杰弗里·辛顿
杰弗里·埃弗里斯特·辛顿，FRS（英語：，1947年12月6日－），英国出生的加拿大计算机学家和心理学家，多伦多大学教授。以其在類神經網路方面的贡献闻名。辛顿是反向传播算法和对比散度算法的发明人之一，也是深度学习的积极推动者[1]，被誉为“深度学习之父”[2]。辛顿因在深度学习方面的贡献与约书亚·本希奥和杨立昆一同被授予了2018年的图灵奖。[3]
| 杰弗里·辛顿 FRS FRSC CC | |
|---|---|
 | |
| 出生 | 1947年12月6日 英國伦敦温布尔登 |
| 居住地 | .svg.png.webp){kind=small} 加拿大 |
| 母校 | |
| 知名于 | |
| 奖项 | 图灵奖 (2018) |
| 网站 | www |
| 科学生涯 | |
| 研究领域 | 神经计算 |
| 机构 | |
| 论文 | Relaxation and its role in vision（1977） |
| 博士导师 | H.克里斯托弗·龙格-希金斯 |
| 著名學生 | 杨立昆（博士后） |
生平
辛顿于1970年在英国剑桥大学获得实验心理学学士学位。此后于1978年在爱丁堡大学获得人工智能博士学位。此后曾在萨塞克斯大学、加州大学圣迭戈分校、剑桥大学、卡内基梅隆大学和伦敦大学学院工作。他是盖茨比计算神经科学中心的创始人，目前担任多伦多大学计算机科学系教授。辛顿是机器学习领域的加拿大首席学者，也是加拿大高等研究院赞助的“神经计算和自适应感知”项目的领导者。辛顿在2013年3月加入Google，同时Google并购了他创办的DNNresearch公司[4]。
研究兴趣
关于辛顿工作的浅显解释可以参考他在1992年9月和1993年10月于《科学美国人》发表的两篇科普文章。他研究了使用神经网络进行机器学习、记忆、感知和符号处理的方法，并在这些领域发表了超过200篇论文。他是将反向传播算法引入多层神经网络训练的学者之一。他与大卫·阿克利、特里·赛杰诺维斯基一同发明了波尔兹曼机。他对于神经网络的其它贡献包括分散表示（distributed representation）、时延神经网络、专家混合系统（mixtures of experts）、亥姆霍兹机（Helmholtz machines）等。辛顿当前的工作是处理丰富传感器输入的神经网络无监督学习。
参考资料
- Daniela Hernandez. . Wired. 7 May 2013 [10 May 2013].
- . University of Toronto News. [2018-12-28] （英语）.
- Baraniuk, Chris. . 2019-03-27 [2019-03-27] （英国英语）.
- (新闻稿). Toronto, ON. 12 March 2013 [13 March 2013].
- . The Royal Society. [14 March 2013].
- . CBC News. 14 February 2011.
- The Isaac Newton of logic
外部链接
- Geoffrey E. Hinton's Academic Genealogy
- Geoffrey E. Hinton's Publications in Reverse Chronological Order
- Homepage (at UofT)
- YouTube上的"The Next Generation of Neural Networks"
- Gatsby Computational Neuroscience Unit (founding director)
- Encyclopedia article on Boltzmann Machines written by Geoffrey Hinton for Scholarpedia
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.