第八届国际计算智能最新进展会议（NTCI 2026）
The 8th International Conference on New Trends in Computational Intelligence
辽宁工业大学、 中国石油大学（华东）共同主办！
2026年11月6-8日，中国·锦州
IEEE独立出版！2023年、2024、2025年均实现EI稳定检索
|
NTCI 2025所发表的全部论文已经上线IEEE Xplore！ |
NTCI 2025所发表的全部论文被EI检索！ |
|---|---|
|
NTCI 2024所发表的全部论文已经上线IEEE Xplore！ |
NTCI 2024所发表的全部论文被EI检索！ |
|
NTCI 2023发表的全部论文上线IEEE Xplore |
NTCI 2023所发表的全部论文被EI检索！ |
大会官网： https://www.ntci.org/
大会时间： 2026年11月6-8日
大会地点： 中国 · 锦州
咨询邮箱： ntci_cis@163.com
论文提交截止时间： 2026年9月1日
录用通知： 2026年9月15日
论文出版： IEEE
收录检索： IEEE Xplore, EI Compendex
大会时间： 2026年11月6-8日
大会地点： 中国 · 锦州
咨询邮箱： ntci_cis@163.com
论文提交截止时间： 2026年9月1日
录用通知： 2026年9月15日
论文出版： IEEE
收录检索： IEEE Xplore, EI Compendex
主办单位： 辽宁工业大学
中国石油大学（华东）
技术支持： IEEE 计算智能学会
IEEE 计算智能学会山东分会
中国石油大学（华东）
技术支持： IEEE 计算智能学会
IEEE 计算智能学会山东分会
国际计算智能最新进展会议(NTCI) 是模式识别、神经网络、机器学习、大数据分析和信息安全等计算智能领域的重要国际会议。 会议自2016年起举办，至今已举办7届，5000余人参加，人民日报、人民网、新华网、科学网、中国教育新闻网等 主流媒体对NTCI 进行关注和报道62次，关注量达100余万。
会议自2023年起实现EI稳定检索，至今已收录300余篇学术论文， 为计算智能领域的研究人员、从业人员和学者提供了一个集中讨论新领域、新设计、新应用的机会 ， 现已成为国际计算智能领域具有重要影响力的平台。
会议受到计算智能领域研究人员的高度关注，先后有来自美国、英国、印度、澳大利亚、土耳其、白俄罗斯、俄罗斯、南非、罗马尼亚、波兰、比利时等世界各国的计算智能领域的院士、 国际电气电子工程师学会会士（IEEE会士）、期刊主编等62名顶尖专家作特邀报告90次。
第八届国际计算智能最新进展会议（NTCI 2026）将于2026年11月6-8日在中国锦州召开， 将邀请计算智能不同领域的顶尖研究人员和从业人员汇聚一堂，分享知识，相互交流信息。
继往届大会成功举办之后，大会将继续邀请 世界知名学者发表专题报告，举行覆盖面广的学术会议以及关注热门话题的特别会议。
我们诚挚邀请有兴趣的作者向NTCI 2026投稿，莅临参加第八届国际计算智能最新进展会议（NTCI 2026）！
会议自2023年起实现EI稳定检索，至今已收录300余篇学术论文， 为计算智能领域的研究人员、从业人员和学者提供了一个集中讨论新领域、新设计、新应用的机会 ， 现已成为国际计算智能领域具有重要影响力的平台。
会议受到计算智能领域研究人员的高度关注，先后有来自美国、英国、印度、澳大利亚、土耳其、白俄罗斯、俄罗斯、南非、罗马尼亚、波兰、比利时等世界各国的计算智能领域的院士、 国际电气电子工程师学会会士（IEEE会士）、期刊主编等62名顶尖专家作特邀报告90次。
第八届国际计算智能最新进展会议（NTCI 2026）将于2026年11月6-8日在中国锦州召开， 将邀请计算智能不同领域的顶尖研究人员和从业人员汇聚一堂，分享知识，相互交流信息。
继往届大会成功举办之后，大会将继续邀请 世界知名学者发表专题报告，举行覆盖面广的学术会议以及关注热门话题的特别会议。
我们诚挚邀请有兴趣的作者向NTCI 2026投稿，莅临参加第八届国际计算智能最新进展会议（NTCI 2026）！
布拉德利·J·纳尔逊
瑞士，苏黎世联邦理工学院
中国科学院外籍院士
瑞士工程科学院院士
苏黎世联邦理工学院机器人与智能系统教授
大会报告主题：面向临床应用的微型机器人
摘要：过去二十年来，微纳机器人技术取得了快速发展，这主要得益于功能材料、材料加工与微制造技术的突破，以及建模、传感和控制技术的不断进步。随着相关技术日益成熟，具有临床应用潜力、良好生物相容性以及越来越强的生物可降解特性的微型机器人正逐渐成为现实，为在人体解剖结构狭窄、组织精细且敏感的环境中开展微创诊断和靶向治疗开辟了新的可能性。
我们的研究团队致力于开发基于生物相容性复合材料的磁驱动微型机器人，并利用外部产生的磁场及磁场梯度对其进行驱动和控制。磁驱动技术在临床转化方面具有多项重要优势，包括无线能量传输、对深层组织的有效作用，以及无需机载电池或物理连接装置即可产生可控的作用力和力矩。然而，要实现微型机器人在活体环境中的稳定、安全运行，仅依靠机器人本体设计还远远不够。其中一项核心挑战是开发先进的磁导航系统，使其能够在人体尺度的工作空间内产生精确、可编程的磁场，同时满足临床应用对患者操作空间、医学成像兼容性以及安全性限制等方面的要求。
本次报告将介绍我们在构建具备临床应用条件的人体尺度微型机器人平台方面取得的最新研究进展，内容涵盖微型机器人制造、磁场生成与控制，以及闭环导航策略等关键技术。此外，报告还将重点介绍该平台所支持的新兴应用，包括远程卒中医疗（Telestroke Medicine）的相关构想。通过快速、远程的医疗干预，有望使更多患者及时获得对救治时效要求极高的医疗服务。
总体而言，这些技术进展正在使长期以来关于“奇妙旅程”（Fantastic Voyage）的科学愿景逐步接近实际医疗应用，使微型机器人在人体内部执行精准诊断与治疗任务的构想日益成为现实。
瑞士，苏黎世联邦理工学院
中国科学院外籍院士
瑞士工程科学院院士
苏黎世联邦理工学院机器人与智能系统教授
大会报告主题：面向临床应用的微型机器人
摘要：过去二十年来，微纳机器人技术取得了快速发展，这主要得益于功能材料、材料加工与微制造技术的突破，以及建模、传感和控制技术的不断进步。随着相关技术日益成熟，具有临床应用潜力、良好生物相容性以及越来越强的生物可降解特性的微型机器人正逐渐成为现实，为在人体解剖结构狭窄、组织精细且敏感的环境中开展微创诊断和靶向治疗开辟了新的可能性。
