René Vidal - René Vidal
René Vidal | |
---|---|
![]() | |
narozený | 1974 (věk 45–46) |
Národnost | chilský |
Alma mater | Universidad Catolica de Chile University of California, Berkeley |
Ocenění | AIMBE Fellow (2020) Člen IAPR (2016) Člen IEEE (2014) Cena IAPR Aggarwal (2012) Sloan Fellow (2009) ONR Cena mladého vyšetřovatele (2009) NSF Cena CAREER (2004) |
Vědecká kariéra | |
Pole | Strojové učení Počítačové vidění Lékařské zpracování obrazu Robotika Teorie řízení |
Instituce | Univerzita Johna Hopkinse |
Teze | Zobecněná analýza hlavních komponent (GPCA): Algebraický geometrický přístup ke shlukování podprostorů a segmentaci pohybu (2003) |
Doktorský poradce | S. Shankar Sastry[1] |
webová stránka | www |
René Vidal (narozen 1974) je a chilský elektroinženýr a počítačový vědec který je známý svým výzkumem vstrojové učení,[2] počítačové vidění,[3]lékařské zpracování obrazu,[4] robotika,[5] a teorie řízení.[6] Je profesorem Herschel L. Seder Johns Hopkins Ústav biomedicínského inženýrství a zakládající ředitel Matematického institutu pro datovou vědu (MINDS).
Životopis
Vidal absolvoval vysokoškolské studium na Pontificia Universidad Catolica de Chile kde obdržel své Bakalář věd stupně v roce 1995 a jeho Master of Engineering v roce 1996. Po jednom roce na DICTUC se zapsal na University of California, Berkeley, kde mu byla udělena M.Sc. a a Ph.D. v Elektrotechnika a Počítačová věda v roce 2000, respektive 2003.[7] Před připojením Univerzita Johna Hopkinse v roce 2004 působil jako vědecký pracovník na Australská národní univerzita a NICTA. Vidal je v současné době Profesor na katedře biomedicínského inženýrství Univerzita Johna Hopkinse se sekundárními schůzkami v Aplikovaná matematika a statistika, Počítačová věda, Elektrické a počítačové inženýrství, a Strojírenství. Je také členem fakulty v Centru pro zobrazovací vědu, Ústavu pro výpočetní medicínu a Laboratoře pro výpočetní snímání a robotiku. V roce 2017 se Vidal stal zakládajícím ředitelem Matematického institutu pro datovou vědu (MINDS).
Vyznamenání a ocenění
V roce 2004 byl Vidal uznán s Ocenění CAREER National Science Foundation.[8]V roce 2009 byl Vidal uznán Úřad námořního výzkumu s cenou od Young Investigator Program.[9]V roce 2009 byl Vidal uznán s Společenstvo pro výzkum Sloan[10] v počítačová věda podle Nadace Alfreda P. Sloana V roce 2012 byl Vidal uznán Mezinárodní asociace pro rozpoznávání vzorů vítězstvím v soutěži J.K. Cena Aggarwal[11] za vynikající příspěvky k generalizované analýze hlavních komponent (GPCA) a klastrování podprostorů v počítačovém vidění a rozpoznávání vzorů. v roce 2014 byl zvolen Vidal Člen IEEE[12] za příspěvky ke shlukování podprostorů a segmentaci pohybu v počítačovém vidění. V roce 2016 byl Vidal zvolen členem IAPR[13] V roce 2020 byl Vidal uveden na AIMBE College of Fellows[14] za vynikající příspěvky k analýze lékařských obrazů a lékařské robotice.
Práce
Vidal byl prominentním vědcem v oblastech strojové učení,[2] počítačové vidění,[3] lékařské zpracování obrazu,[4] robotika[5] a teorie řízení[6] od roku 2000. v strojové učení Vidal hodně přispěl ke shlukování podprostorů,[15] včetně jeho práce na Generalized Principal Component Analysis (GPCA),[16] Řídké shlukování podprostorů (SSC)[2] a nízkopodlažní klastrování podprostorů (LRSC).[17] Hodně z jeho práce v strojové učení je shrnut v jeho knize Generalized Principal Component Analysis.[18] V současné době pracuje na porozumění matematickým základům hluboké učení, konkrétně podmínky globální optimality.[19] v počítačové vidění Vidal přispěl mnoha příspěvky tuhá segmentace pohybu,[3][20] rozpoznávání činnosti[21] a dynamické textury.[22] v lékařské zpracování obrazu Vidal vyvinul algoritmy pro rozpoznávání chirurgických gest.[4] v robotika Vidal vyvinul algoritmy pro distribuovanou kontrolu bezpilotních vozidel.[5] v teorie řízení Vidal studoval algebraické podmínky pro pozorovatelnost z hybridní systémy [23][24] stejně jako algebraické geometrické přístupy k identifikaci hybridní systémy.
