连续问题的算法复杂性问题广泛的出现在现代科学技术的诸多领域。近年来,人们对多变量高维问题的兴趣与日俱增。本项目,我们将研究函数学习、量子逼近、量子积分与Monte Carlo 积分这几个当前重要的连续问题的算法复杂性。具体的,我们将建立非标准信息的函数学习理论。建立学习问题稳定性与可推广性、一致性之间的联系。深入研究Cucker-Smale 函数学习理论的逼近误差与取样误差。确定各向异性与混合光滑
{{i.achievement_title}}
数据更新时间:2023-05-31
拥堵路网交通流均衡分配模型
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
基于协同表示的图嵌入鉴别分析在人脸识别中的应用
一种改进的多目标正余弦优化算法
面向工件表面缺陷的无监督域适应方法
几个重要的多元逼近问题在不同框架下的计算复杂性
解析数论中的几个重要问题
临界点理论中几个重要问题
多元逼近中的几个极值问题和计算复杂性