【解刊】审稿人极其友好!中科院2区SCI,3个月录用,论文质量要求宽松!

本文主要是介绍【解刊】审稿人极其友好!中科院2区SCI,3个月录用,论文质量要求宽松!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

计算机类 • 高分快刊

今天带来Springer旗下计算机领域高分快刊,有投稿经验作者表示期刊审稿人非常友好,具体情况一起来看看下文解析。如有投稿意向可重点关注:

01 期刊简介

Complex & Intelligent Systems

图片

✅出版社:Springer

✅ISSN:2199-4536

E-ISSN:2198-6053

✅影响因子:5.8

✅期刊分区:JCR2区,中科院2/3区

✅检索数据库:SCIE & Scopus 在检

✅出刊频率:双月刊,1年1卷,1卷6期

✅数据库收录年份:2017年

✅期刊官网:https://www.springer.com/40747

✅投稿系统:https://www.editorialmanager.com/cais

02 影响因子

IF(2022):5.8  ,期刊质量稳定,影响因子稳步上涨

图片

截图来源:letpub

03 期刊分区/预警情况

JCR2区,中科院2/3区,无中科院预警记录

JCR分区为Q2区,SCIE 收录检索;

中科院大类计算机科学为2区,小类计算机:人工智能为3区,非综述期刊

图片

截图来源:letpub

04 自引率

自引率为10.30%,处于安全阈值内

图片

截图来源:letpub

05 年发文量

近几年发文量在300篇左右,数据库检索年份2017年,稳定检索7年,期刊发文量较为稳定

图片

截图来源:letpub

06 国人占比

国人占比第一,期刊审稿对国人极其友好

图片

截图来源:科睿唯安

07 是否OA

期刊发表为OA模式,版面费为1590英镑/2290美元/1890欧元

图片

图片

截图来源:期刊官网

08 接收领域

复杂与智能系统旨在提供一个论坛,展示和讨论新的方法、工具和技术,旨在实现复杂系统、计算模拟、智能分析和可视化等广泛领域之间的交叉融合。

复杂性

-复杂的进化和自适应系统

-复杂系统中的紧急性质与行为

-自组织集体系统

-解决问题的生物学和社会启示

-系统科学与工程

智能数据分析

-数据挖掘和知识发现

-机器学习

-模式识别

-大数据分析和数据科学

-数据驱动的问题解决

计算仿真

-基于知识的系统

-基于Agent的系统

-不确定性建模

-决策支持系统

-类脑计算

-无处不在的计算

-计算可视化和交互

09 发表经验

根据作者发表案例:审稿友好,易通过录用

投稿经验:
之前也看了大家对于自己稿件状态的评论,我也来分享一下我的投稿经历,希望能够帮助到大家!
25 july 2023 submit to the journal
## 中间几号的editor assigned记得不太清楚了
11 august 2023 under review (这里的u和r都是大写) 表示送外审
30 august 2023 reviews completed
3 september 2023 major revision (中间没看到editor assigned,可能是变化的比较快)
这里的大修一共两个审稿人,审稿人1提出了8条意见,审稿人2提出了4条意见。其中有关于实验的(例如,加入消融实验等)。这两位审稿人都比较专业,提出的问题确实是文章中所缺乏的,修改后的文章也提升了一大档次。审稿人都是大同行,所以都比较和善。最后编辑给了一个月的修改时间。

来源:letpub

图片

5个月13天录用,1个月13天见刊

图片

3个月录用,1个月24天见刊

10 总结

这本高分区期刊,期刊质量稳定,审稿友好,对论文要求不会太严格,可以投稿试试~

【解刊】审稿人极其友好!中科院2区SCI,3个月录用,论文质量要求宽松!

