Ronald J. Williams
| Naissance | |
|---|---|
| Décès | |
| Nationalité | |
| Activités |
| A travaillé pour | |
|---|---|
| Site web |
Ronald James Williams (1945 – ) est un mathématicien et informaticien américain qui passe la majeure partie de sa carrière à l'Université Northeastern. Il est considéré comme l'un des pionniers des réseaux de neurones. En 1986, il co-écrit, avec David Rumelhart et Geoffrey Hinton, l'article fondateur paru dans Nature sur l'algorithme de rétropropagation, article qui déclenche un essor considérable de la recherche sur les réseaux de neurones.
Formation et carrière
Né en Californie du Sud, Williams fait ses études de premier cycle au California Institute of Technology (Caltech), où il obtient une licence en mathématiques en 1966. Il obtient ensuite une maîtrise et un doctorat en mathématiques à l'Université de Californie à San Diego (UCSD), respectivement en 1972 et 1975. Sa thèse de doctorat est dirigée par Donald Werner Anderson. Après ses études, il travaille quelque temps pour un sous-traitant de la défense. De 1983 à 1986, Williams est membre du groupe de recherche sur le traitement parallèle distribué dirigé par David Rumelhart à l'Institut des sciences cognitives de l'UCSD[1]. En 1986, il accepte un poste de professeur d'informatique à l'Université Northeastern de Boston, où il enseigne ensuite[2].
Outre son article sur la rétropropagation, Williams apporte des contributions fondamentales au domaine des réseaux de neurones récurrents, où il invente, avec David Zipser, l'algorithme de forçage d'enseignement[3] et contribue de manière significative à la rétropropagation dans le temps. En apprentissage par renforcement, Williams introduit l'algorithme REINFORCE en 1992[4], qui devient la première méthode de gradient de politique.
Outre ses travaux sur les réseaux de neurones, Williams, en collaboration avec Wenxu Tong et Mary Jo Ondrechen (en), développe POOL (Partial Order Optimum Likelihood), une méthode d'apprentissage automatique utilisée pour la prédiction des acides aminés actifs dans les structures protéiques.
Références
- ↑ « Reinforcement learning is direct adaptive optimal control », IEEE Control Systems, vol. 12, no 2, , p. 19–22 (ISSN 1066-033X, DOI 10.1109/37.126844, lire en ligne
)
- ↑ (en-US) Donaghy, « A tribute to Ron Williams, Khoury professor and machine learning pioneer », Khoury College of Computer Sciences, (consulté le )
- ↑ (en) Williams et Zipser, « A Learning Algorithm for Continually Running Fully Recurrent Neural Networks », Neural Computation, vol. 1, no 2, , p. 270–280 (ISSN 0899-7667, DOI 10.1162/neco.1989.1.2.270, lire en ligne )
- ↑ « REINFORCE Algorithms », www.cs.cmu.edu (consulté le )
Liens externes
- Site officiel
- Ressource relative à la recherche :
Portail de l’informatique 
Portail des mathématiques