1.基于人工智能的医学影像大数据的示范应用（陈新建，朱伟芳）

通过构建李群+贝叶斯流形元学习可解释新理论，通过元学习的“表示、泛化、推理”三个关键科学问题的变革性突破，解决复杂不确定场景的“数据自选择、度量自调节、正则项自设定”三个实际问题需求；研究李群+贝叶斯流形元学习可解释新方法，形成对模型、数据和算法的自我学习、自我设计、环境自适

应搜索与优化、知识自推断等新算法。

2.金融量化与统计决策（岳兴业，钱晓松）

采用AI 策略对传统量化策略升级，通过动态AI 算法，挖掘非线性核心因子模型，修正因子权重，提高模型预测获得投资正收益的机率。构建结构化风险模型体系，对投资组合的风险进行严密监控和适时调整，精确分解和认识各行业和风格因子对投资组合的风险贡献，优化组合权重和仓位管理。

3.下一代智能光通信网络（沈纲祥，李泳成）

围绕下一代智能通信网络中的超低损耗光纤网络设计、新型全光交换与骨干网络传输技术，依托苏州大学未来校区“未来信息与人工智能研究院”的基础积累，应用数学中心拟研究边缘数据中心全光交换技术和超长跨距骨干网络传输技术，设计可灵活拓展的全光边缘数据中心交换构架，提供网络资源优化策略和生存性网络资源优化策略，提供不同网络保护策略下的最优路由选择和波长分配。

4.智能算法与建模优化（陈旻昕、丁睿、马欢飞、杨凌）

围绕数学建模和各类优化问题展开，综合运用动力系统建模、压缩感知、系统重构方法、凸优化/非线性优化/整数优化等各类优化控制方法，针对生产过程中优化控制和复杂系统建模等核心难题开展研究和应用。拟为企业的各类优化控制问题提供解决方案。

5.智能制造的核心数学问题研究（张雷洪，张亚楠）

研究下一代通信设备中核心部件频率选择器的智能化和自动化调试和生产中的关键技术，以现代通讯中的频率选择性器件的智能调试为目标，旨在实现复杂频率选择性器件的智能化/自动化调试。预期获得如下成果：理论上明确导致双工器、支持多制式多频段的多工器等现代频率选择性器件曲线拟合病态性的根源，并提出双工器有理多项式参数拟合的有效解决方案；提出新颖有效的，适合于现代频率选择性器件有理逼近理论和算法；探明滤波器在射频滤波器ATE 测试中成功或失败的机理，建立合理的数学预测模型；建立滤波器相应耦合矩阵的数学结构，设计出高效求得符合ATE 测试指标的最优化方法。