stringtranslate.com

Central nuclear de Fukushima

Kunihiko Fukushima ( en japonés : 福島 邦彦, nacido el 16 de marzo de 1936) es un científico informático japonés , conocido sobre todo por su trabajo en redes neuronales artificiales y aprendizaje profundo . Actualmente trabaja a tiempo parcial como científico investigador sénior en el Instituto de Sistemas de Lógica Difusa en Fukuoka , Japón. [1]

Logros científicos notables

En 1980, Fukushima publicó el neocognitrón , [2] [3] la arquitectura original de red neuronal convolucional profunda (CNN). [4] [5] Fukushima propuso varios algoritmos de aprendizaje supervisados ​​y no supervisados ​​para entrenar los parámetros de un neocognitrón profundo de modo que pudiera aprender representaciones internas de los datos entrantes. [3] [6] Sin embargo, hoy en día, la arquitectura CNN generalmente se entrena a través de retropropagación . Este enfoque ahora se usa ampliamente en visión por computadora . [5] [7]

En 1969, Fukushima introdujo la función de activación ReLU (Unidad Lineal Rectificadora) en el contexto de la extracción de características visuales en redes neuronales jerárquicas, a la que llamó "elemento umbral analógico". [8] [9] (Aunque ReLU fue utilizado por primera vez por Alston Householder en 1941 como una abstracción matemática de redes neuronales biológicas. [10] ) A partir de 2017 es la función de activación más popular para redes neuronales profundas . [11]

Educación y carrera

En 1958, Fukushima recibió su Licenciatura en Ingeniería electrónica de la Universidad de Kioto . [1] Se convirtió en un científico investigador senior en los Laboratorios de Investigación de Ciencia y Tecnología de NHK . En 1989, se unió a la facultad de la Universidad de Osaka . [1] En 1999, se unió a la facultad de la Universidad de Electro-Comunicaciones . En 2001, se unió a la facultad de la Universidad de Tecnología de Tokio . De 2006 a 2010, fue profesor visitante en la Universidad de Kansai . [1]

Fukushima fue presidente fundador de la Sociedad Japonesa de Redes Neuronales (JNNS). También fue miembro fundador de la junta de gobernadores de la Sociedad Internacional de Redes Neuronales (INNS) y presidente de la Asamblea de Redes Neuronales de Asia y el Pacífico (APNNA). [1] Fue miembro de la junta de gobernadores de la Sociedad Internacional de Redes Neuronales (INNS) en 1989-1990 y 1993-2005. [12]

Premios

En 2020, Fukushima recibió el premio Bower y el premio al logro científico . [13] También recibió el premio IEICE Achievement Award y los premios a los artículos excelentes, el premio IEEE Neural Networks Pioneer, el premio APNNA Outstanding Achievement Award, el premio JNNS Excellent Paper Award y el premio INNS Helmholtz. [1]

Enlaces externos

  1. Perfil de ResearchMap

Referencias

  1. ^ abcdef Proyecto de Historia Oral del CIS (Don Wunsch) (2015). "Entrevista con Kunihiko Fukushima". IEEE TV . Consultado el 27 de febrero de 2019 .
  2. ^ Fukushima, Neocognitron (1980). "Un modelo de red neuronal autoorganizada para un mecanismo de reconocimiento de patrones no afectado por el cambio de posición". Cibernética biológica . 36 (4): 193–202. doi :10.1007/bf00344251. PMID  7370364. S2CID  206775608.
  3. ^ ab Fukushima, K. (2007). "Neocognitron". Scholarpedia . 2 (1): 1717. Código Bibliográfico :2007SchpJ...2.1717F. doi : 10.4249/scholarpedia.1717 .
  4. ^ Fogg, Andrew (2017). "Una historia del aprendizaje profundo". import.io . Consultado el 27 de febrero de 2019 .
  5. ^ por Schmidhuber, Jürgen (2015). "Aprendizaje profundo". Scholarpedia . 10 (11): 1527–54. CiteSeerX 10.1.1.76.1541 . doi :10.1162/neco.2006.18.7.1527. PMID  16764513. S2CID  2309950. 
  6. ^ Fukushima, Kunihiko (2018). "Video: Visión artificial por Neocognitron de CNN profundo". Youtube . Consultado el 25 de marzo de 2019 .
  7. ^ LeCun, Yann; Bengio, Yoshua; Hinton, Geoffrey (2015). "Aprendizaje profundo" (PDF) . Nature . 521 (7553): 436–444. Bibcode :2015Natur.521..436L. doi :10.1038/nature14539. PMID  26017442. S2CID  3074096.
  8. ^ Fukushima, K. (1969). "Extracción de características visuales mediante una red multicapa de elementos de umbral analógicos". IEEE Transactions on Systems Science and Cybernetics . 5 (4): 322–333. doi :10.1109/TSSC.1969.300225.
  9. ^ Fukushima, K.; Miyake, S. (1982). "Neocognitrón: un modelo de red neuronal autoorganizada para un mecanismo de reconocimiento visual de patrones". Competencia y cooperación en redes neuronales . En Competencia y cooperación en redes neuronales, Apuntes de clase en biomatemáticas. Vol. 45. Springer. págs. 267–285. doi :10.1007/978-3-642-46466-9_18. ISBN 978-3-540-11574-8.
  10. ^ Householder, Alston S. (junio de 1941). "Una teoría de la actividad en estado estacionario en redes de fibras nerviosas: I. Definiciones y lemas preliminares". Boletín de biofísica matemática . 3 (2): 63–69. doi :10.1007/BF02478220. ISSN  0007-4985.
  11. ^ Ramachandran, Prajit; Barret, Zoph; Quoc, V. Le (16 de octubre de 2017). "Búsqueda de funciones de activación". arXiv : 1710.05941 [cs.NE].
  12. ^ Archivo de la Junta de Gobernadores del INNS
  13. ^ "Kunihiko Fukushima". Instituto Franklin . 25 de enero de 2020. Consultado el 27 de enero de 2020 .