我们的研究团队致力于开发基于生物相容性复合材料的磁驱动微型机器人，并利用外部产生的磁场及磁场梯度对其进行驱动和控制。磁驱动技术在临床转化方面具有多项重要优势，包括无线能量传输、对深层组织的有效作用，以及无需机载电池或物理连接装置即可产生可控的作用力和力矩。然而，要实现微型机器人在活体环境中的稳定、安全运行，仅依靠机器人本体设计还远远不够。其中一项核心挑战是开发先进的磁导航系统，使其能够在人体尺度的工作空间内产生精确、可编程的磁场，同时满足临床应用对患者操作空间、医学成像兼容性以及安全性限制等方面的要求。
本次报告将介绍我们在构建具备临床应用条件的人体尺度微型机器人平台方面取得的最新研究进展，内容涵盖微型机器人制造、磁场生成与控制，以及闭环导航策略等关键技术。此外，报告还将重点介绍该平台所支持的新兴应用，包括远程卒中医疗（Telestroke Medicine）的相关构想。通过快速、远程的医疗干预，有望使更多患者及时获得对救治时效要求极高的医疗服务。
总体而言，这些技术进展正在使长期以来关于“奇妙旅程”（Fantastic Voyage）的科学愿景逐步接近实际医疗应用，使微型机器人在人体内部执行精准诊断与治疗任务的构想日益成为现实。
穆拉特·特卡尔普
土耳其，科奇大学
土耳其科学院院士
欧洲科学院院士
IEEE会士
土耳其科奇大学教授
大会报告主题：图像建模：从手工设计的先验模型到图像基础模型
摘要：本次报告将在统一的贝叶斯框架下，系统梳理过去六十年来图像建模技术的发展历程：从早期利用人工设计、数学上易于处理的先验模型求解成像逆问题，到如今基于大规模数据驱动的深度图像基础模型，用于图像生成与逆问题求解。在这一统一框架下，图像建模被视为对数据流形进行显式或隐式概率刻画的过程。
无论是图像复原还是图像生成任务，其本质上都试图回答同一个核心问题：是什么使一幅图像看起来像真实图像？ 在贝叶斯框架中，这一问题可以通过先验概率密度p(x)或其更便于优化求解的对数先验log p(x)来描述。
早期用于求解成像逆问题的方法，如Tikhonov正则化、全变分（Total Variation，TV）正则化以及非局部先验模型，主要依赖人工显式定义的对数先验，以描述图像的局部平滑性等特征。相比之下，即插即用先验（Plug-and-Play，PnP）和去噪扩散模型（Denoising Diffusion Models）等现代技术，则建立在算法解耦与隐式流形学习的基础之上，能够同时应用于成像逆问题求解与条件图像生成。
本次报告将以对数先验的梯度，即Stein得分函数（Stein Score Function）为统一的数学基础，将成像逆问题与条件图像生成纳入同一理论框架，从而建立信号处理与机器学习两个研究领域之间的联系。
通过这一统一视角，报告将揭示：看似沿不同方向发展的图像建模技术，实际上共同构成了从人工设计的解析模型向基于大规模数据学习的模型不断演进的发展历程。对去噪得分函数（Denoising Score）的研究是贯穿这一演进过程的核心主线，将传统最大后验估计（Maximum A Posteriori，MAP）中的变分优化方法与现代图像基础模型中的后验采样方法有机联系起来。
土耳其，科奇大学
土耳其科学院院士
欧洲科学院院士
IEEE会士
土耳其科奇大学教授
大会报告主题：图像建模：从手工设计的先验模型到图像基础模型
摘要：本次报告将在统一的贝叶斯框架下，系统梳理过去六十年来图像建模技术的发展历程：从早期利用人工设计、数学上易于处理的先验模型求解成像逆问题，到如今基于大规模数据驱动的深度图像基础模型，用于图像生成与逆问题求解。在这一统一框架下，图像建模被视为对数据流形进行显式或隐式概率刻画的过程。
无论是图像复原还是图像生成任务，其本质上都试图回答同一个核心问题：是什么使一幅图像看起来像真实图像？ 在贝叶斯框架中，这一问题可以通过先验概率密度p(x)或其更便于优化求解的对数先验log p(x)来描述。
早期用于求解成像逆问题的方法，如Tikhonov正则化、全变分（Total Variation，TV）正则化以及非局部先验模型，主要依赖人工显式定义的对数先验，以描述图像的局部平滑性等特征。相比之下，即插即用先验（Plug-and-Play，PnP）和去噪扩散模型（Denoising Diffusion Models）等现代技术，则建立在算法解耦与隐式流形学习的基础之上，能够同时应用于成像逆问题求解与条件图像生成。
本次报告将以对数先验的梯度，即Stein得分函数（Stein Score Function）为统一的数学基础，将成像逆问题与条件图像生成纳入同一理论框架，从而建立信号处理与机器学习两个研究领域之间的联系。
通过这一统一视角，报告将揭示：看似沿不同方向发展的图像建模技术，实际上共同构成了从人工设计的解析模型向基于大规模数据学习的模型不断演进的发展历程。对去噪得分函数（Denoising Score）的研究是贯穿这一演进过程的核心主线，将传统最大后验估计（Maximum A Posteriori，MAP）中的变分优化方法与现代图像基础模型中的后验采样方法有机联系起来。
蒙塞夫·加布日
芬兰，坦佩雷大学
芬兰工程院院士
芬兰科学与文学院院士
欧洲科学院院士
芬兰坦佩雷大学信息技术教授
大会报告主题：基于融合学习的胸部X射线影像高保真三维CT合成
摘要：从单张二维胸部X射线影像（Chest X-ray，CXR）重建三维计算机断层扫描（Computed Tomography，CT）体数据是一项典型的病态逆问题，而成对的胸部X射线影像与CT训练数据的稀缺进一步增加了这一任务的难度。现有方法通常利用数字重建放射影像（Digitally Reconstructed Radiographs，DRRs）进行模型训练。这类影像是由CT体数据生成的合成投影。然而，合成DRR影像与真实胸部X射线影像之间存在域差异，限制了模型的泛化能力，导致其在处理真实临床影像时，往往产生细节粗糙或解剖结构不一致的重建结果。针对这一挑战，我们提出了一种多轮次、多视角融合学习（Multi-Pass Multi-View Blended Learning）方法，实现从真实胸部X射线影像直接合成高保真三维CT体数据。该方法将复杂的CT合成任务逐步分解为两个相互补充的学习阶段。第一阶段采用无监督的CXR到DRR域适应（Unsupervised CXR-to-DRR Domain Adaptation）方法，旨在缩小真实胸部X射线影像与合成DRR影像之间的域差异。
第二阶段包括三个连续处理过程：（1）有监督的DRR到CT转换（Supervised DRR-to-CT Transformation）；（2）无监督多视角切片精细化（Unsupervised Multi-View Slice Refinement）；（3）渐进式迁移学习（Progressive Transfer Learning，PTL）。
