本文汇总多项稀疏学习研究，涵盖：自适应经验贝叶斯稀疏深度学习（提升MNIST、Fashion MNIST、CIFAR10表现与对抗鲁棒性）、盲压缩感知与变换融合框架（改善MRI重建）、块稀疏凸重建方法推广、基于DPP的多样特征选择、稀疏贝叶斯超参数估计算法统一、不可降采样滤波器组变换学习、MSplit LBI（兼顾特征选择与密集估计）、折叠凹拉普拉斯谱惩罚及主导最小化算法，以及贝叶斯后验协方差在MRI采样优化与高维回归置信集中的应用。