博识出版社：人工智能与应用期刊
人工智能被广泛应用于社会的各个领域，包括传感数据分析和理解、大数据分析、安全监控、管理和规划、教育、医疗、机器人、无人驾驶等。Artificial Intelligence and Applications（《人工智能与应用》）致力于发表关于人工智能理论、方法和应用方面的高水平原创性论文及综述，旨在通过将该领域的全球科学家聚集在一起，推动和促进人工智能的发展和应用。
期刊特色
·严格评审
所有文章将经过严格的国际同行评审，您可以获得来自同行和专业编辑的公平、公正且高质量的评审意见。
·高度可见
您的文章将被收录到Google学术中，未来也将被所涉及研究领域的主要数据库收录，可被相关领域的研究学者搜索查询到。
·永久阅读
所有文章均支持Gold Open Access，论文发表后，其最终版本可立即、免费、永久阅读。
·快速出版
投稿的学术文章，会快速进入评审阶段，确保投稿后40天内得到期刊的最终决定。
·版权归属
所有文章均在CC BY 4.0 协议下出版，文章版权归属作者。
征稿范围及优惠政策
期刊的收稿范围包括但不限于以下领域：
Cognitive Modeling of Intelligence
智能认知模型
Brain-inspired Intelligence
类脑智能
Brain-machine Interface
脑机接口
Neural Networks
神经网络
Knowledge Representation and Reasoning
知识表达和推理
Machine Learning
机器学习
Pattern Recognition
模式识别
Computer Vision
计算机视觉
lmage and Video Analysis
图像和视频分析
Speech and Language Processing
语音和语言分析
Multimedia Analysis
多媒体分析
优惠政策：凡在2023年12月31日之前投稿并被接受的文章，作者可享受出版费 (APC) 全免的优惠政策。
主编介绍
Shivakumara Palaiahnakote，马来西亚马来亚大学计算机科学和信息技术学院副教授。他曾于2008-2013年在新加坡国立大学计算机学院计算机科学系担任视频文本提取和识别项目的研究员。他分别于1995年、1999年、2001年和2005年在印度卡纳塔克邦迈索尔大学获得计算机科学学士、硕士和博士学位，被Pattern Recognition Letters (PRL)授予 "顶级审稿人 "称号，并被IEEE Transaction on Multimedia (TMM)授予杰出审稿人称号。
主编寄语
Artificial Intelligence and Applications在短时间内吸引了来自不同国家（包括发展中国家和发达国家）的许多高质量的投稿。
我们鼓励作者在人工智能的新兴领域，如：图像处理、安全、增强现实、数据挖掘、机器学习、分布式计算和大数据分析等深入研究。我们决心从第一期开始就设定我们的标准，做一本备受推崇的期刊。我们需要探索新的传播方式和接触作者以及读者的方式。
与此同时，我们的期刊将找到新的途径来接收更多关于学科内和跨学科领域的高质量论文。新颖的主题会使期刊更有趣并拥有更多的发展空间，同时收获忠实的读者群。
首期精选速读
一、文章题目：一种基于增强现实的方法使用安卓设计的餐厅交互式食物菜单
An Augmented Reality-Based Approach for Designing Interactive Food Menu of Restaurant Using Android
作 者：
Sadia Nur Amin, Palaiahnakote Shivakumara, Tang Xue Jun, Kai Yang Chong, Dillon Leong Lon Zan, Ramachandra Rahavendra
摘 要：
餐饮业竞争日趋激烈，从业者在菜单中引入了更多新的菜品来提升顾客满意度。但这仍然不够，因为往往只有服务员向顾客描述菜肴，而这种描述大多数时候无法满足他们的期望。因此，为了能让顾客更直观地了解他们的订单，本文提出了一个安卓应用程序。通过系统的摄像头，使用增强现实技术将数字三维食品模型叠加到食品菜单的图像标记上。此外，三维食品模型旁边会出现：价格、成分清单、营养以及卡路里含量，使顾客完全了解他们将订购的食物。这项工作的重点是在Blender 3D工具中设计3D食物模型，然后将其导入预装了Vuforia软件开发工具包的Unity 3D应用程序中，并利用Figma设计该系统的用户界面。该研究的成果是一个AR应用程序，它为顾客提供了一个视觉化的点餐选择模式，可以提高餐厅的销售额和顾客的忠诚度。
二、文章题目：利用环境和生活方式因素实现精液质量预测的自我监督架构
Distribution Alignment Using Complement Entropy Objective and Adaptive Consensus-Based Label Refinement For Partial Domain Adaptation
作 者：
Sandipan Choudhuri, Suli Adeniye, Arunabha Sen
摘 要：
男性生育能力在下降，这一看法促使人们不断发掘更多有效和便捷的方法对其进行评估。人工智能方法已通过基于问卷调查的信息源有效预测精液质量，该信息源包括从医学文献中选择的影响精液质量的因素。以往的研究主要基于监督式学习在预测精液质量方面的应用，但由于监督学习取决于数据类标签，它可以说是依赖于外部的智能干预，这可能会转化为实际环境中的进一步成本和资源。相比之下，无监督学习方法根据目标函数将数据划分为群集和群组，不依赖于类标签，并且可以实现预测平台的完全自动化流程。在本文中，我们应用了三种具有不同模型结构的无监督学习模型，即高斯混合模型（GMM）、K-均值法（K-means）和谱聚类（SC），同时还应用了低维嵌入方法，包括稀疏自动编码器（SAE）、主成分分析（PCA）和张量主成分分析（robust PCA）。最好的研究结果由稀疏自动编码器（SAE）和谱聚类（SC）组合算法获得，这可能是由于其非特定的和任意的集群形状假设。本文对该问题的进一步研究将涉及探索类似的无监督学习算法，其框架与谱聚类（SC）相似，以研究各类群集以达到预测的最大的准确性。
文章题目：网络挖掘的数据挖掘技术
Data Mining Techniques for Web Mining: A Survey
作 者：
Mehdi Gheisari, Hooman Hamidpour, Yang Liu, Peyman Saedi, Arif Raza, Ahmad Jalili, Hamidreza Rokhsati, Rashid Amin
摘 要：
数据挖掘（DM）是由搜索、提取和分析大型数据集的模式组成的计算过程，涉及人工智能、机器学习、统计学和数据库方案的交叉学科方法。具体来说，它的主要目标是从原始数据集中提取信息，并将其转化为预期的结构以便进一步使用。此外，DM的一个不断发展的观点是网络挖掘（WM），涉及数据挖掘及其例行程序。它被用于从网络记录和服务器中自动发现和提取信息，也就是说，网络挖掘的目的是为了从万维网中获得有价值的数据。基于其重要性与必要性，本文对网络挖掘中的数据挖掘技术进行调查研究。