Reference
- ^ René Vidal na Matematický genealogický projekt
- ^ A b C Elhamifar, E .; Vidal, R. (2013). "Řídké shlukování podprostoru: Algoritmus, teorie a aplikace". Transakce IEEE na analýze vzorů a strojové inteligenci. 35 (11): 2765–2781. arXiv:1203.1005. doi:10.1109 / TPAMI.2013.57. PMID 24051734.
- ^ A b C Tron, R .; Vidal, R. (2007). Srovnávací test pro srovnání 3-D algoritmů segmentace pohybu. Konference IEEE o počítačovém vidění a rozpoznávání vzorů. CiteSeerX 10.1.1.70.6611. doi:10.1109 / CVPR.2007.382974.
- ^ A b C Zappella, L .; Bejar, B .; Hager, G .; Vidal, R. (2013). "Klasifikace chirurgických gest z videa a kinematických dat". Analýza lékařského obrazu. 17 (7): 732–745. doi:10.1016 / j.media.2013.04.007. PMID 23706754.
- ^ A b C Vidal, R .; Shakernia, O .; Kim, H.J .; Shim, D.H .; Sastry, S. S. (2002). „Pravděpodobnostní hry k únikům za pronásledováním: teorie, implementace a experimentální hodnocení“. Transakce IEEE v robotice a automatizaci. 18 (5): 662–669. doi:10.1109 / TRA.2002.804040.
- ^ A b Vidal, R .; Soatto, S .; Smět.; Sastry, S. S. (2003). Algebraický geometrický přístup k identifikaci třídy lineárních hybridních systémů. Konference IEEE o rozhodování a kontrole. doi:10.1109 / CDC.2003.1272554.
- ^ Vidal, Rene (2003). Analýza generalizovaných hlavních komponent (GPCA): Algebraický geometrický přístup ke shlukování podprostorů a segmentaci pohybu (PDF) (Disertační práce). Kalifornská univerzita v Berkeley.
- ^ „Cena NSF CAREER“.
- ^ „ONR YIP“.
- ^ „Společenstvo pro výzkum Sloan“.
- ^ „Cena J. K. Aggarwala“.
- ^ „IEEE Fellow“.
- ^ „IAPR Fellow“.
- ^ „AIMBE Fellow“.
- ^ Vidal, R. (2011). "Shlukování podprostoru". IEEE Signal Processing Magazine. 28 (2): 52–68. Bibcode:2011ISPM ... 28 ... 52V. doi:10.1109 / MSP.2010.939739.
- ^ Vidal, R .; Smět.; Sastry, S. S. (2005). Msgstr "Analýza generalizovaných hlavních komponent (GPCA)". Transakce IEEE na analýze vzorů a strojové inteligenci. 27 (12): 1945–1959. arXiv:1202.4002. doi:10.1109 / TPAMI.2005.244. PMID 16355661.
- ^ Vidal, R .; Favaro, P. (2014). Msgstr "Nízké hodnocení subprostorového klastrování (LRSC)". Písmena pro rozpoznávání vzorů. 43: 47–61. doi:10.1016 / j.patrec.2013.08.006.
- ^ Vidal, R .; Smět.; Sastry, S. S. (2016). Zobecněná analýza hlavních komponent (GPCA). Interdisciplinární aplikovaná matematika. 40. Springer Verlag. doi:10.1007/978-0-387-87811-9. ISBN 978-0-387-87810-2.
- ^ Haeffele, B .; Vidal, R. (2017). Globální optimálnost při tréninku neuronových sítí. Konference IEEE o počítačovém vidění a rozpoznávání vzorů.
- ^ Vidal, R .; Hartley, R. (2004). Segmentace pohybu s chybějícími daty pomocí PowerFactorization a GPCA. Konference IEEE o počítačovém vidění a rozpoznávání vzorů. doi:10.1109 / CVPR.2004.1315180.
- ^ Chaudhry, R .; Ravichandran, A .; Hager, G .; Vidal, R. (2009). Histogramy orientovaného optického toku a jádra Binet-Cauchy na nelineárních dynamických systémech pro rozpoznávání lidských akcí. Konference IEEE o počítačovém vidění a rozpoznávání vzorů. doi:10.1109 / CVPR.2009.5206821.
- ^ Ravichandran, A .; Chaudhry, R .; Vidal, R. (2009). Dynamické rozpoznávání textury s invariantem pohledu pomocí vaku dynamických systémů. Konference IEEE o počítačovém vidění a rozpoznávání vzorů. doi:10.1109 / CVPR.2009.5206847.
- ^ Vidal, R .; Chiuso, A .; Soatto, S. (2002). Pozorovatelnost a identifikovatelnost skokových lineárních systémů. Konference IEEE o rozhodování a kontrole. doi:10.1109 / CDC.2002.1184923.
- ^ Vidal, R .; Chiuso, A .; Soatto, S .; Sastry, S. S. (2003). Pozorovatelnost lineárních hybridních systémů. Mezinárodní workshop o hybridních systémech: Výpočet a řízení. doi:10.1007 / 3-540-36580-X_38.