姓名： 王建军 性别：
男 出生年月： ******
民族：
汉 政治面貌：
中共党员 职称：
教授（研究员）
任职时间：
2012-07-01 学历：
研究生 学位：
博士
毕业院校：
西安交通大学 毕业专业：
应用数学 毕业时间：
2006-12-18
电子邮件： wjj@swu.edu.cn
wjjmath@163.com
导师类别：
博导 是否在岗：
是
本院博士后：
否
海外经历：
是 专家类别： 其它
研究方向： 高维数据建模、机器学习（深度学习）、张量分析、数据挖掘、压缩感知、函数逼近论等。
个人简介
王建军，博士，教授（研究员），博士生导师，重庆市英才计划·创新创业领军人才，巴渝********，重庆市学术技术带头人，美国数学评论评论员，重庆数学会常务理事。2006年12月西安交通大学获理学博士学位，为西安交通大学优秀博士毕业生（导师：徐宗本院士，应用数学专业）。2006年12月至今在西南大学任教，2008年1月至2009年12月在西安交通大学博士后力学流动站从事研究工作。2012年6月破格评聘为研究员，2012年8月至2013年8月受国家留学基金委资助在美国Texas A&M大学访问。
主要研究方向为：高维数据建模、机器学习（深度学习）、数据挖掘、压缩感知、张量分析、函数逼近论等。在神经网络(深度学习)逼近复杂性和高维数据稀疏建模等方面有一定的学术积累。主持国家自然科学基金5项，教育部科学技术重点项目1项，重庆市自然科学基金1项，主研8项国家自然、社会科学基金；参与国家重点基础研究发展‘973’计划一项，多次出席国际、国内重要学术会议，并应邀做大会特邀报告30余次。已在IEEE Transactions on Pattern Analysis and Machine Intelligence(2), IEEE Transactions on Neural Networks and Learning System(2), Applied and Computational Harmonic Analysis(2), Inverse Problems, Neural Networks, Signal Processing(2), IEEE Signal Processing letters(2), Journal of Computational and applied mathematics, Journal of Computational Mathematics，Neurocomputing, ICASSP(3)，IET Image processing, IET Signal processing,中国科学(A,F辑)(4), 数学学报, 计算机学报, 电子学报(3)、数学年刊等知名高水平专业期刊发表90余篇学术论文， IEEE等系列刊物，Signal Processing，Neural Networks，Pattern Recognization，中国科学, 计算机学报，电子学报，数学学报等知名期刊审稿人。2018年，以第一完成人申报的阶段性成果《复杂结构性高维数据稀疏建模的方法与算法应用》荣获重庆市自然科学三等奖。


? 研究及工作经历
1. 2020.09至今, 西南大学 数学与统计学院，教授，副院长
2. 2019.04-2020.09，西南大学，人工智能学院，教授，副院长
3. 2016.03-2019.04，西南大学，数学与统计学院，教授，副院长
4. 2012.07-2019.05，西南大学，数学与统计学院，教授
5. 2006.12-2012.06，西南大学，数学与统计学院，副教授
6. 2012.08-2013.08，美国Texas A&M大学，访问****，合作导师：Ronald DeVore教授（美国科学院院士）
7. 2008.01-2010.01，西安交通大学，力学流动站，博士后，合作导师：徐宗本教授 (中科院院士)


?学术兼职及社会服务
1.2018至今任重庆市工业与应用数学学会副理事长；
2.2018至今任国际期刊《Frontiers in Applied mathematics and Statistics-Mathematics of Computation and Data Science》编委；
3.2021至今任国际期刊《Frontiers in Signal Processing》编委
4.《EURASIP Journal on Advances in Signal Processing》特刊主编（2019）；
5.2013年至今任美国数学评论评论员；
6. CSIAM全国大数据与人工智能专家委员会委员；
7. 重庆市数学会常务理事，重庆市药品监督管理局药品、医疗器械、化妆品专家委员会委员；


