研究了离散折扣马尔可夫决策过程中的熵正则化误差，证明其在逆正则强度下以指数级别减小，并提供了梯度流与最优策略的关系，显示整体误差随迭代次数的平方根呈指数衰减。

本文提出了一种用于多模态动作识别的集成建模方法，通过独立训练各个模态的模型，并基于焦点损失的基本原理，提出了一种指数衰减的焦点损失模型，实验评估证明了该方法的有效性。

本文介绍了一种基于量化的快速Johnson-Lindenstrauss嵌入法，使用有界正交系统和部分循环集合进行快速嵌入，并利用噪声整形实现积极的降噪机制。该方法的误差多项式和指数衰减，是当前二进制嵌入和汉明距离的最佳效果。同时，还介绍了一种基于噪声整形机制的量化压缩感知度量方法，实现了误差的多项式和指数衰减，是处理有限正交系统的最优表现。