Исинь Чен

Исинь Чен
Исинь Чен
Рожденный	16 июня 1979 г. (45 лет)
Род занятий	Ученый-компьютерщик , академик и автор
Награды	Сотрудник Института инженеров электротехники и электроники ; Член Азиатско-Тихоокеанской ассоциации искусственного интеллекта
Академическое образование
Образование	Бакалавр наук Информатика ; Магистр наук Информатика ; доктор философии Информатика
Альма-матер	Университет науки и технологий Китая ; Университет Иллинойса в Урбана-Шампейн
Академическая работа
Учреждения	Вашингтонский университет в Сент-Луисе

Исинь Чен — ученый-компьютерщик , академик и писатель. Он является профессором информатики и инженерии в Вашингтонском университете в Сент-Луисе . ^{[ 1 ]}

Научные интересы Чена сосредоточены на компьютерных науках , с особым упором на области машинного обучения , глубокого обучения и интеллектуального анализа данных . ^{[ 2 ]} Он участвовал в нескольких публикациях и написал несколько глав книг, в том числе «Кластеризация параллельных потоков данных» и «Оценка проблем секционированного временного планирования в дискретном пространстве и его применение в ASPEN» . ^{[ 3 ]} Он также является соавтором книги «Введение в объяснимый искусственный интеллект» .

Чен — избранный член IEEE. ^{[ 4 ]} за его вклад в системы глубокого обучения и членство в AAIA. Он также был сопредседателем программы конференции IEEE по большим данным 2021. ^{[ 5 ]}

Образование

Чен получил степень бакалавра компьютерных наук в Университете науки и технологий Китая в 1999 году и степень магистра компьютерных наук в Университете Иллинойса в Урбана-Шампейн в 2001 году. Затем он защитил докторскую диссертацию. степень бакалавра компьютерных наук в Университете Иллинойса в Урбана-Шампейн под руководством Бенджамина Ва. ^{[ 6 ]}^{[ циклическая ссылка ]} и завершил его в 2005 году. ^{[ 7 ]}

Карьера

Чен начал свою академическую карьеру в качестве доцента кафедры компьютерных наук и инженерии Вашингтонского университета в Сент-Луисе в 2005 году. В 2010 году он был назначен доцентом кафедры компьютерных наук и инженерии Вашингтонского университета в Сент- Луисе. Луис. По состоянию на 2016 год он является профессором кафедры компьютерных наук и инженерии Вашингтонского университета в Сент-Луисе. ^{[ 8 ]} Он является директором Центра совместного обучения и эксплуатации человека и искусственного интеллекта (HALO) в Вашингтонском университете. ^{[ 9 ]}

Исследовать

Чен является автором множества публикаций. Его исследовательские интересы сосредоточены в области машинного обучения, применения искусственного интеллекта в здравоохранении , алгоритмов оптимизации, интеллектуального анализа данных и вычислительной биомедицины. ^{[ 2 ]}

Ресурсоэффективное глубокое обучение

Чен провел значительное исследование компактности и применимости глубоких нейронных сетей (DNN). Он предложил концепцию и архитектуру облегченных DNN. Его группа изобрела архитектуру HashedNets, которая сжимает непомерно большие DNN в гораздо меньшие сети с использованием схемы распределения веса. ^{[ 10 ]}

Чен также разработал структуру сжатия для сверточных нейронных сетей (CNN). Его лаборатория изобрела метод частотно-зависимого сжатия, при котором более важные параметры модели сохраняются лучше, что приводит к самым современным результатам сжатия. ^{[ 11 ]}

Глубокое обучение графикам и временным рядам

Чен внес значительный вклад в развитие графовых нейронных сетей (GNN). Чен и его ученики предложили DGCNN, один из первых методов свертки графов, который позволяет получить значимое тензорное представление из произвольных графов, и показали его глубокую связь с алгоритмом Вейсфейлера-Лемана. ^{[ 12 ]} Они первыми применили GNN для прогнозирования связей (в известном алгоритме SEAL) и завершения матрицы и достигли мировых рекордов. ^{[ 13 ]}

Для классификации временных рядов Чен выступал за использование многомасштабной сверточной нейронной сети, также известной как MCNN, ссылаясь на ее вычислительную эффективность. Он проиллюстрировал, что MCNN реализует функции с различной частотой и масштабом, используя вычисления на графическом процессоре, в отличие от других платформ, которые могут удалять функции только в одном временном масштабе. ^{[ 14 ]}

Награды и почести

2006 - Премия главного исследователя в начале карьеры, Министерство энергетики
2007 - Стипендия нового факультета Microsoft Research ^{[ 15 ]}
2010 – Премия за выдающуюся работу, конференция AAAI по искусственному интеллекту ^{[ 16 ]}
2022 – научный сотрудник Института инженеров электротехники и электроники. ^{[ 4 ]}
2023 – научный сотрудник Азиатско-Тихоокеанской ассоциации искусственного интеллекта. ^{[ 17 ]}

Библиография

Книги

Введение в объяснимый искусственный интеллект (2022 г.) ISBN 9787121431876

Избранные статьи

Чен Ю. и Ту Л. (август 2007 г.). Кластеризация на основе плотности для потоков данных в реальном времени. В материалах 13-й международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных (стр. 133–142).
Чен В., Уилсон Дж., Тайри С., Вайнбергер К. и Чен Ю. (июнь 2015 г.). Сжатие нейронных сетей с помощью трюка хеширования. На Международной конференции по машинному обучению (стр. 2285–2294). ПМЛР.
Цуй З., Чен В. и Чен Ю. (2016). Многомасштабные сверточные нейронные сети для классификации временных рядов. Препринт arXiv arXiv:1603.06995.
Чжан М., Цуй З., Нейман М. и Чен Ю. (апрель 2018 г.). Сквозная архитектура глубокого обучения для классификации графов. В материалах конференции AAAI по искусственному интеллекту (Том 32, № 1).
Чжан М. и Чен Ю. (2018). Прогнозирование ссылок на основе графовых нейронных сетей. Достижения в области нейронных систем обработки информации, 31.

