《Inverse Problems》雜志的收稿范圍和要求是什么？
來源：優(yōu)發(fā)表網(wǎng)整理 2024-09-18 10:51:19 827人看過
《Inverse Problems》雜志收稿范圍涵蓋數(shù)學全領域，此刊是該細分領域中屬于非常不錯的SCI期刊，在行業(yè)細分領域中學術影響力較大，專業(yè)度認可很高，所以對原創(chuàng)文章要求創(chuàng)新性較高，如果您的文章質(zhì)量很高，可以嘗試。
平均審稿速度 約2.0個月 ，影響因子指數(shù)2。
該期刊近期沒有被列入國際期刊預警名單，廣大學者值得一試。
具體收稿要求需聯(lián)系雜志社或者咨詢本站客服，在線客服團隊會及時為您答疑解惑，提供針對性的建議和解決方案。
出版商聯(lián)系方式：IOP PUBLISHING LTD, DIRAC HOUSE, TEMPLE BACK, BRISTOL, ENGLAND, BS1 6BE
其他數(shù)據(jù)
| 是否OA開放訪問： | h-index： | 年文章數(shù)： |
| 未開放 | 100 | 164 |
| Gold OA文章占比： | 2021-2022最新影響因子（數(shù)據(jù)來源于搜索引擎）: | 開源占比（OA被引用占比）： |
| 29.56% | 2 | 0.20... |
| 研究類文章占比：文章 ÷（文章 + 綜述） | 期刊收錄： | 中科院《國際期刊預警名單（試行）》名單： |
| 100.00% | SCIE | 否 |
歷年IF值(影響因子)：
歷年引文指標和發(fā)文量：
歷年中科院JCR大類分區(qū)數(shù)據(jù)：
歷年自引數(shù)據(jù)：
發(fā)文統(tǒng)計
2023-2024國家/地區(qū)發(fā)文量統(tǒng)計：
| 國家/地區(qū) | 數(shù)量 |
| USA | 213 |
| CHINA MAINLAND | 136 |
| GERMANY (FED REP GER) | 111 |
| France | 67 |
| England | 61 |
| Austria | 49 |
| Finland | 28 |
| Russia | 27 |
| Italy | 20 |
| Japan | 19 |
2023-2024機構發(fā)文量統(tǒng)計：
| 機構 | 數(shù)量 |
| CENTRE NATIONAL DE LA RECHERCHE ... | 40 |
| UNIVERSITY OF LONDON | 22 |
| HELMHOLTZ ASSOCIATION | 18 |
| INSTITUT POLYTECHNIQUE DE PARIS | 18 |
| UNIVERSITY OF GOTTINGEN | 17 |
| UNIVERSITY OF NORTH CAROLINA | 17 |
| CHINESE ACADEMY OF SCIENCES | 16 |
| UNIVERSITY OF CAMBRIDGE | 16 |
| UNIVERSITY OF CALIFORNIA SYSTEM | 14 |
| UNIVERSITY OF HELSINKI | 14 |
近年引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| INVERSE PROBL | 836 |
| SIAM J IMAGING SCI | 141 |
| INVERSE PROBL IMAG | 102 |
| SIAM J APPL MATH | 93 |
| SIAM J MATH ANAL | 83 |
| GEOPHYSICS | 72 |
| SIAM J NUMER ANAL | 72 |
| IEEE T MED IMAGING | 68 |
| PHYS MED BIOL | 61 |
| IEEE T IMAGE PROCESS | 53 |
近年被引用統(tǒng)計：
| 期刊名稱 | 數(shù)量 |
| INVERSE PROBL | 836 |
| INVERSE PROBL IMAG | 213 |
| J INVERSE ILL-POSE P | 176 |
| INVERSE PROBL SCI EN | 131 |
| SIAM J IMAGING SCI | 124 |
| J COMPUT PHYS | 117 |
| MATHEMATICS-BASEL | 107 |
| SIAM J APPL MATH | 93 |
| IEEE ACCESS | 92 |
| MATH METHOD APPL SCI | 91 |
近年文章引用統(tǒng)計：
| 文章名稱 | 數(shù)量 |
| Convexification of electrical im... | 14 |
| Learning the invisible: a hybrid... | 14 |
| Stable architectures for deep ne... | 12 |
| Uniqueness results on phaseless ... | 12 |
| Nonlocal low-rank and sparse mat... | 12 |
| Multicompartment magnetic resona... | 11 |
| A method for quantitative imagin... | 11 |
| Exponential instability in the f... | 11 |
| A new version of the convexifica... | 11 |
| Blind image fusion for hyperspec... | 9 |
聲明：以上內(nèi)容來源于互聯(lián)網(wǎng)公開資料，如有不準確之處，請聯(lián)系我們進行修改。
