本文综述高维统计变量选择进展，涵盖单峰罚函数性质、独立筛选与超高维方法，以及套索、边际回归、前向逐步回归的统计保证；提出组凸正则化稀疏神经网络，利用L2范数凹罚实现变量筛选与非线性估计；并涉及深度生成模型辅助变量、Group Lasso优化、贝叶斯针尖板块先验、lasso稀疏图估计、稳定性调参和异构建模等。