科研情况
? 科研项目
1. 耦合多重先验信息的低秩张量恢复模型、理论与算法研究. 国家自然科学基金面上项目(资助金额：51万元). 执行时间：2021.01-2024.12.（主持）
2. 基于样本的非线性压缩感知理论及其应用. 国家自然科学基金面上项目(资助金额：50万元). 执行时间：2017.01-2020.12.（主持）
3. 低秩矩阵复原的Schatten-q正则化理论与算法研究. 国家自然科学基金面上项目(资助金额：58万元). 执行时间：2013.01-2016.12（主持）
4. 基于L1/2正则化的压缩传感可重构性理论研究. 国家自然科学基金青年项目(资助金额：17万元). 执行时间：2011.01-2013.12（主持）
5. 关于前馈神经网络结构与本质逼近阶研究. 国家自然科学基金青年项目(资助金额：3万元). 执行时间：2008.01-2011.12（主持）
6. 关于神经网络拓扑选择与逼近阶研究. 教育部科学技术重点项目(资助金额：10万元). 执行时间：2008.01-2010.12（主持）
7. 关于神经网络逼近能力与算法研究. 部委级科研项目面上项目(资助金额：3万元). 执行时间：2008.06-2010.06（主持）
8．关于前向神经网络逼近复杂性与算法研究. 部委级科研项目一般项目(资助金额：3万元). 执行时间：2009.06-2012.06（主持）
9. 基于Lq极小化的压缩传感理论及应用研究(资助金额：10万元). 中央高校基本科研业务费重点项目，执行时间：2010.10-2013.10（主持）
10. 块稀疏信号重构的非凸极小化方法及算法应用研究(资助金额：20万元). 中央高校基本科研业务费重大项目，执行时间：2015.01-2017.12（主持）
11. 网络上的流行病动力系统的研究. 国家自然科学基金青年项目(资助金额：18万元). 执行时间：2008.01-2010.12（主持子课题一项）
12．直觉模糊近似空间和形式背景中知识获取研究. 国家自然科学基金青年项目(资助金额：22万元). 执行时间：2012.01-2014.12（主研）
13. 非线性算子方程的变号解及其应用. 国家自然科学基金青年项目(资助金额：3万元). 执行时间：2009.01-2009.12（参与）


