弗拉基米尔·瓦普尼克
| 弗拉基米尔·瓦普尼克 Vladimir Vapnik | |
|---|---|
| 出生 | Vladimir Naumovich Vapnik 1936年12月6日  苏联乌兹别克塔什干 |
| 国籍 |  美国 |
| 母校 | 乌兹别克州立大学 俄罗斯科学院控制科学研究所 |
| 知名于 | 瓦普尼克-泽范兰杰斯理论 瓦普尼克-泽范兰杰斯维 支持向量机 统计学习理论 结构性风险最小化 |
| 奖项 | 亚历山大·洪堡研究奖（2003） 美国国家工程院院士（2006） 帕里斯·卡内拉基斯奖（2008） IEEE神经网络先锋奖（2010） IEEE弗兰克·罗森布拉特奖（2012） 本杰明·富兰克林奖章（2012） C&C奖（2013） 坎佩·德·费里特奖（2014） IEEE约翰·冯·诺伊曼奖章（2017） 柯尔莫哥洛夫奖章（2018） |
| 科学生涯 | |
| 研究领域 | 机器学习 统计学 |
| 机构 | Facebook人工智能研究部 Vencore实验室 美国NEC实验室 AT&T贝尔实验室 伦敦大学皇家霍洛威学院 哥伦比亚大学 |
| 博士导师 | 亚历山大·勒纳 |
弗拉基米尔·纳乌莫维奇·瓦普尼克（俄语：Владимир Наумович Вапник，英语：Vladimir Naumovich Vapnik，1936年12月6日—）是一名俄裔美国计算机科学家、研究人员和学者。他是统计学习的VC理论的主要开发者之一[1]，也是支持向量机方法和支持向量聚类算法的共同发明者[2]。
早年生活和教育
[编辑]瓦普尼克出生在苏联的一个犹太家庭[3]，1958年在乌兹别克撒马尔罕的乌兹别克州立大学获得数学硕士学位，1964年在莫斯科控制科学研究所获得统计学博士学位。1961年至1990年，他在该研究所工作，并成为计算机科学研究部门的负责人[4]。
学术生涯
[编辑]1990年底，瓦普尼克移居美国，加入位于新泽西州霍姆德尔镇区的AT&T贝尔实验室自适应系统研究部门。在AT&T期间，瓦普尼克和他的同事们做了支持向量机的工作，他在搬到美国之前也曾做过这个工作。他们在机器学习界感兴趣的一些问题上展示了其性能，包括手写识别。该小组后来在1996年AT&T拆分朗讯科技时成为AT&T实验室的图像处理研究部门。2000年，瓦普尼克和神经网络专家哈瓦·西格尔曼开发了支持向量聚类算法，使该算法能够在没有标签的情况下对输入进行分类——成为使用中最普遍的数据聚类应用之一。瓦普尼克于2002年离开AT&T，加入位于新泽西州普林斯顿的NEC实验室机器学习组。他还从1995年起在伦敦大学皇家霍洛威学院担任计算机科学和统计学教授，并从2003年起在纽约市哥伦比亚大学担任计算机科学教授一职[5]。截至2021年2月1日，他的h指数为86，总体而言，他的出版物已被引用226,597次[6]。他的《统计学习理论的性质》一书就被引用了91,650次。
2014年11月25日，瓦普尼克加入Facebook人工智智慧研究部[7]，与他的长期合作者杰森·韦斯顿（Jason Weston）、莱昂·伯托、罗南·科洛贝尔（Ronan Collobert）和杨立昆一起工作[8]。 2016年，他还加入了Vencore实验室。
荣誉
[编辑]瓦普尼克于2006年入选美国国家工程院。他获得了2005年伽伯奖[9]、2008年帕里斯·卡内拉基斯奖、2010年神经网络先锋奖[10]、2012年IEEE弗兰克·罗森布拉特奖、2012年本杰明·富兰克林计算机和认知科学奖[4]、2013年NEC C&C基金会的C&C奖[11]、2014年坎佩·德·费里特奖、2017年IEEE约翰·冯·诺伊曼奖章[12]。2018年，他获得伦敦大学的科尔莫戈罗夫奖章，并发表科尔莫戈罗夫讲座[13]。2019年，瓦普尼克获得BBVA基金会知识前沿奖。
出版书籍
[编辑]- On the uniform convergence of relative frequencies of events to their probabilities, co-author A. Y. Chervonenkis, 1971
- Necessary and sufficient conditions for the uniform convergence of means to their expectations, co-author A. Y. Chervonenkis, 1981
- Estimation of Dependences Based on Empirical Data, 1982
- The Nature of Statistical Learning Theory, 1995
- Statistical Learning Theory (1998). Wiley-Interscience, ISBN 0-471-03003-1.
