王浩最看重三个报告，今天的第二场、第三场，还有明天上午第三场，也就是沙勉之和王明坤一起的研究。

现在进行的第二场，是一个牛津大学教授做的研究，是对于梯度下降算法计算复杂度的理论研究。

这是非常罕见的。

在应用研究的很多方面都依赖于一种名为‘梯度下降’的算法，是一个求解某个数学函数最大/最小值的过程，从计算产品的最佳生产方式，到工人轮班的最佳安排方法，‘梯度下降’算法都能派上用场。

但是相对于多方向的应用来说，相关理论研究却稀少的可怜。

这位作报告的牛津大学教授，从‘梯度下降算法在许多常见问题上效果不佳’，以及‘梯度下降的很多工作都没有涉及复杂性理论’两个方向，以数学计算机的方式，研究各类情况问题中的交集问题，从而对于梯度下降算法进行了理论论证。

王浩听得津津有味，论证中清晰的逻辑剖析，让他感觉对于逻辑论证的把握都更清晰了。

另一个反应就是——

【任务二，灵感值＋1。】

听取了全程的报告，直接带来了‘任务二’一点灵感值收获，明显收获是很巨大的。

虽然只有一点灵感值，但要知道，‘任务二’是破解上帝之数，难度是A级别的，只是增加一点灵感值，也许会是很重要的提升。

牛津大学教授的报告获得了一致赞叹，完成的时候收获了一致的掌声。

沙勉之坐在了王浩的旁边，忍不住感叹道，“看来，想拿个最佳不容易啊！”他对自己的研究有信心，但要说压制刚才的报告可不好说，还是要看会议评审组的看法。

下面就是第三场。

会议第一天的第二场、第三场都可以说是压轴，有了刚才的精彩报告，好多人也期待其了第三场，上场的是来自芬兰赫尔辛基大学的西弥斯－戈尔利克斯，以及他的同事阿尔马洛夫。

报告的名称则是‘快速而准确的最小均方求解’，内容是对于最小均方算法，也就是LMS算法的改进。

西弥斯－戈尔利克斯上台以后，就骄傲的宣布，“我们找到了一种最为快速、最为准确的最小均方求解方法，这种方法可以让计算复杂度降低两个数量级以上，并且不会损失精度和改善的数值稳定性。”

这句话说出来立刻引起会场一片哗然。

最小均方求解是许多机器学习算法的核心，能够让计算复杂度降低两个以上数量级，可不是开玩笑的，那已经不是改善，而是‘跨越式的进步’。

比如，计算一个问题需要一亿次运算，下降两个数量级就变成了一百万次。

这显然是质的飞跃。

西弥斯－戈尔利克斯开始认真讲解说起来，他的同事阿尔马洛夫则在旁边做补充讲解，他们提出了一个非常新颖的分治法，然后用离散傅里叶变换算法，充当整体构架的‘掌舵’。

王浩听到这里顿时有精神了。

他感觉‘掌舵’内容似乎有些熟悉，再继续听下去就明白过来。

后面的研究内容对于自己的‘傅里叶变换辅助构建数学模型’，肯定是存在一定的借鉴和参考。

“抄袭？”

“不，应该说是应用。”

发表出来的论文内容，被用作其他研究的参考，也是很正常的事情，只要论文上带上‘参考文献’就可以了。

这倒是没关系。

不过王浩继续听下去，就不由得皱起了眉头，他发现对方的研究是存在问题的，尤其牵扯到离散傅里叶变换算法，合并‘分治法’支撑降低计算复杂度，到了两个数量级就出问题了。

报告进行了一个小时左右，西弥斯－戈尔利克斯完成大部分讲解，他讲解的都是‘大致方向’，也停下来休息了一下，也让会场众人做个消化。

其他人都在惊叹报告成果，王浩则是喊了一句，“戈尔利克斯先生！”

西弥斯－戈尔利克斯马上注意到王浩，疑惑问道，“这位年轻的先生，有什么问题？”

会场众人顿时看过来。

王浩站起来说道，“你的报告很精彩，我指的是前面，但是第二部 分，用离散傅里叶变换对于整体计算进行构架，我认为，是有问题的。”

“离散傅里叶变换和你的‘分治法’相结合，在计算超大数或是超多计算量时，比如，超过兆亿次计算，所塑造承受的复杂性的核集，不可能把所有的解包含进去。”

“你是依赖Caratheodory定理完成的构造，分治法本身没有问题，但和离散傅里叶变换算法相结合，就会出现问题。”

“就是在第二部 分，表征凸包点开始……”

王浩用手指了一个方向。

西弥斯－戈尔利克斯没有回头，而是满脸不屑道，“年轻人，你的导师呢？”

“这里是STACS会议，你要为你说的话负责。”

王浩轻笑道，“我当然会为我的话负责。另外，我也是来作报告的，并没有和‘导师’一起。”最后一句是调侃说出来的。

他继续道，“而且，如果没有听错的话，从第二部 分开始，你们的研究，主要是使用了我的方法。”

第五十二章 不用了！你是对的！

“……你的后半部分研究，使用了我的方法。”

王浩以确定的口气说完，让在场众人都跟着一愣，他们的第一反应就是……

抄袭？

随后，就意识到不能说是‘抄袭’。

站起来的年轻人说的是‘方法’，已经公开出来的方法，当然可以借鉴使用，但好多内容照搬其他人的方法，‘应用和研发’的界限就很模糊了。

有些人已经反应过来。

前排评审组有个满头白发的老人，站起来问道，“是来自华夏的王浩吧？你的‘离散傅里叶变换辅助构建数学模型’很有意思。”

王浩礼貌的表示了感谢。

其他人顿时讨论起来，“傅里叶变换辅助构建数学模型？好像有看过这篇论文。”

“亚马逊、苹果等好几家大公司都在研究，好像说，对于改善大数据分析的精度很有帮助。”

“喔……我就说，刚才听起来怎么感觉熟悉，我看过那篇论文，构架方法很巧妙，西弥斯的研究，肯定参考了这个方法。”

“不止是参考了，好多都是照搬。”

“但也不能说抄袭，他只是使用了方法，和他原本的方法相结合，这样做研究也是正常的。这个想法很好啊，新的数学模型构架方法，也许能应用到更多领域。”

“……”

台下众人的反应以及评审老约瑟夫的肯定，让西弥斯－戈尔利克斯有些尴尬，他没想到‘新的构建数学模型方法’的原作者会来参加STACS。

他们的研究确实是使用了“傅里叶变换辅助构建数学模型”的方法，并把其和自创的‘分治法’结合在一起，开启后续的研究来指数级缩小计算量。

原来的研究成果，就只是让计算量缩小了十倍左右，一个指数级的计算量缩小，肯定也是个不错的成果，可也只能勉强能登上STACS会议，绝不可能被排在第一天上午的第三场。

本来只能让计算量缩小十倍的研究，使用了新方法以后，计算量能缩小百倍、几百倍，甚至更多，自然是令人激动的事情。

这是真正的成果，而不是抄袭。

在投稿会议的论文上，他们也标注了参考《傅里叶变换辅助构建数学模型数据分析算法（1）》以及《傅里叶变换辅助构建数学模型数据分析算法（2）》。

但是，错误？

不可能！

西弥斯－戈尔利克斯对于研究有无比的信心，或者说他本身就是一个极端自信的人，他和阿尔马洛夫一起研究了很久，反复的进行论证都没有发现问题。

哪怕对方是‘新数学模型方法’的作者，也只是完成了一个巧妙的研究，依旧还只是个年轻人。