通过上述融合学习范式，所提出的方法有效缓解了合成数据与真实数据之间的域差异，同时增强了最终重建结果的结构完整性与解剖细节保真度。在LIDC-IDRI数据集上，利用成对的DRR与CT真实参考数据进行定量评估，实验结果表明，与现有方法相比，所提出的方法在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）方面最高提升了14%，在结构相似性指数（Structural Similarity Index Measure，SSIM）方面最高提升了7.6%。该框架能够从真实胸部X射线影像中生成结构一致、解剖形态逼真的高保真三维CT体数据，为推动基于常规X射线影像的CT重建技术走向临床应用迈出了重要一步。
芬兰，坦佩雷大学
芬兰工程院院士
芬兰科学与文学院院士
欧洲科学院院士
芬兰坦佩雷大学信息技术教授
大会报告主题：基于融合学习的胸部X射线影像高保真三维CT合成
摘要：从单张二维胸部X射线影像（Chest X-ray，CXR）重建三维计算机断层扫描（Computed Tomography，CT）体数据是一项典型的病态逆问题，而成对的胸部X射线影像与CT训练数据的稀缺进一步增加了这一任务的难度。现有方法通常利用数字重建放射影像（Digitally Reconstructed Radiographs，DRRs）进行模型训练。这类影像是由CT体数据生成的合成投影。然而，合成DRR影像与真实胸部X射线影像之间存在域差异，限制了模型的泛化能力，导致其在处理真实临床影像时，往往产生细节粗糙或解剖结构不一致的重建结果。针对这一挑战，我们提出了一种多轮次、多视角融合学习（Multi-Pass Multi-View Blended Learning）方法，实现从真实胸部X射线影像直接合成高保真三维CT体数据。该方法将复杂的CT合成任务逐步分解为两个相互补充的学习阶段。第一阶段采用无监督的CXR到DRR域适应（Unsupervised CXR-to-DRR Domain Adaptation）方法，旨在缩小真实胸部X射线影像与合成DRR影像之间的域差异。
第二阶段包括三个连续处理过程：（1）有监督的DRR到CT转换（Supervised DRR-to-CT Transformation）；（2）无监督多视角切片精细化（Unsupervised Multi-View Slice Refinement）；（3）渐进式迁移学习（Progressive Transfer Learning，PTL）。
通过上述融合学习范式，所提出的方法有效缓解了合成数据与真实数据之间的域差异，同时增强了最终重建结果的结构完整性与解剖细节保真度。在LIDC-IDRI数据集上，利用成对的DRR与CT真实参考数据进行定量评估，实验结果表明，与现有方法相比，所提出的方法在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）方面最高提升了14%，在结构相似性指数（Structural Similarity Index Measure，SSIM）方面最高提升了7.6%。该框架能够从真实胸部X射线影像中生成结构一致、解剖形态逼真的高保真三维CT体数据，为推动基于常规X射线影像的CT重建技术走向临床应用迈出了重要一步。
布拉日·祖潘
斯洛文尼亚，卢布尔雅那大学
斯洛文尼亚工程院院士
卢布尔雅那大学生物信息学实验室负责人
卢布尔雅那大学计算机与信息科学学院教授
大会报告主题：数据挖掘：从可视化编程到人工智能辅助数据科学
摘要：数据科学应当面向所有人，而不仅仅局限于精通编程、统计学和机器学习的专业人员。
本次报告将介绍Orange（https://orangedatamining.com），这是一个开源的可视化数据分析平台。该平台将交互式数据可视化、机器学习和可视化编程相结合，使复杂的数据分析任务变得更加直观、易于理解和使用。报告将演示如何通过组合简单的功能组件构建数据分析工作流程，并阐述这一方法为何在面向不同背景的学生、研究人员和专业人士开展数据科学教学时尤为有效。随后，报告将介绍我们最新开发的 Orange Lab。这是一个基于Web的全新环境，能够将交互式数据分析工作流程引入浏览器，并支持将其集成到教学材料和交互式数据分析应用程序中。最后，报告将探讨人工智能助手（AI Assistants）如何从根本上改变数据分析工作流程的构建方式及其交互模式。我们的愿景并不是利用不透明的人工智能生成方案取代可视化编程，而是通过人工智能助手帮助用户构建和完善数据分析工作流程，同时确保每一个分析步骤都清晰可见、易于解释，并且可以进行进一步探索。这一理念的核心在于：数据分析工作流程不仅仅是可执行的程序，更是对整个分析过程的完整叙述。 通过展示分析过程及其内在逻辑，即使在人工智能辅助的数据科学环境中，也能够保持数据分析的透明性和可理解性。
斯洛文尼亚，卢布尔雅那大学
斯洛文尼亚工程院院士
卢布尔雅那大学生物信息学实验室负责人
卢布尔雅那大学计算机与信息科学学院教授
大会报告主题：数据挖掘：从可视化编程到人工智能辅助数据科学
摘要：数据科学应当面向所有人，而不仅仅局限于精通编程、统计学和机器学习的专业人员。
本次报告将介绍Orange（https://orangedatamining.com），这是一个开源的可视化数据分析平台。该平台将交互式数据可视化、机器学习和可视化编程相结合，使复杂的数据分析任务变得更加直观、易于理解和使用。报告将演示如何通过组合简单的功能组件构建数据分析工作流程，并阐述这一方法为何在面向不同背景的学生、研究人员和专业人士开展数据科学教学时尤为有效。随后，报告将介绍我们最新开发的 Orange Lab。这是一个基于Web的全新环境，能够将交互式数据分析工作流程引入浏览器，并支持将其集成到教学材料和交互式数据分析应用程序中。最后，报告将探讨人工智能助手（AI Assistants）如何从根本上改变数据分析工作流程的构建方式及其交互模式。我们的愿景并不是利用不透明的人工智能生成方案取代可视化编程，而是通过人工智能助手帮助用户构建和完善数据分析工作流程，同时确保每一个分析步骤都清晰可见、易于解释，并且可以进行进一步探索。这一理念的核心在于：数据分析工作流程不仅仅是可执行的程序，更是对整个分析过程的完整叙述。 通过展示分析过程及其内在逻辑，即使在人工智能辅助的数据科学环境中，也能够保持数据分析的透明性和可理解性。
弗拉丹·德韦季奇
塞尔维亚，贝尔格莱德大学、塞尔维亚科学与艺术院
塞尔维亚科学与艺术院院士
贝尔格莱德大学人工智能实验室创始人
人工智能研究网络创始人及负责人
贝尔格莱德大学组织科学学院计算机科学与软件工程教授