?部分主要学术论文（按照时间倒序）

1. Hou J. Zhang F., Qiu H., Wang J. J(通讯作者),, Wang Y., Meng D., Robust Low-tubal-rank Tensor Recovery from Binary Measurements. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2021, In Press. DOI: 10.1109/TPAMI.2021.**
2. Zhang F, Wang J.J. (通讯作者),, Wang W.D.,Xu C. Low-tubal-rank plus Sparse Tensor Recovery with Prior Subspace Information, IEEE Transactions on Pattern Analysis and Machine Intelligence,2021,43(10):3492-3507.
3. Wang W., Zhang F., Wang J.J.(通讯作者),,Low-rank matrix recovery via regularized nuclear norm minimization, Applied and Computational Harmonic Analysis, 2021，54：1-19
4. Wang Z., Liu Y., Luo X., Wang J.J(通讯作者), Gao C., Peng D., Chen W., Large-scale affine matrix rank minimization with a novel nonconvex regularizer. IEEE Transactions on Neural Networks and Learning Systems, 2021, In Press. DOI:10.1109/TNNLS.2021.**.
5. Wang H., Zhang F., Wang J.J.(通讯作者), Huang T., Huang J., Liu X., Generalized non-convex approach for low-tubal-rank tensor recovery. IEEE Transactions on Neural Networks and Learning Systems, 2021, In Press. DOI: 10.1109/TNNLS.2021.**
6. Wang J.J., Huang J.W., Zhang F, Wang W.D. Group sparse recovery in impulsive noise via alternating direction method of multipliers, Applied and Computational Harmonic Analysis, 2020，49：831-862
7. Hou J., Zhang F., Wang J.(通讯作者), One-bit tensor completion via transformed tensor singular value decomposition. Applied Mathematical Modelling, 2021,95:760-782.
8. Wang H., Zhang F., Wang J.(通讯作者), Wang Y., Estimating structural missing values via low-tubal-rank tensor completion. Proceedings of the 45th International Conference on Acoustics, Speech, and Signal Processing (ICASSP), 2020: 3297-3301.
9. Hou J., Zhang F., Wang Y., Wang J.(通讯作者), Low-tubal-rank tensor recovery from one-bit measurements. Proceedings of the 45th International Conference on Acoustics, Speech, and Signal Processing (ICASSP), 2020: 3302-3306.
10. Yang Y., Wang H., Wang J.(通讯作者), Non-convex sparse deviation modeling via generative models, IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), 2021, 2345-2349
11. Xie Y., Wang H., Wang J.(通讯作者), CMCS-net: image compressed sensing with convolutional measurement via DCNN, IET Image Processing, 2021, 1-11.
12. Wen Z., Wang H., Wang J.(通讯作者), A denoising convolutional neural network inspired via multi-layer convolutional sparse coding , Journal of Electronic Imaging, 2021, 30(2),023007-1-20
13. Zhang F., Hou J., Wang J.(通讯作者), Wang W., Uniqueness guarantee of solutions of tensor tubal-rank minimization problem. IEEE Signal Processing Letters, 2020, 27: 540-544.
14. Hou J.Y., Wang J.J(通讯作者),., Zhang F,, Huang J.W., One-bit Compressed sensing via lp minimization method, Inverse Problems, 2020. 36(5): 055005
15. Zhang F, Wang W.D.., Huang J.W., Wang J.J(通讯作者),,Wang Y., RIP-based performance guarantee for low-tubal-rank tensor recovery[J], Journal of Computational and Applied Mathematics, 2020, 374,112767.
16. Zhang F, Wang W.D .,Hou J.Y., Wang J.J(通讯作者), , Huang J.W., Tensor restricted isometry property analysis for a large class of random measurement ensembles[J], Science China .Information Sciences,2021,64(1):11901
17. Wang J.J., Zhang F, Huang J.W., Wang W.D., Yuan C. A nonconvex penalty function with integral convolution approximation for compressed sensing. Signal Processing, 2019, 158: 116–128.
18. Feng Q, Wang J.J(通讯作者),, Zhang F. Block-sparse signal recovery based on truncated l1- minimisation in non-Gaussian noise[J]. IET Communications, 2019, 13(2): 251-258.
