Frontiers in Artificial Intelligence

3053

微信好友朋友圈 QQ好友复制链接

查看最新文献

WOS期刊分区历年影响因子历年发表同类期刊

影响因子：

期刊影响因子(Impact factor，IF) 即某刊平均每篇论文的被引用数，是表征期刊影响大小的一项定量指标，它实际上是某刊在某年被全部源刊物引证该刊前两年发表论文的次数，与该刊前两年所发表的全部源论文数之比。

反馈

ISSN：

ISSN是由8个数字组成的编码，旨在识别各种报纸、专业杂志、画报、期刊，无论其性质或载体版本（纸版及电子版）。

print: 2624-8212

研究领域：

Multiple

自引率：

2.50%

Gold OA文章占比：

Gold OA文章占比是指一个总体中金色OA文章数量占总体文章数量的比重。OA期刊的文章主要通过金色通道（Gold road，也称为Gold OA，即期刊官网）和绿色通道（Green road，或Green OA）实现开放获取。金色通道是开放获取期刊通过自己的官网来实现的，而绿色通道是通过把文章自存档于机构知识库(Institutional Repositories，比如哈佛大学学术库DASH）或学科知识库中来实现。

99.85%

原创研究文献占比：

86.50%

SCI收录类型：

Emerging Sources Citation Index (ESCI) || Directory of Open Access Journals (DOAJ)

期刊官网：

https://www.frontiersin.org/journals/artificial-intelligence#

CiteScore：

引用分数（英语：CiteScore，CS）是一种用来反映学术期刊最近发表文章“年平均被引用次数”的衡量指标。该指标由Elsevier于 2016 年 12 月推出，以替代常用的JCR影响因子（由Clarivate计算）。 CiteScore是Scopus中系列期刊指标的一部分，包括 SNIP(源文档标准化影响)，SJR (SClmago杂志排名)，引用文档计数以及引用百分比。

CiteScore	SJR	SNIP	CiteScore排名
6.1	0.757	1.335	学科排名百分位大类：Computer Science 小类：Artificial Intelligence 129 / 350 63%

发文信息

WOS期刊分区

WoS-JCR分区：SCIE、SSCI收录期刊主要按影响因子高低被分为四个区（Quartile），分别是Q1区，Q2区，Q3区，Q4区，各占25%。Q1区是影响因子最靠前25%的期刊，Q4区是靠后的25%的期刊。

学科分类
Q2COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE Q2COMPUTER SCIENCE, INFORMATION SYSTEMS

历年影响因子

2022年	2023年
4.0000	3.0000

历年发表

年文章数是指每年6月SCI发布的IF数据中所提供的上一年全年发文数量。如2018年7月-2019年6月，显示的是2017年的发文数.对极少数热门期刊，我们会在1月份更新为最新一年的发文数。

2012年	2014年	2017年	2018年	2019年	2020年	2021年	2022年
1	1	0	1	31	99	210	272

出版语言：

English

出版国家(地区)：

Switzerland

审稿时长：

13 weeks

出版商：

Frontiers Media S.A.

PubMed链接：

http://www.ncbi.nlm.nih.gov/nlmcatalog?term=2624-8212%5BISSN%5D

Frontiers in Artificial Intelligence - 最新文献

查看全部

Inpainting of damaged temple murals using edge- and line-guided diffusion patch GAN.

Pub Date : 2024-11-06 DOI: 10.3389/frai.2024.1453847 G Sumathi, M Uma Devi

Advancing smart city factories: enhancing industrial mechanical operations via deep learning techniques.

Pub Date : 2024-11-06 DOI: 10.3389/frai.2024.1398126 William Villegas-Ch, Jaime Govea, Walter Gaibor-Naranjo, Santiago Sanchez-Viteri

Catalyzing IVF outcome prediction: exploring advanced machine learning paradigms for enhanced success rate prognostication.

Pub Date : 2024-11-05 DOI: 10.3389/frai.2024.1392611 Seyed-Ali Sadegh-Zadeh, Sanaz Khanjani, Shima Javanmardi, Bita Bayat, Zahra Naderi, Amir M Hajiyavand

免责声明：
本页显示期刊或杂志信息，仅供参考学习，不是任何期刊杂志官网，不涉及出版事务，特此申明。如需出版一切事务需要用户自己向出版商联系核实。若本页展示内容有任何问题，请联系我们，邮箱：info@booksci.cn，我们会认真核实处理。