1、数学建模、机器学习与智能计算在工业发展中的应用

数学建模、机器学习与智能计算在工业发展中的应用

一、核心技术概述

在当今科技飞速发展的时代，数学建模、机器学习和智能计算成为解决各种实际问题的关键技术。数学建模是将现实问题转化为特定数学公式的过程，由于现实世界问题的复杂性和不可预测性，需要综合运用数学、统计、运筹学、数据分析、计算机科学、管理和经济学等多学科技术来推动其发展。

机器学习和智能计算则因技术进步成为重要研究领域，在现实世界中有众多应用。例如，结合技术指标的回归集成技术可用于预测金融时间序列数据；将客户声音与计算机辅助设计（CAD）集成的智能系统可用于座椅舒适度设计；利用特征提取方法进行智能音频信号分类能提升受影响系统的性能；大数据挖掘创建的分层初始化模型则展现了机器学习方法的丰富性。

智能计算涵盖了技术、算法和模型，能为广泛的问题提供有效解决方案，如机场智能安全系统、表面肌电信号控制的3D打印仿生手等。物联网（IoT）网络与智能网关结合可执行各种应用，而智能电子商务订单拣选策略中的人为因素建议有助于解决工业和商业组织中的大量转运问题。

二、主要研究内容

这些技术的研究主要涵盖以下几个方面：
1. 数学建模
- 交互式权重投资组合系统 ：允许基金经理为年度回报和风险选择不同的权重值，使用目标规划（GP）方法计算不同风险状况下的最佳年度回报。通过将该模型应用于孟买证券交易所（BSE SENSEX）的实证研究，结果表明，当为年度回报分配较高权重值时，可实现最大年度回报。
- 广义犹豫模糊知识测度 ：提出了犹豫模糊知识测度（HFKM）的广义