如今,有一个从相机的数据量成倍增加,网络摄像头,或其他光学或雷达传感器。适当的开采和使用这些数据的方法可以作出伟大贡献民事和军事技术的发展。例如,光学和雷达图像可以用来检测和识别感兴趣的目标在一个大场景帮助情报解释和战场监视。此外,这两种类型的传感器的数据可以适当融合找到更多的潜在信息。

然而,这仍然是一个挑战性的问题开发自动和智能算法来处理大量的来自不同传感器的数据。最近,机器学习的进步和科学编程显示潜在的实际应用,包括信号处理、图像判读和数据融合。这些深度学习和科学编程算法提供通用工具对不同来源的数据包括1 d, 2 d, 3 d,或更高维的。从这个意义上说,机器学习领域的技术可以正确使用来自多个传感器的数据处理。

因此,这个特殊问题的目的是欢迎原始研究和评论文章关注应用先进的机器学习和科学在来自多个传感器的数据处理编程方法。小说旨在提供指导的机器学习问题研究人员和扩大机器学习和sensor-related研究者的观点。

潜在的主题包括但不限于以下:

• 机器学习在光学图像处理
• 机器学习在视频处理
• 机器学习在雷达信号/图像处理
• 机器学习在物联网(物联网)
• 机器学习在多传感器数据融合
• 机器学习在多个传感器的合作工作
• 在数据融合科学编程
• 科学编程数据预测
• 科学编程模式识别