19. Chen G, Wang J.J(通讯作者),, Zhang F, et al. Image denoising in impulsive noise via weighted Schatten p-norm regularization [J]. Journal of Electronic Imaging, 2019, 28(1): 013044.
20. Huang J.W., Wang J.J(通讯作者),, Wang W.D., Zhang F. Sharp sufficient condition of block signal recovery via l2/l1-minimization. IET Signal Processing, 2019, 13(5):495-505
21. Kong W, Wang J.J(通讯作者), Zhang F, et al. Enhanced Block-Sparse Signal Recovery Performance via Truncated ?2/?1?2 Minimization. Journal of Computational Mathematics,2020,43:437-451
22. Wang Z , Wang W , Wang J.J(通讯作者), , et al. Fast and efficient algorithm for matrix completion via closed-form 2/3-thresholding operator[J]. Neurocomputing, 2019,330(1): 212-222.
23. Huang J.W., Wang J.J(通讯作者),. On asymptotic of extremes from generalized Maxwell distribution. Bull. Korean Math. Soc., 2018, 55(3): 679-698.
24. Wang, W,D., Wang J.J(通讯作者),, Zhang, Z.L.: Block-sparse signal recovery via l2/l1-2minimisation method, IET Signal Processing, 2018, doi: 10.1049/iet-spr.2016.0381
25. Jiayi Liu, Wang J.J(通讯作者),, Feng Zhang. Reconstruction Analysis of Block Sparse Signal via Truncated ?2/?1-minimization with Redundant Dictionaries, IET Signal Processing, 2018,12(8):1034-1042.
26. Huang J.W., Wang J.J(通讯作者),, Zhang, F., Wang, W.D. New Sufficient Conditions of Signal Recovery with Tight Frames via l1-Analysis Approach. IEEE Access, 2018, 6(1): 26718-26728.
27. Huang J.W., Wang J.J(通讯作者),., Luo G.W. Pu H. Higher-order expansion for moments of extreme for generalized Maxwell distribution, Communications in Statistics - Theory and Methods, 2018, 47(14): 3441-3452.
28. Huang J.W., Wang J.J(通讯作者),. Higher order asymptotic behaviour of partial maxima of random sample from generalized Maxwell distribution under power normalization. Applied Mathematics-A Journal of Chinese Universities, 2018,33(2): 177-187.
29. Feng N.C., Wang J.J(通讯作者),, Wang W.D. Sparse signal recovery with prior information by iterative reweighted least squares algorithm. Journal of Inverse and Ill-posed Problems, 2018,26(2): 171-184.
30. Zhang, F., Wang J.J(通讯作者),., Wang, Y., Huang, J., & Wang, W. (2018). Perturbations of Compressed Data Separation With Redundant Tight Frames.IEEE Access,6, 35844-35856.
31. Zhu, L., Wang J.J(通讯作者),., He, X., & Zhao, Y. (2018). An inertial projection neural network for sparse signal reconstruction via l1? 2 minimization.Neurocomputing,315, 89-95.
32.Wang W.D., Wang J.J(通讯作者), Enhancing Matrix Completion Using a Modified Second-Order Total Variation. Discrete Dynamics in Nature and Society, 2018, Article ID **、
33.Wang Z., Wang J.J(通讯作者),, Wang W.D.,et al. A Novel Thresholding Algorithm for Image Deblurring Beyond Nesterov’s Rule. IEEE Access,6: 5811– 58131.
34. Wang W.D., Wang J.J(通讯作者),., Zhang Z.L. Robust Signal Recovery With Highly Coherent Measurement Matrices. IEEE Signal Processing Letters, 2017, 24(3): 304-308.
35. Huang J.W., Wang J.J(通讯作者),., Luo G.W., He J. Tail properties and approximate distribution and expansion for extreme of lgmd. Journal of Inequalities & Applications, 2017, 2017(1): 1-16.
36. Huang J.W., Wang J.J(通讯作者),, Luo G.W. On the rate of convergence of maxima for the generalized Maxwell distribution, Statistics: A Journal of Theoretical and Applied Statistics, 2017, 51(5): 1105-1117.
37. Liu C.Y., Wang J.J(通讯作者),, Wang W.D., Wang, Z. Non-convex block-sparse compressed sensing with redundant dictionaries. Iet Signal Processing, 2017, 11(2): 171-180.
38. Wang Y., Wang J.J(通讯作者), Improved RIP Conditions for Compressed Sensing with Coherent Tight Frames. Discrete Dynamics in Nature and Society, 2017, 2017: 1-8.
