stringtranslate.com

Stuart Geman

Stuart Alan Geman (nacido el 23 de marzo de 1949) es un matemático estadounidense , conocido por sus influyentes contribuciones a la visión artificial, la estadística, la teoría de la probabilidad, el aprendizaje automático y las neurociencias. [1] [2] [3] [4] Él y su hermano, Donald Geman , son bien conocidos por proponer el muestreador de Gibbs y por la primera prueba de convergencia del algoritmo de recocido simulado . [5] [6]

Biografía

Geman nació y creció en Chicago. Estudió en la Universidad de Michigan (licenciatura en Física, 1971), en el Dartmouth Medical College (maestría en Neurofisiología, 1973) y en el Massachusetts Institute of Technology (doctorado en Matemáticas Aplicadas, 1977).

Desde 1977, ha sido miembro de la facultad de la Universidad Brown , donde ha trabajado en el grupo de Teoría de Patrones , y actualmente es Profesor James Manning de Matemáticas Aplicadas. Ha recibido numerosos honores y premios, incluyendo la selección como Investigador Joven Presidencial y como investigador altamente citado del ISI. Es miembro electo del Instituto Internacional de Estadística y miembro del Instituto de Estadística Matemática y de la Sociedad Americana de Matemáticas. [7] Fue elegido miembro de la Academia Nacional de Ciencias de Estados Unidos en 2011.

Trabajar

Las contribuciones científicas de Geman abarcan trabajos en enfoques probabilísticos y estadísticos para la inteligencia artificial , campos aleatorios de Markov , métodos de Monte Carlo de cadena de Markov (MCMC), inferencia no paramétrica , matrices aleatorias, sistemas dinámicos aleatorios, redes neuronales, neurofisiología, mercados financieros y estadísticas de imágenes naturales. Trabajos particularmente notables incluyen: el desarrollo del muestreador de Gibbs , prueba de convergencia de recocido simulado , [8] [9] contribuciones fundamentales al enfoque de campo aleatorio de Markov ("modelo gráfico") para la inferencia en visión y aprendizaje automático, [3] [10] y trabajo sobre los fundamentos compositivos de la visión y la cognición. [11] [12]

Notas

  1. ^ Thomas P. Ryan y William H. Woodall (2005). "Los artículos estadísticos más citados". Revista de estadística aplicada . 32 (5): 461–474. Código Bibliográfico :2005JApSt..32..461R. doi :10.1080/02664760500079373. S2CID  109615204.
  2. ^ S. Kotz y NL Johnson (1997). Avances en estadística, volumen III . Nueva York, NY: Springer Verlag.
  3. ^ ab [Wikipedia] Lista de publicaciones importantes en informática.
  4. ^ Sharon Bertsch Mcgrayne (2011). La teoría que no moriría . Nueva York y Londres: Yale University Press.
  5. ^ 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.
  6. ^ Google Scholar: Relajación estocástica, distribuciones de Gibbs y restauración bayesiana.
  7. ^ Lista de miembros de la American Mathematical Society, consultado el 27 de agosto de 2013.
  8. ^ PJ van Laarhoven y EH Aarts (1987). Recocido simulado: teoría y aplicaciones . Países Bajos: Kluwer. Código Bib : 1987 sata.book..... L.
  9. ^ P. Salamon; P. Sibani; R. Frost (2002). Hechos, conjeturas y mejoras para el recocido simulado . Filadelfia, PA: Sociedad de Matemáticas Industriales y Aplicadas.
  10. ^ C. Bishop (2006). Reconocimiento de patrones y aprendizaje automático . Nueva York: Springer.
  11. ^ N. Chater; JB Tenenbaum y A. Yuille (2005). "Modelos probabilísticos de cognición: fundamentos conceptuales" (PDF) . Tendencias en ciencias cognitivas . 10 (7): 287–291. doi :10.1016/j.tics.2006.05.007. PMID  16807064. S2CID  7547910.
  12. ^ B. Ommer y JM Buhmann (2010). "Aprendizaje de la estructura compositiva de categorías de objetos visuales para reconocimiento". IEEE Transactions on Pattern Analysis and Machine Intelligence . 32 (3): 501–516. CiteSeerX 10.1.1.297.2474 . doi :10.1109/tpami.2009.22. PMID  20075474. S2CID  11002928.