神經網絡
神經網絡雜志簡介
- 出版商：Elsevier Ltd
- 出版語言：English
- TOP期刊：是
- 出版地區：ENGLAND
- 是否預警：否
- 是否OA：未開放
- 出版周期：Monthly
- 出版年份：1988
- 中文名稱：神經網絡
- 是否OA：未開放
神經網絡（國際簡稱NEURAL NETWORKS，英文名稱Neural Networks）是一本未開放獲取（OA）國際期刊，自1988年創刊以來，始終站在計算機科學研究的前沿。該期刊致力于發表在計算機科學領域各個方面達到最高科學標準和具有重要性的研究成果。全面反映該學科的發展趨勢，為計算機科學事業的進步提供了有力的支撐。期刊嚴格遵循職業道德標準，對于任何形式的抄襲行為，無論是文字還是圖形，一旦查實，均可能導致稿件被拒絕。
近年來，來自CHINA MAINLAND、USA、England、Japan、Australia、Spain、South Korea、Italy、GERMANY (FED REP GER)、France等國家和地區的研究者在《Neural Networks》上發表了大量的高質量文章。該期刊內容豐富，包括原創研究、綜述文章、專題觀點、論文預覽、專家意見等多種類型，旨在為全球該領域研究者提供廣泛的學術交流平臺和靈感來源。
在過去幾年中，該期刊保持了穩定的發文量和綜述量，具體數據如下：
2014年：發表文章136篇、2015年：發表文章150篇、2016年：發表文章129篇、2017年：發表文章155篇、2018年：發表文章219篇、2019年：發表文章202篇、2020年：發表文章373篇、2021年：發表文章418篇、2022年：發表文章402篇、2023年：發表文章595篇。這些數據反映了期刊在全球計算機科學領域的影響力和活躍度，同時也展示了其作為學術界和工業界研究人員首選資源的地位?！禢eural Networks》將繼續致力于推動計算機科學領域的知識傳播和科學進步，為全球計算機科學問題的解決貢獻力量。
期刊指數
- 影響因子：6
- 文章自引率：0.0769...
- Gold OA文章占比：19.75%
- CiteScore：13.9
- 年發文量：595
- 開源占比：0.1207
- SJR指數：2.605
- H-index：128
- SNIP指數：2.442
- OA被引用占比：0.0623...
- 出版國人文章占比：0.35
WOS期刊SCI分區（2023-2024年最新版）
| 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 | 38 / 197 |
81% |
| 學科：NEUROSCIENCES | SCIE | Q1 | 34 / 310 |
89.2% |
| 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 | 28 / 198 |
86.11% |
| 學科：NEUROSCIENCES | SCIE | Q1 | 32 / 310 |
89.84% |
中科院分區表
中科院SCI期刊分區 2023年12月升級版
| Top期刊 | 綜述期刊 | 大類學科 | 小類學科 |
| 是 | 否 | 計算機科學 1區 |
COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE
計算機：人工智能
NEUROSCIENCES
神經科學
2區
2區
|
CiteScore（2024年最新版）
CiteScore 排名
| CiteScore | SJR | SNIP | CiteScore 排名 | ||||||||||||
| 13.9 | 2.605 | 2.442 |
|
學術指標分析
影響因子和CiteScore
自引率
影響因子：指某一期刊的文章在特定年份或時期被引用的頻率，是衡量學術期刊影響力的一個重要指標。影響因子越高，代表著期刊的影響力越大 。
CiteScore：該值越高，代表該期刊的論文受到更多其他學者的引用，因此該期刊的影響力也越高。
自引率：是衡量期刊質量和影響力的重要指標之一。通過計算期刊被自身引用的次數與總被引次數的比例，可以反映期刊對于自身研究內容的重視程度以及內部引用的情況。
年發文量：是衡量期刊活躍度和研究產出能力的重要指標，年發文量較多的期刊可能擁有更廣泛的讀者群體和更高的學術聲譽，從而吸引更多的優質稿件。
期刊互引關系
| 序號 | 引用他刊情況 | 引用次數 |
| 1 | NEURAL NETWORKS | 666 |
| 2 | IEEE T NEUR NET LEAR | 466 |
| 3 | NEUROCOMPUTING | 308 |
| 4 | IEEE T PATTERN ANAL | 172 |
| 5 | NEURAL COMPUT | 150 |
| 6 | IEEE T CYBERNETICS | 141 |
| 7 | NATURE | 137 |
| 8 | J MACH LEARN RES | 118 |
| 9 | J NEUROSCI | 115 |
| 10 | PATTERN RECOGN | 115 |
| 序號 | 被他刊引用情況 | 引用次數 |
| 1 | IEEE ACCESS | 798 |
| 2 | NEURAL NETWORKS | 666 |
| 3 | NEUROCOMPUTING | 613 |
| 4 | NEURAL PROCESS LETT | 329 |
| 5 | NEURAL COMPUT APPL | 225 |
| 6 | IEEE T NEUR NET LEAR | 206 |
| 7 | PHYSICA A | 146 |
| 8 | J FRANKLIN I | 140 |
| 9 | SENSORS-BASEL | 132 |
| 10 | APPL MATH COMPUT | 124 |
高引用文章
- A systematic study of the class imbalance problem in convolutional neural networks引用次數：148
- Recent advances in physical reservoir computing: A review引用次數：80
- Deep learning in spiking neural networks引用次數：71
- Continual lifelong learning with neural networks: A review引用次數：68
- STDP-based spiking deep convolutional neural networks for object recognition引用次數：58
- Multivariate LSTM-FCNs for time series classification引用次數：43
- Synchronization of memristive neural networks with leakage delay and parameters mismatch via event-triggered control引用次數：40
- Passivity analysis of delayed reaction-diffusion memristor-based neural networks引用次數：39
- Inter-class sparsity based discriminative least square regression引用次數：37
- Finite-time synchronization of stochastic coupled neural networks subject to Markovian switching and input saturation引用次數：35
