Амос Сторки
Амос Джеймс Сторки | |
|---|---|
| Рожденный | 14 февраля 1971 г. |
| Национальность | Британский |
| Альма-матер | Тринити-колледж, Кембридж |
| Известный | Правило обучения Сторки Первая сверточная сеть для обучения Go |
| Родители) | Алан Сторки , Элейн Сторки |
| Научная карьера | |
| Поля | Машинное обучение , искусственный интеллект , информатика |
| Учреждения | Эдинбургский университет |
Амос Джеймс Сторки (1971 г.р.) — профессор машинного обучения и искусственного интеллекта в Школе информатики Эдинбургского университета .
Сторки изучал математику в Тринити-колледже в Кембридже и получил докторскую степень в Имперском колледже в Лондоне . В 1997 году, защитив докторскую диссертацию, он работал над сетью Хопфилда ( формой рекуррентной искусственной нейронной сети, популяризированной Джоном Хопфилдом в 1982 году). Сети Хопфилда служат адресуемыми по содержимому («ассоциативными») системами памяти с двоичными пороговыми узлами , и Сторки разработал то, что стало известно. как «Правило обучения Сторки» . [1] [2] [3] [4]
Впоследствии он работал над приближенными байесовскими методами, машинным обучением в астрономии, [5] графические модели, логический вывод и выборка, а также нейронные сети. Сторки поступил на факультет информатики Эдинбургского университета в 1999 году, был научным сотрудником Microsoft с 2003 по 2004 год, был назначен читателем в 2012 году и личным председателем в 2018 году. В настоящее время он является членом Института адаптивных и нейронных вычислений, Директор CDT по науке о данных [2014–22], возглавляющий группу байесовских и нейронных систем. [6] В декабре 2014 года Кларк и Сторки вместе опубликовали инновационную статью «Обучение глубоких сверточных нейронных сетей игре в го». Сверточная нейронная сеть (CNN или ConvNet) — это класс глубоких нейронных сетей, чаще всего применяемых для анализа визуальных изображений. Их статья показала, что сверточная нейронная сеть, обученная методом контролируемого обучения на основе базы данных профессиональных игр человека, может превзойти GNU Go и выиграть несколько игр против поиска по дереву Монте-Карло Fuego 1.1 за долю времени, которое потребовалось Fuego для игры. [7] [8] [9] [10] [ циклическая ссылка ]
Самая цитируемая работа
[ редактировать ]- Антониу А., Сторки А., Эдвардс Х. Генеративно-состязательные сети увеличения данных. Препринт arXiv arXiv:1711.04340. 12 ноября 2017 г. [1] По данным Google Scholar , его цитировали 490 раз. [11]
- Бурда Ю., Эдвардс Х., Сторки А., Климов О. Исследование методом случайной сетевой дистилляции. Препринт arXiv arXiv:1810.12894. 30 октября 2018 г. [2] По данным Google Scholar, эта статья цитировалась 368 раз. [11]
- Бурда Ю., Эдвардс Х., Патак Д., Сторки А., Даррелл Т., Эфрос А.А. Масштабное исследование обучения, основанного на любопытстве. Препринт arXiv arXiv:1808.04355. 13 августа 2018 г. [3] По данным Google Scholar, эта статья цитировалась 313 раз. [11]
- Эверингем М., Зиссерман А., Уильямс С.К., Ван Гул Л., Аллан М., Бишоп С.М., Шапель О., Далал Н., Деселерс Т., Дорко Г., Даффнер С. Задача классов визуальных объектов Паскаля 2005 года. Семинар по проблемам InMachine Learning, 2005 г., 11 апреля (стр. 117–176). [4] Шпрингер, Берлин, Гейдельберг. По данным Google Scholar, эта статья была процитирована 306 раз. [11]
- Туссен М., Сторки А. Вероятностный вывод для решения марковских процессов принятия решений с дискретными и непрерывными состояниями. В материалах 23-й международной конференции по машинному обучению, 2006 г., 25 июня (стр. 945–952). [5] По данным Google Scholar, эта статья цитировалась 217 раз. [11]
Ссылки
[ редактировать ]- ^ Аггарвал, Чару К. «Нейронные сети и глубокое обучение», стр. 240
- ^ Использование различных правил обучения в сетях Хопфилда для многоклассовой классификации saiconference.com
- ^ Сторки, Амос. «Увеличение пропускной способности сети Хопфилда без ущерба для функциональности». Искусственные нейронные сети – ICANN'97 (1997): 451-456 .
- ^ Сторки, Амос. «Эффективные методы ковариационной матрицы для байесовских гауссовских процессов и нейронных сетей Хопфилда». Кандидатская диссертация. Лондонский университет. (1999)
- ^ «Одна гигантская свалка для человечества» . Новости Би-би-си . 15 апреля 2004 г.
- ^ "Дом" . bayeswatch.com .
- ^ arXiv, Новые технологии. «Почему нейронные сети, похоже, впервые победят лучших игроков в го среди людей» . Обзор технологий Массачусетского технологического института .
- ^ Крис Дж. Мэддисон, «Переместить оценку в Go» Mad http://www0.cs.ucl.ac.uk/staff/d.silver/web/Applications_files/deepgo.pdf
- ^ Кларк, Кристофер; Сторки, Амос (2014). «Обучение глубоких сверточных нейронных сетей игре в го». arXiv : 1412.3409 [ cs.AI ].
- ^ Сверточная нейронная сеть
- ^ Перейти обратно: а б с д и https://scholar.google.com/scholar?hl=en&as_sdt=0%2C33&q=Amos+storkey&btnG= Страница автора Академии Google, по состоянию на 14 июня 2021 г.
| Международный | |
|---|---|
| академики | |
 | Для этой статьи необходимы дополнительные или более конкретные категории . ( июль 2021 г. ) |