Peter Dayán

Investigador en neurociencia computacional

Peter Dayan FRS es un neurocientífico e informático británico que es director del Instituto Max Planck de Cibernética Biológica en Tubinga , Alemania, junto con Ivan De Araujo . Es coautor de Theoretical Neuroscience , ^[2] un influyente libro de texto sobre neurociencia computacional . Es conocido por aplicar métodos bayesianos de aprendizaje automático e inteligencia artificial para comprender la función neuronal y es particularmente reconocido por relacionar los niveles de neurotransmisores con errores de predicción e incertidumbres bayesianas. ^[3] Ha sido pionero en el campo del aprendizaje por refuerzo (RL), donde ayudó a desarrollar el algoritmo Q-learning e hizo contribuciones al aprendizaje no supervisado , incluido el algoritmo de vigilia-sueño para redes neuronales y la máquina de Helmholtz . ^{[4] [5] [6]}

Educación

Dayan estudió matemáticas en la Universidad de Cambridge y luego continuó con un doctorado en inteligencia artificial en la Escuela de Informática de la Universidad de Edimburgo sobre aprendizaje estadístico ^[7] supervisado por David Willshaw y David Wallace , centrándose en la memoria asociativa y el aprendizaje por refuerzo . ^[7]

Carrera e investigación

Después de su doctorado, Dayan ocupó puestos de investigación postdoctoral con Terry Sejnowski en el Instituto Salk y Geoffrey Hinton en la Universidad de Toronto . Luego asumió un puesto de profesor asistente en el Instituto Tecnológico de Massachusetts (MIT) y se trasladó a la unidad de neurociencia computacional de la Gatsby Charitable Foundation en el University College London (UCL) en 1998, convirtiéndose en profesor y director en 2002. ^[8] En septiembre En 2018, la Sociedad Max Planck anunció su nombramiento como director del Instituto Max Planck de Cibernética Biológica de Tubinga . ^[9]

Premios y honores

Dayan fue elegido miembro de la Royal Society (FRS) en 2018 . ^[10] Recibió el Premio Rumelhart en 2012 y el Premio Brain en 2017. ^[10]

Ver también

• maquina helmholtz

Referencias

1. Ghahramani, Zoubin (2017). "Dando la bienvenida a Peter Dayan a Uber AI Labs". uber.com . Archivado desde el original el 15 de marzo de 2018.
2. Dayán, Pedro; Abbott, Laurence (2014). Neurociencia teórica: modelado computacional y matemático de sistemas neuronales . Cambridge: Prensa del MIT. ISBN 9780262541855. OCLC  952504127.
3. Schultz, W.; Dayán, P.; Montague, PR (1997). "Un sustrato neuronal de predicción y recompensa" (PDF) . Ciencia . 275 (5306): 1593–1599. doi : 10.1126/ciencia.275.5306.1593. ISSN  0036-8075. PMID  9054347. S2CID  220093382.
4. Watkins, Christopher JCH; Dayán, Peter (1992). "Q-aprendizaje". Aprendizaje automático . 8 (3–4): 279–292. doi : 10.1007/BF00992698 . hdl : 21.11116/0000-0002-D738-D . ISSN  0885-6125.
5. Dayan, Peter (1992). "La convergencia de TD (λ) para λ general". Aprendizaje automático . 8 (3/4): 341–362. doi : 10.1023/A:1022632907294 . hdl : 21.11116/0000-0002-D743-0 . ISSN  0885-6125.
6. Pedro, Dayán; Hinton, Geoffrey E .; Neal, Radford M .; Zemel, Richard S. (1995). "La máquina de Helmholtz". Computación neuronal . 7 (5): 889–904. doi :10.1162/neco.1995.7.5.889. hdl : 21.11116/0000-0002-D6D3-E . PMID  7584891. S2CID  1890561.
7. Dayan, Peter Samuel (1991). Reforzar el conexionismo: aprender el camino estadístico (tesis doctoral). hdl :1842/14754. EThOS  uk.bl.ethos.649240.
8. "Peter Dayán". gatsby.ucl.ac.uk . Archivado desde el original el 25 de marzo de 2019.
9. Luego (2018). "Peter Dayan y Li Zhaoping nombrados miembros del Instituto Max Planck de Cibernética Biológica". mpg.de. ​Archivado desde el original el 3 de abril de 2019 . Consultado el 2 de octubre de 2018 .
10. Anón (2018). "Profesor Peter Dayan FRS". royalsociety.org . Londres: Sociedad de la Realeza . Consultado el 22 de mayo de 2018 .Una o más de las oraciones anteriores incorporan texto del sitio web royalsociety.org donde:

    "Todo el texto publicado bajo el título 'Biografía' en las páginas de perfil de los miembros está disponible bajo la licencia internacional Creative Commons Attribution 4.0 ". --Términos, condiciones y políticas de la Royal Society en Wayback Machine (archivado el 11 de noviembre de 2016)

 Este artículo incorpora texto disponible bajo la licencia CC BY 4.0.