《Science China-Information Sciences》的影响因子刚开始较低,但近年来影响因子一直在缓慢上涨中,最新影响因子已经跨越3分大关了(3.304分),可以满足广大硕博的毕业要求。 数据来源于“iJournal”网站 分区情况:在计算机科学,信息系统以及电子与电气工程领域位于JCR二区。 5 自引率 根据iJournal期刊平台的数据显示,《Sci...
Volume 67, Issue 12, 2024 See table of contentsDownload high-quality image Volume 67, Issue 11, 2024 See table of contentsDownload high-quality image Volume 67, Issue 10, 2024 See table of contentsDownload high-quality image Volume 67, Issue 9, 2024 ...
Deep learning for code generation: a survey Huangzhao ZHANG,Kechi ZHANG,Zhuo LI,Jia LI,Jia LI,Yongmin LI,Yunfei ZHAO,Yuqi ZHU,Fang LIU,Ge LI,Zhi JIN Volume 67, Issue 9, 2024, 191101 https://doi.org/10.1007/s11432-023-3956-3
Science China-Information Sciences涵盖了计算机科学、人工智能、数据挖掘等多个领域,IF=8.8,Q1,中科院2区。 1、期刊简介 Science China-Information Sciences(ISSN:1674-733X)由中国科学院、国家自然科学基金委员会共同主办的月刊,它致力于在基础和应用研究中呈现高质量、原创的成果,现任主编是Hong Mei教授。 近期想要...
ScienceChina-InformationSciences作为计算机科学领域的多学科期刊,由中国科学院和国家自然科学基金委共同主办,中国科学出版社出版。它致力于在基础和应用研究中呈现高质量的原创成果。该期刊的特色是总结信息科学特定主题或领域的代表性结果和成就的评论,评论当前的研究
Science China(Information Sciences)月刊,邮发代码:80-210,创刊时间于2001年。是中国科学院主办、中国科学杂志社出版的自然科学专业性学术刊物。 Science China(Information Sciences)主要报道计算机科学与技术、控制科学与控制工程、通信与信息系统、电子科学与技术、生物信息学等领域基础研究和应用研究方面具有重要意义和创...
Science China Information Sciences在JCR分区:1区;中科院分区:2区。分区情况从2018年由中科院4区升至中科院2区,可见其为一本高质量期刊。 Science China Information Sciences为中科院和国家自然科学基金委员会联合创办的信息可续领域的SCI中科院2区期刊,期刊质量高,同样对文章要求不低,中稿具有一定难度。
科学中国-信息科学(Science China-information Sciences)是一本由Science China Press出版的一本COMPUTER SCIENCE, INFORMATION SYSTEMS学术刊物,主要报道COMPUTER SCIENCE, INFORMATION SYSTEMS相关领域研究成果与实践。本刊已入选来源期刊,该刊创刊于2001年,出版周期Monthly。2021-2022年最新版WOS分区等级:Q1,2023年发布的影响...
Science China(Information Sciences)月刊,邮发代码:80-210,创刊时间于2001年。是中国科学院主办、中国科学杂志社出版的自然科学专业性学术刊物。 Science China(Information Sciences)主要报道计算机科学与技术、控制科学与控制工程、通信与信息系统、电子科学与技术、生物信息学等领域基础研究和应用研究方面具有重要意义和创...
Sci China Inf Sci, 2022, 65(2): 126101Keywords: geometric deep learning; manifold deep learning; cnn; graph convolutional neural networks; high-dimensional informationCite as: Cao W M, Zheng C T, Yan Z Y, et al. Geometric deep learning: progress, applications and challenges. Sci China Inf...