期刊簡介

《進化系統》涵蓋了動態進化系統領域的調查、方法論和應用導向論文。‘進化系統’的靈感來自于動態變化和進化環境中系統模型進化的理念。與機器學習、數學建模和相關學科中的標準方法不同，這些方法假設并先驗地固定模型結構，問題集中在參數優化上，而進化系統允許模型結構逐漸改變/進化。這種持續或終身學習和領域適應的目的是自我組織。它可以適應新的數據模式，更適合流數據、遷移學習，并且可以識別和學習未知和不可預測的數據模式。這些特性對于自主機器人系統至關重要，因為這些系統在設計完成后（運行時）會繼續學習和適應。

《Evolving Systems》征集的出版物旨在解決非平穩、不可預測環境中系統建模、聚類、分類、預測和控制的各個方面的問題，并描述其設計的新方法和途徑。

該期刊致力于從系統方法到案例研究和實際工業應用的自我開發、自我組織和進化系統的主題。它涵蓋了方法論的各個方面，例如

不斷發展的系統方法

不斷發展的神經網絡和神經模糊系統

不斷發展的分類器和聚類

不斷發展的控制器和預測模型

不斷發展的可解釋人工智能系統

不斷發展的系統應用

而且還關注新的范式和應用，包括醫學、機器人、商業、工業自動化、控制系統、交通、通信、環境監測、生物醫學系統、安全和電子服務、金融和經濟。所有提交的方法和系統的共同特征是系統和環境的不斷發展。

該期刊涵蓋與以下內容相關的貢獻：

1）機器學習、人工智能、計算智能和數學建模方法

2）來自自然和生物學的靈感，包括神經科學、生物信息學和分子生物學、量子物理學

3）在工程、商業、社會科學中的應用。

不斷發展的系統由SPRINGER HEIDELBERG出版社出版。其研究的主題領域包括但不限于COMPUTER SCIENCE, ARTIFICIAL INTELLIGENCE，是一本在計算機科學領域具有重要影響力的國際期刊。該期刊涵蓋了計算機科學的多個子領域，旨在全面理解和解決計算機科學問題。

根據最新的數據，不斷發展的系統的影響因子為2.7，CiteScore為7.8，SJR為0.746，SNIP為1.022，中科院分區為4區，這些指標均顯示了該期刊在計算機科學領域的優秀地位。

該刊以English作為出版語言。對于English非母語的作者，期刊建議使用語言編輯服務，以確保文稿的語法和拼寫錯誤得到糾正，并符合科學English的標準。如果想實現快速順利的投稿發表，建議您聯系本站的客服團隊，將為您提供專業的選刊建議，并在整個投稿過程中提供細致的指導。