反向传播算法优先权也存争议
反向传播算法的发明优先权也存在讨论:这套方法的数学原理此前已被其他研究者(如林纳因马、韦尔博斯)独立提出,鲁梅尔哈特团队1986年论文的核心贡献在于清晰展示了这套方法能让多层神经网络学到有用的内部表征,从而使其在人工智能领域获得广泛关注与应用。
美国心理学家,反向传播算法的共同提出者
大卫·鲁梅尔哈特(1942-2011)是美国认知心理学家,长期任教于加州大学圣地亚哥分校与斯坦福大学,1986年与杰弗里·辛顿、罗纳德·威廉姆斯合著论文,系统阐述了反向传播算法在多层神经网络训练中的应用,这套方法此后成为几乎所有深度神经网络训练的核心机制。鲁梅尔哈特此后主导的"并行分布处理"(PDP)研究小组,系统提出了"连接主义"这一认知科学理论框架,主张人类认知过程的本质是大量简单神经单元之间并行分布的相互作用,而非传统符号主义所主张的显式规则与符号操作,这一理论框架此后深刻影响了认知科学与人工智能两个领域此后数十年的发展方向。鲁梅尔哈特晚年罹患一种罕见的皮克氏病(一种影响语言与认知功能的神经退行性疾病),这使得这位曾经深入研究人类认知机制的学者,本人却经历了认知能力逐渐衰退的过程,这一境遇此后常被视为一种令人唏嘘的命运讽刺。
反向传播算法的发明优先权也存在讨论:这套方法的数学原理此前已被其他研究者(如林纳因马、韦尔博斯)独立提出,鲁梅尔哈特团队1986年论文的核心贡献在于清晰展示了这套方法能让多层神经网络学到有用的内部表征,从而使其在人工智能领域获得广泛关注与应用。
反向传播算法的发明优先权也存在讨论:韦尔博斯1974年的博士论文已提出高度相似的方法,本站陈述双方各自的贡献与历史评价,不裁定谁是"唯一的发明者"。
以下是现代作品对这个名字或故事的借用、改写,不代表原始内容——两者不一样,别混着记。