个人简介：

尹伟石（1980-），中共党员，2010年获吉林大学计算数学理学博士学位，长春理工大学数学与统计学院教授，硕士研究生导师。目前担任中国仿真学会不确定系统分析与仿真专业委员会委员、美国数学会评论员以及若干SCI刊物审稿人。主要研究兴趣是数学物理反问题、机器学习算法的设计与理论分析和微分方程数值解等。

2024年以第一完成人获吉林省自然科学奖三等奖。近些年发表科研论文40余篇，其中SCI检索论文20多篇，主持吉林省科技厅基金1项、吉林省教育厅重点和一般项目各1项、参与国家级自然科学基金面上项目4项。发表教改论文4篇，主持校级教改课题1项，目前主要承担本科生离散数学、数值逼近和机器学习等课程以及研究生反问题导论的授课工作。常年承担班导师工作，指导学生参加各种比赛，在2016年被评为“吉林省创青春优秀指导教师”，并指导多组学生获得全国大学生数学建模竞赛国家二等奖、省一等奖等。

主要学习工作经历：

学习：

1998年09月----2002年07月，延边大学（复旦大学联合培养），理学院，理学学士

2003年09月----2006年06月，延边大学（吉林大学联合培养），理学院，理学硕士

2006年9月----2010年6月，吉林大学，数学学院，计算数学，理学博士

工作：

2002年07月----2010年06月，延边大学，理学院，助教

2010年07月----2017年08月，长春理工大学，理学院，讲师

2017年09月----2021年09月，长春理工大学，理学院，副教授

2021年10月----2025年08月，长春理工大学，数学与统计学院，副教授

2025年9月----至今，长春理工大学，数学与统计学院，教授

出境访学经历：

2023.7-2023.8，香港城市大学，访问学者

2024.8-2024.8，香港城市大学，访问学者

电子信箱：yinweishi@cust.edu.cn；yinweishi@foxmail.com

从事专业：计算数学

研究方向：数学物理反问题与智能计算

主要教学工作：主要讲授本科生课程《离散数学》、《数值代数》、《数值逼近》、《统计机器学习》和《智能计算》，研究生课程《反问题导论》。近年来发表教改论文4篇，主持校级教改项目1项，获得校教学成果三等奖。指导本科生参加全国数学建模竞赛、挑战杯比赛，均有同学获得国奖。

教材或专著：

[1] 尹伟石、孟品超、张文丹、姜志侠、李延忠. 若干正反散射问题的数值算法研究[M]. 长春：吉林人民出版社，2015.

科研获奖：

[1] 2024年吉林省自然科学奖三等奖（数据驱动的反问题数值算法研究，2024Z30006，第一完成人）

科研项目：

[1] 基于行人流线网络的轨道交通枢纽客流-设施协同管控方法研究（51278221），国家自然科学基金面上项目，2013.01----2016.12，83万元，参与.

[2] 基于可靠性的综合客运枢纽内部大客流组织方法研究（51378076），国家自然科学基金面上项目，2014.01----2017.12，70万元，参与.

[3] 声学和电磁学中某些多频反源问题的数值分析与计算（11671170），国家自然科学基金面上项目，2017.01----2020.12，48万元，参与.

[4] 农作物种子内虫卵的无损检测研究（JJKH20210797KJ)，吉林省教育厅，2021.01----2022.12，2.5万元，主持.

[5] 基于数据驱动与模型驱动的时域反源问题研究（20220101040JC），吉林省科技厅，2022.07----2025.07，10万元，主持.

[6] 无触三维人体重建（JJKH20240893KJ）,吉林省教育厅重点项目，2024.01-2025.12，5万元，主持.

[7] 双调和波方程反散射问题的分析与计算(12571452), 国家自然科学基金面上项目，2026.01----2029.12，46万元，参与.

学术论文：

[1] Weishi Yin*, Wenhong Yang, Hongyu Liu. A neural network scheme for recovering scattering obstacles with limited phaseless far-field data. Journal of Computational Physics, 2020, 417:109594. （TOP）

[2] Pinchao Meng*, Lin Su, Weishi Yin, Su Zhang. Solving a kind of inverse scattering problem of acoustic waves based on linear sampling method and neural network. Alexandria Engineering Journal, 2020, 59:1451-1462.（TOP）

[3] Weishi Yin*, Jiawei Ge, Pinchao Meng, Fuheng Qu. A neural network method for the inverse scattering problem of impenetrable cavities. Electronic Research Archive, 2020, 28(2): 1123-1142.

