博文

专题征稿 | Theory and Applications of Datatic Learning

已有 236 次阅读 2026-2-5 08:46 |个人分类:最新资讯|系统分类:博客资讯

新新标签.jpg

MIR专题"Theory and Applications of Datatic Learning"现公开征集原创稿件，截稿日期为2026年6月1日。欢迎赐稿！

专题征稿

Special Issue on Theory and Applications of Datatic Learning

专题简介

Advances in sensing, computation, and machine learning are reshaping the landscape of modern intelligent systems. Datatic methods-ranging from system identification and model-based planning to reinforcement learning and adaptive decision-making-are enabling intelligent systems to learn from experience, operate in uncertain environments, and achieve levels of autonomy that were previously unattainable.

To highlight recent developments and stimulate further research in this rapidly evolving field, we invite submissions to the Special Issue on Theory and Applications of Datatic Learning. This special issue aims to bring together high-quality contributions that explore new theoretical insights, algorithmic innovations, and real-world applications of learning-enabled and data-centric methodologies.

征稿范围(包括但不限于)

We encourage scholars to submit contributions related to the theory and applications of datatic learning including, but not limited to:

• Foundations and guarantees of datatic learning

• Datatic learning for foundation models

• Safe and uncertainty-aware datatic learning

• Multi-agent datatic learning

• Human-in-the-loop datatic learning

• Datatic filtering /perception /prediction /decision-making

• Datatic learning for embodied AI

• Datatic learning for Intelligent vehicles

投稿指南

1) 截稿日期：2026年6月1日

2) 投稿地址（已开通）：

https://mc03.manuscriptcentral.com/mir

投稿时，请在系统中选择：

“Step 6 Details & Comments: Special Issue on Theory and Applications of Datatic Learning".

3) 投稿及同行评议指南:

Full length manuscripts and peer reviewing will follow the MIR guidelines. For details: https://www.springer.com/journal/11633

咨询邮箱：mir@ia.ac.cn

客座编委

Prof. Chang Liu, Peking University, China

E-mail: changliucoe@pku.edu.cn

Prof. Shengbo Eben Li, Tsinghua University, China

E-mail: lishbo@tsinghua.edu.cn

Prof. Yang Shi, University of Victoria, Canada

E-mail: yshi@uvic.ca

Prof. Angelo Alessandri, University of Genoa, Italy

E-mail: Angelo.Alessandri@unige.it

纸刊免费寄送

Machine Intelligence Research

MIR为所有读者提供免费寄送纸刊服务，如您对本篇文章感兴趣，请点击下方链接填写收件地址，编辑部将尽快为您免费寄送纸版全文！

说明：如遇特殊原因无法寄达的，将推迟邮寄时间，咨询电话010-82544737

收件信息登记：

https://lcn76mgd97vz.feishu.cn/share/base/form/shrcnsQ6cmRjqoxPF5WDowSBFVr

关于Machine Intelligence Research

Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划"，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等20余家国际数据库收录，入选图像图形领域期刊分级目录-T2级知名期刊。2022年首个CiteScore分值在计算机科学、工程、数学三大领域的八个子方向排名均跻身Q1区，最佳排名挺进Top 4%，2023年CiteScore分值继续跻身Q1区。2024年获得首个影响因子(IF) 6.4，位列人工智能及自动化&控制系统两个领域JCR Q1区；2025年发布的最新影响因子达8.7，继续跻身JCR Q1区，最佳排名进入全球第6名；2025年一举进入中国科学院期刊分区表计算机科学二区。

▼往期目录▼

2025年第6期 | 大语言模型、自动驾驶、医学图像分割……

2025年第5期 | 生成式模型、疾病诊断、步态识别、行人再识别......

2025年第4期 | 特约专题: 具身智能

2025年第3期 | 大语言模型、医学图像分割、图像阴影去除、写作风格变化检测......

2025年第2期 | 常识知识获取、图因子分解机、横向联邦学习、分层强化学习...

2025年第1期 | 机器视觉、机器人、神经网络、反事实学习、小样本信息网络...

2024年第6期 | 图神经网络，卷积神经网络，生物识别技术...

2024年第5期 | 大语言模型，无人系统，统一分类与拒识...

2024年第4期 | 特约专题: 多模态表征学习

2024年第3期 | 分布式深度强化学习，知识图谱，推荐系统，3D视觉，联邦学习...

2024年第2期 | 大语言模型、零信任架构、常识知识推理、肿瘤自动检测和定位...