在人工智能的快速发展中，多模态学习与联邦学习正深刻变革数据处理与模型开发的方式。通过整合文本、图像、音频和视频等多样化的数据源，多模态学习使机器能够以更像人类的方式理解和解读世界，从而提升智能系统的性能和多功能性。另一方面，联邦学习允许多方协作训练模型而无需共享原始数据，从而解决了数据隐私、安全及合规性难题。这些技术对医疗、金融、教育和智慧城市等各个领域都具有重要意义，在这些领域，处理复杂数据和确保数据安全的能力至关重要。
Electronics 期刊诚邀岳玉涛教授，管润玮博士，刘岱宗博士合作创建特刊“New Insights into Multimodal Learning and Federated Learning” (多模态与联邦学习—前沿新探)。本期特刊旨在探讨多模态学习与联邦学习领域的最新进展、新兴趋势及未来方向，包括但不限于以下主题：
联邦学习环境下多模态数据融合算法；
多模态联邦学习中隐私保护的技术；
多模态学习在医疗诊断和自动驾驶等实际场景中的应用；
多模态联邦学习的模型聚合挑战与解决方案；
迁移学习与多模态联邦学习框架的集成。
投稿截止日期：2026年2月15日
客座编辑介绍
岳玉涛 副教授
香港科技大学 (广州)
香港科技大学 (广州) 人工智能与智能交通方向副教授，本科毕业于中国科学技术大学，硕博毕业于美国普渡大学。拥有20年跨学界与工业界的研发及产业化经验，曾任广东省引进创新创业科研团队带头人，并创立江苏省产业技术研究院深度感知技术研究所。研究聚焦多模态感知融合、大语言模型与知识增强、人工智能情感心理学与机器意识、通用人工智能、面向科学与工程的人工智能等领域。累计领导6项重大科研项目 (总经费近1.3亿元)，发表论文60余篇，指导博士后13名；共同持有中、美、欧授权专利350余项，获吴文俊人工智能科学技术奖等多项荣誉。
管润玮 博士
香港科技大学 (广州)
香港科技大学（广州）博士后研究员，2024年获利物浦大学博士学位，2021年获南安普顿大学数据科学硕士学位，期间于艾伦·图灵研究所研修。曾任伦敦国王学院研究员、江苏省产业技术研究院深度感知技术研究所研发成员。研究聚焦雷达感知、多传感器融合、视觉-语言学习、轻量化神经网络、多任务学习及统计机器学习，于TIV、TITS、Information Fusion、Neural Networks、ICRA、IROS等顶刊/会议发表论文20余篇。现任Artificial Intelligence in Health编委，兼任TITS、TNNLS等期刊会议审稿人。
刘岱宗 博士
北京大学
2018年获武汉理工大学信息工程学士学位，2021年获华中科技大学电子信息与通信硕士学位，2025年获北京大学王选计算机研究所博士学位。研究方向涵盖多模态推理、三维点云表示、模型对抗鲁棒性及视觉-语言大模型。NeurIPS、SIGIR、CVPR、ICCV、ECCV、ACM MM、EMNLP、AAAI、ICDM 等顶级会议以及 TPAMI、TMM 和 TCSVT 等顶级期刊上发表了多篇论文，曾获北京大学优秀博士学位论文奖 (2025)。
了解特刊更多信息：https://www.mdpi.com/journal/electronics/special_issues/N39ZBE1WZ8
期刊主页：https://www.mdpi.com/journal/electronics
Electronics 期刊介绍
主编：Flavio Canavero, Politecnico di Torino, Italy
期刊涵盖的研究包括但不限于以下领域：电子材料、微电子学、光电子学、工业电子、电力电子、生物电子、微波和无线通信、计算机科学与工程、系统与控制工程、电路和信号处理、半导体器件、人工智能、电动和自动驾驶汽车、量子电子等。期刊致力于快速发表与广泛电子领域相关的、最新的技术突破以及前沿发展。
2024 Impact Factor：2.6
2024 CiteScore：6.1
Time to First Decision：16.8 Days
Acceptance to Publication：2.4 Days
转载本文请联系原作者获取授权，同时请注明本文来自MDPI开放科学科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3516770-1497274.html?mobile=1
收藏
