本文摘要：被称为诺贝尔计算机科学奖的图灵奖于27日宣布了获奖者。
被称为诺贝尔计算机科学奖的图灵奖于27日宣布了获奖者。ACM宣布，深度自学的三位创作者YoshuaBengio、YannLeCun和GeoffreyHinton获得了2018年的图灵奖，以表彰他们在人工智能方面的重大突破，这使得深度神经网络成为计算的关键组成部分。据估计，三位获奖者将分享一百万美元的奖金。
众所周知，在人工智能时代，深度自学是最关键的基础技术之一。在当前的计算机视觉、语音识别、自然语言处理和机器人学等领域，深度自学做出了巨大的贡献。
据悉，这也是自1966年图灵奖成立以来，罕见的三位获奖者年度颁奖仪式。ACM在公告中分别陈述了三个科学奖在深度自学领域的突出贡献。
YannLeCunYannLeCun是纽约大学教授，Facebook副总裁兼人工智能首席科学家。他也被称为“卷积神经网络之父”。因此，YannLeCun的代表性贡献之一就是卷积神经网络。
20世纪80年代，乐村发明了卷积神经网络，这是机器学习领域的基础技术，使深度自学习更加高效。杨利村在多伦多大学和贝尔实验室工作期间，首次将卷积神经网络用于手写数字识别。
如今，卷积神经网络已被广泛用作计算机视觉、语音识别、语音合成、图像准备、自然语言处理等学术方向，以及自动驾驶、医学图像识别、语音辅助和信息过滤等工业应用。乐村的第二个最重要的贡献是改进了迁移传播算法。
他明确提出了一种早期的偏移传播算法backprop，并根据变分原理得到了简洁的推论，使得偏移传播算法变慢。他的第三个贡献是拓展了神经网络的应用范围，他把神经网络变成了一个可以完成很多不同任务的计算模型。他早期的一些工作已经成为人工智能的基本概念。比如在图片识别领域，他研究了如何让神经网络自己学习层次特征。
这种方法已经用于许多日常识别任务。YoshuaBengio Bengio目前是蒙特利尔大学的教授，也是魁北克人工智能研究所Mila的科学主任。YoshuaBengio的贡献主要是90年代发明的他的序列的概率模型，它结合了神经网络和概率模型，成功地利用新技术识别手写支票，现代深度自学习技术中的语音识别也是在此基础上拓展的。
此外，本吉奥发表的论文“非整概率语言模型”用于高维词向量，与自然语言密切相关。他的团队还引入了注意力机制，使机器翻译取得了技术突破，成为深度自学习处置序列最重要的技术。GeoffreyHintonGeoffreyHinton是谷歌副总裁兼工程研究员，Vector Institute首席科学顾问，多伦多大学名誉教授。
他最重要的贡献还包括论文《学习内部传播》，其中提到迁移传播可以使神经网络发现它们的内部数据是紧密相关的，从而可以处理过去无法解决的问题。
本文关键词：亚博买球,亚博APP买球信誉靠谱
本文来源：亚博买球-www.shzglxs.com