每天的数据量可用不仅巨大而且增长速度一个指数。过去十年已经越来越感兴趣,用复杂的方法来分析和可视化生成大量的数据从不同来源和不同特点:社交网络、监控系统、智能城市、医疗诊断、业务,cyberphysical系统或媒体数字数据。这个特殊的问题是为研究人员和开发人员发布原创设计,创新,先进的机器复杂的方法算法和架构分析和可视化大量数据和解决一系列的问题。

我们特别感兴趣的候选人进行了研究数据处理的理论或实践方面:算法使用复杂的方法(包括混乱、遗传算法、元胞自动机,神经网络和进化博弈理论),统计学习方法应用到一个或多个领域:软件工程、数字媒体数据,生物信息学,卫生保健,成像和视频、社交网络、自然语言处理等。

潜在的主题包括但不限于以下:

• 混乱的隐写术多媒体数据挖掘算法
• 神经网络在视觉监控
• 教育数据学习人工神经网络模型
• 位置细胞自动机的大数据挖掘
• 使用遗传算法智能web挖掘技术
• 多媒体数据(信号、2 d / 3 d图像和视频)分析在医学、科学和工程使用复杂算法的方法
• 使用遗传算法优化图像语义分析方法:人类活动识别,脸/面部表情识别、场景理解、目标检测和跟踪,凸起检测
• 使用深层神经网络智能文本挖掘模型
• 情绪分析和意见挖掘利用卷积神经网络