传感器、信号处理和人工智能(SSAIP)是一个包罗万象的领域的研究关注physic-mathematical基金会和传感器的实际应用,解释,信号处理和人工智能算法,学习,原因,和行动。桥梁之间的边界理论和应用,开发新型theoretically-inspired方法针对长期和紧急传感器应用。

SSAIP的核心在于其使用和物理意义在传感器、非线性和非高斯信号处理方法结合凸和非凸优化和机器学习传感器/深度学习神经网络。SSAIP包含新的理论框架解释传感在统计信号处理(如隐马尔可夫模型、潜在的成分分析、张量分解,贝叶斯方法)加上信息理论学习,和小说的发展在这些领域专业的处理各种形式包括音频、化工、里面电磁热multi-physics信号、图像、多光谱和视频等。近年来,许多传感器设计和信号处理算法包含某种形式的情报作为框架的一部分,在解决一个问题。这些算法有能力概括为自己和发现知识和学习新信息时看不见的传感器数据捕获。

特殊问题的焦点将在广泛的传感器,物理解释,信号和人工智能处理涉及的引入和发展新的先进理论和实用的算法。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• 不同形态传感器和仪表
• 多峰性传感器融合技术及其与物理解释
• 化学传感以及基线校正、自校准、漂移反动
• 传感器模式识别和分析
• 机器学习对传感器信号和图像处理
• 多通道信息处理为医疗和监测
• 计算机视觉和3 d重建的多通道传感器数据融合
• 可穿戴传感器和个性化健康物联网监控和社会计算
• 数据科学大型传感器数据和分析
• 深度学习:传感理论、算法和应用程序
• 传感器压缩传感和稀疏意识到处理
• 无损检测和评估和结构健康监测的材料特性、结构完整性、缺陷检测和识别、压力和生命周期评估
• 传感器和成像实时数据分析