报告题目：Efficient Proximal Splitting Algorithms for Data-Driven Nonconvex Learning Optimization Problems with Applications

报告人：吴中明 教授

报告时间：2026年1月23日10:00-

报告地点：数统学院402

邀请人：刘勇进

邀请单位：福州大学数学与统计学院

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。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SIAM系列（SIIMS，SIMODS），IEEE系列（TPAMI，TSP，TFS），CSIAM，MoC，EJOR，COAP，JoGO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。