个人简介
林荣荣(1990.05)于2017年6月在中山大学数学学院获得博士学位，计算数学专业；2017年7月至2020年7月担任中山大学特聘副研究员；2020年8月开始加入广东工业大学数学与统计学院，现为讲师, 硕士生导师。曾在加拿大阿尔伯塔大学交换学习一年(2015.10-2016.10)和在美国奥多名尼奥大学短期学术访问两个月(2018.10-2018.12)。
目前主持国家自然科学青年基金项目、中央高校基本科研业务费项目、广州市科技计划项目和广东工业大学“百人计划”科研启动经费项目, 参与两项国家自然科学基金面上项目等。研究方向为机器学习与最优化、函数逼近论和时频信号分析。在Journal of Complexity，Neurocomputing，IEEE SPL, Analysis and Applications, JCAM等主流期刊上发表十多篇论文。
教授课程：
2025春季，模式识别、模式识别课程设计(22信计)
2024秋季，信号与图像处理[2]、信号与图像处理实验（21应数）、数据挖掘[3]、数据挖掘实验(22统计)
2024春季，模式识别(信计/统计)[1]，模式识别实验, 模式识别课程设计
2023秋季，信号与图像处理[2](本科/研究生)2023春季，数据挖掘(信计/统计)[3]、数据挖掘实验
2022秋季，信号与图像处理(研究生/本科)、最优化方法(公选课)[4]
2022春季，数据挖掘
2021秋季，信号与图像处理（本科） 2021春季，数据挖掘、最优化方法
2020秋季，高等数学I 2019春季，泛函分析II：神经网络的逼近理论
2018秋季，数学分析I 2017秋季，傅里叶分析与小波分析
课程教材：
[1] 张学工，汪小我,模式识别(模式识别与机器学习(第4版)), 2021
[2] 冈萨雷斯，数字图像处理, 第4版, 中文版, 2020
[3] Mohammed J. Zaki, Wagner Meira Jr., 数据挖掘与机器学习:基础概念和算法 (第一版2020, 第二版2023)
[4] 马昌凤，最优化方法及其Matlab程序设计, 2009
研究兴趣：用分析的工具解决机器学习中的基础性数学问题。
论文：1. 机器学习(再生核巴拿赫空间、学习阶估计)
[3] Rongrong Lin,Haizhang Zhang*,Jun Zhang,On Reproducing Kernel Banach Spaces: Generic Definitions and Unified Framework of Constructions,Acta Mathematica Sinica, English Series,2022,38(8)：1459-1483.
[2] Rongrong Lin,Guohui Song,Haizhang Zhang*,Multi-task Learning in Vector-valued Reproducing Kernel Banach Spaces with the l1 Norm,Journal of Complexity,63(2021) 101514,1-25.
[1] Ying Lin,Rongrong Lin*,Qi Ye,Sparse Regularized Learning in the Reproducing Kernel Banach Spaces with the l1 Norm,Mathematical Foundations of Computing,2020,3(3):205-218.
2. 最优化理论和算法(邻近算子，支持向量机，支持矩阵机，最优性条件,压缩感知)
[9] Yulan Liu, Juanling Ma,Zhihong Li, Rongrong Lin*,Support Vector Machines with the Piece-wise Exponential Penalty for Feature Selection,23 pages.
[8] Rongrong Lin, Shihai Chen, Han Feng, Yulan Liu*, Computing the Proximal Operator of the L1q norm for Group Sparsity, DOI:10.13140/RG.2.2.26969.94560, 23 pages.
[7] Rongrong Lin, Yingzhong He, Yulan Liu, Kernel Support Vector Machines with Lp-quasi-norm Hinge Loss, DOI:10.13140/RG.2.2.36303.70563,22 pages.
[6] Shihai Chen,Han Feng,Rongrong Lin, Yulan Liu*, Kernel Support Matrix Machines with Ramp Loss,Analysis and Applications,2025,https://doi.org/10.1142/S0219530525400044.
[5] Rongrong Lin, Shimin Li, Yulan Liu, Convergence Analysis of Iteratively Reweighted L1 Algorithms for Computing the Proximal Operator of lp-norm, Mathematical Methods in the Applied Sciences,2025,48:386-396.
[4] Rongrong Lin, Yingjia Yao, Yulan Liu, Kernel Support Vector Machine Classifiers with 𝓁0-Norm Hinge Loss, Neurocomputing,2024, 589:127669.
[3] Yulan Liu, Rongrong Lin*,A Bisection Method for Computing the Proximal Operator of the lp-norm for any 0<p<1 with Application to Schatten p-norms, Journal of Computational and Applied Mathematics,2024, 447: 115897
[2] Rongrong Lin, Shimin Li, Yulan Liu, On Choosing Initial Values of Iteratively Reweighted L1 Algorithms for the Piecewise Exponential Penalty, Analysis and Applications,2024,22(07), 1159-1180.
