弗拉基米爾·瓦普尼克
| 弗拉基米爾·瓦普尼克 Vladimir Vapnik | |
|---|---|
| 出生 | Vladimir Naumovich Vapnik 1936年12月6日  蘇聯烏茲別克塔什干 |
| 國籍 |  美國 |
| 母校 | 烏茲別克州立大學 俄羅斯科學院控制科學研究所 |
| 知名於 | 瓦普尼克-澤范蘭傑斯理論 瓦普尼克-澤范蘭傑斯維 支持向量機 統計學習理論 結構性風險最小化 |
| 獎項 | 亞歷山大·洪堡研究獎（2003） 美國國家工程院院士（2006） 帕里斯·卡內拉基斯獎（2008） IEEE神經網絡先鋒獎（2010） IEEE弗蘭克·羅森布拉特獎（2012） 本傑明·富蘭克林獎章（2012） C&C獎（2013） 坎佩·德·費里特獎（2014） IEEE約翰·馮·諾伊曼獎章（2017） 柯爾莫哥洛夫獎章（2018） |
| 科學生涯 | |
| 研究領域 | 機器學習 統計學 |
| 機構 | Facebook人工智能研究部 Vencore實驗室 美國NEC實驗室 AT&T貝爾實驗室 倫敦大學皇家霍洛威學院 哥倫比亞大學 |
| 博士導師 | 亞歷山大·勒納 |
弗拉基米爾·納烏莫維奇·瓦普尼克（俄語：Владимир Наумович Вапник，英語：Vladimir Naumovich Vapnik，1936年12月6日—）是一名俄裔美國計算機科學家、研究人員和學者。他是統計學習的VC理論的主要開發者之一[1]，也是支持向量機方法和支持向量聚類算法的共同發明者[2]。
早年生活和教育
[編輯]瓦普尼克出生在蘇聯的一個猶太家庭[3]，1958年在烏茲別克撒馬爾罕的烏茲別克州立大學獲得數學碩士學位，1964年在莫斯科控制科學研究所獲得統計學博士學位。1961年至1990年，他在該研究所工作，並成為計算機科學研究部門的負責人[4]。
學術生涯
[編輯]1990年底，瓦普尼克移居美國，加入位於紐澤西州霍姆德爾鎮區的AT&T貝爾實驗室自適應系統研究部門。在AT&T期間，瓦普尼克和他的同事們做了支持向量機的工作，他在搬到美國之前也曾做過這個工作。他們在機器學習界感興趣的一些問題上展示了其性能，包括手寫識別。該小組後來在1996年AT&T拆分朗訊科技時成為AT&T實驗室的圖像處理研究部門。2000年，瓦普尼克和神經網絡專家哈瓦·西格爾曼開發了支持向量聚類算法，使該算法能夠在沒有標籤的情況下對輸入進行分類——成為使用中最普遍的數據聚類應用之一。瓦普尼克於2002年離開AT&T，加入位於紐澤西州普林斯頓的NEC實驗室機器學習組。他還從1995年起在倫敦大學皇家霍洛威學院擔任計算機科學和統計學教授，並從2003年起在紐約市哥倫比亞大學擔任計算機科學教授一職[5]。截至2021年2月1日，他的h指數為86，總體而言，他的出版物已被引用226,597次[6]。他的《統計學習理論的性質》一書就被引用了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]，與他的長期合作者傑森·韋斯頓（Jason Weston）、萊昂·伯托、羅南·科洛貝爾（Ronan Collobert）和楊立昆一起工作[8]。 2016年，他還加入了Vencore實驗室。
榮譽
[編輯]瓦普尼克於2006年入選美國國家工程院。他獲得了2005年伽伯獎[9]、2008年帕里斯·卡內拉基斯獎、2010年神經網絡先鋒獎[10]、2012年IEEE弗蘭克·羅森布拉特獎、2012年本傑明·富蘭克林計算機和認知科學獎[4]、2013年NEC C&C基金會的C&C獎[11]、2014年坎佩·德·費里特獎、2017年IEEE約翰·馮·諾伊曼獎章[12]。2018年，他獲得倫敦大學的科爾莫戈羅夫獎章，並發表科爾莫戈羅夫講座[13]。2019年，瓦普尼克獲得BBVA基金會知識前沿獎。
出版書籍
[編輯]- 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
參考資料
[編輯]- ^ 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. （原始內容存檔於2021-07-31） （英語）.
- ^ 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 （英語）.
- ^ 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]. （原始內容存檔於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. （原始內容存檔於2015-02-27）.
- ^ Google Scholar Record of Vapnik. [2023-06-15]. （原始內容存檔於2017-02-22）.
- ^ Facebook AI Research. FAIR. [2016-09-20]. （原始內容存檔於2023-03-07）.; "see also" Facebook Research, ("People" entry for "Vladimir Vapnik"). [2017-09-06]. （原始內容存檔於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]. （原始內容存檔於2014-11-27）.
- ^ INNS awards recipients. International Neural Network Society. 2005 [2014年11月28日]. （原始內容存檔於2017-07-05）.
- ^ IEEE Computational Intelligence Society.. [2023-06-15]. （原始內容存檔於2011-10-11）.
- ^ NEC C&C Foundation Awards 2013 C&C Prize. NEC. 2013 [2013年12月3日]. （原始內容存檔於2023-02-20）.
- ^ IEEE JOHN VON NEUMANN MEDAL RECIPIENTS (PDF). Institute of Electrical and Electronics Engineers (IEEE). [2023-06-15]. （原始內容存檔 (PDF)於2017-02-07）.
- ^ Kolmogorov Lecture and Medal. [2023-06-15]. （原始內容存檔於2021-01-24）.
外部連結
[編輯]- Photograph of Professor Vapnik （頁面存檔備份，存於互聯網檔案館）
- Vapnik's brief biography （頁面存檔備份，存於互聯網檔案館） from the Computer Learning Research Centre, Royal Holloway
- Interview by Lex Fridman
