稀疏編碼：結(jié)構(gòu)化稀疏性、模型和算法
(Sparse Coding: Structured Sparsity, Models and Algorithms)
他曾長(zhǎng)期工作于美國(guó)加州理工學(xué)院，美國(guó)噴氣動(dòng)力實(shí)驗(yàn)室及美國(guó)勞倫斯-伯克利國(guó)家實(shí)驗(yàn)室，并于2007年加入德州大學(xué)阿靈頓分校任終身正教授。他的研究興趣主要包括數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、信息檢索等領(lǐng)域，開(kāi)創(chuàng)了用PCA和矩陣方法解決這些問(wèn)題的新領(lǐng)域。丁博士曾在NIPS，ICML，KDD，IJCAI,AAAI等多個(gè)世界排名第一的會(huì)議擔(dān)任程序委員會(huì)成員，并多次擔(dān)任美國(guó)國(guó)家科學(xué)基金會(huì)科研項(xiàng)目評(píng)審人。他曾受邀在加州大學(xué)伯克利分校，斯坦福大學(xué)，卡耐基梅隆大學(xué)，滑鐵盧大學(xué)，Google研究院，IBM研究院，Microsoft研究院，香港大學(xué)，新加坡國(guó)立大學(xué)和清華大學(xué)做研討報(bào)告。丁博士目前已發(fā)表180余篇研究論文，被引用6180次。他在美國(guó)獲得共5百萬(wàn)美元科研基金。
稀疏編碼是一種模擬哺乳動(dòng)物視覺(jué)系統(tǒng)主視皮層V1區(qū)簡(jiǎn)單細(xì)胞感受野的人工神經(jīng)網(wǎng)絡(luò)方法。該方法具有空間的局部性、方向性和頻域的帶通性，是一種自適應(yīng)的圖像統(tǒng)計(jì)方法。許多神經(jīng)生理學(xué)家在視覺(jué)系統(tǒng)上已展開(kāi)了全面深入的研究，并且取得了一些有重要意義的研究成果。這就使得在工程上利用計(jì)算機(jī)來(lái)模擬視覺(jué)系統(tǒng)成為可能.基于這一認(rèn)識(shí)，利用已有的生物學(xué)科研成果，聯(lián)系信號(hào)處理、計(jì)算理論以及信息論知識(shí)，通過(guò)對(duì)視覺(jué)系統(tǒng)進(jìn)行計(jì)算機(jī)建模，使計(jì)算機(jī)能在一定程度上模擬人的視覺(jué)系統(tǒng)，以解決人工智能在圖像處理領(lǐng)域中碰到的難題。