基于多维矩阵的智能计算相关研究

本项目研究基于多维矩阵的智能计算相关问题。首先适应数据仓库多维数据技术的广泛应用，将多维矩阵理论引入智能计算，对一些经典模型以及我们自己提出或改进的一些模型，实现数学模型的多维矩阵表达，并进一步实现程序表达。这也是一次数学理论与计算机科学的对接，具有重要的科学意义。同时将我们已经取得的一些多维随机研究成果引入到神经网络和演化计算，包括利用我们提出的一种全空间连续且可微的多维正交多项式来改进贝叶斯神经网络、利用我们提出的多层结构方程模型及其新算法来建立自组织路径约束的神经网络、利用我们提出的因变量也未知的凸约束评估模型建立无监督学习的交互投影神经网络等。在演化计算方面，我们将利用多维矩阵理论探讨演化计算及其收敛性证明过程，探讨基于泛函空间的数学函数表达式的随机优化，顺势探讨相关的演化硬件实现。这些研究工作将促进智能计算与相关领域的协调发展，具有重要的科学意义，也具有广阔的应用前景。