IEEE INTELLIGENT SYSTEMS - Czasopismo - MOST Wiedzy

Twoje konto

zaloguj

Wyszukiwarka

IEEE INTELLIGENT SYSTEMS

ISSN:

1541-1672

eISSN:

1941-1294

Dyscypliny:

  • automatyka, elektronika, elektrotechnika i technologie kosmiczne (Dziedzina nauk inżynieryjno-technicznych)
  • informatyka techniczna i telekomunikacja (Dziedzina nauk inżynieryjno-technicznych)
  • inżynieria bezpieczeństwa (Dziedzina nauk inżynieryjno-technicznych)
  • inżynieria biomedyczna (Dziedzina nauk inżynieryjno-technicznych)
  • inżynieria mechaniczna (Dziedzina nauk inżynieryjno-technicznych)
  • nauki o zarządzaniu i jakości (Dziedzina nauk społecznych)
  • stosunki międzynarodowe (Dziedzina nauk społecznych)
  • informatyka (Dziedzina nauk ścisłych i przyrodniczych)

Punkty Ministerialne: Pomoc

Punkty Ministerialne - aktualny rok
Rok Punkty Lista
Rok 2024 140 Ministerialna lista czasopism punktowanych 2024
Punkty Ministerialne - lata ubiegłe
Rok Punkty Lista
2024 140 Ministerialna lista czasopism punktowanych 2024
2023 140 Lista ministerialna czasopism punktowanych 2023
2022 140 Lista ministerialna czasopism punktowanych (2019-2022)
2021 140 Lista ministerialna czasopism punktowanych (2019-2022)
2020 140 Lista ministerialna czasopism punktowanych (2019-2022)
2019 140 Lista ministerialna czasopism punktowanych (2019-2022)
2018 40 A
2017 40 A
2016 40 A
2015 35 A
2014 35 A
2013 35 A
2012 35 A
2011 35 A
2010 32 A

Model czasopisma:

Hybrydowy - czasopismo transformacyjne

Punkty CiteScore:

Punkty CiteScore - aktualny rok
Rok Punkty
Rok 2023 13.8
Punkty CiteScore - lata ubiegłe
Rok Punkty
2023 13.8
2022 10.2
2021 7.5
2020 9
2019 10.4
2018 6.4
2017 4.5
2016 6.6
2015 5.4
2014 4.8
2013 4.8
2012 4.2
2011 4.3

Impact Factor:

Zaloguj się aby zobaczyć Współczynnik Impact Factor dla tego czasopisma

Sherpa Romeo:

https://v2.sherpa.ac.uk/id/publication/23036

Prace opublikowane w tym czasopiśmie

Filtry

wszystkich: 1

  • Kategoria
  • Rok
  • Opcje

wyczyść Filtry wybranego katalogu niedostępne

Katalog Czasopism

Rok 2024
  • Exploring Neural Networks for Musical Instrument Identification in Polyphonic Audio
    Publikacja

    - IEEE INTELLIGENT SYSTEMS - Rok 2024

    The purpose of this paper is to introduce neural network-based methods that surpass state-of-the-art (SOTA) models, either by training faster or having simpler architecture, while maintaining comparable effectiveness in musical instrument identification in polyphonic music. Several approaches are presented, including two authors’ proposals, i.e., spiking neural networks (SNN) and a modular deep learning model named FMCNN (Fully...

    Pełny tekst do pobrania w serwisie zewnętrznym

wyświetlono 337 razy