stringtranslate.com

Donald Geman

Donald Jay Geman (nacido el 20 de septiembre de 1943) es un matemático aplicado estadounidense y un destacado investigador en el campo del aprendizaje automático y el reconocimiento de patrones . Él y su hermano, Stuart Geman , son muy conocidos por proponer el muestreador de Gibbs y por la primera prueba de la convergencia del algoritmo de recocido simulado , [1] en un artículo que se convirtió en una referencia altamente citada en ingeniería (más de 21 000 citas según Google Scholar, a enero de 2018). [2] Es profesor en la Universidad Johns Hopkins y simultáneamente profesor visitante en la École Normale Supérieure de Cachan .

Biografía

Geman nació en Chicago en 1943. Se graduó de la Universidad de Illinois Urbana-Champaign en 1965 con una licenciatura en Literatura Inglesa y de la Universidad Northwestern en 1970 con un doctorado en matemáticas. [3] Su disertación se tituló "Condicionamiento de ventana horizontal y los ceros de los procesos estacionarios". Se unió a la Universidad de Massachusetts-Amherst en 1970, donde se jubiló como profesor distinguido en 2001. Posteriormente, se convirtió en profesor en el Departamento de Matemáticas Aplicadas de la Universidad Johns Hopkins . También ha sido profesor visitante en la École Normale Supérieure de Cachan desde 2001. Es miembro de la Academia Nacional de Ciencias y miembro del Instituto de Estadística Matemática y de la Sociedad de Matemáticas Industriales y Aplicadas .

Trabajar

D. Geman y J. Horowitz publicaron una serie de artículos a finales de los años 1970 sobre tiempos locales y densidades de ocupación de procesos estocásticos. Un estudio de este trabajo y otros problemas relacionados se puede encontrar en los Anales de Probabilidad. [4] En 1984, con su hermano Stuart, publicó un artículo de referencia que todavía hoy es uno de los artículos más citados [5] en la literatura de ingeniería. Introduce un paradigma bayesiano utilizando Campos Aleatorios de Markov para el análisis de imágenes. Este enfoque ha sido muy influyente en los últimos 20 años y sigue siendo un raro tour de force en este campo de rápida evolución. En otro artículo de referencia, [6] [7] en colaboración con Y. Amit, introdujo el concepto de árboles de decisión aleatorios , [8] [9] que se han denominado bosques aleatorios y que Leo Breiman popularizó . Algunos de sus trabajos recientes incluyen la introducción de cascadas jerárquicas de gruesas a finas para la detección de objetos [10] en visión por computadora y el clasificador TSP (Top Scoring Pairs) como una regla simple y robusta para clasificadores entrenados en conjuntos de datos de muestras pequeñas de alta dimensión en bioinformática . [11] [12]

Referencias

  1. ^ S. Geman; D. Geman (1984). "Relajación estocástica, distribuciones de Gibbs y restauración bayesiana de imágenes". IEEE Transactions on Pattern Analysis and Machine Intelligence . 6 (6): 721–741. doi :10.1109/TPAMI.1984.4767596. PMID  22499653. S2CID  5837272.
  2. ^ Google Scholar: Relajación estocástica, distribuciones de Gibbs y restauración bayesiana.
  3. ^ "Donald Geman elegido miembro de la NAS". Instituto de Estadística Matemática . 18 de mayo de 2015. Consultado el 5 de junio de 2024 .
  4. ^ D. Geman; J. Horowitz (1980). "Densidades de ocupación". Anales de probabilidad . 8 (1): 1–67. doi : 10.1214/aop/1176994824 .
  5. ^ ISI Highly Cited: Donald Geman http://hcr3.isiknowledge.com/author.cgi?&link1=Search&link2=Search%20Results&AuthLastName=geman&AuthFirstName=&AuthMiddleName=&AuthMailnstName=&CountryID=-1&DisciplineID=0&id=519 Archivado el 19 de mayo de 2007 en Wayback Machine.
  6. ^ Y. Amit y D. Geman, "Investigaciones aleatorias sobre la forma; una aplicación al reconocimiento de dígitos escritos a mano", Informe técnico 401, Departamento de Estadística, Universidad de Chicago, IL, 1994.
  7. ^ Y. Amit; D. Geman (1997). "Cuantización de formas y reconocimiento con árboles aleatorios". Neural Computation . 9 (7): 1545–1588. CiteSeerX 10.1.1.57.6069 . doi :10.1162/neco.1997.9.7.1545. S2CID  12470146. 
  8. ^ Bosques de decisión: un marco unificado para la clasificación, regresión, estimación de densidad, aprendizaje múltiple y aprendizaje semisupervisado. Encontrado. Tendencias. Comput. Graph. Vis., vol. 7, números 2-3 (2011) 81-227. (febrero de 2012), págs. 81-227, doi:10.1561/0600000035 por Antonio Criminisi, Jamie Shotton y Ender Konukoglu.
  9. ^ Bosques de decisiones para visión artificial y análisis de imágenes médicas. Editores: A. Criminisi, J. Shotton. Springer, 2013. ISBN 978-1-4471-4928-6 (versión impresa) 978-1-4471-4929-3 ( versión en línea ). 
  10. ^ F. Fleuret; D. Geman (2001). "Detección de rostros de grueso a fino". Revista internacional de visión por computadora . 41 : 85–107. doi :10.1023/a:1011113216584. S2CID  6754141.
  11. ^ D. Geman; C. d'Avignon; D. Naiman; R. Winslow (2004). "Clasificación de perfiles de expresión génica a partir de comparaciones de ARNm por pares". Aplicaciones estadísticas en genética y biología molecular . 3 : 1–19. doi :10.2202/1544-6115.1071. PMC 1989150 . PMID  16646797. 
  12. ^ AC Tan; D. Naiman; L. Xu; R. Winslow; D. Geman (2005). "Reglas de decisión simples para clasificar cánceres humanos a partir de perfiles de expresión genética". Bioinformática . 21 (20): 3896–3904. doi :10.1093/bioinformatics/bti631. PMC 1987374 . PMID  16105897. 

Enlaces externos