[4] Pinchao Meng*, Xinyu Wang, Weishi Yin. ODE-RU: a dynamical system view on recurrent neural networks. Electronic Research Archive, 2022, 30(1): 257-271.

[5] Yunwen Yin, Weishi Yin*, Pinchao Meng and Hongyu Liu. The interior inverse scattering problem for a two-layered cavity using the Bayesian method. Inverse Problems and Imaging, 2022, 16(4):673-690.

[6] Yunwen Yin, Weishi Yin*, Pinchao Meng and Hongyu Liu. On a hybrid approach for recovering multiple obstacles. Communications in Computational Physics, 2022, 31(3)：869-892.（TOP）

[7] Weishi Yin*, Ziyuan Yang, Pinchao Meng. Solving inverse scattering problem with a crack in inhomogeneous medium based on a convolutional neural network. Symmetry, 2023, 15(1):119.

[8] Ping Zhang, Pinchao Meng*, Weishi Yin, Hongyu Liu. A neural network method for time-dependent inverse source problem with limited-aperture data. Journal of Computational and Applied Mathematics, 2023(421): 114842. （TOP，Highly cited）

[9] Pinchao Meng*, Yuanyuan Chai, Weishi Yin. Dual-driven solver for reconstructing the point sources of elastic wave based on far-field data. Universe, 2023,9,148.

[10] Weishi Yin*, Hongyu Qi, Pinchao Meng. Broad learning system with preprocessing to recover the scattering obstacles with far-field data. Advances in Applied Mathematics and Mechanics, 2023, 15(4):984-1000.

[11] Pinchao Meng*,Lin Wang, Weishi Yin, Linhua Zhou. A novel recurrent neural network of gated unit based on Euler’s method and application. Communications on Analysis and Computation, 2023, 1(2): 116-134.

[12] Weishi Yin*, Xingyu Shi, Pinchao Meng, and Fuheng Qu. Research on recovering scattering obstacles in inhomogeneous medium based on Bayesian method. Applicable Analysis,2024, 103 (17):3197-3212.

[13] Weishi Yin*, Baoyin Zhang, Pinchao Meng, Linhua Zhou, Dequan Qi. A Neural Network Method for Inversion of Turbulence Strength. Journal of Nonlinear Mathematical Physics, 2024, 31:22.

[14] Pinchao Meng*, Jiabao Zhuang, Linhua Zhou, Weishi Yin, and Dequan Qi. Efficient synchronous retrieval of OAM modes and AT strength using multi-task neural networks. Optics Express, 2024, 32(5):7816.（TOP）

[15] Yue Tai, Xiuli Wang, Pinchao Meng*, Weishi Yin. Weak Galerkin method for the Navier-Stokes equation with nonlinear damping term. Networks and Heterogeneous Media,  2024, 19(2): 475-499.

[16] Weishi Yin*, Zhaobin Xu, Pinchao Meng, Hongyu Liu. On a Hybrid Method for Inverse Transmission Eigenvalue Problems. Annals of Applied Mathematics, 2024, 40(2) :139-160.

[17] Weishi Yin*, Zhengxuan Shen, Pinchao Meng, Hongyu Liu. An online interactive physics- informed adversarial network for solving mean field games, Engineering Analysis with Boundary Elements, 2024, 169(B):106002.

[18] Pinchao Meng*, Zhaobin Xu, Xianchao Wang, Weishi Yin, Hongyu Liu. A novel method for solving the inverse spectral problem with incomplete data. Journal of Computational and Applied Mathematics, 2025 (463): 116525. （TOP）

[19] Jiabao Zhuang, Pinchao Meng*, Weishi Yin. A stable neural network for inverse scattering problems with contaminated data. Knowledge-Based Systems, 2025(310):113001.（TOP）

[20] Ze Yuan, Pinchao Meng, Weishi Yin, Linhua Zhou*. Turbulence mitigation in optical imaging using pyramid attention GAN. Optics and Laser Technology, 2025(188):112880.

[21] Yuhan Xiao, Zezhong Jiang, Pinchao Meng, Weishi Yin, Dong Qi, Linhua Zhou*. Local manifold approximation of dynamical system based on neural ordinary differential equation. Physica D: Nonlinear Phenomena, 2025: 134688.

[22] Longqiang Xu, Weishi Yin*, Pinchao Meng, Zhengxuan Shen, Hongyu Liu. An online interactive physics-informed diffusion-adversarial network for solving mean field games. Journal of Computational Physics, 2026, 552: 114700.（TOP）

社会兼职

中国仿真学会-不确定系统分析与仿真专委会委员

美国数学会评论员

中国工业与应用数学会会员