Ficha de publicación · 2026
A Novel Hybrid Evolutionary Transformer-Long Short-Term Memory Model for Unified Anomaly Detection in IoT and Cyber-Physical Networks
- Autores
- Año
- 2026
- Editorial
- Tech Science Press
- Revista o publicación
- Computers, Materials & Continua
- Citas en Google Scholar
- 0
Indicadores de la revista
CiteScore 2025 (Scopus)6.6
Mejor cuartilQ1
Top 10 % en alguna categoríaNo
Posiciones por categoría
- Modeling and Simulation45/397 · Q1 · percentil 88
- Electrical and Electronic Engineering230/1030 · Q1 · percentil 77
- Mechanics of Materials98/408 · Q1 · percentil 76
- Computer Science Applications269/1022 · Q2 · percentil 73
- Biomaterials61/146 · Q2 · percentil 58
JCR (Clarivate): No verificado: el fichero aportado es CiteScore de Scopus, no JCR.
No identificada en el informe aportado sobre comportamiento bibliométrico no estándar (2017–2019).
El informe es un análisis independiente publicado en 2021; no es una lista oficial de veto o aprobación de ANECA.Resumen de investigación
Marco unificado de detección de anomalías que combina el contexto global de Transformer, el modelado temporal LSTM y optimización evolutiva. Se evalúa su generalización en cuatro conjuntos CIC de tráfico convencional, IoT y vehicular.
Descripción original preparada para esta web; consulte la publicación para el abstract oficial.DOI 10.32604/cmc.2026.081311 ↗ · Versión de acceso abierto ↗ · Ver registro en Google Scholar ↗