中南大学
访问量：次
返回首页基于神经动力学方法的优化算法与工业应用
点击次数：
1. 神经动力学优化理论与方法
将连续时间神经动力学与协同优化机制引入优化算法设计，研究双时间尺度、双积分协同进化等神经动力学模型的收敛性、稳定性与抗噪性，为大规模非凸优化提供可分析、可证明的求解框架；并探索基于机器学习与神经动力学的李雅普诺夫函数构造方法。
2. 深度学习优化算法与泛化性能提升
围绕"模型为什么泛化"这一核心问题，研究锐度感知最小化（SAM）及其抗噪、协同进化与两时间尺度变体，结合数值微分与龙格-库塔等数值方法改进 SGD、Adam 等主流优化器，提升深度神经网络在噪声扰动与分布变化下的泛化能力与训练稳定性。
3. 复杂工业过程的智能感知、预测与协同优化
面向氧化铝蒸发、锌冶炼固废循环等流程工业场景，研究级联工业系统工艺指标的网络化感知建模、自适应模式切换预测控制与多目标协同优化方法，推动优化理论在真实生产过程中的落地应用。
4. 交叉应用：智慧矿山与智慧城市系统等。