Рональд Дж. Уильямс
Рональд Дж. Уильямс — профессор информатики Северо -Восточного университета и один из пионеров нейронных сетей . Он стал соавтором статьи об алгоритме обратного распространения ошибки , которая вызвала бум в исследованиях нейронных сетей. [1] Он также внес фундаментальный вклад в область рекуррентных нейронных сетей. [2] [3] и обучение с подкреплением . [4] Вместе с Вэньсюй Тонг и Мэри Джо Ондречен он разработал метод оптимального правдоподобия частичного порядка (POOL), метод машинного обучения, используемый для прогнозирования активных аминокислот в белковых структурах. POOL — это метод максимального правдоподобия с ограничением монотонности, который является общим предиктором свойств, которые монотонно зависят от входных признаков. [5]
Ссылки [ править ]
- ^ Дэвид Э. Румельхарт, Джеффри Э. Хинтон и Рональд Дж. Уильямс. Изучение представлений с помощью ошибок обратного распространения ошибки., Nature (Лондон) 323, S. 533-536.
- ^ Уильямс, Р.Дж. и Зипсер, Д. (1989). Алгоритм обучения для непрерывной работы полностью рекуррентных нейронных сетей. Нейронные вычисления, 1, 270–280.
- ^ Р. Дж. Уильямс и Д. Зипсер. Градиентные алгоритмы обучения рекуррентных сетей и их вычислительная сложность. В книге «Обратное распространение ошибки: теория, архитектура и приложения». Хиллсдейл, Нью-Джерси: Эрлбаум, 1994.
- ^ Уильямс, Р.Дж. (1992). Простые статистические алгоритмы следования градиенту для коннекционистского обучения с подкреплением. Машинное обучение, 8, 229–256.
- ^ В. Тонг, Ю. Вэй, Л. Ф. Мурга, М. Дж. Ондречен и Р. Дж. Уильямс (2009). Оптимальное правдоподобие частичного порядка (ПУЛ): предсказание максимального правдоподобия остатков активного сайта с использованием трехмерной структуры и свойств последовательности. PLoS Вычислительная биология, 5 (1): e1000266.
Внешние ссылки [ править ]
| Базы данных авторитетного контроля : академики |
|---|
