吴恩达眼中深度学习七剑客,你都认识吗?

EETOP 2017-10-12 09:22 次阅读
毫无疑问,深度学习成为了风靡全球的人工智能新技术。在许多领域,深度学习都已经被证明是极为有效的,如视觉处理、语音和音频处理、自然语言处理、机器人技术等。
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“ The Heros in Deep Learning ”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!

Geoffrey Hinton

Geoffrey Hinton 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。Geoffrey Hinton 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,Geoffrey Hinton 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,Geoffrey Hinton 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。

Ian Goodfellow

Ian Goodfellow 是 Google 研究员,与他人合著了《Deep Learning》 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”,Facebook AI 研究主管 Yann LeCun 称 GAN 是“过去 20 年来深度学习方面最酷的想法”。 Ian Goodfellow 被推举为人工智能领域的顶级专家。

Yoshua Bengio

Yoshua Bengio 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 项目的共同负责人、加拿大统计学习算法研究主席。Yoshua Bengio 教授是深度学习领域的奠基人之一,也是经典图书《Learning Deep Architectures for AI》的作者。Yoshua Bengio 与 Geoff Hinton 以及 Yann LeCun 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!

Andrej Karpathy

Andrej Karpathy 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!

Pieter Abbeel

Pieter Abbeel的导师是 Andrew Ng。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。Pieter Abbeel 是用深度强化学习做运动规划的领军人物,过去 15 年, Pieter Abbeel 一直在寻找让机器人学习的方法。2010 年他和他的学生对 BRETT(Berkeley Robot for the Elimination of Tedious Tasks,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。

Ruslan Salakhutdinov

Ruslan Salakhutdinov师从 Geoffrey Hinton,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。Ruslan Salakhutdinov 2011 年在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,Ruslan Salakhutdinov 作为第二作者,与作为第一作者的导师 Geoffrey Hinton 在 Nature 杂志上合作发表了论文《用 NN 实现数据的降维》(Reducing the Dimensionality of Data with Neural Networks),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 deep autoencoder,作为非线性降维方法在图像和文本降维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。

Yann LeCun

吴恩达并没有采访到 Yann LeCun,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 Geoffrey Hinton。于 1988 年加入位于新泽西州的 AT&T 贝尔实验室,1993 年研发了一套能够识别手写数字的识别系统,命名为 LeNet ,被全世界多家银行用于识别支票。1996 年他成为图像处理研究部的主任,2003 年加入纽约大学任教。2013 年,他被 Facebook 聘请为人工智能实验室(FAIR)主任,专注于一个独特的目标,即开发具有与人类同等智能水平的电脑。同时,仍在纽约大学担任教授。1989 年,Yann LeCun 在贝尔实验室提出了卷积神经网络(convolutionalneuralnetwork,CNN)技术,发表了论文《反向传播算法应用于手写邮政编码识别》(Backpropagation Applied to Handwritten Zip Code),并展示如何使用它来大幅度提高手写识别能力,因此被誉为“卷积神经网络之父”。卷积神经网络是近年发展起来的一种高效识别方法。神经网络正在迅速改变互联网最大的参与者,包括 Google、Facebook、Microsoft。

EETOP技术专区

原文标题:微博 Qzone 微信 吴恩达眼中的 Deep Learning七剑客 文章出处:【微信号:eetop-1,微信公众号:EETOP】欢迎添加关注!文章转载请注明出处。
关注电子发烧友微信
有趣有料的资讯及技术干货
下载发烧友APP
打造属于您的人脉电子圈
关注发烧友课堂
锁定最新课程活动及技术直播
收藏 人收藏
分享:

评论

相关推荐

漫谈游戏的深度学习算法,从FPS和RTS角度分析

在人工神经网络(ANN)的监督训练中,智能体通过样本进行学习 [56], [86]。智能体需要做出决....
发表于 10-19 17:04 次阅读 0条评论
漫谈游戏的深度学习算法,从FPS和RTS角度分析

从内存带宽与计算能力,解读深度学习执行的关键

算法对于内存带宽的需求通常使用「运算强度 (operational intensity,或称 ari....
发表于 10-19 16:52 次阅读 0条评论
从内存带宽与计算能力,解读深度学习执行的关键

持续孵化科技成果 人工智能成长虹发展硬支撑

资本的嗅觉是灵敏的,2016年AlghaGo人机大战事件后,人工智能成为资本市场最受关注的投资方向之....
发表于 10-19 15:32 次阅读 0条评论
持续孵化科技成果 人工智能成长虹发展硬支撑

