专题一：深度学习模型与算法
循环神经网络
稀疏编码
神经模糊算法
进化计算方法
卷积神经网络
深度层次网络
降维技术
无监督特征学习
深度玻尔兹曼机
生成对抗网络
自编码器
深度信念网络
元学习与深度网络
深度度量学习方法
深度网络的最大后验推理
深度强化学习
深度生成模型学习
深度核学习
图表示学习
机器学习中的高斯过程
聚类分类与回归
分类可解释性
新型机器与深度学习
主动学习
增量学习与在线学习
基于智能体的学习
流形学习
多任务学习
贝叶斯网络及应用
基于案例的推理方法
统计模型与学习
计算学习
进化算法与学习
基于模糊逻辑的学习
遗传优化
聚类分类与回归
神经网络模型与学习
并行与分布式学习
强化学习
监督半监督与无监督学习
张量学习

专题二：大数据分析的深度学习与机器学习
基于深度机器学习的理论与计算模型
机器学习方法（如深度、强化、统计关系、迁移学习）
基于模型的推理

专题三：深度学习与机器学习应用
计算与网络平台的深度学习
推荐系统
社交媒体与网络的深度学习
计算机视觉中的深度学习
语音识别中的深度学习
自然语言处理中的深度学习
机器翻译中的深度学习
生物信息学中的深度学习
医学图像分析中的深度学习
气候科学中的深度学习
棋类程序的深度学习
数据挖掘与知识发现的深度与机器学习

专题四：负责任的人工智能、安全与治理
人工智能安全
隐私保护
算法公平性
公平性与伦理
分类可解释性与可解释人工智能
人工智能伦理
人工智能治理
绿色深度学习
合成数据生成
人工智能的社会经济影响
可持续人工智能
人工智能风险评估

[email protected]