热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

机器人学领域的顶级期刊总结

本文转载自:https:www.sohu.coma116061841_470013,如有侵权请告知,立即删除摘要此前有不少博客总结了机

本文转载自:https://www.sohu.com/a/116061841_470013,如有侵权请告知,立即删除

摘要

此前有不少博客总结了机器人领域的核心期刊 [1][2][3],本文结合身边大牛投稿经验和JCR排名奉上最新版的总结。不足之处请指正并联系【闻博全球博士项目分享】,我们会根据您的来信更新本篇文章,希望本篇文章能够让机器人领域的学者对这些期刊如数家珍。

▲The International Journal of Robotics Research (IJRR,0278-3649) [4]

中科院1区(机器人学,2015),JCR1区(机器人学,2015),IF:2.540 (2014),2.149 (2015)

IJRR可以说是目前机器人领域最顶级的期刊,国内大学以中国人作为第一作者的文章屈指可数,但是近年来,以中国人作为第一作者的文章越来越多。本期刊的文章不仅需要高水平的实物创新,还注重机器人领域的基本理论创新。目前该期刊的侧重于机器人感知和运动规划。近年来可能由于发表数量越来越多,影响因子有所下滑。

▲Soft Robotics (2169-5172) [5]

JCR1区(机器人学,2015),IF:6.130 (2015)

软体和柔性机器人的研究近年来越来越热,小编在一年前就预测本期刊2015年的影响因子应该不低。由于本期刊从2014年发刊以来发文数量不多,加之文章质量比较高,Soft Robotics 在2015年JCR公布的机器人领域排名第一,缔造了机器人领域期刊后起之秀的一个‘传奇’。

▲IEEE Transactions on Robotics (TRO, 1552-3098) [6]

中科院2区(机器人学,2015),JCR1区(机器人学,2015),IF:2.432 (2014),2.028 (2015)

TRO 是IEEE Transactions on Robotics and Automation 在2004年停刊后分出来,也非常注重交叉学科研究的基础研究和理论创新,目前侧重未知的非结构化环境中智能设备系统的研究。

▲Journal of Field Robotics (JFR, 1556-4959)[7]

中科院2区(制造,2015),JCR2区(机器人学,2014),JCR1区(机器人学,2015),IF:1.43 (2014),2.059 (2015)

本期刊致力于提高非结构化和动态环境中机器人的研究,专注于野外(包括农林,海底,搜救,工地等),军事和太空机器人的实用研究。这个期刊的影响因子在2014年以前都非常高,2010年的IF是3.333。在此期刊上国内大学的中国学者作为第一作者的文章较少。

▲Robotics and Computer-integrated Manufacturing [8] (0736-5845)

中科院2区(制造,2015),JCR1区(机械制造,机器人学,2014/2015),IF:2.305 (2014),2.077 (2015)

本期刊注重将计算机科学和机械制造系统的结合,侧重于算法,平均审稿周期至少半年。

▲Bioinspiration & Biomimetics (1748-3182) [9]

JCR3区(仿生材料,2014),JCR2区(仿生材料,2015),JCR1区(机器人学,交叉工程,2014/2015),IF: 2.235 (2014),IF: 2.891 (2015),

本期刊致力于发表仿生系统方面的研究。

▲Swarm Intelligence (1935-3812) [10]

中科院3区 (机器人学,2015),JCR2区(人工智能,机器人学,2014),JCR1区(人工智能,机器人学,2015)IF: 2.16(2014),2.577 (2015),

本期刊致力于发表群体智能的研究,主要集中群体机器人的研究和算法。

▲IEEE Robotics & Automation Magazine (RAM, 1070-9932) [11]

中科院2区(机器人学,2015),JCR1区(机器人学,自动化和控制系统,2014),JCR2区(机器人学,自动化和控制系统,2015),IF:2.413 (2014),1.822 (2015)

和TRO一样,是IEEE RAS(机器人与自动化协会)办的期刊杂志。本期刊更注重技术创新以解决实际问题。

▲Autonomous Robots (0929-5593) [12]

中科院3区(机器人学,2015),JCR2区(人工智能,机器人学,2014/2015),IF: 2.066 (2014),IF: 1.547 (2014)

