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
…。。