主页期刊介绍编委会编辑部服务介绍相关网站在线审稿编委办公编辑办公
2018年专刊出版计划 微信服务介绍 最新一期:2017年第6期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿

《软件学报》复杂环境下的机器学习研究专刊
征文通知

机器学习作为人工智能的核心技术,已经在许多领域得到应用,发挥重要作用。近年深度学习在语音识别与计算机视觉领域取得巨大成功。AlphaGo战胜围棋世界冠军,工业界与学术界再次掀起了机器学习的热潮。目前,机器学习研究者大多致力于特定场景特定任务的数据变换、聚类发现或者是分类回归建模。然而,随着机器学习技术的不断发展,人们对它的期望也不断提高。人们不再满足于场景固定、目标明确的学习任务,开始尝试开放环境下、复杂场景中的探索式学习、多任务协同学习等等更具挑战性的任务,并且在无人驾驶、机器人、大系统优化、大数据建模等场景下进行验证。为了应对这些挑战,有必要根据待建模任务的复杂性,提出更灵活、更鲁棒、更自主、自进化的学习机制。

为及时反映我国在上述方面的研究进展,《软件学报》将出版复杂环境下的机器学习研究专刊。本次专刊选题为“复杂环境下的机器学习研究”,将突出开放、复杂环境下机器学习的研究热点,具体包括复杂不确定性的建模,多源异构数据的整合,探索式学习,强化学习、类脑计算中的关键技术,迁移学习与数据重用等。同时,本专刊也非常欢迎工业界描述创新性应用成果的论文,如无人驾驶的场景感知和决策建模、精准医疗中的医学数据分析、灾害性天气预报的建模、工业故障检测等。

该专刊收录该领域近期取得的原创性高水平研究成果,进一步促进该领域的发展。专刊预录用论文需在第十六届中国机器学习会议(CCML 2017)上作报告,根据论文修改情况和会议报告情况终审确定是否录用。欢迎机器学习及相关研究领域的专家学者、科研人员踊跃投稿。

专刊题目:复杂环境下的机器学习研究
特约编辑:张长水(清华大学),胡清华(天津大学),张道强(南京航空航天大学)
出版时间:2017年第 11期

一、征文范围(包括但不限于以下主题)
1、不确定性数据处理与建模
数据噪声处理;增量学习;在线学习;零样本学习;强化学习等
2、面向多源异构复杂数据的机器学习
多模态学习;多任务学习;迁移学习;异构数据融合;数据重用等
3、机器学习在复杂任务中的应用
面向多媒体数据、互联网数据、医学图像数据、生物数据、金融数据等复杂任务的机器学习应用

二、征文要求
1. 投稿方式:采用“软件学报在线投稿系统”(http://www.jos.org.cn)投稿。投稿时稿件类型请选择"专刊投稿",同时在中文标题后面加上括号,在括号内注明专刊名称,即:(复杂环境下的机器学习研究)
2. 稿件格式:参照《软件学报》论文模板给定的格式(见学报网站“下载区”)。
3. 投稿论文未在正式出版物上发表过,也不在其他刊物或会议的审稿过程中,不存在一稿多投现象;保证投稿论文的合法性(无抄袭、剽窃、侵权等不良行为)。
4. 其他事项请参阅投稿指南:http://www.jos.org.cn/ch/reader/view_fixed_content.aspx?id=instructions
5. 投稿作者需提交投稿声明;专刊投稿论文不收审理费。录用刊发论文收取软件学报标准版面费。发表之后,将按软件学报标准支付稿酬,并赠送样刊。
6. 通过初审的预录用论文需在CCML 2017会议上(http:// ccml2017.org.cn)上作报告,根据论文修改情况和会议报告情况终审确定是否录用。

三、重要日期
第一轮截稿日期:2017年1月10日,第一轮预录用通知发出日期:2017年4月15日
第二轮截稿日期:2017年4月15日,第二轮预录用通知发出日期:2017年6月10日
CCML 2017报告日期:2017年7月26-28日(天津)
修改稿提交日期:2017年8月5日
终审结果发出日期:2017年8月15日
最终稿提交日期:2017年8月31日
出版日期:2017年第11期

软件学报编辑部
2016年7月

 

 
主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利