2026 数据挖掘、机器学习与深度学习国际会议（DMMLDL 2026）

2026 International Conference on Data Mining, Machine Learning and Deep Learning（DMMLDL 2026）

【会议亮点】

1、IEEE、IOP、SPIE等权威出版社

2、有ISSN、ISBN号

3、高录用|快见刊

4、团队/学生投稿优惠！！！

5、其他资源请咨询会议墨老师：SCI、SSCI、AHCI、中文核心、普刊

6、可口头汇报/旁听

【重要信息】

网址：www.confs-online.com/dmmldl

会议地点：南京，中国

（延期投稿者/咨询相关会议 请联系大会老师）

（投稿主题请注明：DMMLDL 2026+通讯作者姓名+墨老师推荐，否则无法确认您的稿件）

接受/拒稿通知：投稿后3-5天内！

更多优质学术会议、投稿优惠、投稿事项、优先审核请咨询老师！

【论文收录】

1.向DMMLDL 2026提交的所有全文都可以用英语书写，并将发送给至少两名评审员，并根据原创性、技术或研究内容或深度、正确性、与会议的相关性、贡献和可读性进行评估。DMMLDL 2026所有被接受的论文将在会议记录中发表，并提交给Scopus、EI Compendex、CPCI、CNKI、Google Scholar进行索引。

2.审稿流程：作者投稿-稿件收到确认（1个工作日）-初审(1-3工作日) -告知结果（接受/拒稿），越早投稿越早收到文章结果。

【大会简介】

2026 数据挖掘、机器学习与深度学习国际会议（DMMLDL 2026）将在中国南京召开。本次会议旨在汇聚全球范围内相关领域的研究人员、科学家、工程师与学者，共同探讨前沿科学技术与创新应用，推动学术交流与产学研合作。会议将展示最新研究成果、交流技术经验、展望未来发展方向，为与会者提供一个高水平的国际化学术平台。我们诚挚邀请海内外专家学者踊跃参与，携手促进该领域理论创新、技术突破与产业应用。

【征文主题】

（以下主题包括但不限于）

主题一：数据挖掘

关联规则与序列模式挖掘

聚类分析与异常检测

分类与预测模型

文本与Web挖掘

时空数据挖掘

图数据与社会网络挖掘

高维与流数据挖掘

数据挖掘的可解释性与隐私

题目二：机器学习

监督与无监督学习

半监督与弱监督学习

强化学习与多智能体学习

集成学习与元学习

迁移学习与领域适应

贝叶斯学习与概率图模型

在线学习与主动学习

机器学习理论

主题三：深度学习

神经网络架构设计

表示学习与特征工程

生成模型与对抗网络

图神经网络

注意力机制与Transformer

自监督与对比学习

深度学习优化算法

深度学习在跨领域的应用

【投稿说明】

1.本会议官方语言为英语，投稿者务必用英语撰写论文。如需翻译服务，请联系会议组墨老师。

2.论文应具有学术或实用价值，未在国内外学术期刊或会议发表过。作者可通过CrossCheck, Turnitin或其他查询系统自费查重，否则由文章重复率引起的被拒搞将由作者自行承担责任。涉嫌抄袭的论文将不被出版。

3.文章至少6页。请根据格式模板文件编辑您的文章。学生作者或多篇投稿有优惠。

4.只做报告不发表论文的作者只需提交摘要。

5.投稿主题请注明:DMMLDL 2026+通讯作者姓名+墨老师推荐（否则无法确认您的稿件）