本期刊目前侧重于自给自足的自动机器人研究,特别是仿生机器人,同步定位与地图构建和自主导航研究。

▲Robotics and Autonomous Systems (RAS, 0921-8890) [13]

中科院4区(机器人学,2015),JCR3区(自动化和控制系统,人工智能,2014),JCR2区(自动化和控制系统,人工智能,机器人学,2015),IF: 1.256 (2014),1.618 (2015)

RAS侧重自动系统的理论,计算和实验研究,平均审稿周期约1年。

▲Journal of Mechanisms and Robotics (1942-4302) [14]

JCR3区(机械制造,2014),JCR3区(机器人学,2014/2015),IF: 1.143 (2014),IF: 1.044 (2015)

本期刊的主要特色在于机构和机器人的基础研究,包括算法,设计和制造。

▲Journal of Intelligent & Robotic Systems (0921-0296) [15]

JCR3区(人工智能,机器人学,2014/2015),IF: 1.178 (2014),IF: 0.932 (2015)

本期刊致力于发表智能机器人和智能系统的理论和实际相结合的研究。

▲International Journal of HumanoidRobotics(0219-8436) [16]

中科院4区(机器人学,2015),JCR3区(机器人学,2014),JCR4区(机器人学,2015),IF: 0.691 (2014),0.547 (2015)

本期刊致力于发表仿人机器人方向的研究。

▲Robotica (0263-5747) [17]

中科院4区(机器人学,2015),JCR3区(机器人学,2014/2015),IF: 0.688 (2014),0.824 (2015)

本期刊鼓励机器人领域的多学科研究,基本上只要和机器人相关的文章都可以往这个期刊上投。

▲Industrial Robot: An International Journal (0143-991X)[18]

中科院4区(工业工程,2015),JCR4区(工业工程,机器人学,2014/2015),IF: 0.635 (2014),0.422 (2014)

本期刊始于1973年,主要发表工业机器人方面的研究。

▲Advanced Robotics (AR, 0169-1864) [19]

中科院4区(机器人学,2015),JCR4区(机器人学,2014/2015),IF: 0.572 (2014),0.516 (2015)

AR由日本机器人协会主办,和Robotica一样,基本上只要和机器人相关的文章都可以往这个期刊上投。

▲International Journal of Advanced Robotic Systems(1729-8806) [20]

JCR4区(机器人学,2014/2015),IF:0.526(2014),0.615 (2015)

本期刊注重机器人技术方面的研究。

▲International Journal of Robotics and Automation (0826-8185) [21]

中科院4区(自动化和控制系统,机器人学,2015),JCR4区(机器人学,2014/2015),IF: 0.572 (2014),0.318 (2015)

▲International Journal of Social Robotics (1875-4791) [22]

JCR3区(机器人学,2014/2015),IF: 1.207 (2014),1.407 (2015)

本期刊主要发表服务型机器人方面的研究。

注:

▲本汇总不包括Nature和Science这种神级期刊。

▲Science从 2016年5月12日开始推出了子刊Science Robotics[23],目测将成为机器人领域影响因子最高的期刊。

▲一些较新的openaccess的机器人期刊比如Journal of Robotics [24],Robotics [25] 等也值得关注。IEEE Robotics and Automation Letters [26]也将在2017获得不低的影响因子。

