Уважаемые коллеги, доброго времени суток! Представляем вам тайваньское научное издание Journal of Information Science and Engineering. Журнал имеет четвёртый квартиль, издается в Institute of Information Science, его SJR за 2020 г. равен - 0,195, электронный ISSN - 1016-2364, предметные области - Теория расчётов и вычислений, Аппаратное обеспечение и архитектура, Взаимодействие человека и компьютера, Программное обеспечение, Библиотечные и информационные науки. Вот так выглядит обложка:
Редактором является Хсу Тсан-ченг, контактные данные - tshsu@iis.sinica.edu.tw.
Журнал занимается распространением информации по информатике, вычислительной технике и компьютерным системам. Поощряются статьи об оригинальных исследованиях в области компьютерного оборудования, программного обеспечения, человеко-машинного интерфейса, теории и приложений, учебные материалы по вышеупомянутым областям, а также современные работы по различным аспектам компьютерных систем и приложений.
Адрес издания - https://jise.iis.sinica.edu.tw/
Пример статьи, название - Radar Automatic Target Recognition Based on Real-Life HRRP of Ship Target by Using Convolutional Neural Network. Заголовок (Abstract) - High-resolution range profile (HRRP) is one of the most important approaches for radar automatic target recognition (RATR), which can project the target echoes from the scattering center of a ship target onto the radar line of sight (RLOS). This paper proposes an approach to use convolutional neural networks (CNNs) to recognize HRRP ship targets and a two-dimensional HRRP data format as the input of the CNN network. Compared with traditional pattern recognition approaches of handcrafted features based on researchers' prior knowledge and experience, the target recognition approach with deep neural network helps to avoid excessive use of artificially designed rules to extract features, and deep learning can automatically get the deep description features of the target. The approach presented in this paper has three main advantages: (1) Experiments conducted on the ship's HRRP dataset collected from the actual coastline are more realistic than most other papers using simulated datasets; (2) Proposed two-dimensional binary-map HRRP data format has good recognition performance, so it can be known that proper data preprocessing can improve recognition accuracy; (3) It can be seen from the experimental results that the CNN-based method proves that CNN can automatically learn the discriminative deep features of HRRP. It is feasible to use CNN to radar automatic target recognition based on real-life radar HRRP of ship targets. Keywords: high-resolution range profile (HRRP), convolutional neural network (CNN), radar automatic target recognition (RATR), artificial intelligence (AI), machine learning, radar line of sight (RLOS), automatic identification system (AIS), range-azimuth map (R-A map)