2024年5月15日，我院韩信博士在四川文理学院莲湖东区A214教室作题为“Neurodynamic Optimization Algorithms for Sparse Reconstruction”的学术讲座。我院部分师生聆听了此次讲座。讲座由副院长古传运主持。
在讲座中，韩信博士详细解释了压缩感知和神经动力学算法的实际应用场景和潜在价值。接着韩信博士进一步阐述了寻求稀疏优化问题的稀疏解的主要意义在于压缩信息，仅使用小样本的采样信息便能描述出全局的海量信息。在谈到稀疏重建的分布式投影神经动力学算法时，韩信博士强调了分布式计算的重要性。他指出，分布式计算通过将任务分配给多个计算节点，能够显著提高计算效率。针对该分布式最小化模型，提出了几种分布式神经动力学算法，并分析这些算法的最优性、收敛性、一致性和收敛速率。
韩信博士还深入探讨了基于投影算子的稀疏重建分布式神经动力学算法在实际应用中的挑战和解决途径。他通过案例分析的方式，展示了该算法在信号处理、图像处理等领域的成功应用，并指出了未来可能的研究方向和发展趋势。最后，韩信博士提出了具有有限时间一致的分布式神经动力学算法，该算法在成功实现稀疏重建的同时，还具有快速一致性。这意味着在稀疏信息重建时，神经动力学算法能在更短的时间内达到稳定，从而提高神经动力学算法的实用性和重建效率。此外，一些仿真结果说明所提算法在收敛速率、相对重建误差、一致性误差、成功重建频率、峰值信噪比(PSNR)和结构相似度(SSIM)等性能指标方面均具备一定的优势。
讲座结束时，古传运副院长对“神经动力学算法”提出一些关于解方程的问题，韩信博士针对这些问题做出了详细的解答。
