专题征稿-SI2 新型机器学习方法、应用及相关数学理论研究
发布人：liangjing 发布时间：2018/2/14 19:29:09 浏览次数：15136次
【字体:
】
】专题简介
深度学习、极限学习、宽度学习、图网络等新型机器学习理论、方法及其应用正在引起广泛关注和深入研究。特别是深度学习、图网络等作为具有一定探索性、挑战性和学科交叉性的技术领域，其数学方法涉及控制论、矩阵论、概率统计、微分方程、泛函分析、图论、数理逻辑等多个学科。庞大而高端的数学方法体系是新型机器学习方法的魔力所在，但也是其在智能制造与机器人领域展开全面应用的主要阻力。一方面，TensorFlow、Caffe、Theano、Torch、MXNet等算法设计框架的提出，明显降低了深度学习的门槛，另一方面，随着科技发展的日新月异，也对新型机器学习方法提出了新的挑战，越来越多的学者不再将研究方向局限于深度学习，开始从事图网络、极限学习、强化学习、图网络等新型机器学习理论、方法及其应用研究！因此，将这些新型机器学习方法作为一个有机整体，开展新型机器学习方法、应用及相关数学理论研究，具有紧迫的现实意义！本专题旨在剖析各类新型机器学习算法思想及其数学原理，并在对理论与模型认知的基础上，从多个角度展示新型机器学习方法的理论研究和工程应用成果。
收稿范围
>>深度学习模型训练与测试
>>极限学习的工程应用研究
>>宽度学习系统增量学习原理
>>图网络等其它新型机器学习理论
请登陆http://gxb.zzu.edu.cn/按照系统提示注册后上传稿件,请在填写题目时使用以下格式" SI2: 论文题目 "
截稿时间
2020 年6月30日
客座主编
王文峰，哈工大国际机器人研究院（合肥）特聘研究员，主编北京航空航天大学出版社《计算机视觉与机器认知》及电子工业出版社《人脸识别原理与实战》，DLG-深度学习研究组联合发起人。Email: kindwang1979@sina.co
李玉鑑，北京工业大学教授、博士生导师，机械工业出版社《深度学习导论及案例分析》主编、DLG-深度学习研究组联合发起人。
邓向阳，中国人民解放军海军航空大学信息融合研究所讲师，主持和参与军委多个深度学习与视频挖掘项目。