数码监测设施包括加速器、光源、相机、环境传感器、和医疗设备产生大量的流数据。流数据需要分析无功实时或近实时处理,使新一代的科学发现。有爆炸的新研究和技术流分析的学术和行业应对不断增长的数据量。现有的科学管理复杂的编程技术已经证明他们的能力在关键安全系统开发和运行过程。

然而,这仍然是一个新兴需要改进现有的计算科学和编程方法来有效地管理密集型数据流系统。人工智能的形式深入学习网络展示了极端的力量和成功的一系列应用程序。然而,这种网络的应用在关键任务的情况下如医学、军事、和无人驾驶车辆是有问题的。相比之下,在科学计算和编程应用程序中,一个健壮的框架和准确的分析建立了,经常和高精度保证安全的应用程序。

在这个特殊的问题,我们将探索科学编程方法的改进和深层神经网络在数据流分别提高灵活性和鲁棒性分析。我们将提供更高级的和智能方法利用现有的大型流数据集。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:

• 为传感器数据流管理先进的编程
• 为传感器数据流管理软件工程
• 服务计算传感器数据流管理
• 组合和改进传统的科学规划和深度学习传感器数据流分析的技术
• 深度学习编程传感器数据流分析
• 概念漂移处理传感器数据流
• 异常检测和分类的传感器数据流
• 基于传感器数据流的根本原因分析
• 科学的进步在视频和图像处理编程
• 先进的人工智能视频和图像处理
• 安全和隐私为传感器数据流编程
• 为数据流管理区块链编程