机器人产业

机器人产业杂志 部级期刊

Robot Industry

杂志简介:《机器人产业》杂志经新闻出版总署批准,自2015年创刊,国内刊号为10-1324/TP,是一本综合性较强的科技期刊。该刊是一份双月刊,致力于发表科技领域的高质量原创研究成果、综述及快报。主要栏目:视野、前沿、智能论坛、产业领袖、专题研究、案例分析、管理经纬、机器人史话、创业故事

主管单位:中华人民共和国工业和信息化部
主办单位:中国电子信息产业发展研究院;北京赛迪经纶传媒有限公司
国际刊号:2096-0182
国内刊号:10-1324/TP
全年订价:¥ 460.00
创刊时间:2015
所属类别:科技类
发行周期:双月刊
发行地区:北京
出版语言:中文
预计审稿时间:1个月内
综合影响因子:0.39
总发文量:823
总被引量:802
H指数:14
杂志简介 收录信息 杂志荣誉 杂志特色 杂志评价 课题分析 发文刊例 杂志问答

机器人产业杂志简介

《机器人产业》经新闻出版总署批准,自2015年创刊,国内刊号为10-1324/TP,本刊积极探索、勇于创新,栏目设置及内容节奏经过编排与改进,受到越来越多的读者喜爱。

《机器人产业》杂志学者发表主要的研究主题主要有以下内容:

(一)旋翼;旋翼飞行器;集群;飞行器;无人机

(二)无线传感器网络;神经网络;重定位;人工智能;再励学习

(三)工业机器人;电气机械;医疗机器人;白皮书;机器人产业

(四)机器人;关节;外骨骼;外骨骼机器人;变刚度

(五)人工智能;网联;汽车;网络安全保障;智慧城市

(六)移动焊接机器人;虚拟样机;半监督学习;ADAMS;机器人

(七)机器人产业;机器人;工业机器人;跨越式发展;国际收支平衡表

(八)人工智能;机器人;教育;中国工程院院士;工科

(九)智能机器人;机器人;微电子加工;虚拟现实;刻蚀

(十)汽车;车辆;网联;智能车辆;自动驾驶

机器人产业收录信息

机器人产业杂志荣誉

机器人产业杂志特色

1、论文格式为:题目,作者姓名、单位、地址与邮编,中文摘要,关键词,中图法分类号,正文,参考文献,第一作者简介,英文题名,英文作者姓名(汉语拼音)、单位、地址与邮编,英文摘要与关键词。

2、标题,序数后用实心黑点,如“1.”“2.”“3.”,左侧空二字符。

3、来稿必须是作者的原创作品,务求论点明确,引证有据,逻辑清晰,数据准确,文字简练。

4、摘要用第三人称撰写,要求完整准确地概括文章的实质性内容;300字左右。关键词为5~7个。

5、参考文献:应为正式出版物上发表的、作者亲自阅读、与文稿主要内容密切相关的近年文献,要求精选。

机器人产业杂志评价

发文量 影响因子
立即指数 被引次数
主要引证文献期刊分析

立即指数:立即指数 (Immediacy Index)是指用某一年中发表的文章在当年被引用次数除以同年发表文章的总数得到的指数;该指数用来评价哪些科技期刊发表了大量热点文章,进而能够衡量该期刊中发表的研究成果是否紧跟研究前沿的步伐。

引证文献:又称来源文献,是指引用了某篇文章的文献,是对本文研究工作的继续、应用、发展或评价。这种引用关系表明了研究的去向,经过验证,引证文献数等于该文献的被引次数。引证文献是学术论著撰写中不可或缺的组成部分,也是衡量学术著述影响大小的重要因素。

机器人产业课题分析

主要资助项目
  • 重庆市社会科学规划项目
  • 广东省哲学社会科学规划项目
  • 湖南省自然科学基金
  • 广州市哲学社会科学规划项目
  • 江苏省“青蓝工程”基金
  • 江苏省职业教育教学改革研究课题
  • 江西省社会科学规划项目

机器人产业发文刊例

  • 1、发展AI,产业落地更重要作者:
  • 2、32篇研究报告读懂机器人行业趋势作者:Frank; Tobe
  • 3、没有数据如何翻译?一文读懂“无监督”机器翻译作者:Harshvardhan; Gupta
  • 4、一文领略NIPS2017作者:Robbie; Allen
  • 5、人工智能全球大赛与人工智能开放创新平台能碰撞出怎样的火花?作者:刘京运
  • 6、为“强化学习智能体”提供性能基准作者:Yuval; Tassa
  • 7、形态学使机器人理解人类指令作者:Zahra; Mahoor; Jack; Felag; Josh; Bongard
  • 8、Uber神经进化研究所:如何利用遗传算法优化网络?作者:Kenneth; O.; Stanley; Jeff; Clune
  • 9、面对物理损伤机器人如何“自适应”作者:Takeshi; Kano; Eiki; Sato; Tatsuya; Ono; Hitoshi; Aonuma; YoshiyaMatsuzaka; Akio; Ishiguro
  • 10、利用神经网络动力学实现基于模型的强化学习作者:Anusha; Nagabandi; Gregory; Kahn

免责声明

若用户需要出版服务,请联系出版商,地址:北京市海淀区紫竹院路66号赛迪大厦7层,邮编:100048。