Рональд Дж. Уильямс - Ronald J. Williams

Рональд Дж. Уильямс профессор Информатика в Северо-Восточный университет, и один из пионеров нейронные сети. Он был соавтором статьи о обратное распространение алгоритм, который вызвал бум исследований нейронных сетей.[1] Он также внес фундаментальный вклад в области повторяющиеся нейронные сети[2][3] и обучение с подкреплением.[4] Вместе с Wenxu Tong и Мэри Джо Ондрехен он разработал частичный порядок оптимального правдоподобия (POOL), метод машинного обучения, используемый для предсказания активных аминокислот в белковых структурах. POOL - это метод максимального правдоподобия с ограничением монотонности и общий предиктор свойств, которые монотонно зависят от входных функций.[5]

Рекомендации

  1. ^ Дэвид Э. Рамелхарт, Джеффри Э. Хинтон и Рональд Дж. Уильямс. Изучение представлений с помощью ошибок обратного распространения., Nature (London) 323, S. 533-536
  2. ^ Уильямс, Р. Дж. И Зипсер, Д. (1989). Алгоритм обучения для непрерывной работы полностью рекуррентных нейронных сетей. Нейронные вычисления, 1, 270-280.
  3. ^ Р. Дж. Уильямс и Д. Ципсер. Алгоритмы обучения на основе градиентов для рекуррентных сетей и их вычислительная сложность. В обратном распространении: теория, архитектура и приложения. Хиллсдейл, Нью-Джерси: Эрлбаум, 1994.
  4. ^ Уильямс, Р. Дж. (1992). Простые статистические алгоритмы следования градиентам для обучения с подкреплением коннекционистов. Машинное обучение, 8, 229-256.
  5. ^ W. Tong, Y. Wei, L.F. Murga, M.J. Ondrechen, R.J. Уильямс (2009). Оптимальное правдоподобие частичного порядка (POOL): прогнозирование максимального правдоподобия для остатков активного сайта с использованием трехмерной структуры и свойств последовательности. PLoS Computational Biology, 5 (1): e1000266.

внешняя ссылка