- Estimation of Dependences Based on Empirical Data, Reprint 2006 (Springer), also contains a philosophical essay on Empirical Inference Science, 2006
参考资料
[编辑]- ^ Vapnik, Vladimir N. The Nature of Statistical Learning Theory | Vladimir Vapnik | Springer. 2000 [2023-06-15]. ISBN 978-1-4419-3160-3. S2CID 7138354. doi:10.1007/978-1-4757-3264-1. （原始内容存档于2021-07-31） （英语）.
- ^ Cortes, Corinna; Vapnik, Vladimir. Support-vector networks. Machine Learning. 1995-09-01, 20 (3): 273–297. CiteSeerX 10.1.1.15.9362
. ISSN 0885-6125. S2CID 206787478. doi:10.1007/BF00994018 （英语）.
- ^ Estimation of Dependences Based on Empirical Data, (Springer Science & Business Media, 28 Sep 2006), By V. Vapnik, page 424
- ^ 4.0 4.1 Benjamin Franklin Medal in Computer and Cognitive Science. Franklin Institute. 2012 [2013年4月6日]. （原始内容存档于2017-03-06）.
- ^ Scholkopf, Bernhard. Preface. Empirical Inference: Festschrift in Honor of Vladimir N. Vapnik. Springer. 2013 [2023-06-15]. ISBN 978-3-642-41136-6. （原始内容存档于2015-02-27）.
- ^ Google Scholar Record of Vapnik. [2023-06-15]. （原始内容存档于2017-02-22）.
- ^ Facebook AI Research. FAIR. [2016-09-20]. （原始内容存档于2023-03-07）.; "see also" Facebook Research, ("People" entry for "Vladimir Vapnik"). [2017-09-06]. （原始内容存档于2017-09-06）.
- ^ Facebook's AI team hires Vladimir Vapnik, father of the popular support vector machine algorithm. VentureBeat. 2014 [2014年11月28日]. （原始内容存档于2014-11-27）.
- ^ INNS awards recipients. International Neural Network Society. 2005 [2014年11月28日]. （原始内容存档于2017-07-05）.
- ^ IEEE Computational Intelligence Society.. [2023-06-15]. （原始内容存档于2011-10-11）.
- ^ NEC C&C Foundation Awards 2013 C&C Prize. NEC. 2013 [2013年12月3日]. （原始内容存档于2023-02-20）.
- ^ IEEE JOHN VON NEUMANN MEDAL RECIPIENTS (PDF). Institute of Electrical and Electronics Engineers (IEEE). [2023-06-15]. （原始内容存档 (PDF)于2017-02-07）.
- ^ Kolmogorov Lecture and Medal. [2023-06-15]. （原始内容存档于2021-01-24）.
外部链接
[编辑]- Photograph of Professor Vapnik （页面存档备份，存于互联网档案馆）
- Vapnik's brief biography （页面存档备份，存于互联网档案馆） from the Computer Learning Research Centre, Royal Holloway
- Interview by Lex Fridman
