Уважаемые коллеги, доброго времени суток! Представляем вам испанское научное издание Journal of Physical Agents. Журнал имеет третий квартиль, издается в University of Alicante, находится в откртом доступе, его SJR за 2020 г. равен 0,252, электронный ISSN -1888-0258, предметные области - Программное обеспечение, Проектирование систем управления. Вот так выглядит обложка:
Здесь два редактора - Мигель Казорла, контактные данные - miguel.cazorla@ua.es
и Виченте Мателлан - vicente. matellan@unileon.es
Еще публикационный контакт - revistes@ua.es
К публикации принимаются материалы, описывающие научные работы во всех областях, в которых используются концепции технологий на основе агентов, особенно промышленные приложения, робототехника и бытовая техника (физические агенты) и приложения, связанные с информационным обществом (программные агенты), подчеркивая сходство и синергию между физическими и программными агентами. Приложения физических агентов в основном ориентированы на управление, координацию и планирование автономных систем: промышленных или мобильных роботов, производственных процессов, бытовой техники и сложных систем. Материалы также могут быть связаны с образовательными аспектами вышеупомянутых технологий. Статьи, предназначенные для публикации, должны быть написаны на английском языке и отправлены одному из редакторов. Журнал публикует научные статьи, которые должны отражать оригинальные, ранее не опубликованные работы, а не одновременно рассматриваться для публикации в другом месте. Рукопись, если она будет принята, будет распространена среди читателей. Авторы несут ответственность за получение письменного разрешения на использование материалов, использованных в ранее опубликованной статье.
Адрес издания - https://www.jopha.ua.es/
Пример статьи, название - 3D object detection with deep learning. Заголовок (Abstract) - Finding an appropriate environment representation is a crucial problem in robotics. 3D data has been recently used thanks to the advent of low cost RGB-D cameras. We propose a new way to represent a 3D map based on the information provided by an expert. Namely, the expert is the output of a Convolutional Neural Network trained with deep learning techniques. Relying on such information, we propose the generation of 3D maps using individual semantic labels, which are associated with environment objects or semantic labels. So, for each label we are provided with a partial 3D map whose data belong to the 3D perceptions, namely point clouds, which have an associated probability above a given threshold. The final map is obtained my registering and merging all these partial maps. The use of semantic labels provide us a with way to build the map while recognizing objects. Keywords: Semantic mapping; 3D point cloud; Deep learning
