核心领域：机器学习与统计模式识别、概率图模型、深度神经网络、信号与语音处理。

主要技术方向：

概率图模型：贝叶斯网络的判别式结构与参数学习、置信传播（Belief Propagation）算法分析（定点/收敛性）、和积网络（SPN）的理论与学习；

资源高效深度学习：量化/剪枝/结构搜索（NAS）实现嵌入式系统上的轻量级神经网络，降低计算与存储开销；

贝叶斯深度学习：贝叶斯神经网络、不确定性估计（集成/后验多样性）、变分推理；

语音与音频处理：多通道语音增强（特征波束形成）、声源分离（单通道/多通道）、多基频追踪、声学场景分类、肺部声音分类；

工业AI应用：雷达信号干扰抑制（FMCW）、耐火材料磨损预测、晶圆缺陷检测、铁路车辆状态建模；

因果推理：主动贝叶斯因果推断、结构因果模型。

工具与能力：精通概率建模、变分推理、优化算法，具备从理论算法到嵌入式硬件部署的全链条研发经验，长期主导与英飞凌、西门子、RHI Magnesita 等企业的工业合作项目。