Ссылки

^ «Исинь Чен - Вашингтонский университет в Сент-Луисе» .
^ Jump up to: ^а ^б «Исинь Чен — профиль Академии Google» .
^ «Оценка проблем разделенного временного планирования в дискретном пространстве и ее применение в ASPEN - Researchgate» .
^ Jump up to: ^а ^б «Чен избран научным сотрудником IEEE — Инженерная школа МакКелви» . 6 декабря 2022 г.
^ «Конференция IEEE 2021 по большим данным — IEEE» .
^ «Бенджамин Ва — Arc.Ask3.Ru» .
^ «Инженерная школа МакКелви - Вашингтонский университет в Сент-Луасе» .
^ «Исинь Чен — Вашингтонский университет в Сент-Луисе» .
^ «Факультет – Центр совместного обучения и эксплуатации человека и искусственного интеллекта» .
^ «Сжатие нейронных сетей с помощью хэш-трюка — Цифровая библиотека ACM» . 6 июля 2015 г. стр. 2285–2294.
^ Чен, Вэньлинь; Уилсон, Джеймс; Тайри, Стивен; Вайнбергер, Килиан К.; Чен, Исинь (13 августа 2016 г.). «Сжатие сверточных нейронных сетей в частотной области». Материалы 22-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных . стр. 1475–1484. дои : 10.1145/2939672.2939839 . ISBN 9781450342322 . S2CID 13253967 .
^ Сквозная архитектура глубокого обучения для классификации графов — ACM Digital Library . АААИ Пресс. 2 февраля 2018 г. стр. 4438–4445. ISBN 9781577358008 .
^ «Прогнозирование ссылок на основе графовых нейронных сетей — Цифровая библиотека ACM» . 3 декабря 2018 г. стр. 5171–5181.
^ Цуй, Чжичэн; Чен, Вэньлинь; Чен, Исинь (2016). «Многомасштабные сверточные нейронные сети для классификации временных рядов - Корнельский университет». arXiv : 1603.06995 [ cs.CV ].
^ «Чен получает стипендию Microsoft» . 18 июля 2007 г.
^ «Награды и признание документов конференции AAAI» .
^ {{url= https://aaia-ai.org/fellows?words=Yixin%20Chen%7Ctitle=Азиатско-Тихоокеанская ассоциация искусственного интеллекта}}

[1] «Исинь Чен - Вашингтонский университет в Сент-Луисе» .

[GOO-2] Jump up to: ^а ^б «Исинь Чен — профиль Академии Google» .

[3] «Оценка проблем разделенного временного планирования в дискретном пространстве и ее применение в ASPEN - Researchgate» .

[ENGW-4] Jump up to: ^а ^б «Чен избран научным сотрудником IEEE — Инженерная школа МакКелви» . 6 декабря 2022 г.

[5] «Конференция IEEE 2021 по большим данным — IEEE» .

[6] «Бенджамин Ва — Arc.Ask3.Ru» .

[7] «Инженерная школа МакКелви - Вашингтонский университет в Сент-Луасе» .

[8] «Исинь Чен — Вашингтонский университет в Сент-Луисе» .

[9] «Факультет – Центр совместного обучения и эксплуатации человека и искусственного интеллекта» .

[10] «Сжатие нейронных сетей с помощью хэш-трюка — Цифровая библиотека ACM» . 6 июля 2015 г. стр. 2285–2294.

[11] Чен, Вэньлинь; Уилсон, Джеймс; Тайри, Стивен; Вайнбергер, Килиан К.; Чен, Исинь (13 августа 2016 г.). «Сжатие сверточных нейронных сетей в частотной области». Материалы 22-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных . стр. 1475–1484. дои : 10.1145/2939672.2939839 . ISBN 9781450342322 . S2CID 13253967 .

[12] Сквозная архитектура глубокого обучения для классификации графов — ACM Digital Library . АААИ Пресс. 2 февраля 2018 г. стр. 4438–4445. ISBN 9781577358008 .

[13] «Прогнозирование ссылок на основе графовых нейронных сетей — Цифровая библиотека ACM» . 3 декабря 2018 г. стр. 5171–5181.

[14] Цуй, Чжичэн; Чен, Вэньлинь; Чен, Исинь (2016). «Многомасштабные сверточные нейронные сети для классификации временных рядов - Корнельский университет». arXiv : 1603.06995 [ cs.CV ].

[15] «Чен получает стипендию Microsoft» . 18 июля 2007 г.

[16] «Награды и признание документов конференции AAAI» .

[17] {{url= https://aaia-ai.org/fellows?words=Yixin%20Chen%7Ctitle=Азиатско-Тихоокеанская ассоциация искусственного интеллекта}}

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]

[ 16 ]

[ 17 ]