JOURNAL OF MACHINE LEARNING RESEARCH

期刊信息导读

1. JOURNAL OF MACHINE LEARNING RESEARCH基本信息
• 2018-2019最新影响因子
• 2022年6月28日更新影响因子
• 研究方向
• 官方网站
• 投稿网址
• 年文章数
2. JOURNAL OF MACHINE LEARNING RESEARCH中科院SCI期刊分区
3. 历年JOURNAL OF MACHINE LEARNING RESEARCH影响因子趋势图
4. JOURNAL OF MACHINE LEARNING RESEARCH期刊英文简介
5. JOURNAL OF MACHINE LEARNING RESEARCH期刊中文简介

JOURNAL OF MACHINE LEARNING RESEARCH基本信息

简称：J MACH LEARN RES

中文名称：机器学习研究杂志

研究方向：工程技术

2018-2019最新影响因子：4.091

2022年6月28日更新影响因子：5.177

SCI类别：SCIE

是否OA开放访问：Yes

出版地：UNITED STATES

出版周期：Bimonthly

创刊年份：2001

年文章数：149

涉及的研究方向：工程技术-自动化与控制系统

通讯方式：MICROTOME PUBL, 31 GIBBS ST, BROOKLINE, USA, MA, 02446

官方网站：http://jmlr.org/

投稿网址：http://jmlr.org/author-info.html

审稿速度：平均2月

平均录用比例:较难

PMC链接：http://www.ncbi.nlm.nih.gov/nlmcatalog?term=1532-4435%5BISSN%5D

JOURNAL OF MACHINE LEARNING RESEARCH期刊英文简介

The Journal of Machine Learning Research (JMLR) provides an international forum for the electronic and paper publication of high-quality scholarly articles in all areas of machine learning. All published papers are freely available online. JMLR seeks previously unpublished papers on machine learning that contain:New principled algorithms with sound empirical validation, and with justification of theoretical, psychological, or biological nature;Experimental and/or theoretical studies yielding new insight into the design and behavior of learning in intelligent systems;Accounts of applications of existing techniques that shed light on the strengths and weaknesses of the methods;Formalization of new learning tasks (e.g., in the context of new applications) and of methods for assessing performance on those tasks;Development of new analytical frameworks that advance theoretical studies of practical learning methods;Computational models of data from natural learning systems at the behavioral or neural level;Extremely well-written surveys of existing work.

JOURNAL OF MACHINE LEARNING RESEARCH期刊中文简介

《机器学习研究杂志》（JMLR）提供了一个国际论坛，用于电子和纸质出版机器学习各个领域的高质量学术文章。所有发表的论文均可在网上免费查阅。JMLR寻求以前未发表的关于机器学习的论文，其中包含：新的原则性算法，具有良好的经验验证，并具有理论、心理或生物学性质的合理性；实验或理论研究，对智能系统中的学习设计和行为产生新的见解；说明现有技术的应用，阐明这些方法的优缺点；正式化新的学习任务（例如，在新的应用环境中）和评估这些任务绩效的方法；开发新的分析框架，促进实践学习方法的理论研究；自然学习系统在行为或神经层面上的数据计算模型；对现有工作的非常好的书面调查。

中科院SCI期刊分区：

JOURNAL OF MACHINE LEARNING RESEARCH影响因子

获取相关优质资源获取2023中科院分区