2025年11月21日至23日，2025年十六省（区、市）数学学术年会暨应用数学与人工智能学术论坛在汝城县隆重举行。我校数学与统计学院神经网络与机器学习团队的李伟凯博士和孔维超博士参加了此次盛会，并在会上分别作了精彩的学术报告。
本次年会汇聚了来自十六个省（区、市）的众多数学领域专家学者，共同探讨数学与人工智能的前沿问题和发展趋势。年会开幕式在汝城县人民会堂举行，中国科协副主席袁亚湘院士、周向宇院士、张益唐教授等多位知名学者出席并致辞，为大会的召开增添了浓厚的学术氛围。
李伟凯博士在11月21日下午的分会场六“应用数学前沿——数值计算与优化控制”中，作了题为“模态脑网络组学的构建与应用”的报告。他详细介绍了人脑连接组学作为极具潜力的研究领域，目前面临的挑战，如数据质量不高、缺乏图论拓扑结构以及单一模态信息不充分等。针对这些问题，李伟凯博士提出了一种统一的脑网络建模框架，引入模块性、同配性等先验信息，并结合数据自清洗策略，优化功能与结构脑网络的构建。此外，他还提出了一种个体结构脑网络构建方法，突破了现有方法难以建立个体水平脑网络的限制。基于多模态多视图融合技术，开发了脑网络疾病诊断模型，有效提升了诊断性能。李伟凯博士的报告引起了与会者的广泛关注和热烈讨论，为脑网络组学的研究提供了新的思路和方法。
孔维超博士在11月22日上午的分会场七“数学交叉”中，作了题为“Low-Tubal-Rank Tensor Recovery via Local and Nonlocal Knowledge”的报告。她指出，以往的研究表明利用关于底层张量数据的先验信息是完成缺失或损坏条目的可靠方法。这些先验信息通常分为三类：低秩性、局部分段平滑性和非局部自相似性（NSS）先验。尽管基于这些先验的方法已经受到了相当多的关注，但大多数研究只利用了其中的一两个先验，导致对张量数据固有结构信息的提取不够充分。为了克服这一局限性，孔维超博士提出了一种新颖的张量补全框架，能够在插件框架内同时利用上述三种先验。她采用张量相关总变分范数作为捕捉低秩性和局部分段平滑性先验的鲁棒表示，消除了在该过程中需要权衡参数的需要；同时引入先进的去噪器来探索NSS先验。为了求解所提出的优化模型，孔维超博士设计了一种交替方向乘子法算法，并创新性地提供了其全局收敛性保证。通过在真实张量数据（包括彩色、医学和高光谱图像）上的广泛数值实验，结果表明所提出的方法在质量指标和视觉效果方面均优于各种先进方法。孔维超博士的报告为张量数据处理和恢复领域提供了新的视角和有效的解决方案。
数学与统计学院神经网络与机器学习团队的老师们在此次年会上的精彩表现，不仅展示了团队在相关领域的最新研究成果，也加强了与国内同行的交流与合作，提升了我校在数学与人工智能交叉领域的影响力。未来，该团队将继续致力于神经网络与机器学习的研究，为推动数学与人工智能的融合发展贡献更多力量。
