单一解，速度快，后者则是处理庞大数据，更全面。”
翟达认真的点点头：“你继续。”
别管懂没懂，在听。
卢薇歪着脑袋想了片刻，试图更简单的解释。
如果简单一次不够，那就简单两次，再加之一些实际应用！
只有这样，她才能向翟达解释，为什么会将此当做“礼物”。
“那再换个说法凸优化可能适用于金融模型以最快速度查找最优解，而非凸优化适用于大数据处理和神经网络的深度学习，现实中大部分问题都是非凸的，可以帮助计算机以数学来学习现实，这样能理解么？”
翟达终于捕捉到了关键词。
神经网络？深度学习？
卢薇看着翟达的表情变化，有些疑惑道：“你听说过？”
前者不算稀奇，已经提出了几十年，后者其实是这两三年才定义的。
翟达找回了一点自信：“我又不是吴越：”
卢薇点头继续道：
“一般情况下，凸优化和非凸优化是无法并行的，虽然有着‘凸松弛”作为半定规划链接，但本质上就象磁铁的两极，有各自的延伸领域。”
“这并不是某个具体的、一次性的猜想证明，而是持续优化问题，即：如何更高效的获得各自解，原本我的研究就是这样，各自为战，分别提升了两者的运算效率，缩短了神经网络的逻辑链，不过下午考试时有了一点灵感。”
重头戏来了。
“我将之前《敏感度猜想》的“矩阵追踪工具”，与两者结合了起来，使得计算过程中对梯度下降进行动态捕捉，可以在凸与非凸中半程切换，自动分析出最合适的方法，you、更全面、更接近最优。”
卢薇指了指计算机屏幕：“计算机里的，依旧是我的毕业论文。”
而后第二次，将那几张手稿递给翟达：“但这几张稿纸内容，我就不发表了，送给你当礼物～”
翟达捏着稿纸，神色微动。
他大概理解卢薇的意思了。
卢薇背着手，微微前倾，纤细的腰肢和恰到好处的起伏，俏脸上满是幸福。
幸福于自己的研究可以帮到翟达，
她对数学和翟达以外的东西关注不多，但和翟达相关的一切东西都有概念。
“有了这个，如果加以运用，你的鸿图0s可以更快、更精致的进行大数据分析，包括内容推送和行为预判，配合足够的训练后，你