stringtranslate.com

Исинь Чэнь

Yixin Chen — компьютерный ученый , академик и автор. Он профессор компьютерных наук и инженерии в Университете Вашингтона в Сент-Луисе . [1]

Научные интересы Чена сосредоточены на компьютерных науках , с особым акцентом на областях машинного обучения , глубокого обучения и интеллектуального анализа данных . [2] Он внес вклад в несколько публикаций и написал несколько глав книг, включая «Кластеризация параллельных потоков данных» и «Оценка проблем секционированного временного планирования в дискретном пространстве и ее применение в ASPEN» . [3] Он также является соавтором книги « Введение в объяснимый искусственный интеллект» .

Чэнь является избранным членом IEEE [4] за его вклад в системы глубокого обучения и членом AAIA. Он также был сопредседателем программы конференции IEEE по большим данным 2021 года. [5]

Образование

Чэнь получил степень бакалавра в области компьютерных наук в Китайском университете науки и технологий в 1999 году и степень магистра в области компьютерных наук в Иллинойсском университете в Урбане-Шампейне в 2001 году. Затем он продолжил обучение в докторантуре по компьютерным наукам в Иллинойсском университете в Урбане-Шампейне под руководством Бенджамина Ва [6] [ циклическая ссылка ] и завершил его в 2005 году. [7]

Карьера

Чэнь начал свою академическую карьеру в качестве доцента на кафедре компьютерных наук и инженерии в Университете Вашингтона в Сент-Луисе в 2005 году. В 2010 году он был назначен доцентом на кафедре компьютерных наук и инженерии в Университете Вашингтона в Сент-Луисе. С 2016 года он является профессором на кафедре компьютерных наук и инженерии в Университете Вашингтона в Сент-Луисе. [8] Он является директором Центра совместного обучения и эксплуатации человеческого и искусственного интеллекта (HALO) в Университете Вашингтона. [9]

Исследовать

Чэнь является автором многочисленных публикаций. Его исследовательские интересы сосредоточены в областях машинного обучения, применения искусственного интеллекта в здравоохранении , алгоритмов оптимизации, интеллектуального анализа данных и вычислительной биомедицины. [2]

Ресурсоэффективное глубокое обучение

Чэнь провел значительные исследования компактности и применимости глубоких нейронных сетей (DNN). Он предложил концепцию и архитектуру легких DNN. Его группа изобрела архитектуру HashedNets, которая сжимает чрезмерно большие DNN в гораздо меньшие сети с использованием схемы распределения веса. [10]

Чэнь также разработал фреймворки сжатия для сверточных нейронных сетей (CNN). Его лаборатория изобрела частотно-чувствительную технику сжатия, в которой более важные параметры модели сохраняются лучше, что приводит к результатам сжатия, соответствующим самым современным стандартам. [11]

Глубокое обучение на графиках и временных рядах

Чен внес значительный вклад в графовые нейронные сети (GNN). Чен и его студенты предложили DGCNN, один из первых методов свертки графов, который может выучить осмысленное тензорное представление из произвольных графов, и показали его глубокую связь с алгоритмом Вайсфейлера-Лемана. [12] Они первыми применили GNN для прогнозирования связей (в известном алгоритме SEAL) и завершения матриц и достигли мировых рекордных результатов. [13]

Для классификации временных рядов Чэнь выступал за использование многомасштабной сверточной нейронной сети, также известной как MCNN, ссылаясь на ее вычислительную эффективность. Он проиллюстрировал, что MCNN выявляет признаки на разных частотах и ​​масштабах, используя вычисления на GPU, в отличие от других фреймворков, которые могут извлекать признаки только в одном временном масштабе. [14]

Награды и почести

Библиография

Книги

Избранные статьи

Ссылки

  1. ^ "Исинь Чэнь - Университет Вашингтона в Сент-Луисе".
  2. ^ ab "Исинь Чен - Профиль Академии Google" .
  3. ^ «Оценка задач секционированного временного планирования в дискретном пространстве и ее применение в ASPEN — Researchgate».
  4. ^ ab "Чен избран членом IEEE - Школа инженерии Маккелви". 6 декабря 2022 г.
  5. ^ "Конференция IEEE 2021 по большим данным - IEEE".
  6. ^ «Бенджамин Ва — Википедия».
  7. ^ "Школа инженерии Маккелви - Университет Вашингтона в Сент-Луисе".
  8. ^ "Исинь Чэнь - Университет Вашингтона в Сент-Луисе".
  9. ^ «Факультет — Центр совместного обучения и эксплуатации человека и искусственного интеллекта».
  10. ^ «Сжатие нейронных сетей с помощью трюка с хешированием — ACM Digital Library». 6 июля 2015 г. С. 2285–2294.
  11. ^ Чен, Вэньлинь; Уилсон, Джеймс; Тайри, Стивен; Вайнбергер, Килиан К.; Чен, Исинь (13 августа 2016 г.). «Сжатие сверточных нейронных сетей в частотной области». Труды 22-й Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных. стр. 1475–1484. doi :10.1145/2939672.2939839. ISBN 9781450342322. S2CID  13253967.
  12. ^ Архитектура глубокого обучения «от начала до конца» для классификации графов — ACM Digital Library. AAAI Press. 2 февраля 2018 г. стр. 4438–4445. ISBN 9781577358008.
  13. ^ «Прогнозирование ссылок на основе графовых нейронных сетей — ACM Digital Library». 3 декабря 2018 г. С. 5171–5181.
  14. ^ Цуй, Чжичэн; Чэнь, Вэньлинь; Чэнь, Исинь (2016). «Многомасштабные сверточные нейронные сети для классификации временных рядов — Корнелльский университет». arXiv : 1603.06995 [cs.CV].
  15. ^ "Чен получает стипендию Microsoft". 18 июля 2007 г.
  16. ^ «Награды и признание за доклады конференции AAAI».
  17. ^ {{url=https://aaia-ai.org/fellows?words=Yixin%20Chen%7Ctitle=Азиатско-Тихоокеанская ассоциация искусственного интеллекта}}