吴恩达眼中深度学习七剑客,你都认识吗?.doc

吴恩达眼中深度学习七剑客,你都认识吗?.doc

ID:27866959

大小:169.50 KB

页数:8页

时间:2018-12-06

吴恩达眼中深度学习七剑客,你都认识吗?.doc_第1页
吴恩达眼中深度学习七剑客,你都认识吗?.doc_第2页
吴恩达眼中深度学习七剑客,你都认识吗?.doc_第3页
吴恩达眼中深度学习七剑客,你都认识吗?.doc_第4页
吴恩达眼中深度学习七剑客,你都认识吗?.doc_第5页
资源描述:

《吴恩达眼中深度学习七剑客,你都认识吗?.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、吴恩达眼中深度学习七剑客,你都认识吗?  就在8月份,吴恩达在他新创建的网站deeplearning.ai发布了一系列主题为“TheHerosinDeepLearning”的访谈视频。吴恩达面对面采访了七位大神,热心人士整理了这七位大神的基本情况,这里汇总了一下,拿出来供大家学习!GeoffreyHinton    GeoffreyHinton是一位在英国出生的计算机学家,其在神经网络方面的贡献起到了奠基作用,因为被称为“神经网络之父”,他是第一批使用广义反向传播算法研究人员之一。GeoffreyHinton是反向传播算法和

2、对比散度算法的发明人之一,也是深度学习的有力推动者,目前供职于多伦多大学与Google。作为人工智能领域的奠基人之一,截止到2016年11月,GeoffreyHinton的署名文章报告共计超过300篇。尽管如此,他经历了人工智能的衰落期,甚至连导师都不看好,但他一直对神经网络保持信心,终于在漫长的黑夜过后,直到计算机的性能达到深度学习的要求,GeoffreyHinton才开始在学术界以外得到自己应得的广泛认可,迎来了人工智能的黎明。IanGoodfellow    IanGoodfellow是Google研究员,与他人合著了

3、《DeepLearning》教科书,该书在github上有正版电子书。他最受瞩目的成就是他提出了生成对抗网络(GAN),从提出以后一直是热门的课题。因此被誉为“GANs之父”,FacebookAI研究主管YannLeCun称GAN是“过去20年来深度学习方面最酷的想法”。IanGoodfellow被推举为人工智能领域的顶级专家。YoshuaBengio    YoshuaBengio是微软人工智能研究战略顾问、蒙特利尔大学计算机科学与运筹学系(DIRO)教授、蒙特利尔学习算法研究所(MILA)负责人、CIFAR项目的共同负责

4、人、加拿大统计学习算法研究主席。YoshuaBengio教授是深度学习领域的奠基人之一,也是经典图书《LearningDeepArchitecturesforAI》的作者。YoshuaBengio与GeoffHinton以及YannLeCun教授一起引领了2006年始的深度学习复兴。他的研究工作主要聚焦在高级机器学习方面,致力于用其解决人工智能问题。目前他是仅存的几个仍然全身心投入在学术界的深度学习教授之一!AndrejKarpathy    AndrejKarpathy读博期间师从现任谷歌首席科学家李飞飞,研究卷积神经网络

5、在计算机视觉、自然语言处理上的应用,以及在这两个领域的交叉应用。他被人们广泛所知是由于他和李飞飞一起设计开发了“用于视觉识别的卷积神经网络”(CS231n)课程,并亲自教授,是斯坦福大学广受欢迎的深度学习课程之一。此外,他还是特斯拉的AI首次专家,特斯拉为人所知的自动驾驶就是由他主导的!PieterAbbeel    PieterAbbeel的导师是AndrewNg。主要研究将深度强化学习应用到机器人上。2008年在加州大学伯克利分校担任电气工程和计算机科学系担任教授。PieterAbbeel是用深度强化学习做运动规划的领军

6、人物,过去15年,PieterAbbeel一直在寻找让机器人学习的方法。2010年他和他的学生对BRETT(BerkeleyRobotfortheEliminationofTediousTasks,用于解决繁杂任务的伯克利机器人)进行了编程,使其可以拿起不同大小的毛巾、弄清楚它们的形状并将它们整齐叠好。RuslanSalakhutdinov    RuslanSalakhutdinov师从GeoffreyHinton,研究的领域主要包括深度学习、概率图谱模型以及大规模优化等。RuslanSalakhutdinov2011年在

7、多伦多大学担任助理教授,2016年2月转到卡内基梅隆大学担任副教授。同年,出任苹果人工智能研究院首任总监.006年7月,RuslanSalakhutdinov作为第二作者,与作为第一作者的导师GeoffreyHinton在Nature杂志上合作发表了论文《用NN实现数据的降维》(ReducingtheDimensionalityofDatawithNeuralNetworks),这篇论文提出了通过最小化函数集对训练集数据的重构误差,自适应地编解码训练数据的算法deepautoencoder,作为非线性降维方法在图像和文本降维

8、实验中明显优于传统方法,证明了深度学习方法的正确性,引起了整个学术界对深度学习的兴趣,才有了近十年来深度学习研究的突飞猛进和突破。YannLeCun    吴恩达并没有采访到YannLeCun,但这位大神在深度学习领域的地位不容小觑,他号称“卷积网络神经之父”,师从GeoffreyHint

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。