《Nature》 和 《 Science》 的区别是什么?

简介: 《Nature》 和 《 Science》 的区别是什么?

引言

全球top2的两本期刊,顶级期刊的代表,学界的北大清华。


非要说nature和science区别的话:


nature是英国,science是美国;

nature的影响因子稍高于science一点;

nature的创刊时间比science早一些。

正文

《Nature》杂志隶属于自然出版集团(Nature Publishing Group, NPG),是一个商业性质的杂志。
《Science》是美国科学促进会(American Association for the Advancement of Science,AAAS)的会刊,是一个学术性杂志。
所以我们经常会看到《Nature》的商业推广等一系列商业操作,
毕竟是个盈利的机构,但是《Science》很低调,
它毕竟隶属于非营利性机构,但学术影响依然强大无比。

《Nature》

《Nature》是世界上历史悠久的、最有名望的科学杂志之一,首版于1869。与当今大多数科学杂志专一于一个特殊的领域不同,其发表来自很多科学领域的一手研究论文的杂志(其它类似的杂志有《科学》和《美国科学院学报》等)。在许多科学研究领域中,很多最重要、最前沿的研究结果都是以短讯的形式发表在《Nature》上。


《Nature》杂志是自然出版集团(Nature Publishing Group, NPG)的旗舰,其办刊宗旨是“将科学研究中的重要发现展示给公众,让公众尽早知晓全世界自然科学每一分支所取得的各项进展。”


自然出版集团于1999年成立,是著名的科学出版公司-麦克米兰出版者有限公司的成员,是一个出版科学期刊的国际出版公司,其总部位于英国伦敦,旗下有很多在学术界有一定影响的期刊。Nature集团的期刊大体可以分为五类,共有159本,包括《自然》周刊(Nature)、研究月刊(Nature Research Journals)、评论月刊(Nature Reviews)、NPG学术期刊(NPG Academic Journals)等,涉及所有学科,还有大量的开源期刊。

image.png


《Science》

《Science》是美国科学促进会(英语:American Association for the Advancement of Science,AAAS)出版的一份学术期刊,为全世界最权威的学术期刊之一。


《Science》是发表最好的原始研究论文、以及综述和分析当前研究和科学政策的同行评议的期刊之一。该杂志于1880年由爱迪生投资1万美元创办,于1894年成为美国最大的科学团体“美国科学促进会”(American Association for the Advancement of Science ,AAAS)的官方刊物。全年共51期,为周刊,全球发行量超过150万份。


《Science》杂志属于综合性科学杂志,它的科学新闻报道、综述、分析、书评等部分,都是权威的科普资料,该杂志也适合一般读者阅读。


虽然《Science》是美国科学促进会的期刊,但发表文章并不需要AAAS的会员资格。《Science》接受来自世界各地作者的论文,但是提交给编辑的文章只有不到10%会被接受发表,所有的研究文章在见刊之前皆须同行评审。


《科学》杂志发表来稿是免费的。其杂志的资金来源共有三部分:AAAS的会员费、印刷版和在线版的订阅费、广告费。


目前Science 旗下仅有5本子刊,分别是Science Advances、Science Translational Medicine、Science Signaling、Science Immunology、Science Robotics.

image.png


Nature 是英国的,Science是美国的。我们的实验室通常会先投nature被拒了再投science,我个人感觉(至少美国的实验室)投Science 似乎更简单点,当然都是相对的,都非常难发。


综述

image.png


机器视觉是一种系统,机器学习是一种技术。

目录
相关文章
|
2月前
|
编解码 人工智能 定位技术
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
MERRA (Modern-Era Retrospective analysis for Research and Applications) 是由 NASA 气候数据集
24 0
|
3月前
|
机器学习/深度学习 编解码 自然语言处理
【虚拟人综述论文】Human-Computer Interaction System: A Survey of Talking-Head Generation
【虚拟人综述论文】Human-Computer Interaction System: A Survey of Talking-Head Generation
|
11月前
|
传感器
电子科大博士生杨超火了!2年实现Science+Nature一作双杀
电子科大博士生杨超火了!2年实现Science+Nature一作双杀
250 0
|
机器学习/深度学习 编解码 固态存储
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(下)
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(下)
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(下)
|
机器学习/深度学习 存储 编解码
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(上)
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications(上)
|
机器学习/深度学习 搜索推荐 算法
【推荐系统论文精读系列】(十)--Wide&Deep Learning for Recommender Systems
具有非线性特征转化能力的广义线性模型被广泛用于大规模的分类和回归问题,对于那些输入数据是极度稀疏的情况下。通过使用交叉积获得的记忆交互特征是有效的而且具有可解释性,然后这种的泛化能力需要更多的特征工程努力。在进行少量的特征工程的情况下,深度神经网络可以泛化更多隐式的特征组合,通过从Sparse特征中学得低维的Embedding向量。可是,深度神经网络有个问题就是由于网络过深,会导致过度泛化数据。
137 0
【推荐系统论文精读系列】(十)--Wide&Deep Learning for Recommender Systems
|
机器学习/深度学习 自然语言处理 分布式计算
【论文翻译】DeepWalk: Online Learning of Social Representations
本文提出DeepWalk算法——一种用于学习网络中顶点的潜在表示的新方法,这些潜在表示将社会关系编码到连续的向量空间中,以至于能容易地用到统计模型中。DeepWalk将语言建模和无监督特征学习(或深度学习)的最近进展,从单词序列推广到图中。
513 0
【论文翻译】DeepWalk: Online Learning of Social Representations
|
语音技术 自然语言处理 存储
语音顶会Interspeech 论文解读|Towards Language-Universal Mandarin-English Speech Recognition
Interspeech是世界上规模最大,最全面的顶级语音领域会议,本文为Shiliang Zhang, Yuan Liu, Ming Lei, Bin Ma, Lei Xie的入选论文
语音顶会Interspeech 论文解读|Towards Language-Universal Mandarin-English Speech Recognition
|
数据可视化 数据库
文献翻译Complex integrated analysis of lncRNAs-miRNAs-mRNAs in oral squamous cell carcinoma(2)
材料和方法 获取微阵列数据和选择数据集头颈部鳞状细胞癌的基因表达数据 (HNSCC)从Cancer Genome Atlas下载(TCGA)数据库(https://gdc-portal.nci.nih.gov/)。
1470 0
|
机器学习/深度学习
文献翻译Complex integrated analysis of lncRNAs-miRNAs-mRNAs in oral squamous cell carcinoma(1)
Abstract 目的: 本研究旨在通过基因表达数据揭示口腔鳞状细胞癌(OSCC)中lncRNAs-miRNAs-mRNA的调控网络。 材料与方法: 差异表达的lncRNAs,miRNAs和mRNAs(截止值:假阳性率(FDR) 1.5)。
1054 0