稀疏编码:结构化稀疏性、模型和算法
(Sparse Coding: Structured Sparsity, Models and Algorithms)
他曾长期工作于美国加州理工学院,美国喷气动力实验室及美国劳伦斯-伯克利国家实验室,并于2007年加入德州大学阿灵顿分校任终身正教授。他的研究兴趣主要包括数据挖掘、机器学习、信息检索等领域,开创了用PCA和矩阵方法解决这些问题的新领域。丁博士曾在NIPS,ICML,KDD,IJCAI,AAAI等多个世界排名第一的会议担任程序委员会成员,并多次担任美国国家科学基金会科研项目评审人。他曾受邀在加州大学伯克利分校,斯坦福大学,卡耐基梅隆大学,滑铁卢大学,Google研究院,IBM研究院,Microsoft研究院,香港大学,新加坡国立大学和清华大学做研讨报告。丁博士目前已发表180余篇研究论文,被引用6180次。他在美国获得共5百万美元科研基金。
稀疏编码是一种模拟哺乳动物视觉系统主视皮层V1区简单细胞感受野的人工神经网络方法。该方法具有空间的局部性、方向性和频域的带通性,是一种自适应的图像统计方法。许多神经生理学家在视觉系统上已展开了全面深入的研究,并且取得了一些有重要意义的研究成果。这就使得在工程上利用计算机来模拟视觉系统成为可能.基于这一认识,利用已有的生物学科研成果,联系信号处理、计算理论以及信息论知识,通过对视觉系统进行计算机建模,使计算机能在一定程度上模拟人的视觉系统,以解决人工智能在图像处理领域中碰到的难题。