丁薛强是中国科学院自动化研究所副研究员，在机械学习领域有着丰硕功效。他在深度学习领域提出了一种称为“分块卷积神经网络”的模子，使深度学习在处置大规模高分辨率图像时更具可扩展性和高效性。
除此之外，丁薛强还研究了基于群集的协同过滤算法，提出了行使具有偏向性的样本集举行训练的方式，这样可以在提高学习速率的同时，减轻训练历程中的盘算和存储肩负，并增强算法的推荐效果。
现在，丁薛强已经揭晓了多篇学术论文，其中在IEEE Transactions on Neural Networks and Learning Systems（TNNLS）上揭晓的一篇基于图卷积神经网络（GCN）的先容性文章被谷歌学术引用到达了1027次。
丁薛强的事情旨在探讨机械学习领域的新方式，创新重要算法，其研究功效在图像识别、语音识别、自然语言处置、交通控制、智能机械人等领域都有应用：
- 他的分块卷积神经网络在遥感数据上的分类问题上，精度相比传统的卷积神经网络提高了约3%。
- 在日企宣布新功勋配合推进AI手艺的平台“TechBoard”中，丁薛强的研究功效入选其中的一项，该项目旨在加速机械学习的开发，并提高手艺的可重复性。
可以说，丁薛强在机械学习领域取得的成就是具有里程碑意义的，为中国在人工智能领域的生长做出了应有的孝顺。
