2026年10月30日至31日，2026年IEEE 人工智能、大数据与云计算国际会议（2026 International Conference on Artificial Intelligence, Big Data and Cloud Computing，AIBDCC 2026）在成都举行，会议由成都大学承办，采用线上线下相结合的方式，汇聚人工智能、大数据、云计算及相关交叉领域的专家学者，围绕前沿理论、关键技术和产业应用展开深入交流。
大会主席由加拿大阿尔伯塔大学Witold Pedrycz教授、成都大学高朝邦教授、刘昶教授共同担任。会议设置4场主旨报告和2个口头报告分会场，议题涵盖算法机制、机器人交互、农业智能感知、多变量时间序列学习、计算机视觉、工业智能、网络安全和分布式机器学习等方向。来自不同国家和地区的学者通过现场报告与线上交流相结合的方式，共同探讨人工智能从模型创新走向场景落地的关键路径。
日本工学院大学Yoshifumi Manabe教授以“Multi-price lottery for ticket lottery sales”为题，提出面向票务抽签销售的多价格彩票机制，在提高潜在购票者预期收益的同时兼顾活动组织方的整体销售收入。杭州师范大学李建军教授系统介绍机器人遥操作多模态数据集FIT-500，围绕接触负载预测、交互阶段识别和任务进度评估构建可复现的实验基准，为接触密集型机器人操作研究提供新的数据基础。西北农林科技大学冯伟教授围绕农作物病害智能诊断中的多源数据融合与协同处理展开报告，讨论遥感影像、田间图像、气象环境数据等多模态信息的互补利用，以及分布式数据场景下的协同建模与可信管理。大连理工大学陈志奎教授则聚焦多变量时间序列大数据，介绍复杂动态预测、低质量长尾数据挖掘和多模态融合表征等研究进展。四场主旨报告从算法、数据、机器人和农业应用等维度，勾勒出人工智能与大数据交叉融合的前沿图景。
在本届会议中，成都大学计算机学院副院长王进担任程序委员会主席，学校多位教师分别参与指导委员会、出版委员会和宣传委员会工作，为会议论文评审、议程组织、成果出版与国际传播提供了有力支撑，极大提升了学校在人工智能、大数据和云计算领域的学术影响力。
成都大学共有4项研究成果进入大会报告。Peiru Ma报告EGTL-Net，面向物联网DDoS攻击检测，通过多维窗口熵增强、熵感知焦点时序损失以及CNN-BiGRU-Attention网络，提升高度不平衡场景下的检测能力；Yuting Zhao系统比较复杂噪声条件下12种轴承故障诊断去噪策略，强调应以下游诊断效用而非单纯波形恢复质量选择去噪方法；Jian He介绍面向复杂课堂环境的多尺度动态YOLO11n检测器，在SCB-Dataset3上使mAP@0.5:0.95较原模型提升3.72个百分点；Ying Luo报告面向数据异构联邦学习的FedRAP方法，通过特征解耦、可靠原型聚合与全局反馈提升客户端数据分布不一致条件下的模型性能。这些研究既关注物联网安全、工业设备健康管理、智能教育与分布式学习等真实应用需求，也重视模型可靠性、数据质量和复杂环境适应性等基础问题，与学校推进有组织科研、促进人工智能与行业场景深度融合的发展方向高度契合。
成都大学将继续依托国际学术会议、联合科研项目和师生互访等载体，推动科研合作从单点交流向稳定协同延伸，从论文合作向平台共建、人才共育和成果转化拓展，持续提升学校在人工智能、大数据与云计算领域的科研组织力、国际影响力和服务区域发展的能力。
