ISSN:
eISSN:
1865-7923
Dyscypliny:
- automatyka, elektronika, elektrotechnika i technologie kosmiczne (Dziedzina nauk inżynieryjno-technicznych)
- informatyka techniczna i telekomunikacja (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria biomedyczna (Dziedzina nauk inżynieryjno-technicznych)
- inżynieria mechaniczna (Dziedzina nauk inżynieryjno-technicznych)
- informatyka (Dziedzina nauk ścisłych i przyrodniczych)
Punkty Ministerialne: Pomoc
Rok | Punkty | Lista |
---|---|---|
Rok 2024 | 20 | Ministerialna lista czasopism punktowanych 2024 |
Rok | Punkty | Lista |
---|---|---|
2024 | 20 | Ministerialna lista czasopism punktowanych 2024 |
2023 | 20 | Lista ministerialna czasopism punktowanych 2023 |
2022 | 20 | Lista ministerialna czasopism punktowanych (2019-2022) |
2021 | 20 | Lista ministerialna czasopism punktowanych (2019-2022) |
2020 | 20 | Lista ministerialna czasopism punktowanych (2019-2022) |
2019 | 20 | Lista ministerialna czasopism punktowanych (2019-2022) |
Punkty CiteScore:
Rok | Punkty |
---|---|
Rok 2023 | 5.2 |
Rok | Punkty |
---|---|
2023 | 5.2 |
2022 | 4.2 |
2021 | 3.4 |
2020 | 2.9 |
2019 | 2.3 |
2018 | 1.9 |
2017 | 0.8 |
2016 | 0.6 |
2015 | 0.4 |
2014 | 0.3 |
Impact Factor:
brak danych
Sherpa Romeo:
Prace opublikowane w tym czasopiśmie
Filtry
wszystkich: 1
Katalog Czasopism
Rok 2022
-
Performance Analysis of Machine Learning Methods with Class Imbalance Problem in Android Malware Detection
PublikacjaDue to the exponential rise of mobile technology, a slew of new mobile security concerns has surfaced recently. To address the hazards connected with malware, many approaches have been developed. Signature-based detection is the most widely used approach for detecting Android malware. This approach has the disadvantage of being unable to identify unknown malware. As a result of this issue, machine learning (ML) for detecting malware...
wyświetlono 474 razy