时间序列分析

※南方电网项目

   近年来，大数据技术飞速进步，为电力负荷的精细化分析与智能预测提供了新的技术手段。面对智能用电大数据建模分析这一复杂性难题，亟需采用新设备、新方法、新技术以及新平台进行智能、准确、全面的用电负荷分析与预测。

      在国家自然科学基金委和南方电网支持下，项目历经8年持续创新，分别从采集层、建模层、分析层、平台层四个方面攻克了数据采集互联通信、电力用户行为理论、电量智能分析预测、用电大数据应用架构等系列难题，建立了完整的智能用电大数据分析与预测体系。

※电信研究院项目

       使用加密技术可以隐藏部分用户隐私信息，但这种方式也可以被不法分子利用来像隐藏这些隐私数据信息一样将恶意流量隐藏，从而导致一系列蠕虫、木马和病毒的传播，进一步使得用户隐私安全和财产安全受到严重威胁。利用机器学习、数据挖掘等技术手段，对加密流量识别和管理，可以有效防范恶意流量，实现加密流量精细化分类管理，保障计算机设备稳定运行，维护健康绿色的网络环境。

自然语言处理

    ※试题查重系统

    查重入库是命题环节最常用和最重要的部分，需要通过选择试题属性能够快速查找相同或相似题目，并综合分析出相似程度。本系统采用的基于深度学习的新高考命题查重匹配算法可有效解决中考、高考、研考传统命题查重工作的痛点，而基于深度学习的新方法的应用对题库查重水平的提升具有重要价值。同时，项目与广东省教育考试院合作，有效的保障了高利害考试的公平性，对我国考试事业的健康发展具有重大意义。

AI量化交易

    ※量化交易系统

     我们正在构建基于机器学习方法和强化学习方法的量化交易系统。

          在现实中，很多投资者在短期内能盈利甚至大幅跑赢市场，但能在市场上长期盈利的凤毛麟角。只靠运气，是不能在这个市场上长期存在的。技术和时代在进步，投资者需要紧跟技术的趋势，才能利于不败之地。在数据时代，AI即未来，这也是我们构建量化交易系统的初衷。

          股票交易领域的人工智能应用，通常是通过机器学习(ML)来实现。机器学习利用神经网络或其他学习方法鉴别、分析、预测特征或者因子，这些特征、因子具有经济价值，可用于构建盈利交易策略。而强化学习对行为决策的建模，与股票的实时交易行为十分契合，因此具有广阔的应用前景。