Зепп Хохрайтер
Зепп Хохрайтер | |
---|---|
Рожденный | |
Национальность | немецкий |
Альма-матер | Технический университет Мюнхена |
Научная карьера | |
Поля | Машинное обучение , биоинформатика |
Учреждения | Университет Иоганна Кеплера в Линце |
Диссертация | Обобщение в нейронных сетях низкой сложности (1999) |
Докторантура | Вильфрид Брауэр |
Йозеф «Зепп» Хохрайтер (родился 14 февраля 1967 г.) — немецкий учёный-компьютерщик . С 2018 года он возглавлял Институт машинного обучения в Университете Иоганна Кеплера в Линце после того, как с 2006 по 2018 год руководил Институтом биоинформатики. В 2017 году он стал главой лаборатории искусственного интеллекта Технологического института Линца (LIT). Хохрайтер также является директором-основателем Института перспективных исследований искусственного интеллекта (IARAI). [1] Ранее он работал в Техническом университете Берлина , в Университете Колорадо в Боулдере и в Техническом университете Мюнхена . Он является председателем конференции «Критическая оценка анализа массивных данных» (CAMDA). [2]
Хохрайтер внес вклад в области машинного обучения , глубокого обучения и биоинформатики , в первую очередь в разработку долгой краткосрочной памяти (LSTM). архитектуры нейронных сетей [3] [4] но и в метаобучении , [5] обучение с подкреплением [6] [7] и бикластеризация с применением к данным биоинформатики .
Научная карьера
[ редактировать ]Длинная кратковременная память (LSTM)
[ редактировать ]Хохрайтер разработал архитектуру нейронной сети долговременной кратковременной памяти (LSTM) в своей дипломной работе в 1991 году, что привело к основной публикации в 1997 году. [3] [4] LSTM преодолевает проблему числовой нестабильности при обучении рекуррентных нейронных сетей (RNN), которая не позволяет им обучаться на длинных последовательностях ( исчезающий или взрывающийся градиент ). [3] [8] [9] В 2007 году Хохрейтер и другие успешно применили LSTM с оптимизированной архитектурой для очень быстрого обнаружения гомологии белков без необходимости выравнивания последовательностей . [10] Сети LSTM также использовались в Google Voice для транскрипции. [11] и искать, [12] и в приложении чата Google Allo для генерации предложений ответа с низкой задержкой. [13]
Другие вклады в машинное обучение
[ редактировать ]Помимо LSTM, Хохрайтер разработал «поиск плоского минимума», чтобы повысить степень обобщения нейронных сетей. [14] и представил выпрямленных коэффициентов (RFN) для разреженного кодирования. сети [15] [16] которые нашли применение в биоинформатике и генетике. [17] Хохрейтер представил современные сети Хопфилда с непрерывными состояниями. [18] и применил их к задаче классификации иммунного репертуара. [19]
Хохрайтер работал с Юргеном Шмидхубером в области обучения с подкреплением в системах актер-критик, которые обучаются путем «обратного распространения ошибки через модель». [6] [20]
Хохрайтер участвовал в разработке методов факторного анализа с применением в биоинформатике, в том числе FABIA для бикластеризации . [21] HapFABIA для обнаружения коротких сегментов идентичности по происхождению [22] и FARMS для предварительной обработки и обобщения высокой плотности олигонуклеотидов микроматриц ДНК для анализа РНК экспрессии генов . [23]
В 2006 году Хохрайтер и другие предложили расширение машины опорных векторов (SVM), «Машину потенциальных опорных векторов» (PSVM), [24] который можно применять к матрицам с неквадратным ядром и использовать с ядрами, которые не являются положительно определенными. Хохрайтер и его коллеги применили PSVM для отбора признаков , включая отбор генов для данных микрочипов. [25] [26] [27]
Награды
[ редактировать ]Хохрайтер был награжден премией IEEE CIS Neural Networks Pioneer Prize в 2021 году за свою работу над LSTM. [28]
Ссылки
[ редактировать ]- ^ «ИАРАИ – ИНСТИТУТ ПЕРЕДОВЫХ ИССЛЕДОВАНИЙ В ОБЛАСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА» . www.iarai.ac.at . Проверено 13 февраля 2021 г.
- ^ «КАМДА 2021» . 20-я Международная конференция по критической оценке анализа массивных данных . Проверено 13 февраля 2021 г.