大会报告主题：人工智能时代的科研之旅
摘要：当今，各学科领域的研究人员在日常科研工作中越来越广泛地使用生成式人工智能。其应用已不再局限于论文编辑和语言润色，而是贯穿科研工作的各个阶段，包括自动化文献综合分析、代码生成、复杂数据可视化以及同行评审辅助等。事实上，发表于《Nature》的实证研究表明，人工智能工具能够显著提高科研人员个人的科研生产力和学术影响力，但与此同时，也可能缩小科研群体整体所研究课题的多样性。然而，将这些先进工具深度融入日常科研工作流程，也带来了不可忽视的运营成本。基于任务的学术研究与开发经济模型表明，要有效管理应用程序编程接口（API）的使用费用和计算资源瓶颈，需要在人工智能带来的生产效率提升与特定任务的技术替代成本之间寻求平衡。为降低相关经济负担，科研机构正通过部署经过量化处理的开放权重模型，以及建立统一的机构级API代理服务协议等方式，缓解人工智能技术应用过程中的成本障碍。与此同时，人工智能辅助科研成果发表所涉及的学术伦理问题仍然存在广泛争议。在针对生成式人工智能应用后的同行评审机制以及科研人员态度等基础性研究的基础上，近期实证评估揭示出一个重要的透明度问题：尽管越来越多的学术期刊已经制定了人工智能使用披露指南，但在实际投稿论文中，作者主动声明使用人工智能的比例仍不足6%。为应对人工智能使用情况披露不足的问题，具有代表性的生物伦理学研究框架主张，将强制性人工智能使用声明作为所有论文投稿的常规要求，从而提高科研过程的透明度与可信度。展望未来，人工智能驱动的科学研究正逐步迈向自主多智能体系统（Autonomous Multi-Agent Systems），通过多个智能体之间的协作，实现复杂科学发现流程的自动化。
面对这一发展趋势，科研人员与研究机构需要在人工智能带来的前所未有的生产力提升、严格的科研诚信标准以及经济可持续性之间实现合理平衡，从而推动人工智能时代科学研究的健康、可持续发展。
塞尔维亚，贝尔格莱德大学、塞尔维亚科学与艺术院
塞尔维亚科学与艺术院院士
贝尔格莱德大学人工智能实验室创始人
人工智能研究网络创始人及负责人
贝尔格莱德大学组织科学学院计算机科学与软件工程教授
大会报告主题：人工智能时代的科研之旅
摘要：当今，各学科领域的研究人员在日常科研工作中越来越广泛地使用生成式人工智能。其应用已不再局限于论文编辑和语言润色，而是贯穿科研工作的各个阶段，包括自动化文献综合分析、代码生成、复杂数据可视化以及同行评审辅助等。事实上，发表于《Nature》的实证研究表明，人工智能工具能够显著提高科研人员个人的科研生产力和学术影响力，但与此同时，也可能缩小科研群体整体所研究课题的多样性。然而，将这些先进工具深度融入日常科研工作流程，也带来了不可忽视的运营成本。基于任务的学术研究与开发经济模型表明，要有效管理应用程序编程接口（API）的使用费用和计算资源瓶颈，需要在人工智能带来的生产效率提升与特定任务的技术替代成本之间寻求平衡。为降低相关经济负担，科研机构正通过部署经过量化处理的开放权重模型，以及建立统一的机构级API代理服务协议等方式，缓解人工智能技术应用过程中的成本障碍。与此同时，人工智能辅助科研成果发表所涉及的学术伦理问题仍然存在广泛争议。在针对生成式人工智能应用后的同行评审机制以及科研人员态度等基础性研究的基础上，近期实证评估揭示出一个重要的透明度问题：尽管越来越多的学术期刊已经制定了人工智能使用披露指南，但在实际投稿论文中，作者主动声明使用人工智能的比例仍不足6%。为应对人工智能使用情况披露不足的问题，具有代表性的生物伦理学研究框架主张，将强制性人工智能使用声明作为所有论文投稿的常规要求，从而提高科研过程的透明度与可信度。展望未来，人工智能驱动的科学研究正逐步迈向自主多智能体系统（Autonomous Multi-Agent Systems），通过多个智能体之间的协作，实现复杂科学发现流程的自动化。
面对这一发展趋势，科研人员与研究机构需要在人工智能带来的前所未有的生产力提升、严格的科研诚信标准以及经济可持续性之间实现合理平衡，从而推动人工智能时代科学研究的健康、可持续发展。
Nikhil R. Pal
印度统计研究所
印度科学院院士
印度工程院院士
印度统计研究所
印度科学院院士
印度工程院院士
柴天佑
东北大学
中国工程院院士
东北大学
中国工程院院士
郭雷
北京航空航天大学
中国科学院院士
北京航空航天大学
中国科学院院士
李树涛
长安大学
中国科学院院士
长安大学
中国科学院院士
王巍
辽宁工业大学
辽宁工业大学
刘艳军
辽宁工业大学
辽宁工业大学
乔俊飞
北京工业大学
北京工业大学
何勇
中国地质大学（武汉）
中国地质大学（武汉）
赵延龙
中国科学院数学与系统
科学研究院
中国科学院数学与系统
科学研究院
杨涛
东北大学
东北大学
Jacek Ma ń dziuk
华沙理工大学
波兰
华沙理工大学
波兰
Tufan Kumbasar
伊斯坦布尔技术大学
土耳其
伊斯坦布尔技术大学
土耳其
Khaled Nagaty
埃及英国大学
埃及英国大学
李永明
辽宁工业大学
辽宁工业大学
程龙
中国科学院自动化研究所
中国科学院自动化研究所
孙健
北京理工大学
北京理工大学
李少远
青岛科技大学
青岛科技大学
刘腾飞
东北大学
东北大学
毕海霞
西安交通大学
西安交通大学
El-Sayed M. El-Alfy
法赫德国王石油矿产大学
沙特阿拉伯
法赫德国王石油矿产大学
沙特阿拉伯
Kapil Ahuja
印度理工学院印多尔分校
印度理工学院印多尔分校
张念
哥伦比亚特区大学
美国
哥伦比亚特区大学
美国
Bulent Tutmez
伊诺努大学
土耳其
伊诺努大学
土耳其
谢雪涛
中国石油大学(华东）
中国石油大学(华东）
李元新
辽宁工业大学
辽宁工业大学
李铁山
电子科技大学
电子科技大学
吴丹阳
西北农林科技大学
西北农林科技大学
刘磊
辽宁工业大学
辽宁工业大学
隋帅
辽宁工业大学
辽宁工业大学
王焕清
渤海大学
渤海大学
彭周华
大连海事大学
大连海事大学
于金鹏
青岛大学
青岛大学
伍冬睿
华中科技大学
华中科技大学
韩红桂
北京工业大学
北京工业大学
温广辉
东南大学
东南大学
李鸿一
西南大学
西南大学
Tolga Ensari
阿肯色理工大学
美国
阿肯色理工大学
美国
张廷丰
辽宁工业大学
辽宁工业大学
吴金霞
辽宁工业大学
辽宁工业大学
李大鹏
辽宁工业大学
辽宁工业大学
韩玉艳
聊城大学
聊城大学
李树
辽宁工业大学
辽宁工业大学
为高质量举办本届会议，鼓励广大科研工作者和工程科技人员积极参会，全面展示国内外计算智能及相关领域的新进展和研究成果。大会现面向全行业广泛 征集NTCI 2026专题分会 ，诚挚邀请相关单位、专家大力支持、积极承办!
