信息几何研究进展

随着人工智能的不断深入,基于欧氏框架的数学理论无法有效解决信息领域中的一些非线性和随机性问题,而信息几何是解决非线性和随机性问题的有效工具。基于黎曼几何的信息几何由于其在统计推断、信号处理、图像处理、神经网络、机器学习等领域的广泛应用,受到了人们的关注,成为热门的研究领域。经过几十年的发展,信息几何已经从最初鲜为人知的领域发展成为研究非线性、随机性复杂信息的重要工具。对信息几何研究进展进行综述,首先介绍信息几何的理论框架,包括对偶联络、流形上的测地距离及黎曼梯度等,然后简要介绍信息几何在统计推断、神经网络、控制系统领域、信号处理和机器学习等领域的应用,最后展望信息几何的研究方向。

现代物理的数学进展

现代物理学中涌进过大量的数学分支与数学对象:有的被淘汰,有些被固定下来成为量子场论的组成部分,如李群与李代数(Lorentz)群,同位空间中的SU(n)等等。但这些仍属于古典数学,现代数学中的广义函数,点集拓扑学,现代维度理论(Dimensiongrad Theory)与强相互作用过程的亚群对称性(Demigroup Symmetey四维空时中所包含的点同Euclid直线一样多,如果不考虑这个定理。人们不能严格刻画量子场论的原理,现代物理,对物理学家是困难的,对数学家也是困难的。 在不明僚事物的实质时,用数学方法学掌握事物的可能性本身是惊人的。