer Science 小類：Computer Networks and Communications | Q1 | 2 / 395 |
99% |
| 大類：Computer Science 小類：Software | Q1 | 4 / 407 |
99% |
| 大類：Computer Science 小類：Artificial Intelligence | Q1 | 4 / 350 |
99% |
| 大類：Computer Science 小類：Human-Computer Interaction | Q1 | 3 / 145 |
98% |
| 大類：Computer Science 小類：Computer Vision and Pattern Recognition | Q1 | 3 / 106 |
97% |
| 年份 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 |
| 年發文量 | 0 | 0 | 0 | 0 | 0 | 0 | 78 | 102 | 114 | 129 |
| 國家/地區 | 數量 |
| USA | 100 |
| England | 47 |
| GERMANY (FED REP GER) | 30 |
| CHINA MAINLAND | 25 |
| Switzerland | 22 |
| Australia | 14 |
| Canada | 13 |
| France | 12 |
| Italy | 9 |
| Netherlands | 8 |
| 機構 | 數量 |
| 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 |
| 文章名稱 | 引用次數 |
| 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 |
SCIE
影響因子 3.7
CiteScore 6.4
SCIE
影響因子 4.5
CiteScore 10
SCIE
影響因子 3.8
CiteScore 6.7
SCIE
影響因子 5.3
CiteScore 9.3
SCIE
影響因子 1.7
CiteScore 3.4
SCIE
CiteScore 5.6
SCIE
影響因子 7.7
CiteScore 20.9
SCIE
影響因子 3.9
CiteScore 7.3
SCIE
影響因子 5.3
CiteScore 10.3
SCIE
影響因子 3
CiteScore 7.7
若用戶需要出版服務，請聯系出版商：CAMPUS, 4 CRINAN ST, LONDON, ENGLAND, N1 9XW。