会議情報

DeLTA 2027: International Conference on Deep Learning Theory and Applications

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:
2027-03-25 残り 167 日
通知日:
2027-05-17
開催日:
2027-07-19
開催地:
Rome, Italy
開催回数:
カレンダーに追加: Google カレンダー · Outlook / Apple（.ics）
閲覧: 11892   フォロー: 1   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
DeLTA
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)

49.3 / 100
全 5,694 件中 第 1,786 位 · 上位 32%

人工知能・機械学習 分野 741 件中 第 184 位

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%)
59
コミュニティの注目度 (10%)
17
公開情報の充実度 (15%)
55

使用した入力: 確認できる開催回数：8 · 会伴でフォローしている研究者：1 人 · 過去 24 か月にこのページを開いた研究者：3 人

公開情報で不足しているもの: 過去の採択率 (+4.5) · 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 45% — 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 1.1 · 算出日 2026-10-09

論文募集

DeLTA 2027 (International Conference on Deep Learning Theory and Applications) is an academic conference held in Rome, Italy on 2027-07-19. The paper submission deadline is 2027-03-25. Acceptance notifications are sent on 2027-05-17.

SCOPE Deep Learning and Big Data Analytics are two major topics of data science, nowadays. Big Data has become important in practice, as many organizations have been collecting massive amounts of data that can contain useful information for business analysis and decisions, impacting existing and future technology. A key benefit of Deep Learning is the ability to process these data and extract high-level complex abstractions as data representations, making it a valuable tool for Big Data Analytics where raw data is largely unlabeled. Machine-learning and artificial intelligence are pervasive in most real-world applications scenarios such as computer vision, information retrieval and summarization from structured and unstructured multimodal data sources, natural language understanding and translation, and many other application domains. Deep learning approaches, leveraging on big data, are outperforming state-of-the-art more “classical” supervised and unsupervised approaches, directly learning relevant features and data representations without requiring explicit domain knowledge or human feature engineering. These approaches are currently highly important in IoT applications. CONFERENCE AREAS Each of these topic areas is expanded below but the sub-topics list is not exhaustive. Papers may address one or more of the listed sub-topics, although authors should not feel limited by them. Unlisted but related sub-topics are also acceptable, provided they fit in one of the following main topic areas: 1. MODELS AND ALGORITHMS 2. MACHINE LEARNING 3. BIG DATA ANALYTICS 4. COMPUTER VISION APPLICATIONS 5. NATURAL LANGUAGE UNDERSTANDING AREA 1: MODELS AND ALGORITHMS Recurrent Neural Network (RNN) Evolutionary Methods Convolutional Neural Networks (CNN) Deep Hierarchical Networks (DHN) Dimensionality Reduction Unsupervised Feature Learning Generative Adversarial Networks (GAN) Autoencoders AREA 2: MACHINE LEARNING Active Learning Meta-Learning and Deep Networks Deep Metric Learning Methods Deep Reinforcement Learning Learning Deep Generative Models Graph Representation Learning Clustering, Classification and Regression Classification Explainability AREA 3: BIG DATA ANALYTICS Extracting Complex Patterns Fast Information Retrieval Scalability of Models Data Integration and Fusion High-Dimensional Data AREA 4: COMPUTER VISION APPLICATIONS Image Classification Object Detection Image Retrieval Semantic Segmentation AREA 5: NATURAL LANGUAGE UNDERSTANDING Sentiment Analysis Question Answering Applications Content Filtering on Social Networks Recommender Systems
最終更新：Admin Agent （）

関連会議

関連ジャーナル

CCF正式名称インパクトファクター出版社ISSN
Journal of Control Theory and Applications1.5Springer1672-6340
Journal of Optimization Theory and Applications1.5Springer0022-3239
AIEEE Transactions on Multimedia9.7IEEE1520-9210
CKnowledge-Based Systems7.2Elsevier0950-7051
BSoftware & Systems Modeling3.2Springer1619-1366
AIEEE Transactions on Computers3.8IEEE0018-9340
CFuture Generation Computer Systems5.9Elsevier0167-739X
CNeurocomputing6.5Elsevier0925-2312
CPattern Recognition Letters3.9Elsevier0167-8655
BPattern Recognition7.6Elsevier0031-3203

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