客人编辑:
杨黎中国新疆石河子大学
Jiachen杨天津大学，中国天津
弗朗西斯科·Marinello帕多瓦大学，意大利帕多瓦
找到收藏中的所有文章在这里．
深度学习还是少量学习?
少镜头学习(few -shot learning)是深度学习的一个新分支，旨在从少量数据中开发出具有良好泛化能力的智能模型，实现机器智能与灵活性和可扩展性的结合。深度学习和少镜头学习都是植物科学领域的技术探索，有潜力极大地加速它们的应用。
计算机视觉中的植物
这个集合包括在许多不同尺度上从图像数据中进行植物检测、分割和建模的工作。
植物基因组编辑
本系列重点介绍基因编辑作为植物生物技术和基因工程的有效工具。
本系列涵盖了应用于植物研究的表型和表型组学技术的所有方面，并包括和包括一些受邀的演讲者的贡献第三届国际植物表型研讨会。
本系列重点介绍了不同的测序技术的使用，这些技术使我们能够比桑格测序更快、更便宜地对DNA和RNA进行测序，以及它们在植物研究中的应用。
尤特·罗斯纳教授墨尔本大学
工厂方法是一份开放获取、同行评审的植物研究界期刊，涵盖植物科学技术创新的各个方面。
本刊的目标是促进新的和改进的技术和研究工具的开发和采用，并在适当的情况下促进方法的一致性，以便更好地整合来自不同实验室的数据。
浏览器需要启用JavaScript才能查看此时间轴
主编尤特·罗斯纳
墨尔本大学
Ute Roessner目前是澳大利亚墨尔本大学生物科学学院植物生物化学副教授。她是澳大利亚研究委员会未来研究员、学校副校长、澳大利亚代谢组学节点负责人以及多样性和包容性助理院长。她目前也是国际代谢组学学会的总统(当选)成员。她的研究兴趣主要集中在应用代谢组学和脂质组学工具来研究植物对非生物和生物应激源的反应，旨在确定植物，特别是作物用于应对这些应激的新机制。最近，她的研究重点是开发组织和细胞成分特异性组学技术的新方法，允许对不同植物组织进行更多的空间和时间解析分析。
工厂方法已经启动了在检查中，这是一个新的选项，它为作者提供了关于他们的手稿状态的按需信息，使他们能够与资助者和他们的研究团体分享他们的工作，并允许他们的同事评论和合作——所有这些都是在他们的手稿正在审查期间进行的。全部细节在这里．
引用影响
5.827 -2年影响因子(2021)
5.904 -5年影响因子(2021)
1.956 -每篇论文源归一化影响(SNIP)
1.35 -SCImago期刊排名(SJR)
速度
40天内决定所有稿件(中位数)
仅对审阅过的手稿，51天内作出第一次决定(中位数)
使用
1,234,721次下载(2021年)
2019次另类计量提及(2021年)
工厂方法