稀疏认知：模仿生物视觉的智能计算新范式

受生物视觉稀疏编码机制启发，稀疏认知学习通过保留关键信息、抑制冗余，突破传统深度学习的计算瓶颈。研究聚焦于稀疏编码、结构化稀疏与层次化模型：稀疏编码通过过完备字典重构信号，结构化稀疏引入组稀疏或树结构约束，层次化模型模拟视觉皮层的层级处理。
 
应用领域包括图像识别（如西安电子科技大学提出的稀疏子空间选择方法）、高分辨率成像（混叠编码突破探测器限制）及视频分析（动态目标跟踪）。当前挑战包括稀疏性与准确性的权衡、硬件实现复杂度。未来，稀疏认知或与神经形态计算结合，推动低功耗、高鲁棒性的智能系统发展。