《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