MLPR 2026

会议全称：2026年第四届机器学习与模式识别国际会议

会议简称：MLPR 2026

会议日期：2026年12月4-6日

会议地点：日本京都

会议出版：

投稿文章将经过严格的审稿过程，最终录用并完成注册和报告的文章将出版到IET会议论文集，并收录至IET数字图书馆和IEEE Xplore，提交至EI Compendex和Scopus进行检索。

征稿主题：（包括但不仅限以下主题）

Track 1：机器学习基础
统计学习理论与泛化界
深度学习优化方法（自适应优化器、损失景观）
降维与流形学习
图模型、因果推断与概率推理
主动学习与查询策略
迁移学习、多任务学习与元学习
噪声数据、有限数据或不平衡数据下的学习
强化学习理论与多臂老虎机算法

Track 2：深度学习与生成模型
生成式人工智能（扩散模型、变分自编码器、生成对抗网络、基于流的模型）
大语言模型与视觉语言模型
Transformer 架构与注意力机制变体
自监督学习与基础模型预训练
模型压缩（剪枝、量化、知识蒸馏）
神经架构搜索与自动化深度学习
图神经网络与几何深度学习
面向视频、三维和多模态数据的表征学习

Track 3：模式识别与计算机视觉
特征提取、特征选择与描述子学习
目标检测、分割与跟踪
人脸、手势与动作识别
医学图像分析与计算病理学
遥感图像分析与地球观测
文档分析与手写识别
生物特征识别（指纹、虹膜、语音）
三维形状分析与点云处理

Track 4：负责任与可信赖人工智能
机器学习模型中的公平性、问责性与透明性
可解释人工智能（XAI）与可解释性方法
面向对抗攻击和分布外输入的鲁棒性
隐私保护机器学习（联邦学习、差分隐私）
人工智能安全、价值对齐与伦理框架
不确定性量化与可靠预测
数据集和算法中的偏见检测与缓解
监管合规与可审计人工智能系统

Track 5：机器学习与模式识别应用
面向医疗健康的机器学习（诊断、药物发现、基因组学）
智能交通与自动驾驶
自然语言处理与语音识别
推荐系统与个性化服务
时间序列预测（金融、能源、物联网）
机器人技术与具身智能
智能制造与预测性维护
农业、环境监测与气候科学

Track 6：强化学习与决策智能
深度强化学习算法（DQN、PPO、SAC、TD3）
多智能体强化学习与博弈论推理
逆强化学习与模仿学习
层次化强化学习与选项框架
离线强化学习与批量强化学习
基于人类反馈的强化学习（RLHF）
不确定性下的序贯决策（POMDP、多臂老虎机）
强化学习在机器人、自动驾驶、推荐系统和游戏人工智能中的应用