2026年人工智能与表示学习国际学术会议（AIRL 2026）将于2026年12月11-13日在中国·郑州举行。本次会议主要围绕“人工智能与表示学习”的最新研究展开，旨在汇聚世界各地该领域的专家、学者、研究人员及相关从业人员，分享研究成果，探索热点问题，交流新的经验和技术。我们热烈欢迎相关领域专家学者向AIRL 2026提交新研究或技术贡献，与来自世界各地的科学家和学者分享宝贵的经验！
2026年人工智能与表示学习国际学术会议（AIRL 2026）
2026 International Conference on Artificial Intelligence and Representation Learning
2026年12月11-13日 ，中国·郑州
截稿时间：见官网
收录检索：EI Compendex, Scopus
主办单位：黄河科技学院
主讲嘉宾：
李挥 教授 IET Fellow、俄罗斯自然科学院外籍院士 北京大学深圳研究院，中国 |
李挥，北京大学教授，国际院士科技创新中心（IASTIC）首席信息科学家。拥有俄罗斯自然科学院外籍院士、联合国WDTA专家委员会委员、IET Fellow、IEEE & CCF高级会员等国际学术荣誉。他于清华大学获得学士与硕士学位，并于香港中文大学获得博士学位。曾任深圳市信息论与未来网络架构重点实验室主任，以及国家重大科技基础设施——未来网络试验设施（CENI）北大实验室主任。 在科研方面，他提出了全球首个基于区块链的共治未来网络架构“MIN”并在运营商网络成功部署，该成果荣获2019年第六届世界互联网大会“世界互联网领先科技成果”奖。他在施普林格（Springer）出版了全球首本以“网络空间联合国”为主题的英文专著。其研究方向包括网络架构、网络安全、区块链和分布式存储，作为第一作者已出版四部相关学术专著。 报告题目：待定 |
Bedir Tekinerdogan 教授 瓦赫宁根大学，荷兰 |
Bedir Tekinerdogan，教授，一位在计算机工程、系统工程与信息技术领域拥有逾30年经验的计算机科学家。他现任瓦赫宁根大学暨研究中心（Wageningen University & Research）信息技术系正教授兼系主任，并持有荷兰特文特大学（University of Twente）计算机科学硕士及博士学位。他被斯坦福大学/爱思唯尔评为“全球前2%顶尖科学家”，已发表学术论文500余篇，主编学术专著15部。其研究聚焦于软件与系统架构、产品线工程、基于模型的系统工程、数据科学及人工智能赋能系统等领域，曾主导参与汽车系统、信息物理系统与国防系统、精准农业、智慧农业及能源系统等领域的多项大型产业与科研项目。他当前的研究重点包括：面向软件/系统工程的AI技术，以及支撑可靠、可解释、可信赖AI系统的软件/系统工程方法。 报告题目：构建分布式学习生态系统 |
陈雷 副教授 山东大学，中国 |
陈雷，博士，山东大学信息科学与工程学院副教授。博士毕业于加拿大渥太华大学电子工程与计算机科学学院。主要研究方向为图像处理、计算机视觉、机器学习与人工智能等。主持国家自然科学基金、国家重点研发计划子课题、山东省自然科学基金等多项国家省部级科研项目。目前已在IEEE TIP等国际顶级期刊和会议发表学术论文60余篇，获得若干项国家发明专利。担任国家自然科学基金评审专家，以及IEEE TIP/TCSVT等国际知名期刊的审稿人。担任多届国际学术会议的大会主席、程序主席或技术主席。 报告题目：待定 |
大会组委会：
大会主席
杨保成 教授，黄河科技学院校长，黄河科技学院
李挥 教授，IET Fellow，俄罗斯自然科学院外籍院士，北京大学深圳研究院
Bedir Tekinerdogan 教授，瓦赫宁根大学，荷兰
程序委员会主席
刘建秀 教授，黄河科技学院
柏杏丽 教授，黄河科技学院
M. A. Jabbar 教授，Vardhman College of Engineering，印度
组织委员会主席
邵开丽 教授，黄河科技学院
秦记峰 教授，黄河科技学院
Ramesh Kumar Ayyasamy 副教授，IEEE高级会员，马来西亚拉曼大学，马来西亚
出版主席
张亚娟 教授，黄河科技学院
Kolla Bhanu Prakash 教授，IEEE高级会员，KL University，印度
Kannimuthu Subramanian 教授，Karpagam College of Engineering，印度
肖达 副教授，黄河科技学院
宣传主席
付辉 教授，黄河科技学院
韩芳 教授，黄河科技学院
征稿主题：
|
|
表征学习理论 |
|
|
机器学习基础理论与方法 深度学习与神经网络核心技术 大语言模型与生成式 AI 技术 计算机视觉与模式识别 自然语言处理与智能交互 强化学习与智能决策 可解释 AI 与可信人工智能 联邦学习与隐私计算 边缘智能与模型轻量化技术 AI 安全与对抗攻防技术 |
表征学习 特征表示与学习 深度学习理论 自监督学习 无监督学习 对比学习 迁移学习 泛化与鲁棒性 可解释人工智能 智能学习机制 |
图像表征学习 视频理解与分析 计算机视觉 图像识别与检测 图像分割与重建 三维视觉与场景理解 医学图像分析 智能视觉系统 Transformer视觉模型 视觉智能技术 |
| 信号处理、音频表征与智能感知 | 多模态表征学习与大模型 | |
|
信号处理 音频表征学习 语音与声音分析 智能信号分析 时间序列建模 信息融合方法 多媒体计算 传感器数据分析 智能感知技术 智能监测系统 |
多模态表征学习 跨模态语义对齐 多模态信息融合 多模态生成模型视觉语言模型大语言模型 多模态大模型 基础模型智能内容生成 人机协同智能 |
|
出版信息：
AIRL 2026所有的投稿都必须经过2-3位组委会专家审稿，经过严格的审稿之后，最终所录用的论文将被SPIE - The International Society for Optical Engineering (ISSN: 0277-786X)出版，出版后由出版社提交EI Compendex, Scopus数据库。目前该出版社论文检索非常稳定，版面充足。
参会方式：
—— 每篇录用缴费的文章，允许一名作者免费参会 ——
1、作者参会：一篇录用文章允许一名作者免费参会；
2、口头演讲：申请口头报告，时间为10-15分钟；
3、海报展示：申请海报展示，A1尺寸；
4、听众参会：仅听众，不申请汇报或海报展示。
无门槛 | 免费领取
评论 0