What is the submission deadline for DSML 2018?

The paper submission deadline for DSML 2018 (Dependable and Secure Machine Learning) is 2018-04-01.

Where is DSML 2018 held?

DSML 2018 is held in Luxembourg City, Luxembourg.

When does DSML 2018 take place?

DSML 2018 takes place on 2018-06-25.

会議情報

DSML 2018: Dependable and Secure Machine Learning

会議のウェブサイトを表示するにはログインしてください

無料登録で公式サイトの閲覧、締切のトラッキング、メールリマインダーが利用できます。

新規登録ログイン

投稿締切日:

2018-04-01 締切済み

通知日:

2018-05-01

開催日:

2018-06-25

開催地:

Luxembourg City, Luxembourg

閲覧: 11270 フォロー: 0 参加: 0

このページに誤りがありますか？お知らせください

締切カウントダウンバッジを埋め込む

このデータを API で取得

検索とランキング一覧は資格情報なしで利用できます。このページの詳細データには無料の API キーが必要です。詳しくは開発者向けガイドをご覧ください。

会伴インデックス (CP-I)

42.1 / 100

全 5,759 件中第 4,243 位 · 上位 74%

セキュリティ・プライバシー分野 366 件中第 268 位システム・アーキテクチャ分野 341 件中第 277 位人工知能・機械学習分野 751 件中第 555 位

根拠が限られています：この会議は CCF / ICORE / QUALIS のいずれにも収録されておらず、採択率のデータもないため、スコアの大部分は中立の基準値に戻ります。

学術的評価 (35%)	データなし — 中立の基準値 50 点として算入	—
投稿の選択性 (20%)	データなし — 中立の基準値 50 点として算入	—
開催回数 (20%)	データなし — 中立の基準値 50 点として算入	—
コミュニティの注目度 (10%)		8
公開情報の充実度 (15%)		25

使用した入力: 過去 24 か月にこのページを開いた研究者：2 人

公開情報で不足しているもの: 過去の採択率 (+4.5) · 過去の開催回 (+3.0) · 最優秀論文の記録 (+2.3)
主催者は会議を認証申請したうえで、このページから直接追加できます。スコアは毎晩再計算されます。このスコアを上げるには

信頼度 25% — スコアのうち、中立の基準値ではなく実際に観測されたデータに基づく割合。このスコアの算出方法 · ランキングを見る · アルゴリズム版 1.2 · 算出日 2026-10-26

次回の論文募集が始まったらお知らせします

今回の開催は終了しました。無料アカウントを作成すると、次回の論文募集が公開され次第メールでお知らせします。
前回をもとにすると、次回の締切は 2027-04 頃と推定されます。

新しい論文募集を知らせるすでにアカウントをお持ちですか？ログイン

アカウントは無料です。メールは1日最大1通、すべてのメールにワンクリックの配信停止リンクが付いています。

論文募集

DSML 2018 (Dependable and Secure Machine Learning) is an academic conference held in Luxembourg City, Luxembourg on 2018-06-25. The paper submission deadline is 2018-04-01. Acceptance notifications are sent on 2018-05-01.

Machine learning (ML) is increasingly used in critical domains such as health and wellness, criminal sentencing recommendations, commerce, transportation, human capital management, entertainment, and communication. The design of ML systems has mainly focused on developing models, algorithms, and datasets on which they are trained to demonstrate high accuracy for specific tasks such as object recognition and classification. Machine learning algorithms typically construct a model by training on a labeled training dataset and their performance is assessed based on the accuracy in predicting labels for unseen (but often similar) testing data. This is based on the assumption that the training dataset is representative of the inputs that the system will face in deployment. However, in practice there are a wide variety of unexpected accidental, as well as adversarially-crafted, perturbations on the ML inputs that might lead to violations of this assumption. Further, ML algorithms are often executed on special-purpose hardware accelerators, which may themselves be subject to faults. Thus, there is a growing concern regarding the reliability, safety, security, and accountability of machine learning systems. The DSN Workshop on Dependable and Secure Machine Learning (DSML) is an open forum for researchers, practitioners, and regulatory experts, to present and discuss innovative ideas and practical techniques and tools for producing dependable and secure ML systems. A major goal of the workshop is to draw the attention of the research community to the problem of establishing guarantees of reliability, security, safety, and robustness for systems that incorporate increasingly complex ML models, and to the challenge of determining whether such systems can comply with requirements for safety-critical systems. A further goal is to build a research community at the intersection of machine learning and dependable and secure computing. Topics of Interest Testing, certification, and verification of ML models and algorithms Metrics for benchmarking the robustness of ML systems Adversarial machine learning (attacks and defenses) Resilient and repairable ML models and algorithms Reliability and security of ML architectures, computing platforms, and distributed systems Faults in implementation of ML algorithms and their consequences Dependability of ML accelerators and hardware platforms Safety and societal impact of machine learning

最終更新：Dou Sun（2018-03-12）

CCF	ICORE	CP-I	略称	正式名称	投稿締切	開催日
		42.3	DSML'	International Conference on Data Science and Machine Learning	2023-10-14	2023-10-28
		47.2	DSC	IEEE Conference on Dependable and Secure Computing	2025-05-24	2025-10-18
	C	60.7	DASC	International Conference on Dependable, Autonomic and Secure Computing	2026-07-15	2026-11-09
		42.1	ISDDC	International Conference on Intelligent, Secure, and Dependable Systems in Distributed and Cloud Environments	2017-06-25	2017-10-26
		50.0	LADC	Latin-American Symposium on Dependable and Secure Computing	2024-06-21	2024-11-26
		42.1	D3S	EAI International Conference on Dependable and Secure Smart Spaces	2020-06-22	2020-12-02
A	A*	95.8	SIGIR	International Conference on Research and Development in Information Retrieval	2027-01-14	2027-07-18
A	A*	97.8	AAAI	AAAI Conference on Artificial Intelligence	2026-07-21	2027-02-16
A	A*	94.8	CVPR	IEEE Conference on Computer Vision and Pattern Recognition	2026-11-10	2027-06-20
B	A*	89.8	ICRA	International Conference on Robotics and Automation	2026-09-15	2027-05-24

CCF	正式名称	インパクトファクター	出版社	ISSN
B	Machine Learning	2.9	Springer	0885-6125
A	IEEE Transactions on Dependable and Secure Computing	7.5	IEEE	1545-5971
A	IEEE Transactions on Multimedia	9.7	IEEE	1520-9210
C	Knowledge-Based Systems	7.2	Elsevier	0950-7051
B	Software & Systems Modeling	3.2	Springer	1619-1366
A	IEEE Transactions on Computers	3.8	IEEE	0018-9340
C	Future Generation Computer Systems	5.9	Elsevier	0167-739X
C	Neurocomputing	6.5	Elsevier	0925-2312
C	Pattern Recognition Letters	3.9	Elsevier	0167-8655
B	Pattern Recognition	7.6	Elsevier	0031-3203

コメント 0

まだコメントはありません。

コメントするにはログインしてください

会議情報

DSML 2018: Dependable and Secure Machine Learning

会伴インデックス (CP-I)

論文募集

関連会議

関連ジャーナル

コメント 0