Дональд Геман - Donald Geman - Wikipedia

Дональд Дж. Джеман
DonaldGeman.jpg
Дональд Джеман (справа), осень 1983 г., Париж
Родившийся (1943-09-20) 20 сентября 1943 г. (возраст 77)
Чикаго, Иллинойс, Соединенные Штаты
НациональностьАмериканец
Альма-матерКолумбийский университет
Иллинойсский университет в Урбана-Шампейн
Северо-Западный университет
НаградыISI высоко цитируемый исследователь
Научная карьера
ПоляМатематика
Статистика
УчрежденияМассачусетский университет
Университет Джона Хопкинса
École Normale Supérieure de Cachan
ДокторантМайкл Маркус

Дональд Джей Джеман (родился 20 сентября 1943 г.) Американец прикладной математик и ведущий исследователь в области машинное обучение и распознавание образов. Он и его брат, Стюарт Геман, очень известны тем, что предлагают Сэмплер Гиббса и для первого доказательства сходимости имитация алгоритма отжига,[1] в статье, которая стала очень цитируемым справочником в области инженерии (более 21 тыс. цитирований по данным Google Scholar на январь 2018 г.).[2] Он профессор Университет Джона Хопкинса и одновременно приглашенный профессор в École Normale Supérieure de Cachan.

биография

Джеман родился в Чикаго в 1943 году. Окончил Иллинойсский университет в Урбана-Шампейн в 1965 г. степень в области английской литературы и от Северо-Западный университет в 1970 г. защитил кандидатскую диссертацию. по математике. Его диссертация называлась «Горизонтальное оконное кондиционирование и нули стационарных процессов». Он присоединился Массачусетский университет - Амхерст в 1970 году, где он ушел в отставку как заслуженный профессор в 2001 году. После этого он стал профессором Кафедра прикладной математики в Университет Джона Хопкинса. Он также был приглашенным профессором в École Normale Supérieure de Cachan с 2001 года. Член Национальная Академия Наук, и член Институт математической статистики и Общество промышленной и прикладной математики.

Работа

Д. Геман и Дж. Горовиц опубликовали в конце 1970-х годов серию статей о местном времени и плотности заполнения случайных процессов. Обзор этой работы и других связанных с ней проблем можно найти в Annals of Probability.[3] В 1984 году вместе со своим братом Стюартом он опубликовал важную статью, которая до сих пор остается одной из самых цитируемых.[4] в инженерной литературе. Он вводит байесовскую парадигму с использованием марковских случайных полей для анализа изображений. Этот подход оказал большое влияние на последние 20 лет и остается редким явлением в этой быстро развивающейся области. В другом важном документе[5][6] в сотрудничестве с Ю. Амитом он ввел понятие рандомизированного деревья решений,[7][8] которые были названы случайные леса и популяризируется Лео Брейман. Некоторые из его недавних работ включают введение от грубого до мелкого иерархические каскады для обнаружения объектов[9] в компьютерном зрении и классификаторе TSP (Top Scoring Pairs) как простое и надежное правило для классификаторов, обученных крупногабаритный малый образец наборы данных в биоинформатика.[10][11]

Рекомендации

  1. ^ С. Геман; Д. Геман (1984). «Стохастическая релаксация, распределения Гиббса и байесовское восстановление изображений». IEEE Transactions по анализу шаблонов и машинному анализу. 6 (6): 721–741. Дои:10.1109 / TPAMI.1984.4767596. PMID  22499653.
  2. ^ Google ученый: Стохастическая релаксация, распределения Гиббса и байесовское восстановление.
  3. ^ Д. Геман; Дж. Горовиц (1980). «Плотность занятий». Анналы вероятности. 8 (1): 1–67. Дои:10.1214 / aop / 1176994824.
  4. ^ Цитируется ISI: Дональд Геман http://hcr3.isiknowledge.com/author.cgi?&link1=Search&link2=Search%20Results&AuthLastName=geman&AuthFirstName=&AuthMiddleName=&AuthMailnstName=&CountryID=-1&DisciplineID=0&id=519 В архиве 2007-05-19 на Wayback Machine
  5. ^ Ю. Амит и Д. Геман, «Случайные запросы о форме; приложение для распознавания рукописных цифр», Технический отчет 401, Департамент статистики, Чикагский университет, Иллинойс, 1994.
  6. ^ Ю. Амит; Д. Геман (1997). «Квантование формы и распознавание с помощью рандомизированных деревьев». Нейронные вычисления. 9 (7): 1545–1588. CiteSeerX  10.1.1.57.6069. Дои:10.1162 / neco.1997.9.7.1545.
  7. ^ Лес принятия решений: найдена унифицированная структура для классификации, регрессии, оценки плотности, множественного обучения и полу-контролируемого обучения. Тенденции. Comput. График. Vis., Vol. 7. №2–3 (2011) 81–227. (Февраль 2012 г.), стр. 81-227, DOI: 10.1561 / 0600000035 Антонио Криминиси, Джейми Шоттон и Эндер Конукоглу.
  8. ^ Леса решений для компьютерного зрения и анализа медицинских изображений. Редакторы: А. Криминиси, Дж. Шоттон. Спрингер, 2013. ISBN  978-1-4471-4928-6 (Печать) 978-1-4471-4929-3 (В сети ).
  9. ^ Ф. Флёре; Д. Геман (2001). «Обнаружение лица от грубого до мелкого». Международный журнал компьютерного зрения. 41: 85–107. Дои:10.1023 / а: 1011113216584.
  10. ^ Д. Геман; К. д'Авиньон; Д. Найман; Р. Уинслоу (2004). «Классификация профилей экспрессии генов из попарных сравнений мРНК». Статистические приложения в генетике и молекулярной биологии. 3: 1–19. Дои:10.2202/1544-6115.1071. ЧВК  1989150. PMID  16646797.
  11. ^ A-C Tan; Д. Найман; Л. Сюй; Р. Уинслоу; Д. Геман (2005). «Простые решающие правила для классификации рака человека по профилям экспрессии генов». Биоинформатика. 21 (20): 3896–3904. Дои:10.1093 / биоинформатика / bti631. ЧВК  1987374. PMID  16105897.

внешняя ссылка