今天给着急发论文的同学推荐一本期刊:《APPLIED INTELLIGENCE》。
该刊由SPRINGER出版商于1991年创刊,刊期Bimonthly,专注于人工智能和神经网络的研究,重点关注有关创新智能系统的方法论及其在解决现实生活复杂问题的研究进展,目前已经被国际重要权威数据库SCIE、SCI收录。
值得一提的是,Applied Intelligence审稿周期最快18天录用,有需求的朋友们冲。
文末附Applied Intelligence2023-2024高被引论文合集
期刊信息
划重点:中科院2区、影响因子高、无预警记录、审稿快
Applied Intelligence重点关注人工智能和神经网络的研究,介绍新的原创研究和技术发展,解决现实生活中的制造、国防、管理、政府和工业问题。
- 致力于解决需要非常规方法的现实生活问题。
- 最新原创的研究和技术开发的平台。
- 拥有超过30年的出版经验。
期刊分区
JCR分区:Q2区
中科院SCI期刊分区:2区
CCF推荐C类
来源:LetPub
影响因子
IF 5.2(2022),逐年增长。
来源:LetPub
自引率
自引率20.8%,常年处于正常范围。
来源:LetPub
审稿周期
提交第一个决定(中位数)12天,最快18天录用。
来源:Applied Intelligence官网
期刊官网:https://www.springer.com/10489
征稿范围
研究主题(包含但不限于):
自然语言和语音界面、智能机器人、学习方法、智能决策支持系统、进化计算、遗传编程、启发式方法、智能搜索、代理、优化、神经网络、挖掘数据和模式、认知交互、基于知识的推理、建模、规划和调度、分类和聚类、计算机视觉、模糊逻辑和控制、游戏、智能图形、故障诊断、模式识别、生物信息学、不确定信息处理、大数据和流数据、特征选择、社交网络系统、推荐系统的进步、分布式和并行处理的使用以及电子服务个性化,以及其他热门话题。
录用论文
Applied Intelligence近几年的刊文量增长快速,2022-2023年度共发文1472篇。
来源:LetPub
我在这里整理了2023-2024年间被引次数较高的部分录用论文来和大家分享,目前共20篇,建议想发论文的同学收藏一下仔细研读。
Standardized validation of vehicle routing algorithms
车辆路线算法的标准化验证
简述:设计路线计划是智能配送系统的关键环节,已经发展了几十年,但目前缺乏一种统一的验证方法。作者提出了一种全面的验证方法,能更全面地评估算法的功能和非功能性能力。此外,作者提出了新的相似性度量方法,用于衡量不同路线计划的距离,并验证随机化技术的收敛能力。最后,作者通过实验证明了该方法的有效性,希望对新兴的车辆路线求解器进行更严格的评估,并专注于最有前途的研究方向。
Underwater vision enhancement technologies: a comprehensive review, challenges, and recent trends
水下视觉增强技术:综合回顾、挑战和最新趋势
简述:水下摄像机用于水下目标检测和海洋生物监测,但拍摄的水下图像质量往往不理想,影响应用。本文回顾了水下图像退化理论和形成模型,总结了各种水下视觉增强技术和数据集,并进行了实验比较不同方法的优劣。最后讨论了最新趋势和挑战。
Development and application of equilibrium optimizer for optimal power flow calculation of power system
电力系统最优潮流计算平衡优化器的开发与应用
简述:本文提出了一种增强版的平衡优化器(EEO),用于解决全局优化和最优潮流(OPF)问题。该算法包括一种新的性能强化策略,采用Levy飞行机制。通过与其他算法进行比较,证实了EEO的效率。作者将提出的EEO应用于解决OPF问题,并与其他方法进行比较。仿真结果表明,所提出的算法提供了更好的优化解决方案。
Attention-based residual autoencoder for video anomaly detection
基于注意力机制的残差自编码器视频异常检测
简述:论文提出了一种基于注意力机制的残差自编码器视频异常检测方法,该方法在一个统一的网络中使用空间分支和时间分支来有效地利用空间和时间信息。该网络具有深度卷积神经网络编码器和多级通道注意力机制解码器,并以无监督的方式训练。使用时间移位方法来提取时间特征,通过通道注意力模块提取上下文依赖性。实验结果表明,该方法优于最先进的方法,在三个标准基准数据集上实现了较高的AUC值。
Classification framework for faulty-software using enhanced exploratory whale optimizer-based feature selection scheme and random forest ensemble learning
基于增强型探索性鲸鱼优化算法特征选择和随机森林集成学习的故障软件分类框架
简述:本文提出了一种用于软件故障预测的机器学习框架。通过预处理和重采样技术,将SFP数据集准备好使用ML技术。比较了七个分类器,其中随机森林分类器在消除不相关/冗余特征方面表现最好。使用二进制鲸鱼优化算法进一步提高随机森林的性能。最后,通过混合灰狼优化器和哈里斯鹰优化算法的探索策略,进一步提高了BWOA的性能。所提出的方法称为SBEWOA,并通过与九种成熟的特征选择方法进行比较评估,证明了其优越性。该方法可用于软件工程领域的类似问题。
- SleepXAI: An explainable deep learning approach for multi-class sleep stage identification
- Multi-attribute group decision-making model for selecting the most suitable construction company using the linguistic interval-valued T-spherical fuzzy TOPSIS method
- Deep learning-based important weights-only transfer learning approach for COVID-19 CT-scan classification
- Modified model free dynamic programming: an augmented approach for unmanned aerial vehicle
- A novel multi-module integrated intrusion detection system for high-dimensional imbalanced data
- FOX: a FOX-inspired optimization algorithm
- Identifying dominant emotional state using handwriting and drawing samples by fusing features
- A deep ensemble learning method for colorectal polyp classification with optimized network parameters
- Deep reinforcement learning for the dynamic and uncertain vehicle routing problem
- Teacher-student collaborative knowledge distillation for image classification
- An empirical study of preprocessing techniques with convolutional neural networks for accurate detection of chronic ocular diseases using fundus images
- UGMINE: utility-based graph mining
- Unsupervised anomaly detection based method of risk evaluation for road traffic accident
- Graph representations for the analysis of multi-agent spatiotemporal sports data
- Semantic segmentation in medical images through transfused convolution and transformer networks
关注下方《学姐带你玩AI》🚀🚀🚀
回复“APIN”获取全部论文+代码
码字不易,欢迎大家点赞评论收藏
版权归原作者 深度之眼 所有, 如有侵权,请联系我们删除。