“神经网络之父”和“深度学习鼻祖”Geoffrey Hinton

“神经网络之父”和“深度学习鼻祖”Geoffrey Hinton在神经网络范畴数十年如一日的研究，对深度学习的推动和贡献显著。
一、早期贡献与突破
反向传播算法的引入：Hinton是将反向传播（Backpropagation）算法引入多层神经网络训练的学者之一。这一算法在神经网络训练中起到了至关紧张的作用，为深度学习的发展奠定了坚实的底子。
波尔兹曼机的发明：Hinton等人联合发明了波尔兹曼机（Boltzmann machine），这是第一个可以或许学习不属于输入或输出的神经元内部表征的神经网络。波尔兹曼机的提出为神经网络的研究开辟了新的方向。
二、深度学习的推动与贡献
深度学习概念的提出：Hinton等人在2006年提出了深度学习的概念，并基于深度置信网络（DBN）提出了非监督贪婪逐层训练算法，为办理深层结构相干的优化难题带来了希望。这一突破性的工作引发了深度学习范畴的广泛关注和研究热潮。
胶囊网络的提出：Hinton在深度学习范畴还提出了胶囊网络（Capsule Networks）的概念。胶囊网络是一种全新的神经网络结构，旨在通过封装和组合多个低层次的特征来形成高层次的特征，从而进步模型的表达能力和鲁棒性。胶囊网络的提出为深度学习范畴带来了新的思考方向。
GLOM架构的提出：在最新的研究中，Hinton提出了GLOM架构，这是一种可以在神经网络中使用胶囊来表现视觉层次结构的新方法。GLOM架构通过提出island的概念来表现解析树的节点，可以显著提升transformer类模型的可解释性。这一工作为深度学习范畴带来了新的研究视角和大概性。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。