- ^ Перейти обратно: а б с Хохрейтер, С. (1991). Исследования по динамическим нейронным сетям (PDF) (дипломная работа). Технический университет Мюнхена, Институт компьютерных наук.
- ^ Перейти обратно: а б Хохрейтер, С.; Шмидхубер, Дж. (1997). «Долгая кратковременная память». Нейронные вычисления . 9 (8): 1735–1780. дои : 10.1162/neco.1997.9.8.1735 . ПМИД 9377276 . S2CID 1915014 .
- ^ Хохрейтер, С.; Младший, А.С.; Конвелл, PR (2001). «Учимся учиться с помощью градиентного спуска». Искусственные нейронные сети — ICANN 2001 (PDF) . Конспекты лекций по информатике. Том. 2130. стр. 87–94. CiteSeerX 10.1.1.5.323 . дои : 10.1007/3-540-44668-0_13 . ISBN 978-3-540-42486-4 . ISSN 0302-9743 . S2CID 52872549 .
- ^ Перейти обратно: а б Хохрейтер, С. (1991). Внедрение и применение алгоритма нейронного обучения в реальном времени для реактивных сред (PDF) (Отчет). Технический университет Мюнхена, Институт компьютерных наук.
- ^ Архона-Медина, JA; Гиллхофер, М.; Видрич, М.; Унтертинер, Т.; Хохрейтер, С. (2018). «РУЛЬ: Разложение возврата для отложенных вознаграждений». arXiv : 1806.07857 [ cs.LG ].
- ^ Хохрайтер, С. (1998). «Проблема исчезающего градиента при обучении рекуррентных нейронных сетей и решения проблем». Международный журнал неопределенности, нечеткости и систем, основанных на знаниях . 06 (2): 107–116. дои : 10.1142/S0218488598000094 . ISSN 0218-4885 . S2CID 18452318 .
- ^ Хохрейтер, С.; Бенджио, Ю.; Фраскони, П.; Шмидхубер, Дж. (2000). Колен, Дж. Ф.; Кремер, Южная Каролина (ред.). Градиентный поток в рекуррентных сетях: сложность изучения долговременных зависимостей . Полевое руководство по динамическим рекуррентным сетям. Нью-Йорк: IEEE Press. стр. 237–244. CiteSeerX 10.1.1.24.7321 .
- ^ Хохрейтер, С.; Хойзель, М.; Обермайер, К. (2007). «Быстрое обнаружение гомологии белков на основе моделей без выравнивания» . Биоинформатика . 23 (14): 1728–1736. doi : 10.1093/биоинформатика/btm247 . ПМИД 17488755 .
- ^ «Нейронные сети, лежащие в основе транскрипции Google Voice» . 11 августа 2015 г.
- ^ «Голосовой поиск Google: быстрее и точнее» . 24 сентября 2015 г.
- ^ Хайтан, Пранав (18 мая 2016 г.). «Общайтесь с Allo умнее» . Блог Google AI . Проверено 20 октября 2021 г.
- ^ Хохрейтер, С.; Шмидхубер, Дж. (1997). «Плоские минимумы». Нейронные вычисления . 9 (1): 1–42. дои : 10.1162/neco.1997.9.1.1 . ПМИД 9117894 . S2CID 733161 .
- ^ Клеверт, Д.-А.; Майр, А.; Унтертинер, Т.; Хохрейтер, С. (2015). «Выпрямленные факторные сети». arXiv : 1502.06464v2 [ cs.LG ].
- ^ Клеверт, Д.-А.; Майр, А.; Унтертинер, Т.; Хохрейтер, С. (2015). Выпрямленные факторные сети . Достижения в области нейронных систем обработки информации 29. arXiv : 1502.06464 .
- ^ Клеверт, Д.-А.; Унтертинер, Т.; Повысил Г.; Хохрейтер, С. (2017). «Исправленные факторные сети для бикластеризации данных омики» . Биоинформатика . 33 (14): i59–i66. doi : 10.1093/биоинформатика/btx226 . ПМК 5870657 . ПМИД 28881961 .