39. He S.Y., Wang Y, Wang J.J(通讯作者), Xu Z.B. Block-sparse compressed sensing with partially known signal support via non-convex minimisation. Iet Signal Processing, 2016, 10(7): 717-723.
40. 刘春燕, 王建军(通讯作者), 王文东,等. 基于非凸极小化的扰动压缩数据分离[J]. 电子学报, 2017, 45(1):37-45.
41. 王建军, 袁建军, 王尧. 基于混合l2/l1范数极小化方法的块稀疏信号重构条件[J]. 数学学报, 2017, 60(4):619-630.
42. Nie, F., Wang J J (通讯作者),, Wang, Y., & Jing, J. (2017, July). Nonlinear Compressed Sensing Based on Kernel Sparse Representation. In2017 IEEE 7th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems (CYBER)(pp. 943-946). IEEE.
43. 王文东, 王建军(通讯作者), 王尧, 张自力. 基于相干性理论的非凸块稀疏压缩感知. 中国科学 信息科学, 2016，46(3):376-390
44. Cai J, Tang Y, Wang J J(通讯作者). Kernel canonical correlation analysis via gradient descent. Neurocomputing, 2016, 182:322-331.
45. Zhang J., Wang J.J(通讯作者)., Wang W.D. A perturbation analysis of block-sparse compressed sensing via mixed l2/l1 minimization. International Journal of Wavelets Multiresolution & Information Processing, 2016, 14(04): 3122-3127.
46. Yuan J, Wang J. Perona–Malik Model with a New Diffusion Coefficient for Image Denoising[J]. International Journal of Image & Graphics, 2016, 16(02):**.
47. Zhang F, Wang J J(通讯作者), Jing J, Low rank tensor completion via partial sum minimization of singular values, International Conference on Automatic Control and Information Engineering, Oct. 22-23, 2016, Hong Kong, 64: 16-19.(STP)
48. Yang C Y, Wang J J, Chou J J, et al. Confirming robustness of fuzzy support vector machine via ξ–α bound. Neurocomputing, 2015, 162:256-266.
49. Wang J.J., Zhang J., Wang W.D., et al. A perturbation analysis of nonconvex block-sparse compressed sensing. Communications in Nonlinear Science & Numerical Simulation, 2015, 29(1–3): 416–426.
50. 王文东, 王尧, 王建军(通讯作者). 基于迭代重赋权最小二乘算法的块稀疏压缩感知. 电子学报, 2015,43(5):922-928
51. Wang Y., Wang J.J(通讯作者)., Xu Z.B., Restricted p-isometry properties of nonconvex block-sparse compressed sensin，Signal Processing，2014,104: 188–196.
52. Yuan J.J., Wang J J., Active contours driven by local intensity and local gradient fitting energies, International Journal of Pattern Recognition and Artificial Intelligence, 2014,28(3):**
53. Jing J, Wang J J. Recovery of Sparse Signal and Nonconvex Minimization. Applied Mechanics & Materials, 2014, 651-653:2177-2180.
54. Wang Y., Wang J.J. (通讯作者),Xu Z.B., On recovery of block-sparse signals via mixed l2/lq(0<q<=1) norm minimization, EURASIP Journal on Advances in Signal Processing, 2013, 2013(76) 1-30.
55. Wang Y., Wang J.J. (通讯作者),,Xu Z.B., A note on block-sparse signal recovery with coherent tight frames, Discrete Dynamics in Nature and Society，2013,2013:1-7.
56. Wang J.J., Yang C. Y., Gu Z.G., Lp Error estimate for minimal norm SBF interpolation, Journal of Inequalities and Applications 2013,2013:510-516.
57. Wang J J, Guo H F, Jing J. Estimation of Approximation with Jacobi Weights by Multivariate Baskakov Operator. Journal of Function Spaces, 2013, 56(3):377-384.
58. Wang J.J., Peng Z.X., Duan S.K, Jing J.,Derivatives of multivariate Bernstein operators and smoothness with Jacobi weights, Journal of Applied Mathematics, 2012,2012:1-9.
59. Wang J.J. Yang C.Y., Jing J., Estimation of approximating rate for neural networks in L(w,p), Journal of Applied Mathematics, 2012,2012:1-8.
60. Wang J.J., Xu W.H., Zou B. Constructive estimation of approximation for trigonometric neural networks, International Journal of Wavelets, Multiresolution and Information Processing,2012，10(3):**-1-**-18.
61. Wang J.J., Chen B. L. , Yang C. Y., Approximation of algebraic and trigonometric polynomials by feedforward neural networks, Neural Computing & Applications，2012，21:73-80.