▲国内机器人领域的期刊,比如《中国机械工程学报》和《仿生工程学报》这里就不详细介绍啦。

关注【闻博全球博士项目分享】,回复期刊,可获得本文中引用的链接。

本文属于【闻博全球博士项目分享】原创,转载请注明出处。


推荐阅读
  • SpringBoot整合SpringSecurity+JWT实现单点登录
    SpringBoot整合SpringSecurity+JWT实现单点登录,Go语言社区,Golang程序员人脉社 ... [详细]
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 向QTextEdit拖放文件的方法及实现步骤
    本文介绍了在使用QTextEdit时如何实现拖放文件的功能,包括相关的方法和实现步骤。通过重写dragEnterEvent和dropEvent函数,并结合QMimeData和QUrl等类,可以轻松实现向QTextEdit拖放文件的功能。详细的代码实现和说明可以参考本文提供的示例代码。 ... [详细]
  • 深度学习中的Vision Transformer (ViT)详解
    本文详细介绍了深度学习中的Vision Transformer (ViT)方法。首先介绍了相关工作和ViT的基本原理,包括图像块嵌入、可学习的嵌入、位置嵌入和Transformer编码器等。接着讨论了ViT的张量维度变化、归纳偏置与混合架构、微调及更高分辨率等方面。最后给出了实验结果和相关代码的链接。本文的研究表明,对于CV任务,直接应用纯Transformer架构于图像块序列是可行的,无需依赖于卷积网络。 ... [详细]
  • 预备知识可参考我整理的博客Windows编程之线程:https:www.cnblogs.comZhuSenlinp16662075.htmlWindows编程之线程同步:https ... [详细]
  • 本文介绍了一个适用于PHP应用快速接入TRX和TRC20数字资产的开发包,该开发包支持使用自有Tron区块链节点的应用场景,也支持基于Tron官方公共API服务的轻量级部署场景。提供的功能包括生成地址、验证地址、查询余额、交易转账、查询最新区块和查询交易信息等。详细信息可参考tron-php的Github地址:https://github.com/Fenguoz/tron-php。 ... [详细]
  • 本文介绍了C#中生成随机数的三种方法,并分析了其中存在的问题。首先介绍了使用Random类生成随机数的默认方法,但在高并发情况下可能会出现重复的情况。接着通过循环生成了一系列随机数,进一步突显了这个问题。文章指出,随机数生成在任何编程语言中都是必备的功能,但Random类生成的随机数并不可靠。最后,提出了需要寻找其他可靠的随机数生成方法的建议。 ... [详细]
  • 本文主要解析了Open judge C16H问题中涉及到的Magical Balls的快速幂和逆元算法,并给出了问题的解析和解决方法。详细介绍了问题的背景和规则,并给出了相应的算法解析和实现步骤。通过本文的解析,读者可以更好地理解和解决Open judge C16H问题中的Magical Balls部分。 ... [详细]
  • 不同优化算法的比较分析及实验验证
    本文介绍了神经网络优化中常用的优化方法,包括学习率调整和梯度估计修正,并通过实验验证了不同优化算法的效果。实验结果表明,Adam算法在综合考虑学习率调整和梯度估计修正方面表现较好。该研究对于优化神经网络的训练过程具有指导意义。 ... [详细]
  • 自动轮播,反转播放的ViewPagerAdapter的使用方法和效果展示
    本文介绍了如何使用自动轮播、反转播放的ViewPagerAdapter,并展示了其效果。该ViewPagerAdapter支持无限循环、触摸暂停、切换缩放等功能。同时提供了使用GIF.gif的示例和github地址。通过LoopFragmentPagerAdapter类的getActualCount、getActualItem和getActualPagerTitle方法可以实现自定义的循环效果和标题展示。 ... [详细]
  • Whatsthedifferencebetweento_aandto_ary?to_a和to_ary有什么区别? ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 本文分析了Wince程序内存和存储内存的分布及作用。Wince内存包括系统内存、对象存储和程序内存,其中系统内存占用了一部分SDRAM,而剩下的30M为程序内存和存储内存。对象存储是嵌入式wince操作系统中的一个新概念,常用于消费电子设备中。此外,文章还介绍了主电源和后备电池在操作系统中的作用。 ... [详细]
  • 本文介绍了利用ARMA模型对平稳非白噪声序列进行建模的步骤及代码实现。首先对观察值序列进行样本自相关系数和样本偏自相关系数的计算,然后根据这些系数的性质选择适当的ARMA模型进行拟合,并估计模型中的位置参数。接着进行模型的有效性检验,如果不通过则重新选择模型再拟合,如果通过则进行模型优化。最后利用拟合模型预测序列的未来走势。文章还介绍了绘制时序图、平稳性检验、白噪声检验、确定ARMA阶数和预测未来走势的代码实现。 ... [详细]
author-avatar
大众化的公爵樱桃rwr_208
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有