应用场景深度智能化 长虹声纹识别人工智能电视提升体验

在家电产业,近日长虹推出搭载了声纹识别技术的人工智能电视Q5K,这次重要的产品迭代标志着人工智能技术....
发表于 10-19 15:30 次阅读 0条评论
应用场景深度智能化 长虹声纹识别人工智能电视提升体验

145家创业公司正在使用NVIDIA DRIVE平台

NVIDIA创始人兼CEO黄仁勋先生在于北京召开的GPU技术大会上发表了主题演讲,并强调指出数十家初....
的头像 英伟达NVIDIA中国 发表于 10-19 14:41 次阅读 0条评论
145家创业公司正在使用NVIDIA DRIVE平台

英特尔CEO科再奇:业内第一个神经网络处理器发布 以创新技术推进人工智能发展

在近日举行的WSJDLive全球技术大会上,我谈到了认知和人工智能技术,这两个新领域将改变各个行业和....
的头像 半导体动态 发表于 10-19 14:01 次阅读 0条评论
英特尔CEO科再奇:业内第一个神经网络处理器发布 以创新技术推进人工智能发展

深度神经网络(DNN)=人类大脑皮层结构?

深度神经网络里面门的权重也是 反向传播训练出来的,也有渐变的这个性质,当对于快速变化的刺激,有一定的....
发表于 10-19 13:20 次阅读 0条评论
深度神经网络(DNN)=人类大脑皮层结构?

再不转型人工智能,你就要被甩了

目前的人工智能应用集中于相对数字化的行业内,而这些领域已经是新技术的前沿了。扩展人工智能的应用范围,....
发表于 10-19 13:28 次阅读 0条评论
再不转型人工智能,你就要被甩了

深度学习之神经网络11大常见陷阱及对策

未训练的神经网络通常会输出约在-1到1范围之间的值。如果你希望输出其他范围的值(例如RBG图像以0-....
发表于 10-19 13:20 次阅读 0条评论
深度学习之神经网络11大常见陷阱及对策

 一文看懂神经网络之Epoch、Batch Size和迭代

理解迭代,只需要知道乘法表或者一个计算器就可以了。迭代是 batch 需要完成一个 epoch 的次....
发表于 10-19 12:58 次阅读 0条评论
 一文看懂神经网络之Epoch、Batch Size和迭代

小米无敌!鹿客智能指纹锁Classic隐藏4种开锁方式,众筹只要1699元

鹿客智能指纹锁Classic采用满足目前公安部最高标准的C级八轨道锁芯,安全系数极高能够避免不法分子....
发表于 10-19 10:49 次阅读 0条评论
小米无敌!鹿客智能指纹锁Classic隐藏4种开锁方式,众筹只要1699元

人工智能获十九大关注,将成国际竞争新焦点

在这次报告中习近平总书记代表第十八届中央委员会向党的十九大作报告,不仅提出了四个重要概念,还提到了人....
发表于 10-19 10:36 次阅读 0条评论
人工智能获十九大关注,将成国际竞争新焦点

解读多层神经网络反向传播原理

要训练神经网络,我们需要“训练数据集”。训练数据集是由对应目标z(期望输出)的输入信号(x_1和 x....
发表于 10-18 18:20 次阅读 0条评论
解读多层神经网络反向传播原理

首款人工智能处理器,开启智能手机人工智能时代!

来自国际知名调研机构Counterpoint的最新数据显示,预计到2020年具有AI功能或者神经处理....
的头像 电子发烧友网工程师 发表于 10-19 06:20 次阅读 0条评论
首款人工智能处理器,开启智能手机人工智能时代!

人工智能之神经网络新思路:OpenAI用线性非线性问题

深度线性网络通过反向传播在 MNIST 数据集上训练时,可获取 94% 的训练准确率和 92% 的测....
发表于 10-18 17:46 次阅读 0条评论
人工智能之神经网络新思路:OpenAI用线性非线性问题

2018年十大战略科技发展趋势,前三个都和人工智能有关

近日,全球领先的信息技术研究和顾问公司Gartner公布了将在2018年对大部分企业机构产生显著影响....
的头像 ittbank 发表于 10-19 06:35 次阅读 0条评论
2018年十大战略科技发展趋势,前三个都和人工智能有关

机器学习学习迎来瓶颈期,未来3~5年都会人才紧缺

所以如果你有足够的机器学习知识,并对特定领域有良好的理解,在职场供求中你肯定可以站在优势的那一边。以....
发表于 10-18 15:15 次阅读 0条评论
机器学习学习迎来瓶颈期,未来3~5年都会人才紧缺