医学影像大数据的示范应用

        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。

        预期目标应用于以眼科及神经疾病为代表的医学影像大数据，有效解决人工智能应用中由于数据小样本、高维度、不均衡导致的模型泛化性差、影像特征不可解释等问题，研发完成精准高效的元学习自推断医学影像诊断系统，拟服务于医疗机构、医疗器械公司等领域的用户。

量化金融与统计决策

        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。务预期为金融企业的量化问题提供帮助，承接金融企业的量化业务。