《软件学报》专题征文——高可信自适应机器学习
更多学术信息，请关注计算机期刊网官方微信公众号“智刊IT”
本信息来源于《软件学报》官网(http://www.jos.org.cn/jos/home), 所有信息最终解释权归《软件学报》所有.
本网站所有转载的文章、图片、视频、音频文件等资料版权归版权所有人所有，本站转载文章均出于非营利目的的、非商业性的教育和科研目的，本站采用的非本站原创文章及图片等内容无法一一与版权者联系，如果本站所选用内容的文章作者及编辑认为其作品不宜上网供大家浏览，或不应无偿使用，请及时用电子邮件或电话通知我们，我们会立即删除，避免给双方造成不必要的经济损失。
《软件学报》专题征文——高可信自适应机器学习
近年来，随着数据规模的不断扩大和计算能力的提升，机器学习模型的可信性和适应性需求日益凸显，高可信自适应机器学习应运而生。其发展的新趋势体现在三个方面：(1) 机器学习算法的不断升级对模型的鲁棒性、安全性和可解释性提出了全新挑战；(2) 各领域的复杂需求推动了机器学习系统的自动化演进，包括数据选择、模型调整和算法设计等；(3) 算力资源的不断提升为高可信自适应模型的自动化调优和多样化数据处理提供了新的支持。因此，需要利用和发展现有机器学习理论，构建形成新的技术和系统经验。在如何借助已有的理论积淀推动技术创新，从而提升系统在复杂环境下的适应性和可信性，仍有广阔研究空间。
本专刊聚焦于高可信自适应机器学习在可信性与自适应性提升中的前沿探索，致力于呈现具有创新性和实用性的高水平研究成果。围绕高可信模型优化、自适应学习方法构建及其多领域应用，专刊将重点探讨基础理论、关键技术及系统实现，包括结合逻辑推理、对抗训练、隐私保护等的可信机器学习，结合环境感知、知识迁移、特征选择等的自适应机器学习。此外，针对新兴计算平台和开放环境下的模型动态更新和自适应调参的研究，本专刊也将关注其在智慧城市、智能交通、智能制造、医疗健康等领域的应用前景，以期推动高可信自适应机器学习技术的进一步发展。
经过第一轮评审的论文作者需要参加CCML 2025会议并到会报告，之后特约编辑和编辑部根据复审情况和会议报告情况决定文章的最终结果，专刊将在2026年第4期出版。读者群体包括人工智能、机器学习、数据挖掘等多个领域的研究人员和工程人员。
专刊题目：高可信自适应机器学习
特约编辑：王熙照（深圳大学）张敏灵（东南大学）曹付元（山西大学）
出版时间：2026年第4期
一、征文范围
包括但不限于以下主题：
(1) 面向开放环境的高可信机器学习理论及建模
例如，逻辑推理、对抗训练、隐私保护、联邦学习、可解释性、零/小样本学习、领域适应、强化学习、迁移学习等
(2) 面向开放环境的自适应机器学习方法
例如，特征选择、自动机器学习、神经网络架构搜索、元学习、在线学习、增量学习、持续学习、多模态学习等
(3) 高可信自适应机器学习应用
例如，机器学习技术在绿色城市、新型电网、工业节能减排、智能交通、智能制造、智慧教育、医疗健康、智慧司法、产业规划、资源调配、推荐系统、社交网络、信息检索、金融保险、软件工程、客户服务、入侵检测等领域的应用
二、投稿要求
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“高可信自适应机器学习”字样。
2. 稿件格式：参照《软件学报》论文格式(网站上提供了论文模版，可下载)。
3. 投稿文章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；保证投稿文章的合法性(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；专刊投稿文章不收审理费。录用刊发文章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. 通过第一轮评审的论文作者，需在CCML 2025会议上做学术报告，根据论文修改情况和会议报告情况终审确定是否录用。
三、重要时间
收稿截稿时间：2025年5月12日
第一轮结果通知时间：2025年7月8日
提交修改稿时间：2025年7月24日
CCML 2025作报告时间：2025年8月8-10日
最终结果通知时间：2025年8月25日
出版时间：2026年第4期
[责任编辑：admin]
网友评论:
(请登录发言，并遵守相关规定)
