金年会jinnianhuicom学术报告
Efficient Proximal Splitting Algorithms for Data-Driven Nonconvex Learning Optimization Problems with Applications
吴中明
（南京信息工程大学）
报告时间：2025年11月20日 星期四 下午16：30-17：30
报告地点：沙河校区E806
报告摘要：Traditional optimization methods offer strong interpretability and generalizability, while data-driven deep learning excels at feature extraction. Combining these approaches has emerged as an effective problem-solving strategy. This talk introduces proximal splitting algorithms for knowledge-data jointly driven nonconvex optimization, focusing on: (1) Designing efficient algorithms by leveraging deep networks' optimization properties and traditional acceleration techniques; (2) Establishing convergence guarantees through network analysis and nonconvex optimization theory; and (3) Demonstrating effectiveness in applications like image reconstruction and phase retrieval.
报告人简介：吴中明，南京信息工程大学教授，博士生导师，香港中文大学博士后，新加坡国立大学访问学者。曾入选人社部香江学者计划，江苏省科协青年托举工程，江苏省双创博士，获江苏省运筹学会首届青年科技奖。研究方向为最优化方法及其应用，在SIIMS, SIMODS, IEEE TPAMI/TSP/TFS, CSIAM-AM, EJOR, COAP, MoC等期刊发表学术论文40 余篇，授权国家发明专利3 项。主持国家自然科学基金面上和青年项目，江苏省自然科学基金面上项目，教育部人文社科基金青年项目，中国博士后面上资助项目等。担任《工业工程》期刊青年编委，中国运筹学会竞赛工作委员会副秘书长，中国运筹学会数学规划分会和数学与智能分会青年理事，江苏省运筹学会理事、副秘书长。
邀请人：谢家新
