范钦伟副教授、博士、博士后、硕士生导师

研究领域：人工智能、神经网络理论及应用、

稀疏最优化理论、非线性分析

电子邮箱：qinweifan@126.com

个人主页：https://math.xpu.edu.cn/info/1402/2733.htm

■个人简介

范钦伟，男，2014年到西安工程大学工作，2017年晋升为副教授，同年聘为硕士研究生导师。

长期从事人工智能、神经网络、稀疏最优化理论、进化计算、非线性分析等领域的研究，在国内外期刊上发表学术论文40余篇，其中被SCI收录30余篇，研究成果被SCI期刊论文引用300余次，单篇最高引用60余次；主持或参与国家级、省部级、厅局级基金10余项。荣获陕西省高等学校科学技术二等奖1项（3/7），荣获辽宁省自然科学学术成果奖二、三等奖各1项。IEEE Transactions on Cybernetics, IEEE Transactions on Neural Networks and Learning Systems, Neural Processing Letters等20余个国际知名SCI检索期刊审稿人。

教育背景及工作经历：

201406-至今，西安工程大学理学院，教师

201903-202212，广州大学，博士后，导师：彭济根教授

201208-201309，路易斯维尔大学（美国），联合培养，导师：Jacek M. Zurada院士

201009-201406，大连理工大学，计算数学，博士，导师：吴微教授

200709-201006，天津工业大学，数学与应用数学，硕士，导师：陈汝栋教授

200109-200506，商丘师范学院，数学与应用数学，本科

荣誉获奖：

2016-2022年指导“全国大学生（研究生）数学建模竞赛”获得省级二等奖（国家级二等）

奖10余项

2016年07月荣获西安工程大学优秀共产党员称号

2016年09月荣获西安工程大学优秀教师称号

2016年12月荣获陕西省高校第三届青年数学教师讲课比赛一等奖

2017年07月荣获陕西省工业与应用数学学会第四届青年优秀论文奖

2019年09月 荣获西安工程大学优秀教师称号

■教学工作

主讲课程：

本科生:《数值计算方法》、《高等数学》、《线性代数》、《概率论与数理统计》、《机器学习》、《现代智能优化算法》等课程.

研究生:《神经网络》

教育教学：

1.新工科背景下“数学与应用数学专业”个性化人才培养模式研究，校级重点教改项目，

No.19XGZ03, 2019/01-2020/12，主持.

2.陕西省线性代数课程教学团队, 2015年，参与

3.西安工程大学信息与计算科学专业教学团队，2016年，参与.

4.西安工程大学《数值计算方法》精品课程，2017年，参与.

5.西安工程大学《高等数值分析》研究生精品课程，2022，参与

■科研及社会服务

主持或参与的科研项目：

1.复数值神经网络结构稀疏化学习算法研究，陕西省科技厅自然科学基金面上项目，No.

2021JM-446，202101-202212,主持.

2.基于L1/2正则项高阶神经网络结构稀疏化设计与收敛性分析，陕西省科技厅，

No.2016JQ1022，201601-201712,主持.

3.基于组稀疏正则项前馈神经网络学习算法设计与确定型收敛性分析，陕西省教育厅，

No.16JK1341, 201601-201712,主持

4.极限学习机（ELMs）可行性理论分析与结构稀疏化设计，陕西省教育厅，No.18JK0344,

201801-201912,主持.

5.前馈神经网络学习算法的设计与分析，国家自然科学基金面上项目，No.11171367，201201-201512，参与，6/9.

6.基于非独立同分布样本的统计学习理论研究与应用，国家自然科学基金面上基金，No.61473328，国家自然科学基金委，201501-201812，参与，3/6.

7.广义（多重集）分裂可行问题的正则化算法研究，国家自然科学基青年项目，No.11501431,国家自然科学基金委，201601-201812，参与，2/6.

8.多任务学习的理论分析与应用，国家自然科学基金青年基金，No.11401076，国家自然科学基金委，201501-201712，参与，2/6.

9.脉冲神经网络的新结构与学习算法研究，国家自然科学基金青年基金，No.11201051，国家自然科学基金委，201301-201512，参与，2/7.

10.模糊神经网络结构设计与分析，中央高校基本科研业务费专项基金，No. DUT13LK46，201301至201412,参与，3/6.

学术专著：

1.《Research on Iterative Algorithm of Nonlinear Operator》，2022，作者：范钦伟，

约32.1万字，科学出版社.

2.《Theory and Application of Neural Networks》，2022，作者：范钦伟，约31.6万字

科学出版社.该专著为中国博士后基金委资助出版的优秀《博士后文库》.

代表性成果：

1. Qinwei Fan*, Zhiwen Zhang, Xiaodi Huang, Parameter conjugate gradient with secant equation based Elman neural network and its convergence analysis, Advanced Theory and Simulations. 2022, 1-12. DOI: 10.1002/adts.202200047. SCI检索.

2. Lin Li，Qinwei Fan*, Li Zhou, Recurrent neural network with L1/2 regularization for regression and multiclass classification problems, Journal of Nonlinear Functional Analysis. 2022(2022)10, 1-13. EI检索.

3. Qinwei Fan*, Qian Kang, Jacek M. Zurada, Convergence analysis for sigma-pi-sigma neural network based on some relaxed conditions, Information Sciences. 585 (2022) 70–88. SCI检索，1区TOP期刊.

4. Li Zhou, Qinwei Fan*, Xiaodi Huang, Yan Liu, Weak and strong convergence analysis of Elman neural networks via weight decay regularization, Optimization. 2022, DOI: 10.1080/02331934.2022.2057852. SCI检索.

5. Qian Kang, Qinwei Fan*, Jacek M. Zurada, Deterministic convergence analysis via smoothing group Lasso regularization and adaptive momentum for sigma-pi-sigma neural network, Information Sciences. 553 (2021) 66-82. SCI检索，1区TOP期刊.

6. Qinwei Fan, Jigen Peng*, Haiyang Li, Shoujin Lin, Convergence of a gradient-based learning algorithm with penalty for ridge polynomial neural networks, IEEE Access. 9 (2021) 28742-28752. SCI检索.

7. Qinwei Fan, Jigen Peng*, Huimin He, Weak and strong convergence theorems for the split common fixed point problem with demicontractive operators, Optimization. 70 (5-6) (2021) 1409-1423. SCI检索.

8. Qinwei Fan*, Convergence analysis of a novel iteration algorithm for solving split feasibility problems, Journal of Nonlinear Sciences and Applications，10 (2017), 647-655. SCI检索.

9. Qinwei Fan, Jacek M. Zurada, Wei Wu*. Convergence of online gradient method for feedforward neural networks with smoothing L1/2 regularization penalty. Neurocomputing, 131 (2014) 208-216. SCI检索. 2区TOP期刊.

10. Wei Wu, Qinwei Fan, Jacek M. Zurada*, Jian Wang, Dakun Yang,Yan Liu. Batch gradient method with smoothing regularization for training of feedforward neural networks. Neural Networks, 50 (2014) 72-78. SCI检索.

兼职情况:

1.Section Editorof the Journal of MethodsX（ESCI检索）.

2.The Vice Chairof the IEEE Computational Intelligence Society (CIS).

3.Editorof the Journal of Artificial Intelligence Advances.

4.Review Editorof the journal Machine Learning and Artificial Intelligence .

5.陕西省数学会理事.

6.教育部全国研究生教育评估监测专家库专家.

7.中国工业与应用数学会会员.