主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第9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》非经典条件下机器学习研究专刊
征文通知

随着信息技术的飞速发展,科学研究与社会生活各个领域中的数据正在以前所未有的速度产生并被广泛收集、存储。如何实现数据的智能化处理进而充分利用数据中蕴含的知识与价值,已成为当前学术界与产业界的共识。机器学习作为一种主流的智能数据处理技术,是实现上述目标的核心途径。传统机器学习方法往往依赖于很多前提条件,如:有标记的训练数据足够多、学习器所处的环境特性简单且恒定不变、学习器运行的平台计算资源充足等。然而,随着机器学习技术不断走向实际应用,上述机器学习技术所依赖的经典条件常常难以满足,导致传统方法在实际问题中表现出各种不适应,严重制约了机器学习技术在更多实际问题中的应用。因此,亟需研究针对非经典条件下的机器学习方法。

为及时反映我国在非经典条件下的机器学习方面的研究进展,《软件学报》将出版“非经典条件下的机器学习研究”专刊,收录该方面近期取得的原创性高水平研究成果,进一步促进该方面的研究。专刊预录用论文需在第十七届中国机器学习会议(CCML 2019)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:非经典条件下机器学习研究
特约编辑:高新波(西安电子科技大学)黎铭(南京大学)李天瑞(西南交通大学)
出版时间:2020年第4期

一、征文范围(包括但不限于以下主题)
1. 非经典条件下的机器学习理论与方法
计算学习理论;弱监督学习;无监督学习;表示学习;在线学习;深度学习;联邦学习;强化学习;对抗学习;迁移学习;模型复用;资源受限的机器学习等
2. 非经典条件下的机器学习应用
医疗健康、智能交通、教育服务、国家安全、舆情分析、金融保险、计算广告、推荐系统、社交网络、信息检索、媒体计算、软件工程等领域的应用
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。投稿时请选择投稿类型为"专刊投稿",并在备注栏中注明“非经典条件下机器学习研究”字样。
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/jos/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 2019会议上(http://bdiri.gzu.edu.cn/ccml2019/ )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:2019年3月10日,第一轮预录用通知发出日期:2019年5月31日
第二轮截稿日期:2019年5月31日,第二轮预录用通知发出日期:2019年7月10日
CCML 2019报告日期:2019年7月23-25日(贵阳)
修改稿提交日期:2019年8月25日
终审结果发出日期:2019年9月15日
最终稿提交日期:2019年9月30日
出版日期:2020年第04期

 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
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