• 更多科研干货、期刊最新动态、期刊匹配、避雷选刊,可移步公众号“Unionpub学术

这篇关于【解刊】审稿人极其友好!中科院2区SCI,3个月录用,论文质量要求宽松!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/667657

相关文章

AI hospital 论文Idea

一、Benchmarking Large Language Models on Communicative Medical Coaching: A Dataset and a Novel System论文地址含代码 大多数现有模型和工具主要迎合以患者为中心的服务。这项工作深入探讨了LLMs在提高医疗专业人员的沟通能力。目标是构建一个模拟实践环境,人类医生(即医学学习者)可以在其中与患者代理进行医学

论文翻译:arxiv-2024 Benchmark Data Contamination of Large Language Models: A Survey

Benchmark Data Contamination of Large Language Models: A Survey https://arxiv.org/abs/2406.04244 大规模语言模型的基准数据污染:一项综述 文章目录 大规模语言模型的基准数据污染:一项综述摘要1 引言 摘要 大规模语言模型(LLMs),如GPT-4、Claude-3和Gemini的快

论文阅读笔记: Segment Anything

文章目录 Segment Anything摘要引言任务模型数据引擎数据集负责任的人工智能 Segment Anything Model图像编码器提示编码器mask解码器解决歧义损失和训练 Segment Anything 论文地址: https://arxiv.org/abs/2304.02643 代码地址:https://github.com/facebookresear

论文翻译:ICLR-2024 PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS

PROVING TEST SET CONTAMINATION IN BLACK BOX LANGUAGE MODELS https://openreview.net/forum?id=KS8mIvetg2 验证测试集污染在黑盒语言模型中 文章目录 验证测试集污染在黑盒语言模型中摘要1 引言 摘要 大型语言模型是在大量互联网数据上训练的,这引发了人们的担忧和猜测,即它们可能已

OmniGlue论文详解(特征匹配)

OmniGlue论文详解(特征匹配) 摘要1. 引言2. 相关工作2.1. 广义局部特征匹配2.2. 稀疏可学习匹配2.3. 半稠密可学习匹配2.4. 与其他图像表示匹配 3. OmniGlue3.1. 模型概述3.2. OmniGlue 细节3.2.1. 特征提取3.2.2. 利用DINOv2构建图形。3.2.3. 信息传播与新的指导3.2.4. 匹配层和损失函数3.2.5. 与Super

BERT 论文逐段精读【论文精读】

BERT: 近 3 年 NLP 最火 CV: 大数据集上的训练好的 NN 模型,提升 CV 任务的性能 —— ImageNet 的 CNN 模型 NLP: BERT 简化了 NLP 任务的训练,提升了 NLP 任务的性能 BERT 如何站在巨人的肩膀上的?使用了哪些 NLP 已有的技术和思想?哪些是 BERT 的创新? 1标题 + 作者 BERT: Pre-trainin

[论文笔记]LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale

引言 今天带来第一篇量化论文LLM.int8(): 8-bit Matrix Multiplication for Transformers at Scale笔记。 为了简单,下文中以翻译的口吻记录,比如替换"作者"为"我们"。 大语言模型已被广泛采用,但推理时需要大量的GPU内存。我们开发了一种Int8矩阵乘法的过程,用于Transformer中的前馈和注意力投影层,这可以将推理所需

两轴直驱稳定云台的电源系统设计与关键要求

两轴直驱稳定云台,作为现代摄影、摄像及监控领域的高精尖设备,广泛应用于各种不稳定环境(如移动车辆、海上船只、空中飞机等),以提供相机、传感器等关键设备的稳定支持。其卓越的性能和可靠性,很大程度上依赖于其精心设计的电源系统。本文将对两轴直驱稳定云台的电源系统要求进行全面剖析,并深入探讨电压波动可能带来的不良影响及应对措施。 电源系统的核心要求 高容量与功率:

2024 年高教社杯全国大学生数学建模竞赛 C 题 农作物的种植策略 参考论文 无水印

持续更新中,2024年数学建模比赛思路代码论文都会发布到专栏内,只需订阅一次!  完整论文+代码+数据结果链接在文末!  订阅后可查看参考论文文件 第一问 1.1 问题重述 这个问题围绕的是华北山区的某乡村,在有限的耕地条件下,如何制定最优的农作物种植策略。乡村有 34 块露天耕地和 20 个大棚,种植条件包括粮食作物、蔬菜、水稻和食用菌。除了要考虑地块的面积、种植季节等,还要确保

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes

论文精读-Supervised Raw Video Denoising with a Benchmark Dataset on Dynamic Scenes 优势 1、构建了一个用于监督原始视频去噪的基准数据集。为了多次捕捉瞬间,我们手动为对象s创建运动。在高ISO模式下捕获每一时刻的噪声帧,并通过对多个噪声帧进行平均得到相应的干净帧。 2、有效的原始视频去噪网络(RViDeNet),通过探