Stuart Alan Geman (nacido en 1949) es un matemático estadounidense , conocido por sus influyentes contribuciones a la visión por computadora, 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]
Stuart A. Geman | |
---|---|
Nació | C. 1949 (71 a 72 años de edad) |
Nacionalidad | americano |
alma mater | Universidad de Michigan BS (1971) Dartmouth College MS (1973) Instituto de Tecnología de Massachusetts Ph.D. (1977) |
Carrera científica | |
Campos | Matemáticas |
Instituciones | Universidad de Brown |
Asesor de doctorado | Herman Chernoff Frank Kozin |
Biografía
Geman nació y se crió en Chicago. Fue educado en la Universidad de Michigan (BS, Física, 1971), Dartmouth Medical College (MS, Neurofisiología, 1973) y el Instituto de Tecnología de Massachusetts (Ph.D, Matemáticas Aplicadas, 1977).
Desde 1977, ha sido miembro del cuerpo docente de la Universidad de Brown , donde ha trabajado en el grupo de Teoría de Patrones , y actualmente es profesor de Matemática Aplicada James Manning. Ha recibido muchos honores y premios, incluida la selección como investigador joven presidencial y como investigador altamente citado de ISI. Es miembro electo del International Statistical Institute y miembro del Institute of Mathematical Statistics y de la American Mathematical Society. [7] Fue elegido miembro de la Academia Nacional de Ciencias de EE. UU . En 2011.
Trabaja
Las contribuciones científicas de Geman abarcan el trabajo en enfoques probabilísticos y estadísticos de la inteligencia artificial , campos aleatorios de Markov , métodos de Monte Carlo en cadena de Markov (MCMC), inferencia no paramétrica , matrices aleatorias, sistemas dinámicos aleatorios, redes neuronales, neurofisiología, mercados financieros y estadísticas de imágenes naturales. Los trabajos particularmente notables incluyen: el desarrollo del muestreador de Gibbs , la prueba de convergencia del recocido simulado , [8] [9] contribuciones fundamentales al enfoque de campo aleatorio de Markov ("modelo gráfico") para la inferencia en la visión y el aprendizaje automático, [3] [10] y trabajar en los fundamentos compositivos de la visión y la cognición. [11] [12]
Notas
- ^ Thomas P. Ryan y William H. Woodall (2005). "Los artículos estadísticos más citados". Revista de estadísticas aplicadas . 32 (5): 461–474. doi : 10.1080 / 02664760500079373 . S2CID 109615204 .
- ^ S. Kotz y NL Johnson (1997). Breakthroughs in Statistics, Volumen III . Nueva York, NY: Springer Verlag.
- ^ a b [Wikipedia] Lista de publicaciones importantes en informática.
- ^ Sharon Bertsch Mcgrayne (2011). La teoría que no moriría . Nueva York y Londres: Yale University Press.
- ^ S. Geman; D. Geman (1984). "Relajación estocástica, distribuciones de Gibbs y restauración bayesiana de imágenes". Transacciones IEEE sobre análisis de patrones e inteligencia de máquinas . 6 (6): 721–741. doi : 10.1109 / TPAMI.1984.4767596 . PMID 22499653 . S2CID 5837272 .
- ^ Académico de Google: relajación estocástica, distribuciones de Gibbs y la restauración bayesiana .
- ^ Lista de miembros de la American Mathematical Society , consultado el 27 de agosto de 2013.
- ^ PJ van Laarhoven y EH Aarts (1987). Recocido simulado: teoría y aplicaciones . Holanda: Kluwer. Bibcode : 1987sata.book ..... L .
- ^ P. Salamon; P. Sibani; R. Frost (2002). Hechos, conjeturas y mejoras para el recocido simulado . Filadelfia, PA: Sociedad de Matemáticas Industriales y Aplicadas.
- ^ C. Bishop (2006). Reconocimiento de patrones y aprendizaje automático . Nueva York: Springer.
- ^ 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 .
- ^ B. Ommer y JM Buhmann (2010). "Aprendizaje de la estructura compositiva de las categorías de objetos visuales para el reconocimiento". Transacciones IEEE sobre análisis de patrones e inteligencia de máquinas . 32 (3): 501–516. CiteSeerX 10.1.1.297.2474 . doi : 10.1109 / tpami.2009.22 . PMID 20075474 . S2CID 11002928 .