2016年6月IEEE的麦克斯韦奖颁发给了机器学习的领军人物Geoffrey Hinton。颁奖辞十分优雅,同时简洁、凝练地解释了机器学习的最新进展以及神经网络的崛起。我忍不住翻译了一下。

颁奖辞

Geoffrey Hinton是深度学习的创立者,受对人脑感知机制的理解以及如何将其应用到计算机中的驱动,他帮助让人工智能更加智慧。
Hindon是机器学习领域的权威学者。
他发现并展示在进行非线性回归和分类的基础上,后向传播让神经网络拥有它内部的表达。
他对后向传播算法的研究是在上世纪80年代机器学习领域复苏的关键,从那以后机器学习被用于语音和视觉物体的识别、欺诈检测、工厂监测以及自动化支票验证。
他的工作仍然保持在神经网络研究的前沿,他证明深度神经网络可以一级一级地被训练,每一级比前一级表达的概念更加抽象。
这项工作彻底变革了图像分类、医疗诊断、法律的实施同时让车辆更加安全。
机器学习中的领军人物,帮助塑造这个领域变成现代的模样——Geoffrey Hinton。

英文原文

Geoffrey Hinton, the godfather of deep learning is helping to make artificial intelligence smarter driven by the desire to understand the mechanisms of cognition in the human brain and how to apply them to machines that learn.

Hinton is considered the leading authority on machine learning.
He realized and demonstrated that in addition to performing nonlinear regression and classification, backpropagation allowed neural networks to develop their own internal representations.
His development of the back propagation algorithm was key to the resurgence of the machine learning field during the nineteen eighties and has been used in speech and visual object recognition, fraud detection, plant monitoring and automated check verification.
His work still remains at the forefront of neural network learning demonstrating that deep networks can be trained level by level with each level learning to represent slightly more abstract concepts than the previous level.
This work has completely revolutionized image classification, medical diagnostics, law enforcement and enhanced vehicle safety.
A leading figure in machine learning who has helped shape the field into its modern form, Geoffrey Hinton

来源 http://www.ieee.org/about/awards/medals/maxwell_recipients.html

视频 https://www.youtube.com/watch?v=_oDdfROFyK4

Geoffrey Hinton获得IEEE的麦克斯韦奖的颁奖辞的更多相关文章

  1. deeplearning.ai 人工智能行业大师访谈 Geoffrey Hinton 听课笔记

    1. 怀揣着对大脑如何存储记忆的好奇,Hinton本科最开始学习生物学和物理学,然后放弃,转而学习哲学:然后觉得哲学也不靠谱,转而学习心理学:然后觉得心理学在解释大脑运作方面也不给力,转而做了一段时间 ...

  2. Neural Networks for Machine Learning by Geoffrey Hinton (4)

    一种能够学习家谱关系的简单神经网络 血缘一共同拥有12种关系: son, daughter, nephew, niece, father, mother, uncle, aunt, brother, ...

  3. Coursera-Neural Networks by Geoffrey Hinton

    feed-forward networks symmetrically-connection neural networks

  4. Neural Networks for Machine Learning by Geoffrey Hinton (1~2)

    机器学习能良好解决的问题 识别模式 识别异常 预測 大脑工作模式 人类有个神经元,每一个包括个权重,带宽要远好于工作站. 神经元的不同类型 Linear (线性)神经元  Binary thresho ...

  5. Deep Learning ——Yann LeCun,Yoshua Bengio&Geoffrey Hinton

    引言: 深度学习的本质是用多层的神经网络找到一个可以被学习的复杂的函数实现语音识别,图像识别等功能. 多层神经网络的结构: 多层神经元的组成,每一层的输入都等于上一层的输出. 应用领域:cv,nlp ...

  6. AI三巨头获2018年图灵奖!

    ACM 宣布,2018 年图灵奖获得者是号称深度学习三巨头的 Yoshua Bengio, Yann LeCun 和 Geoffrey Hinton,得奖理由是:他们在概念和工程上取得的巨大突破,使得 ...

  7. 2017年度好视频,吴恩达、李飞飞、Hinton、OpenAI、NIPS、CVPR、CS231n全都在

    我们经常被问:机器翻译迭代了好几轮,专业翻译的饭碗都端不稳了,字幕组到底还能做什么? 对于这个问题,我们自己感受最深,却又来不及解释,就已经边感受边做地冲出去了很远,摸爬滚打了一整年. 其实,现在看来 ...

  8. Hinton胶囊网络后最新研究:用“在线蒸馏”训练大规模分布式神经网络

    Hinton胶囊网络后最新研究:用“在线蒸馏”训练大规模分布式神经网络 朱晓霞发表于目标检测和深度学习订阅 457 广告关闭 11.11 智慧上云 云服务器企业新用户优先购,享双11同等价格 立即抢购 ...

  9. 深度学习-LeCun、Bengio和Hinton的联合综述

    深度学习其实要入门也很简单,不要被深度学习.卷积神经网络CNN.循环神经网络RNN等某些“高大上”的专有名词所吓到或被忽悠,要相信大道至简,一个高中生只要愿意学也完全可以入门级了解并依赖一些成熟的Te ...

随机推荐

  1. C# Emgu CV学习笔记二之图像读写的两种方法

    http://blog.csdn.net/marvinhong/article/details/6800450 图像显示在控件loadPictureBox上 方法一 //读取图像001.jpg Int ...

  2. 洛谷P1195 口袋的天空

    口袋的天空 327通过 749提交 题目提供者该用户不存在 标签云端 难度普及+/提高 时空限制1s / 128MB 提交  讨论  题解 最新讨论更多讨论 暂时没有讨论 题目背景 小杉坐在教室里,透 ...

  3. AndroidStudio环境搭建

    简单记录一下AS的环境搭建过程,包括SVN的使用. 一.下载和安装JDK 地址:http://www.oracle.com/technetwork/java/javase/downloads/inde ...

  4. springsecurity 表达式一览

    表达式 描述 hasRole([role]) 当前用户是否拥有指定角色. hasAnyRole([role1,role2]) 多个角色是一个以逗号进行分隔的字符串.如果当前用户拥有指定角色中的任意一个 ...

  5. 【Project Euler】530 GCD of Divisors 莫比乌斯反演

    [题目]GCD of Divisors [题意]给定f(n)=Σd|n gcd(d,n/d)的前缀和F(n),n=10^15. [算法]莫比乌斯反演 [题解]参考:任之洲数论函数.pdf 这个范围显然 ...

  6. laravel 模糊查询

    模糊查询: Model::where('field_name','like','%'.$keywords.'%')->get() 转载:http://wenda.golaravel.com/qu ...

  7. Discrete Logging(POJ2417 + BSGS)

    题目链接:http://poj.org/problem?id=2417 题目: 题意: 求一个最小的x满足a^x==b(mod p),p为质数. 思路: BSGS板子题,推荐一篇好的BSGS和扩展BS ...

  8. 用js拼接url为pathinfo模式

    用js拼接url为pathinfo模式

  9. pycharts实现可视化

    https://blog.csdn.net/u012535605/article/details/80677791http://pyecharts.org/#/zh-cn/prepare  (中文官网 ...

  10. onvif客户端

    前言 做开发有8年时间了,ffmpeg和onvif与我是特别有缘的了(说着玩的,我更认为是因为他们确实强大^_^). ffmpeg在毕业设计时就有用到,5年后做windows.linux播放库时又有用 ...