一、分会概述
(1) 分会主题方向 ：专题分会的主题可围绕 模型和算法 （如机器学习、多目标优化、图像处理、量子机器学习等）、 理论与应用 （如空天信息、智慧医疗、物联网工程、材料基因工程、网络信息安全、智能油气田开发、智能海洋工程、智能运筹与优化等）等方向进行策划与组织。
(2)分会形式：NTCI 2026专题分会形式多样，包括但不限于专题报告会、圆桌对话、小组讨论、互动式研讨会等。分会以 线下形式 开展 。
(3)分会举办时间：NTCI 2026将于2026年11月6-8日举行， 专题分会与大会同期举行 。
(4)分会举办地点：各专题分会线下会场与大会一致，将于锦州举行。
二、承办条件
(1)申请单位/申请人应具有 相应工作经验、较好的资源动员和会议组织筹备能力 ，积极配合大会的整体安排；
(2)各分会可 自行设置分会主题，可设立1-3位分会主席 ，应在相关领域具有一定影响力和号召力；
(3)分会 组稿不少于6篇（长摘要或论文，至少有4篇为论文） ，主席可邀请一个Keynote报告。
三、NTCI 2025 分会情况
(1)神经网络与机器学习进展分会
(2)粒计算分会
(3)智能油气田勘探开发进展分会
(4)数据驱动学习与优化专题分会
(5)智能计算与模式识别分会
(6)面向复杂场景的智能信息处理与分析分会
(7)优化调度与决策分会
(8)可信可解释智能推理：理论与应用专题分会
组委会将为分会 提供会场服务、经费支持、现场场地等支持 。
分会申请具体事宜，可提前咨询组委会（王老师：+86-13061345702）。
一、分会概述
(1) 分会主题方向 ：专题分会的主题可围绕 模型和算法 （如机器学习、多目标优化、图像处理、量子机器学习等）、 理论与应用 （如空天信息、智慧医疗、物联网工程、材料基因工程、网络信息安全、智能油气田开发、智能海洋工程、智能运筹与优化等）等方向进行策划与组织。
(2)分会形式：NTCI 2026专题分会形式多样，包括但不限于专题报告会、圆桌对话、小组讨论、互动式研讨会等。分会以 线下形式 开展 。
(3)分会举办时间：NTCI 2026将于2026年11月6-8日举行， 专题分会与大会同期举行 。
(4)分会举办地点：各专题分会线下会场与大会一致，将于锦州举行。
二、承办条件
(1)申请单位/申请人应具有 相应工作经验、较好的资源动员和会议组织筹备能力 ，积极配合大会的整体安排；
(2)各分会可 自行设置分会主题，可设立1-3位分会主席 ，应在相关领域具有一定影响力和号召力；
(3)分会 组稿不少于6篇（长摘要或论文，至少有4篇为论文） ，主席可邀请一个Keynote报告。
三、NTCI 2025 分会情况
(1)神经网络与机器学习进展分会
(2)粒计算分会
(3)智能油气田勘探开发进展分会
(4)数据驱动学习与优化专题分会
(5)智能计算与模式识别分会
(6)面向复杂场景的智能信息处理与分析分会
(7)优化调度与决策分会
(8)可信可解释智能推理：理论与应用专题分会
组委会将为分会 提供会场服务、经费支持、现场场地等支持 。
分会申请具体事宜，可提前咨询组委会（王老师：+86-13061345702）。
分会一：混合智能优化、类脑仿生视觉与昆虫集群机器人专题分会
分会概述：本专题聚焦生物启发智能与类脑仿生系统，融合计算神经科学、计算生物学、神经科学启发人工智能、生物似然神经网络、生物神经网络、生物视觉计算、仿生图像处理、具身智能、昆虫导航、生物机器人、群体智能与群体机器人等前沿方向。当前传统人工智能模型缺乏生物机理支撑，感知、自主导航与集群协同能力与人脑、生物群体存在显著差距，类脑网络生物可信度不足、仿生视觉环境适应性弱、具身机器人自主决策与集群协作效率低、小型仿生昆虫机器人导航鲁棒性差等问题亟待突破。分会面向全球征集原创研究，涵盖类脑神经网络建模、仿生视觉感知与图像算法、昆虫导航神经机理仿真、具身生物机器人开发、群体智能与集群机器人协同控制等理论、算法与实体系统成果，推动神经科学、生物学、人工智能与机器人学交叉创新，为海内外学者搭建学术交流平台。
感兴趣的议题包括(但不限于):
1.传统机器学习模型理论改进与性能优化（SVM、随机森林、集成学习等）
2.深度神经网络结构设计、轻量化、正则化与训练优化策略、多模态数据融合的优化策略
3.卷积神经网络、循环神经网络、Transformer 等模型的损失函数与参数寻优
4.基础群智能算法改进：粒子群、蚁群、蜂群、灰狼、麻雀、鲸鱼优化算法等
5.多目标、动态、约束、高维场景下的新型群智能优化算法
6.神经网络与群智能优化融合框架（智能算法优化网络超参、网络结构自动搜索 NAS）
7.分布式、联邦环境下协同群智能优化与分布式机器学习训练
8.基于群智能优化的特征选择、数据降噪与自适应数据预处理
9.小样本、不平衡数据下机器学习 + 群智能混合建模方法
10.多模态数据融合学习及其智能优化求解策略
11.群智能-神经网络混合模型在智能制造、医疗影像、金融预测中的应用
12.强化学习结合群智能优化的智能决策与路径规划方法
13.元启发式群智能优化在自动化机器学习（AutoML）中的应用
14.复杂工程调度、路径优化、资源分配问题的机器学习智能求解
15. 神经科学启发人工智能、生物似然神经网络与仿生视觉计算
16. 具身智能、昆虫导航与生物启发群体机器人
分会主席:
范钦伟，教授，广州大学，广州，广东 ，联系电话：13186106401
孙学龙，副教授，广州大学，广州，广东，中国
傅沁冰，副教授，广州大学，广州，广东，中国
许明烁，助理教授，莱斯特大学，莱斯特市，英国
分会邀请码：PJGZ
分会概述：本专题聚焦生物启发智能与类脑仿生系统，融合计算神经科学、计算生物学、神经科学启发人工智能、生物似然神经网络、生物神经网络、生物视觉计算、仿生图像处理、具身智能、昆虫导航、生物机器人、群体智能与群体机器人等前沿方向。当前传统人工智能模型缺乏生物机理支撑，感知、自主导航与集群协同能力与人脑、生物群体存在显著差距，类脑网络生物可信度不足、仿生视觉环境适应性弱、具身机器人自主决策与集群协作效率低、小型仿生昆虫机器人导航鲁棒性差等问题亟待突破。分会面向全球征集原创研究，涵盖类脑神经网络建模、仿生视觉感知与图像算法、昆虫导航神经机理仿真、具身生物机器人开发、群体智能与集群机器人协同控制等理论、算法与实体系统成果，推动神经科学、生物学、人工智能与机器人学交叉创新，为海内外学者搭建学术交流平台。
