本研究提出了一种新的自助法置信区间，解决了机器学习预测误差处理不当的问题，适用于非均匀样本，且不依赖高质量的机器学习模型。

本研究提出了一种基于无线电增强等变自助法的无监督技术，有效解决了无线电干涉成像重构中的不确定性量化问题，显著提升了观测结果的科学解释能力。

本文研究了深度卷积网络在人脸识别中的性能，发现网络的“瓶颈”结构对于迁移学习具有重要作用，并提出了一种解决方法，即用自助法取代随机子采样。同时还发现了表示范数和目标域判别能力之间的联系，并在人脸识别数据集LFW上取得了优秀的性能，甚至超越了商用系统。