先进机器学习技术在传感和成像的应用｜MDPI Micromachines特刊征稿

机器学习是人工智能及模式识别领域的共同研究热点，是人工智能中最具智能特征、最前沿的研究领域之一，其理论和方法已被广泛应用于解决工程应用和科学领域的复杂问题。

自20世纪80年代以来，机器学习作为实现人工智能的途径，在人工智能界引起了广泛的兴趣。特别是近十几年来，机器学习领域的研究工作发展迅猛，已经成为人工智能的重要课题之一。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用。机器学习历经了70年的曲折发展，以深度学习为代表，借鉴人脑的多分层结构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行信息处理能力，使其在很多方面收获了突破性进展，其中最有代表性的是图像识别领域。我们可以应用广泛的机器学习技术，包括深度学习，稀疏和低秩建模，流形学习，展开式架构以及卷积和张量模型，以提高各种传感和成像系统的有效性和效率。通过数据驱动方法和基础图像或信号模型，这些先进的机器学习技术将使图像重建和分析工作不断受益。

为了集中发表机器学习的最新研究成果，Micromachines期刊特邀请新加坡南洋理工大学的Bihan Wen博士和德克萨斯大学奥斯汀分校的Zhangyang (Atlas) Wang博士共同创建特刊“先进机器学习技术在传感和成像的应用” (Advanced Machine Learning Techniques for Sensing and Imaging Applications)。本特刊旨在为机器学习在传感和成像技术应用的最新研究动态提供交流和发表平台，欢迎相关领域的学者提交与机器学习技术最新应用研究相关的实验论文和综述类文章。

客座编辑介绍

Dr. Bihan Wen

School of Electrical and Electronic Engineering (EEE), Nanyang Technological University, Singapore

研究兴趣：机器学习，计算机成像，计算机视觉，图像和视频处理，大数据应用。

Dr. Zhangyang (Atlas) Wang

Electrical and Computer Engineering,

University of Texas at Austin, USA

研究兴趣：机器学习，计算机视觉，自动化机器学习，学习的优化，高效深度学习。

特刊主题介绍

本特刊“先进机器学习技术在传感和成像的应用” 将收集与成像和传感相关的原创研究，包括新颖的成像管道，智能传感设计，盲压缩传感以及任务驱动的成像和理解中机器学习的主要组成部分。本期特刊的范围将涵盖从传感和学习理论到图像和系统建模，算法以及在各种成像方式中的应用。特刊主题包括：

新颖的学习和数据驱动成像系统；

基于模型的盲压缩感知与重构；

基于感测或成像的深度学习方法；

稀疏和低级建模；

字典和转换学习；

图形，张量，流形或即插即用模型；

基于学习的成像算法的理论或保证；

分析用于成像任务的深层架构；

传感和成像系统中的计算机视觉；

学习成像应用：MRI，雷达成像，层析成像，显微镜，高光谱成像，计算摄影，超分辨率等；

基于学习的生物医学或医疗保健传感和图像处理。

特刊征稿信息

特刊投稿截止日期：2021年5月20日