感兴趣的议题包括(但不限于):
1.传统机器学习模型理论改进与性能优化（SVM、随机森林、集成学习等）
2.深度神经网络结构设计、轻量化、正则化与训练优化策略、多模态数据融合的优化策略
3.卷积神经网络、循环神经网络、Transformer 等模型的损失函数与参数寻优
4.基础群智能算法改进：粒子群、蚁群、蜂群、灰狼、麻雀、鲸鱼优化算法等
5.多目标、动态、约束、高维场景下的新型群智能优化算法
6.神经网络与群智能优化融合框架（智能算法优化网络超参、网络结构自动搜索 NAS）
7.分布式、联邦环境下协同群智能优化与分布式机器学习训练
8.基于群智能优化的特征选择、数据降噪与自适应数据预处理
9.小样本、不平衡数据下机器学习 + 群智能混合建模方法
10.多模态数据融合学习及其智能优化求解策略
11.群智能-神经网络混合模型在智能制造、医疗影像、金融预测中的应用
12.强化学习结合群智能优化的智能决策与路径规划方法
13.元启发式群智能优化在自动化机器学习（AutoML）中的应用
14.复杂工程调度、路径优化、资源分配问题的机器学习智能求解
15. 神经科学启发人工智能、生物似然神经网络与仿生视觉计算
16. 具身智能、昆虫导航与生物启发群体机器人
分会主席:
范钦伟，教授，广州大学，广州，广东 ，联系电话：13186106401
孙学龙，副教授，广州大学，广州，广东，中国
傅沁冰，副教授，广州大学，广州，广东，中国
许明烁，助理教授，莱斯特大学，莱斯特市，英国
分会邀请码：PJGZ
分会二：群体博弈与智能控制专题分会
分会概述：群体博弈与智能控制为大规模网络化系统中的战略交互、分布式协同和自适应决策提供了建模框架。该方向研究多个智能体在不确定性、有限信息、约束条件和动态环境下如何协作或竞争，并在机器人、交通、能源网络和网络物理系统等场景中具有广泛应用。通过融合博弈论、控制理论、优化与机器学习，研究者致力于构建均衡策略、稳定的协同机制以及适用于互联系统的可扩展控制律。近年来，该领域在复杂系统的鲁棒性、自主性与协同性方面取得了显著进展，尤其适用于集中式方法难以部署的场景。本专题聚焦群体博弈与智能控制在建模、分析、计算与实现方面的理论和实践研究，并关注均衡计算、协同-竞争学习以及面向真实多智能体应用的协调控制，推动相关成果在数学、控制、计算机科学与工程领域中的交叉发展。
感兴趣的议题包括(但不限于)：
1.面向多智能体与网络系统的群体博弈理论
2.基于神经网络和模糊系统的智能控制
3.微分博弈、动态博弈与演化博弈
4.分布式优化与博弈策略
5.故障诊断、隔离与容错控制
6.基于学习的多智能体系统优化控制
7.编队控制、跟踪控制与包围控制
8.协同-竞争决策与资源分配
9.博弈论驱动的调度、规划与任务分配
10.在机器人、交通、能源系统和网络物理系统中的应用
分会主席：
衣鹏，教授，同济大学，上海，中国
吕跃组，教授，北京理工大学，北京，中国
王巍，教授，辽宁工业大学，锦州，辽宁，中国
刘磊，教授，辽宁工业大学，锦州，辽宁，中国
曾强，副教授，辽宁工业大学，锦州，辽宁，中国
联系电话：18840176734
分会邀请码：YLLZ
分会概述：群体博弈与智能控制为大规模网络化系统中的战略交互、分布式协同和自适应决策提供了建模框架。该方向研究多个智能体在不确定性、有限信息、约束条件和动态环境下如何协作或竞争，并在机器人、交通、能源网络和网络物理系统等场景中具有广泛应用。通过融合博弈论、控制理论、优化与机器学习，研究者致力于构建均衡策略、稳定的协同机制以及适用于互联系统的可扩展控制律。近年来，该领域在复杂系统的鲁棒性、自主性与协同性方面取得了显著进展，尤其适用于集中式方法难以部署的场景。本专题聚焦群体博弈与智能控制在建模、分析、计算与实现方面的理论和实践研究，并关注均衡计算、协同-竞争学习以及面向真实多智能体应用的协调控制，推动相关成果在数学、控制、计算机科学与工程领域中的交叉发展。
感兴趣的议题包括(但不限于)：
1.面向多智能体与网络系统的群体博弈理论
2.基于神经网络和模糊系统的智能控制
3.微分博弈、动态博弈与演化博弈
4.分布式优化与博弈策略
5.故障诊断、隔离与容错控制
6.基于学习的多智能体系统优化控制
7.编队控制、跟踪控制与包围控制
8.协同-竞争决策与资源分配
9.博弈论驱动的调度、规划与任务分配
10.在机器人、交通、能源系统和网络物理系统中的应用
分会主席：
衣鹏，教授，同济大学，上海，中国
吕跃组，教授，北京理工大学，北京，中国
王巍，教授，辽宁工业大学，锦州，辽宁，中国
刘磊，教授，辽宁工业大学，锦州，辽宁，中国
曾强，副教授，辽宁工业大学，锦州，辽宁，中国
联系电话：18840176734
分会邀请码：YLLZ
分会三：数据驱动的智能感知、控制与优化专题分会
分会概述：本专题聚焦数据驱动下智能感知、控制与优化的交叉前沿，以数据的表示、融合、度量与优化为主线，融合稀疏数据表示、多视图数据融合、低秩张量学习、神经动力学优化、忆阻系统动力学、惯性神经网络控制、分布式优化与博弈等研究方向。五位专题召集人的研究覆盖数据驱动感知（多视图低秩张量特征选择、稀疏子空间学习）、数据驱动优化（神经动力学分布式算法、非光滑博弈求解）以及数据驱动控制（忆阻混沌系统控制、惯性神经网络脉冲同步）完整技术链条。区别于群智能元启发式、信息驱动建模、模式识别、工程调度等相关专题，本专题以数据结构化表征与动力系统收敛性为核心理论工具，面向高维、噪声、时滞、资源受限等复杂工况，开展感知优化控制闭环一体化设计。分会面向全球征集原创研究成果，涵盖数据驱动的稀疏感知与特征选择、神经动力学优化、忆阻与惯性系统控制、分布式优化与博弈等方向的理论、算法及系统实现，促进数据科学、优化理论、控制科学与人工智能的交叉创新，为海内外学者搭建高质量学术交流平台。
感兴趣的议题包括(但不限于)：
1.数据驱动的稀疏感知与表示：稀疏编码、压缩感知、低秩稀疏、结构化稀疏、稀疏贝叶斯学习、多视图无监督特征选择、子空间学习与低秩张量约束
2. 数据融合与多模态感知：视觉、雷达、IMU、触觉等多模态数据融合与协同感知，信息瓶颈、信息几何方法
3. 数据驱动的优化理论与算法：凸/非凸稀疏优化、L1 正则化、分布式稀疏优化、非光滑优化与广义梯度方法
4. 神经动力学优化：连续/离散神经动力学、投影神经网络、递归神经网络、Hopfield 网络、分布式神经动力学算法求解约束优化与博弈问题