[1] Yulan Liu, Yuyang Zhou, Rongrong Lin*, The proximal operator of the piece-wise exponential function,IEEE Signal Processing Letters,2024, 31: 894-898
3. 深度神经网络的数学基础（组稀疏、学习优化）
[1] Zhihong Li,Jiarui Li, Rongrong Lin*, Necessary Condition for the Convergence Analysis of Learned Proximal Algorithms with Sparsity-inducing Penalties
[2] Yulan Liu, Zhihong Li,Rongrong Lin, Composited Group Sparse Regularization via Sparseness Measures
4.时频分析（香农采样定理，Bedrosian恒等式，解析信号, 傅里叶级数）
[6] Wenhua Xu, Lihui Tan*, Rongrong Lin,Weighted Singular Value Decomposition Basis of Szego Kernel and Its Applications to Signal Reconstruction ad Denosing, Journal of Computational and Applied Mathematics,2023,426:115067
[5] Rongrong Lin,An Optimal Convergence Rate for Gaussian Regularized Shannon Sampling Series.Numerical Functional Analysis and Optimization,2019,40(3):241-258
[4] Rongrong Lin,Haizhang Zhang*,Convergence Analysis of the Gaussian Regularized Shannon Sampling Series,Numerical Functional Analysis and Optimization,2017,38(2):224-247.
[3] Fukeng Huang,Rongrong Lin*,Yunfei Yang,The Circular Bedrosian Identity and Multidimensional Periodic Analytic Signals,Complex Variables and Elliptic Equations,2017,62(2):199-213.
[2] Rongrong Lin,Haizhang Zhang*,Existence of the Bedrosian Identity for Fourier Multiplier Operators,Forum Mathematicum,2016,28(4):749-759.
[1] Wei Hu,Haizhang Zhang,Rongrong Lin*,The Circular Bedrosian Identity for Translation-Invariant Operators: Existence and Characterization.Mathematical Methods in the Applied Sciences,2015,38(18):5264-5270.
教材：叶颀, 谭露琳, 刘春光, 林荣荣，陈艳楠, 胡耀华.《最优化方法与机器学习》, 科学出版社“十四五”普通高等教育规划教材, 2025, ISBN：9787030807168. Python代码: https://github.com/Rongrong-Lin/OptimizationML
科研项目：
1. 2024年1月-2027年12月, 参与(主持人：张海樟)，国家自然科学基金面上项目(12371103), 深度神经网络的收敛性理论
2. 2022年4月-2024年3月，主持，广州市科技计划项目
3. 2021年5月-2023年4月,主持，广东省计算科学重点实验室开放基金项目(2021018)（已结题）
4. 2020年9月-2025年8月，主持，广东工业大学“百人计划”科研启动经费
5. 2020年1月-2023年12月，参与(主持人：张海樟)，国家自然科学基金面上项目(11971490)，学习理论的前沿数学问题及应用（已结题）
6. 2020年1月-2022年12月，主持，国家自然青年科学基金(11901595)，再生核巴拿赫空间中的核函数方法，24万（已结题）
7. 2018年1月--2020年12月，主持， 中央高校基本科研业务费(18lgpy64)， 再生核巴拿赫空间中的稀疏学习算法，12万（已结题）
学术活动：
2024年12月13日，应用数学与计算数学研讨会，广州 (Title: Kernel Methods and Neural Networks)
2024年10月19日, 应用与计算调和分析广州高校研讨会，广州（Title: Learned Proximal Algorithms for Group Sparse Optimization）
2024年8月9-11日，机器学习与科学应用，上海
2024年7月17-19日，应用与计算调和分析会议，兰州 (Title: Kernel Support Vector Machines with Nonconvex Losses)
2024年6月14-16日，第三届粤港澳计算科学会议，汕头
2024年5月24-26日，径向基函数、逼近论及其应用研讨会，珠海
2023年12月8-11日，应用调和分析及其应用会议，杭州
2023年11月17-22日，南开大学陈省身数学研究所短期访问，天津
2023年7月15日-19日, 中国数学会计算数学年会，南京
研究生招生:
在读研究生：余海涛(2024)、陈世海(2023)、江志声(2023)、张滢(2023)，李诗敏(2022，迭代重加权L1算法的理论分析及应用,国家奖学金)
已毕业学生：姚颖嘉（2021，支持矩阵机的理论与算法研究）、何颖忠(2021，带非凸损失项的支持向量机理论和算法研究)
注：2025年无研究生招生名额，勿联系。
社会服务: Mathematical Reviews, IEEE TPAMI, IEEE TNNLS, IEEE Trans. Cybern.,IEEE TSP,Neurocomputing, MMAS等审稿人
教育经历
[1] 2008.9-2012.6
闽南师范大学 | 数学与应用数学 | 理学学士学位 | 大学本科毕业
[2] 2012.9-2017.6
中山大学 | 计算数学 | 理学博士学位
工作经历
[1] 2020.8-至今
广东工业大学
|
数学与统计学院
|
讲师
[2] 2018.10-2018.12
奥多名尼奥大学
|
数学与统计系
|
访问学者
[3] 2017.7-2020.7
中山大学
|
数据科学与计算机学院
|
特聘副研究员
[4] 2015.10-2016.10
阿尔伯塔大学
|
数学与统计系
|
科研助理
其他联系方式
[1] 邮编：
[2] 传真：
[3] 通讯/办公地址：
[4] 办公室电话：
[5] 移动电话：
[6] 邮箱：