- ^ Рамзауэр, Х.; Шефль, Б.; Ленер, Дж.; Зейдль, П.; Видрич, М.; Грубер, Л.; Хольцляйтнер, М.; Павлович, М.; Сандве, Г.К.; Грейфф, В.; Крейл, Д.; Копп, М.; Кламбауэр, Г.; Брандстеттер, Дж.; Хохрейтер, С. (2020). «Hopfield Networks — это все, что вам нужно». arXiv : 2008.02217 [ cs.NE ].
- ^ Видрич, М.; Шефль, Б.; Рамзауэр, Х.; Павлович, М.; Грубер, Л.; Хольцляйтнер, М.; Брандстеттер, Дж.; Сандве, Г.К.; Грейфф, В.; Хохрейтер, С.; Кламбауэр, Г. (2020). «Современные сети Хопфилда и внимание к классификации иммунного репертуара». arXiv : 2007.13505 [ cs.LG ].
- ^ Шмидхубер, Дж. (1990). Сделать мир дифференцируемым: об использовании полностью рекуррентных нейронных сетей с самоконтролем для динамического обучения и планирования с подкреплением в нестационарных средах (PDF) (Технический отчет). Технический университет Мюнхена, Институт компьютерных наук. ФКИ-126-90 (переработанный).
- ^ Хохрейтер, Зепп; Боденхофер, Ульрих; Хойзель, Мартин; Майр, Андреас; Миттекер, Андреас; Касим, Адетайо; Хамиякова Татьяна; Ван Санден, Сьюзи; Лин, Дэн; Таллоен, Виллем; Бийненс, Люк; Гельманн, Хинрих WH; Шкеди, Зив; Клеверт, Джорк-Арне (15 июня 2010 г.). «ФАБИЯ: факторный анализ для приобретения бикластеров» . Биоинформатика . 26 (12): 1520–1527. doi : 10.1093/биоинформатика/btq227 . ПМК 2881408 . ПМИД 20418340 .
- ^ Хохрайтер, С. (2013). «HapFABIA: Идентификация очень коротких сегментов идентичности по происхождению, характеризующихся редкими вариантами в больших данных секвенирования» . Исследования нуклеиновых кислот . 41 (22): е202. дои : 10.1093/нар/gkt1013 . ПМЦ 3905877 . ПМИД 24174545 .
- ^ Хохрейтер, С.; Клеверт, Д.-А.; Обермайер, К. (2006). «Новый метод суммирования данных уровня зонда affymetrix» . Биоинформатика . 22 (8): 943–949. doi : 10.1093/биоинформатика/btl033 . ПМИД 16473874 .
- ^ Хохрейтер, С.; Обермайер, К. (2006). «Машины опорных векторов для диадических данных». Нейронные вычисления . 18 (6): 1472–1510. CiteSeerX 10.1.1.228.5244 . дои : 10.1162/neco.2006.18.6.1472 . ПМИД 16764511 . S2CID 26201227 .
- ^ Хохрейтер, С.; Обермайер, К. (2006). Нелинейный выбор признаков с помощью машины потенциальных опорных векторов . Извлечение признаков, исследования нечеткости и мягких вычислений. стр. 419–438. дои : 10.1007/978-3-540-35488-8_20 . ISBN 978-3-540-35487-1 .
- ^ Хохрейтер, С.; Обермайер, К. (2003). «Классификация и выбор признаков матричных данных с применением к анализу экспрессии генов» . 54-я сессия Международного статистического института . Архивировано из оригинала 25 марта 2012 г.
- ^ Хохрейтер, С.; Обермайер, К. (2004). «Отбор генов для данных микрочипов» . Ядерные методы в вычислительной биологии . Массачусетский технологический институт Пресс: 319–355. дои : 10.7551/mitpress/4057.003.0020 . ISBN 978-0-262-25692-6 . Архивировано из оригинала 25 марта 2012 г.
- ^ «Зепп Хохрайтер получает награду IEEE CIS Neural Networks Pioneer Award 2021 — IARAI» . www.iarai.ac.at . 24 июля 2020 г. Проверено 3 июня 2021 г.
Внешние ссылки
[ редактировать ]- 1967 года рождения
- Живые люди
- Немецкие биоинформатики
- Биостатисты
- Вычислительная биология
- Немецкие исследователи искусственного интеллекта
- Исследователи машинного обучения
- Академический состав Мюнхенского технического университета
- Академический состав Университета Иоганна Кеплера в Линце
- Люди Альянса