深度学习（一）——CMC特刊推荐

最新推荐文章于 2024-11-13 11:24:58 发布

计算机科研之友（Friend）

最新推荐文章于 2024-11-13 11:24:58 发布

阅读量1.1k

点赞数 36

文章标签：深度学习人工智能开发语言网络安全计算机视觉计算机网络

本文链接：https://blog.csdn.net/kyzy_1919/article/details/142388835

版权

点击蓝字

关注我们

特刊征稿

期刊名称：

Multimedia Security in Deep Learning

截止时间：

提交截止日期:2024年9月30日

目标及范围：

题为“深度学习中的多媒体安全”的特刊是一个平台，旨在推动深度学习在多媒体安全领域的创新应用的研究。我们向全球学者发出邀请，以提交跨越多媒体安全和深度学习前沿交叉领域的高质量论文。作为 2024 年 CSIG 中国媒体取证与安全会议的一部分，本期特刊积极鼓励深入研究多媒体安全对深度学习模型性能影响的投稿。敦促作者分享他们对创新方法的见解，参与理论讨论，并展示多媒体安全和深度学习交叉领域的实际应用。通过这个合作平台，我们的首要目标是促进全球学术界的深入合作。通过这样做，我们的目标是在彩色图像和深度学习的十字路口推动最先进的研究。我们热忱邀请世界各地的学者积极参与，为学术讨论做出贡献，并在推进这一跨学科领域的知识方面发挥关键作用。

特刊网址：

https://www.techscience.com/cmc/special_detail/multimedia-security

编辑：

Prof. Bin Ma, Qilu University of Technology, China
Prof. Linna Zhou, Beijing University of Posts and Telecommunications, China
Prof. Xiaolong Li, Beijing Jiaotong University, China
Prof. Qi Li, Qilu University of Technology, China
Prof. Xiaoyu Wang, Qilu University of Technology, China

期刊名称：

The Latest Deep Learning Architectures for

Artificial Intelligence Applications

截止时间：

提交截止日期:2024年12月31日

目标及范围：

包括但不限于以下主题：

·用于图像识别和分类的卷积神经网络（CNN）

· 用于自然语言处理任务（如情感分析和语言翻译）的递归神经网络（RNN）

· 用于 Sequence-to-Sequence 学习的 Transformer 模型和注意力机制

· 用于图像生成和数据增强的生成对抗网络（GAN）

· 用于学习潜在表示和生成新数据样本的变分自动编码器（VAE）

· 用于图结构化数据分析和预测建模的图神经网络（GNN）

· 用于小样本学习和适应新任务的元学习方法

· 用于分散数据源协作训练的联邦学习技术

· 用于解释和理解深度学习模型决策的可解释 AI （XAI）方法

特刊网址：

https://www.techscience.com/cmc/special_detail/deep-learning-architectures

编辑：

Prof. Lizhuang Ma, Shanghai Jiao Tong University, China
Dr. Xin Tan, East China Normal University, China
Dr. Zhiwen Shao, Hong Kong University of Science and Technology, China
Prof. Yong Peng, Central South University, China

期刊名称：

The Next-generation Deep Learning

Approaches to Emerging Real-world

Applications

截止时间：

提交截止日期：2024 年 12 月 31 日

目标及范围：

这些主题包括与新颖的深度学习方法和新兴的实际应用相关的主题，但不限于以下内容：

具有深厚学习的仿生计算方法

深度学习的类脑计算方法

深度学习中的注意力机制

稀疏深度学习

使用深度学习的软计算

集成深度学习

微调深度学习方法

图深度学习

深度学习在医疗保健和体育领域的新兴主题

深度学习智慧城市和交通的新兴主题

工业信息学和深度学习智能制造的新兴主题

深度学习社会科学中的新兴主题

特刊网址：

https://www.techscience.com/cmc/special_detail/real-world

编辑：

Dr. Yu Zhou, Shenzhen University, China
Dr. Eneko Osaba, TECNALIA Research & Innovation, Spain
Dr. Xiao Zhang, South-Central Minzu University, China

期刊名称：

Scalable and Efficient Multimodal Deep

Learning Models for Real-World Applications

截止时间：

提交截止日期:2025年6月1日

目标及范围：

感兴趣的主题：

我们邀请各种主题的原创研究论文和案例研究，包括但不限于：

·用于多模态深度学习的可扩展架构

·面向边缘和 IoT 设备的轻量级多模态深度学习模型设计

·模型压缩技术

·多模态深度学习的高效训练策略

·多模态数据融合技术

·用于多模态学习的自动模型优化（AutoML）

·实时多模态处理

·多模态深度学习的基准测试和评估

·多模态模型中的安全性和隐私性

· 实际部署中的案例研究

特刊网址：

https://www.techscience.com/cmc/special_detail/multimodal_learning

编辑：

Dr. Dilbag Singh

Email: dggill2@gmail.com

Affiliation: New York University, New York, 10016, USA

Homepage:

Research Interests:Deep learning, Machine learning, Multimodal learning, Novel Loss functions

Dr. Vijay Kumar

Email: vijayk@nitj.ac.in

Affiliation: NIT Jalandhar, Jalandhar, 43001, India.

Homepage:

Research Interests: Deep learning, Metaheuristics, Optimization

Dr. Manjit Kaur

Email: manjit.kaur@sru.edu.in

Affiliation: SR University, Warangal, 506371, India

Homepage:

Research Interests: Deep learning, Metaheuristics, Information security

期刊名称：

Deep Learning and IoT for Smart Healthcare

截止时间：

提交截止日期:2025年6月1日

目标及范围：

本期特刊的目的是解决用于智能医疗保健的高级深度学习建模和基于 IoT 的设备等领域。这两个方面可以帮助现有的医疗保健系统处理和分析非结构化和嘈杂的生物医学数据，供医生诊断患者。本期特刊将探讨深度学习模型和基于 IoT 的传感器在智能医疗保健中的新挑战。鼓励在本特刊上发表有关该主题的高质量和最先进的研究论文。

特刊网址：https://www.techscience.com/cmc/special_detail/IoT_smart-healthcare

编辑：

Prof. Farman Ali, Sungkyunkwan University, South Korea
Prof. Shaker EI-Sappagh, Galala University, Egypt
Prof. Daehan Kwak, Kean University, USA

期刊名称：

Beyond the Surface: Exploring the Depths

of Deep Learning in Face Recognition

截止时间：

提交截止日期:2025年6月1日

目标及范围：

原始研究和评论都将被考虑。以下子主题是本期特刊的特别关注点，包括但不限于：

1）从 2D 图像进行 3D 面部重建的先进技术

2）集成多模态数据以实现稳健的 3D 面部重建