5. 忆阻系统与数据处理：忆阻神经网络动力学、忆阻混沌系统、忆阻惯性神经网络的稳定性与同步分析
6. 惯性神经网络与脉冲控制：时滞惯性神经网络建模、脉冲控制理论与应用、间歇控制、混杂系统稳定性分析
7. 数据驱动的智能控制：非线性控制、复杂网络控制、鲁棒控制、自适应控制、滑模控制、有限时间/固定时间控制
8. 分布式优化与博弈：分布式算法求解非光滑聚合博弈、约束分布式区间值优化、联邦优化与多智能体协同
9. 小样本、不平衡、噪声、时滞条件下数据驱动的感知与控制方法
10. 工程应用：智能制造、医疗影像、智慧交通、能源系统、机器人、信号与图像处理
分会主席：
黄军建，教授，西南大学，北碚区，重庆，联系电话：+86 18602311533
张伟，副教授，西南大学，北碚区，重庆市
赵友，讲师，西南大学，北碚区，重庆市
李洪飞，副教授，西南大学，北碚区，重庆市
刘京昕，讲师，重庆科技大学，沙坪坝区，重庆市
分会邀请码：SWUH
分会概述：本专题聚焦数据驱动下智能感知、控制与优化的交叉前沿，以数据的表示、融合、度量与优化为主线，融合稀疏数据表示、多视图数据融合、低秩张量学习、神经动力学优化、忆阻系统动力学、惯性神经网络控制、分布式优化与博弈等研究方向。五位专题召集人的研究覆盖数据驱动感知（多视图低秩张量特征选择、稀疏子空间学习）、数据驱动优化（神经动力学分布式算法、非光滑博弈求解）以及数据驱动控制（忆阻混沌系统控制、惯性神经网络脉冲同步）完整技术链条。区别于群智能元启发式、信息驱动建模、模式识别、工程调度等相关专题，本专题以数据结构化表征与动力系统收敛性为核心理论工具，面向高维、噪声、时滞、资源受限等复杂工况，开展感知优化控制闭环一体化设计。分会面向全球征集原创研究成果，涵盖数据驱动的稀疏感知与特征选择、神经动力学优化、忆阻与惯性系统控制、分布式优化与博弈等方向的理论、算法及系统实现，促进数据科学、优化理论、控制科学与人工智能的交叉创新，为海内外学者搭建高质量学术交流平台。
感兴趣的议题包括(但不限于)：
1.数据驱动的稀疏感知与表示：稀疏编码、压缩感知、低秩稀疏、结构化稀疏、稀疏贝叶斯学习、多视图无监督特征选择、子空间学习与低秩张量约束
2. 数据融合与多模态感知：视觉、雷达、IMU、触觉等多模态数据融合与协同感知，信息瓶颈、信息几何方法
3. 数据驱动的优化理论与算法：凸/非凸稀疏优化、L1 正则化、分布式稀疏优化、非光滑优化与广义梯度方法
4. 神经动力学优化：连续/离散神经动力学、投影神经网络、递归神经网络、Hopfield 网络、分布式神经动力学算法求解约束优化与博弈问题
5. 忆阻系统与数据处理：忆阻神经网络动力学、忆阻混沌系统、忆阻惯性神经网络的稳定性与同步分析
6. 惯性神经网络与脉冲控制：时滞惯性神经网络建模、脉冲控制理论与应用、间歇控制、混杂系统稳定性分析
7. 数据驱动的智能控制：非线性控制、复杂网络控制、鲁棒控制、自适应控制、滑模控制、有限时间/固定时间控制
8. 分布式优化与博弈：分布式算法求解非光滑聚合博弈、约束分布式区间值优化、联邦优化与多智能体协同
9. 小样本、不平衡、噪声、时滞条件下数据驱动的感知与控制方法
10. 工程应用：智能制造、医疗影像、智慧交通、能源系统、机器人、信号与图像处理
分会主席：
黄军建，教授，西南大学，北碚区，重庆，联系电话：+86 18602311533
张伟，副教授，西南大学，北碚区，重庆市
赵友，讲师，西南大学，北碚区，重庆市
李洪飞，副教授，西南大学，北碚区，重庆市
刘京昕，讲师，重庆科技大学，沙坪坝区，重庆市
分会邀请码：SWUH
第八届国际计算智能最新进展会议 (NTCI 2026) 聚焦神经网络、进化计算、模糊系统、机器学习、模式识别等计算智能领域进行征稿，征稿范围包括但不仅限于以下主题：
|
模型和算法 ◆ 神经网络 ◆ 进化计算与学习 ◆ 粗糙集 ◆ 模糊集与系统 ◆ 模糊理论与算法 ◆ 贝叶斯方法 ◆ 深度学习 ◆ 可解释人工智能 ◆ 随机学习模型 ◆ 群体智能与优化 ◆ 自然启发式计算与优化 ◆ 智能体 ◆ 多目标优化 ◆ 支持向量机 ◆ 强化学习 ◆ 认知学习 ◆ 对抗机器学习 ◆ 信号处理 ◆ 压缩传感和稀疏编码 ◆ 图像处理 ◆ 量子机器学习 |
理论与应用 ◆ 模式识别 ◆ 自适应控制与学习控制 ◆ 自然语言处理 ◆ 非线性系统分析与控制 ◆ 联邦学习 ◆ 信息安全 ◆ 计算金融 ◆ 偏微分方程求解 ◆ 数据同化/历史拟合 ◆ 控制系统建模 ◆ 鲁棒控制 ◆ 智能控制 ◆ 网络控制 ◆ 最优控制 ◆ 多智能体系统与分布式控制 ◆ 智能交通系统 ◆ 智能遥感 ◆ 智能地质勘探 ◆ 智能油气田开发 ◆ 智能海洋工程 ◆ 智能运筹与优化 |
本次会议将 遴选优秀论文推荐至SCI检索期刊。为鼓励学术创新、表彰优秀成果，大会特设 “优秀论文”、“优秀学生论文” 以及 “优秀海报” 等奖项，激励研究者积极展示高水平研究成果。
组委会诚挚邀请与计算智能相关的广泛领域的研究人员、从业人员和学者踊跃投稿、积极参会交流！
组委会诚挚邀请与计算智能相关的广泛领域的研究人员、从业人员和学者踊跃投稿、积极参会交流！
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， 最终所有录用的论文将由IEEE出版 ，见刊后由出版社提交至IEEE Xplore, EI检索。
投稿须知：
1、 论文需按照会议官网 【会议模板】 排版，每篇论文限5页，超过5页的，每超1页加收400元超页费；每篇论文最长不得超过15页。排版后【投稿】等待审稿或录用。 长摘要须采用会议官网提供的模板 Template for the Extended Abstract.docx 进行排版；
2、文章未在国内外学术期刊或会议发表过；文章重复率需符合出版社要求 (CrossCheck或Turnitin全文查重)；
3、文章发表流程： 投稿→审稿返修（多轮）→录用→缴费→【注册参会】→见刊→纸质论文集→检索；
4、仅接受全英文投稿；
5、发表论文的作者需提交全文进行同行评审，仅做报告不发表论文，只需提交摘要；
6、论文应具有学术或实用价值， 未在国内外学术期刊或会议发表过 。涉嫌抄袭的论文将不被出版；
7、发表的文章需符合该会议出版社要求。