62. Gao B.B., Wang J.J. (通讯作者), Huang H., L2-Loss Twin Support Vector Machine for Classification，5th International Conference on BioMedical Engineering and Informatics (BMEI), IEEE，2012:1265–1269.
63. Yang C Y, Wang J J. Estimator for Fuzzy Support Vector Machine. Advanced Science Letters, 2012, 11(1): 479-484.
64. Wang J.J., Xu Z.B., Neural networks and the best Trigonometric approximation, Journal of Systems Science and Complexity; 2011,24(2): 401-412.
65. Wang J.J., Chen B.L., Yang C.Y., Sparse signal recovery based on lq(0<q<=1)minimization， 2011 International Conference on Multimedia and Signal Processing,IEEE Computer Society, 2011,239-242.
66. Wang J.J. Yang C.Y., Duan S.K, Aproximationorderformultivariate Durrmeyer
operatorswithJacobiweights, Abstract & Applied Analysis, 2011，2011:1-12.
67. 彭联勇，王建军(通讯作者)，Bernstein 型算子线性组合加Jacobi权逼近及高阶导数的等价定理, 应用数学, 2011，24(4)：791-797.
68. Wang J.J., Xu Z.B., New study of neural networks: the essential order of approximation,
Neural Networks, 2010,23:618-624.
69. Wang J.J., Han G.D., et al. Derivatives of Bernstein operators and smoothness with Jacobi weights. Taiwanese Journal of Mathematics, 2010, 14(4):1491-1500.
70. 常象宇，徐宗本，张海，王建军，梁勇，稳健Lq(0<q<1)正则化理论：解的渐近分布与变量选择一致性，中国科学：数学，2010,40(10):985-998.
71. Wang J.J., Xu Z.B., Approximation with Jacobi weights by Baskakov operators. Taiwanese Journal of Mathematics,2009,13(1):157-168.
72. Yang C.Y., Yang J.S., Wang J.J., Margin calibration in SVM class-imbalanced learning. Neurocomputing,2009,73:397-411.
73. Wang J.J., Zou B., Chen B.L., How to measure the essential approximation capability of a FNN. 2009 Fifth International Conference on Natural Computation, IEEE Computer Society,394-398.
74. Wang J.J., Huang H. Luo zhangtao,Baili Chen, Estimation of covering number in learning theory；Fifth International Conference on Semantics, Knowledge and Grid, IEEE Computer Society,2009.10.388-391.
75. Xu J., Zou B., Wang J.J., Generalization performance of ERM algorithm with geometrically ergodic markov chain samples；Fifth International Conference on Natural Computation; IEEE Computer Society,2009,154-158
76. 王建军, 徐宗本. 神经网络的加权本质逼近阶. 数学年刊:中文版, 2009, 30(06):741-750.
77. 王建军, 徐宗本. 多元多项式函数的三层前向神经网络逼近方法. 计算机学报, 2009, 32(12):2482-2488.
78. 王建军, 徐宗本. Baskakov算子线性组合加Jacobi权逼近及高阶导数的正逆定理. 系统科学与数学, 2008, 28(1):30-39.
79. Wang J.J., Xu Z.B. and Jing J., Constructive approximation method of polynomial by neural networks. International conference on congnitive neurodynamics(2007), Springer Science Business Media B.V.2008,1033-1037.
80. Yang C.Y., Wang J.J., Yang J.S.,Yu G.D., Imbalanced SVM learning with margin compensation. Lecture Notes in Computer Science, Germany: Springer-Verlag, 2008,LNCS5263,636-644.
81. Wang J.J., Xue Y.C., Li F.J., Stechkin-marchaud type inequalities with Jacobi weights for Bernstein operators. Journal of Applied mathematics and computing, 2007,24(1-2):343-355
82. 王建军,徐宗本.近似指数型神经网络的本质逼近阶. 中国科学, 2006, 36(6):579-592.
83. Han G.D., Wang J.J., Multiple positive radial solutions of elliptic equations in an exterior domain. Monatshefte fur mathematik,2006,148(3): 217-228.
84. Xu Z.B., Wang J.J., and Meng D.Y., Approximation bound of mixture networks in L(w,p) spaces. Lecture Notes in Computer Science, Germany: Springer-Verlag 2006, 3971:60-65.
85. 王建军,薛银川,Baskakov算子加Jacobi权逼近及导数的正逆定理. 数学年刊,2005，26A(4):561-570.
86. 王建军,薛银川,Baskakov型算子加权逼近下的Stechkin-Marchand不等式. 数学研究与评论,2004,24(4):710-714.
87. Wang J.J., Xu Z.B.,and Xu W. J., Approximation bounds by neural networks in L(w, p). Lecture Notes in Computer Science, Germany: Springer-Verlag, 2004, 3173:1-6.





