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English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020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》面向开放场景的鲁棒机器学习研究专刊
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。然而,随着机器学习模型不断付诸开放应用场景,往往面临诸多不适。例如,场景的变化;特征的变化;任务目标的变化;标记的缺失或偏差;恶意样本的攻击;计算能力的受限等。另一方面,机器学习走向现实应用过程中还面临着严重的性能风险,主要体现为模型性能的鲁棒性难以适应应用场景的开放性,从而导致机器学习方法在实际问题中表现出各种不鲁棒。为此,亟需研究开放场景下的鲁棒机器学习方法。

为及时反映我国在开放场景下的鲁棒机器学习方面的研究进展,《软件学报》将出版“面向开放场景的鲁棒机器学习研究”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十八届中国机器学习会议(CCML 2021)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:面向开放场景的鲁棒机器学习研究
特约编辑:陈恩红(中国科学技术大学),李宇峰(南京大学),邹权(电子科技大学)
出版时间:2022年第4期

一、征文范围(包括但不限于以下主题)
1. 面向开放场景的鲁棒机器学习理论与方法
计算学习理论、分布变化的机器学习、资源受限学习、弱监督学习、对抗学习、模型复用、强化学习、在线学习、深度学习、迁移学习、知识表达和推理等
2. 鲁棒机器学习在开放场景下的应用
图像文本数据、教育数据、生物数据、多媒体数据、网络/图数据、表格数据、软件数据及其在教育、生物、医疗、交通、安全等领域的应用

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。投稿时请在选择"专刊"投稿类型,同时在文章标题后+“鲁棒机器学习研究专刊”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 2021会议上作报告,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:2021年3月10日,第一轮预录用通知发出日期:2021年5月31日
第二轮截稿日期:2021年5月31日,第二轮预录用通知发出日期:2021年7月10日
CCML2021报告日期:2021年8月6-8日
修改稿提交日期:2021年8月25日
终审结果发出日期:2021年9月15日
最终稿提交日期:2021年9月30日
出版日期:2022年第04期


软件学报编辑部
2020年8月21日

 

 

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