|
|
| MAKE：可解释人工智能：理论基础与方法论前沿 | MDPI特刊征稿 |
|
期刊名：Machine Learning and Knowledge Extraction
期刊主页：https://www.mdpi.com/journal/make
随着人工智能技术在工业过程建模与优化中的广泛应用，传统的“黑箱”模型正面临日益严峻的挑战。这类模型尽管在性能方面表现优异，但其内部决策机制难以被人类理解，导致在实际工业部署中面临多重瓶颈。
可解释人工智能（Explainable Artificial Intelligence，XAI）的提出与发展，正是为了破解这一困局。XAI在保留AI强大学习能力的同时，系统性地揭示其内在推理机制。面向复杂工业系统的XAI研究，正在探索领域知识嵌入模型设计、知识图谱增强可追溯性等前沿方向。
当前，XAI的理论体系正从碎片化走向系统化整合。这不仅要求不同解释范式之间建立逻辑一致性的理论桥梁，还需要发展可量化验证的解释评估框架。本特刊正是汇聚学界与工业界的前沿探索，推动XAI在理论基础和方法论层面实现关键突破，最终构建既强大又可信的新一代智能系统。
Machine Learningand Knowledge Extraction（MAKE）期刊荣幸地邀请到了中国地质大学（武汉）杜胜教授与西班牙Tecnalia研究院的Javier Del Ser Lorente博士，共同主持特刊“Explainable Artificial Intelligence: Theoretical Foundations and Methodological Advances”（可解释人工智能：理论基础与方法论前沿）。本特刊旨在系统性地探讨XAI的理论体系与方法创新，重点关注意义明确、结构清晰、可量化验证的解释框架，并鼓励将理论成果应用于智能制造、信息物理系统等实际工业场景。特刊包括但不限于以下主题：
符号可解释性方法：粒计算、模糊逻辑、贝叶斯网络、概率图模型
可解释机器学习模型：随机森林、梯度提升树、K近邻
复杂系统的XAI建模：可解释AI增强的自适应控制、XAI赋能的智能优化、知识图谱驱动的XAI
新兴XAI方法：神经符号XAI、联邦XAI、大模型XAI
投稿截止日期：2026年8月31日
客座编辑介绍
杜胜教授
中国地质大学（武汉）人工智能与自动化学院特任教授，地大学者-青年拔尖人才（A类）计划入选者，中国自动化学会高级会员，IEEE会员，湖北省科学技术厅科技专家库入库专家。主要研究方向为人工智能、计算智能、过程控制、粒度计算、可解释人工智能等。近年来，主持中国博士后科学基金面上项目、湖北省自然科学基金项目、武汉市自然科学基金项目等科研项目多项。以第一作者或通讯作者在IEEE Transactions on Fuzzy Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Industrial Informatics等权威期刊发表论文20余篇，其中IEEE汇刊9篇。以第一发明人授权中国发明专利6项，登记软件著作权5项。曾获中国自动化学会优秀博士学位论文提名奖、中国仿真学会自然科学二等奖等荣誉。
研究领域：人工智能、计算智能、过程控制、粒度计算、可解释人工智能
Javier Del Ser Lorente博士
西班牙Tecnalia研究院首席研究员，巴斯克大学兼职教授。在人工智能、数据科学及优化领域拥有超过20年的研究经验。他的研究兴趣涵盖机器学习、元启发式算法、可解释人工智能及其在能源、交通、电信等领域的应用。在顶级期刊和会议发表论文300余篇，并担任多个重要国际期刊的副编辑，连续多年入选斯坦福大学“全球前2%顶尖科学家”榜单。
研究领域：可解释机器学习、深度学习、可解释人工智能、计算智能、预测分析
特刊链接：https://www.mdpi.com/journal/make/special_issues/2YX947GI76
期刊简介：
主编：Prof. Dr. Andreas Holzinger, BOKU University, Austria; University of Technology, Austria; University of Alberta, Canada
期刊创刊于2019年，涵盖机器学习方法及其应用，从数据预处理到结果可视化的整个机器学习和知识获取与发现的流程，重点关注隐私、数据保护、安全性、数据挖掘、自然语言、神经网络和熵等。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