? 学术报告
会议名称
会议类型
主办单位
举办时间
举行地点
报告题目
报告级别

2021压缩感知与学习理论及其应用学术会议

浙江大学
2021.5.13-5.15
杭州
Robust One-bit Low rank Tensor Recovery
邀请报告

重庆数学会年会

重庆数学会
2021.5.14-16
重庆
Robust Binary low-tubal-rank Tensor Recovery
邀请报告


在线
中国自动化学会
2021.6.8
钉钉
Robust low-tubal-rank Tensor Recovery from Binary Measurements
邀请报告

全国大数据与人工智能大会
国内
中国工业与应用数学学会
2021.7.9-11
成都
Robust Binary Tensor Recovery
邀请报告


在线
复旦大学、浙江大学
2020.9.30
腾讯会议
Robust One-bit Low rank Tensor Recovery
邀请报告


在线
西北工业大学
2020.7.1
腾讯会议
Low-tubal-rank Tensor Analysis
邀请报告


在线
广西大学
2020.7.8
腾讯会议
Low rank Tensor Analysis
邀请报告

5^th International Conference on Big Data and Information Analytics
国际
云南大学
2019/07
昆明
Low-tubal-rank Tensor Analysis: Theory, Algorithms and Applications
邀请报告

2019压缩感知与机器学习研讨会
国际
中山大学，暨南大学
2019/11
广州
LOW-TUBAL-RANK TENSOR RECOVERY FROM ONE-BIT MEASUREMENT
邀请报告

中国工业与应用数学学会年会
国内
中国工业与应用数学学会
2019/09
佛山
低管秩张量分析
分组报告

2019年数学与信息交叉学科前沿论坛
国内
宁夏大学
2019/07
银川
Low-tubal-rank Tensor Analysis
邀请报告

Third International Conference on Mathematics of Data Science
国际
香港城市大学
2019/06
香港
Low-tubal-rank Tensor Analysis: Theory, Algorithms and Applications
邀请报告

International Conference on Computational
Harmonic Analysis 2017
国际
复旦大学
2017/05
上海
Data separation and reconstruction via nonconvex minimization
邀请报告

International Conference on Some
Mathematical Approximation Approaches in Data Science
国际
浙江大学
2016/11
杭州
Robust Signal Recovery with Highly Coherent
Measurement Matrices
邀请报告

WorkshopofMachinelearningandDataScience
国际
香港城市大学
2015/10
成都
Block-sparse compressed sensing via nonconvex method
邀请报告

International workshop on Learning Theory
国际
香港中文大学
2013/09
绍兴
GFLR on RKHS methods
邀请报告

ISNN2004
国际
大连理工大学
2004/08
大连
Approximation of Feedforward Neural Networks in L(w,p)
分组报告

