<div dir="ltr"><br>[Apologies for multiple postings]<br><br>Dear Professor(Dr.),<br><br>It is my pleasure and honor to share you this information of CFP in the ACM Transactions on Sensor Networks.<br><br>Please consider submitting a paper to a Special Issue on "Distributed and Collaborative Learning Empowered Edge Intelligence in Smart City" for ACM TOSN. The deadline is extended to Mar. 15, 2023.<br><a href="https://dl.acm.org/pb-assets/static_journal_pages/tosn/pdf/ACM-TOSN_CFP122022.pdf">https://dl.acm.org/pb-assets/static_journal_pages/tosn/pdf/ACM-TOSN_CFP122022.pdf</a><br><br>Also, please kindly help distribute the CFP (see following) and encourage your colleagues, friends, and students to make submissions. Your strong supports are highly appreciated.<br><br><br>Best regards,<br>Xiaokang Zhou, on behalf of guest editors<br><br><br>[ACM TOSN Call for Papers]<br>===========================================================================================<br>                               ACM Transactions on Sensor Networks<br><br>                                         Special Issue on <br><br>     Distributed and Collaborative Learning Empowered Edge Intelligence in Smart City<br><br>---------------------------------------------------------------------------------------------------<br><br>Aims and Scope<br>Smart city serves as an important concept utilizing modern artificial intelligence (AI) techniques, such as machine learning and deep learning models, to improve urban behavior and capabilities for the next-generation civilization constructions. Typical smart city infrastructure systems include smart transportation systems, smart buildings, smart grid, smart medical systems, and smart housing systems, etc. The smart operation systems are among the most popular research topics in the fields of information technology (IT), AI, Internet of things (IoT), cyber-physical systems (CPS), and intelligent systems, etc. However, when tremendous amount of data is collected in the early stage of development of smart city, there exists an urgent demand of decentralized training and learning technologies, since a centralized system is almost not feasible for big data management and analytics in smart cities.<br><br>Distributed learning (DL) and collaborative learning (CL) are classic decentralized learning paradigms managing and processing big data and heavily-loaded resources for smart cities, where DL focuses on learning mechanisms on different clients through an IoT network system, and CL focuses on the integration of the distributed learning on different clients. In particular, the emergence of edge intelligence provides DL and CL with the computational power of the heterogeneous devices on the outer edge of the IoT network, which leverages the robustness optimization of network topology for IoT, and consequently achieves higher efficiency and better performance.<br><br>Topics may include (but are not limited to): <br><br>• Distributed and collaborative learning in intelligent end-edge-cloud systems<br>• Distributed and collaborative learning in smart CPS<br>• Distributed and collaborative learning in mobile and ubiquitous computing<br>• Distributed and collaborative learning with intelligent IoT for smart healthcare<br>• Distributed and collaborative learning based computer vision in smart cities<br>• Distributed and collaborative learning based speech assistants in smart cities<br>• Distributed and collaborative learning solutions on trust system development<br>• Edge intelligence for smart environment design, construction and maintenance<br>• Edge intelligence in daily living support<br>• Edge intelligence in sustainable computing<br>• Edge intelligence in distributed design<br>• Edge intelligence in cyber security and privacy concerns<br>• Intelligent sensing data applications in smart cities<br>• Big data analytics for smart city management<br>• Knowledge-based or agent-based models for intelligent systems<br>• Distributed IoT in smart services<br>• Intelligent devices and process-aware information systems in smart cities<br><br>Submissions <br>Submissions to the special issue will be screened by the Special Issue Editors to ensure that they conform to the quality standards of ACM Transactions on Sensor Networks (TOSN). Papers that do not pass this initial screening will be immediately returned to the authors. Reviewers will apply those standards in forming recommendations for acceptance, revision, or rejection. Papers should be formatted with TOSN style (<a href="https://dl.acm.org/journal/tosn/author-guidelines">https://dl.acm.org/journal/tosn/author-guidelines</a>). Prospective contributors should submit their papers directly to the online submission system (<a href="https://mc.manuscriptcentral.com/tosn">https://mc.manuscriptcentral.com/tosn</a>). In addition, Authors please choose the Special Issue on Distributed and Collaborative Learning Empowered Edge Intelligence in Smart City in the online submission.<br><br>Important Dates <br>• Open for submissions:                Aug. 31, 2022<br>• Submissions deadline:                Mar. 15, 2023(extended)<br>• First-round review decisions:        Jun.  28, 2023(extended)<br>• Deadline for revision submissions:   Aug. 30, 2023(extended)<br>• Notification of final decisions:     Oct. 30, 2023(extended)<br>• Tentative publication:               Oct. 2023(extended)<br><br>Guest editors:<br>• Prof. Xiaokang Zhou, Shiga University, Japan, Email: <a href="mailto:zhou@biwako.shiga-u.ac.jp">zhou@biwako.shiga-u.ac.jp</a><br>• Prof. Vincenzo Piuri, University of Milan, Italy, Email: <a href="mailto:vincenzo.piuri@unimi.it">vincenzo.piuri@unimi.it</a><br>• Prof. Henry Leung, University of Calgary, Canada, Email: <a href="mailto:leungh@ucalgary.ca">leungh@ucalgary.ca</a><br><br>Contact Information <br>Corresponding Guest Editor, Dr. Zhou (<a href="mailto:zhou@biwako.shiga-u.ac.jp">zhou@biwako.shiga-u.ac.jp</a>)</div>