**注：付款后因个人原因撤稿，将收取服务费（注册费的10%）；论文一旦上传到出版社，则 不接 受任何退款或撤稿申请。
1、 论文需按照会议官网 【会议模板】 排版，每篇论文限5页，超过5页的，每超1页加收400元超页费；每篇论文最长不得超过15页。排版后【投稿】等待审稿或录用。 长摘要须采用会议官网提供的模板 Template for the Extended Abstract.docx 进行排版；
2、文章未在国内外学术期刊或会议发表过；文章重复率需符合出版社要求 (CrossCheck或Turnitin全文查重)；
3、文章发表流程： 投稿→审稿返修（多轮）→录用→缴费→【注册参会】→见刊→纸质论文集→检索；
4、仅接受全英文投稿；
5、发表论文的作者需提交全文进行同行评审，仅做报告不发表论文，只需提交摘要；
6、论文应具有学术或实用价值， 未在国内外学术期刊或会议发表过 。涉嫌抄袭的论文将不被出版；
7、发表的文章需符合该会议出版社要求。
**注：付款后因个人原因撤稿，将收取服务费（注册费的10%）；论文一旦上传到出版社，则 不接 受任何退款或撤稿申请。
|
注册类型 |
注册费用（9月7日及之前） |
注册费用 |
|
投稿论文 |
490 USD/3300 RMB |
530 USD/3600 RMB |
|
学术报告（无投稿论文） |
330 USD/2200 RMB |
370 USD/2500 RMB |
|
仅参会（无论文、无报告） |
270 USD/1800 RMB |
300 USD/2000 RMB |
◆ 多篇优惠（第2篇起算）：每篇优惠45USD/300RMB
◆ 超页费（第6页起算，每篇论文最长不得超过15页）：60USD/400RMB
◆ 超页费（第6页起算，每篇论文最长不得超过15页）：60USD/400RMB
作者/参会人员注册费包括（每篇稿件限一人）:
◆ 所有会议日程
◆ 会议期间午餐、晚餐
◆ 会议包/会议资料 论文集
◆ 茶歇
投稿链接: https://ntci.org/20261391/submission/submissionForm
◆ 所有会议日程
◆ 会议期间午餐、晚餐
◆ 会议包/会议资料 论文集
◆ 茶歇
投稿链接: https://ntci.org/20261391/submission/submissionForm
专题分会申请截止……………………..........………................………………………….........………………….2026年9月15日 （2026年10月10日）
学术报告申请截止………………………..……............…........................………………….…………………….2026年9月15日 （2026年10月10日）
论文截止提交………………...…………………………............……...............................……………………….2026年9月20日 （2026年10月15日）
论文录用通知…………………………............……....................................................………………………….2026年10月10日 （2026年10月25日）
最终稿提交及注册日期……………………………........….....…............…....………..…………………….…….2026年10月20日 （2026年10月28日）
学术报告申请截止………………………..……............…........................………………….…………………….
论文截止提交………………...…………………………............……...............................……………………….
论文录用通知…………………………............……....................................................………………………….
最终稿提交及注册日期……………………………........….....…............…....………..…………………….…….
酒店名称：锦州新世界酒店
酒店地址：锦州市高新区福州街16号锦州新世界酒店
预定价格：（标准双人间、大床房） 330元/间，含单份早餐；单加一份早餐80元；410元/间，含双份早餐。
酒店预定：
1.请务必联系电话15698992710（微信同号，杨白雪），请告知您参加的“会议名称”，即可享受优惠协议价；酒店正常价格高于本协议价。
2.请勿重复预定。酒店费用将由酒店直接收取并开具发票。
交通指南：
◆锦州湾国际机场 30公里 ◆锦州南站（高铁/动车站） 11公里
◆锦州北站（高铁/动车站） 12公里 ◆锦州站（普速车站） 4.8公里
联系方式
联系人：杨白雪 联系电话:+86-15698992710 联系微信：15698992710
酒店地址：锦州市高新区福州街16号锦州新世界酒店
预定价格：（标准双人间、大床房） 330元/间，含单份早餐；单加一份早餐80元；410元/间，含双份早餐。
酒店预定：
1.请务必联系电话15698992710（微信同号，杨白雪），请告知您参加的“会议名称”，即可享受优惠协议价；酒店正常价格高于本协议价。
2.请勿重复预定。酒店费用将由酒店直接收取并开具发票。
交通指南：
◆锦州湾国际机场 30公里 ◆锦州南站（高铁/动车站） 11公里
◆锦州北站（高铁/动车站） 12公里 ◆锦州站（普速车站） 4.8公里
联系方式
联系人：杨白雪 联系电话:+86-15698992710 联系微信：15698992710
联系人: 王老师
联系电话: +86-13061345702
联系微信: neunetwj
联系QQ群：837474675
联系邮箱: ntci_cis@163.com
联系电话: +86-13061345702
联系微信: neunetwj
联系QQ群：837474675
联系邮箱: ntci_cis@163.com
联系人微信二维码
大会公众号微信二维码
2026国际计算智能最新进展会议（NTCI 2026）
2026年11月6-8日 中国 · 锦州
欢迎您的到来！
2026年11月6-8日 中国 · 锦州
欢迎您的到来！