2019稀疏信号重构理论及其应用学术研讨会
国内
河南师范大学
2019/05/04
新乡
Group sparse recovery in impulsive noise
邀请报告

信息科学青年科学家论坛
国内
暨南大学
2018/10
广州
Sparse Signal/Matrix Recovery via Nonconvex Minimization: Some Novel Theories and Algorithms
邀请报告

机器学习研讨会
国内
宁夏大学
2017/07
银川
Sparse modeling for high-dimensional data: some novel theories and algorithms
邀请报告

2017年宁夏“统计机器学习”
国内
宁夏大学
2017/07
银川
高维数据稀疏建模的若干理论与算法
特邀报告

中国数学会2017年学术年会
国内
湘潭大学
2017/10
湘潭
基于非凸极小化的高维数据重构算法
特邀报告

重庆市数学会年会
国内
重庆市数学会
2012/04
重庆北碚
模糊孪生支持向量机
大会报告

模糊、粗糙集与概念格
国内
重庆理工大学
2013/12
重庆
稀疏信号重构与Lq正则化
邀请报告

重庆数学会年会
国内
重庆大学
2014/03
重庆
基于混合范数的块压缩感知
分组报告



? 学术合作




项目名称
合作单位

合作者

合作类型
经费来源

开始时间

结束时间

合作成果

网络上的流行病动力系统研究
西安交通大学
肖燕妮
学术合作
国家自然科学基金委
2008/01
2010/12
学术论文

基于视觉认知的非结构化信息处理理论与关键技术
西安交通大学
徐宗本
学术
科技部
2008/01
2010/03
学术论文

直觉模糊近似空间和形式背景中的知识获取研究
重庆理工大学
徐伟华
学术合作
国家科学基金委
2012/01
2014/12
学术论文

非线性算子方程的变号解及其应用
陕西师范大学
韩国栋
学术合作
国家自然科学基金委
2008/01
2008/12
学术论文

关于神经网络、支持向量机逼近能力及其应用研究
国立台北大学
杨栈云
学术合作
双方项目
2007/09
2013/12
学术论文



教学情况
? 教授课程
逼近论，高等数学，神经网络，学习理论，数值分析，支持向量机，最优化方法，模糊数学，应用统计与数据分析，数据挖掘等
? 学生指导
1. 2018年，美国数学建模大赛，一等奖2项
2. 2018年，高教社杯全国大学生数学建模竞赛，重庆市一等奖，二等奖各1项
3. 指导西南大学学生科技创新团队入选2017年度全国大学生“小平科技创新团队
4. 2017年，美国数学建模大赛，二等奖2项
5. 2017年，全国大学生统计建模大赛，一等奖1项，二等奖2项
6. 2017年，“国家级大学生创新创业训练计划”项目
7. 2016年，美国数学建模大赛，一等奖、二等奖各一项
8. 2016年，高教社杯全国大学生数学建模竞赛，二等奖
9. 2016年，高教社杯全国大学生数学建模竞赛，重庆市二等奖3项
10. 2015年，“国家级大学生创新创业训练计划”项目
11. 2012年，高教社杯全国大学生数学建模竞赛，一等奖
12. 2012年，高教社杯全国大学生数学建模竞赛，一等奖
13. 2010年，高教社杯全国大学生数学建模竞赛，二等奖
14. 2012年，高教社杯全国大学生数学建模竞赛，重庆市一等奖
15. 2011年，高教社杯全国大学生数学建模竞赛，重庆市一等奖
奖项荣誉
1. 《复杂结构性高维数据稀疏建模的方法与算法应用》获重庆市自然科学三等奖，2018年
2. 第三批重庆市学术技术带头人，2019年3月
3. 全国大学生数学建模竞赛中荣获重庆赛区优秀指导教师奖，2016年
4. 全国大学生数学建模竞赛中荣获重庆赛区优秀指导教师奖，2012年
5 西南大学2010-2012年学年度优秀教师