Рональд Дж Вільямс 1945 Каліфорнія 16 лютого 2024 Фремінгем Массачусетс був професором інформатики в Північно східному у

Рональд Дж. Вільямс (1945, Каліфорнія — 16 лютого 2024, Фремінгем, Массачусетс) — був професором інформатики в Північно-східному університеті та одним із піонерів нейронних мереж. Він був співавтором статті про алгоритм зворотного поширення, яка викликала бум у дослідженнях нейронних мереж. Він також зробив фундаментальний внесок у галузі рекурентних нейронних мереж і навчання з підкріпленням .

Громадянство	США
Рід діяльності	інформатик, викладач університету
Працівник у	Північно-Східний університет і Університет Каліфорнії в Сан-Дієго
Офіційний сайт

Разом з Венсю Тонг і Мері Джо Ондречен він розробив оптимальну ймовірність часткового порядку (POOL), метод машинного навчання, який використовується для прогнозування активних амінокислот у білкових структурах. POOL — це метод максимальної правдоподібності з обмеженням монотонності та загальний предиктор властивостей, які монотонно залежать від вхідних характеристик.

Інтернет-ресурси

Home page of Ronald J. Williams

Примітки

Donaghy, Roger (5 березня 2024). A tribute to Ron Williams, Khoury professor and machine learning pioneer. Khoury College of Computer Sciences (амер.). Процитовано 25 червня 2024.
David E. Rumelhart, Geoffrey E. Hinton und Ronald J. Williams. Learning representations by back-propagating errors., Nature (London) 323, S. 533—536
Williams, R. J. and Zipser, D. (1989). A learning algorithm for continually running fully recurrent neural networks. Neural Computation, 1, 270—280.
R. J. Williams and D. Zipser. Gradient-based learning algorithms for recurrent networks and their computational complexity. In Back-propagation: Theory, Architectures and Applications. Hillsdale, NJ: Erlbaum, 1994.
Williams, R. J. (1992). Simple statistical gradient-following algorithms for connectionist reinforcement learning. Machine Learning, 8, 229—256.
W. Tong, Y. Wei, L.F. Murga, M.J. Ondrechen, and R.J. Williams (2009). Partial Order Optimum Likelihood (POOL): Maximum Likelihood Prediction of Active Site Residues Using 3D Structure and Sequence Properties. PLoS Computational Biology, 5(1): e1000266.

[1] Donaghy, Roger (5 березня 2024). A tribute to Ron Williams, Khoury professor and machine learning pioneer. Khoury College of Computer Sciences (амер.). Процитовано 25 червня 2024.

[2] David E. Rumelhart, Geoffrey E. Hinton und Ronald J. Williams. Learning representations by back-propagating errors., Nature (London) 323, S. 533—536

[3] Williams, R. J. and Zipser, D. (1989). A learning algorithm for continually running fully recurrent neural networks. Neural Computation, 1, 270—280.

[4] R. J. Williams and D. Zipser. Gradient-based learning algorithms for recurrent networks and their computational complexity. In Back-propagation: Theory, Architectures and Applications. Hillsdale, NJ: Erlbaum, 1994.

[5] Williams, R. J. (1992). Simple statistical gradient-following algorithms for connectionist reinforcement learning. Machine Learning, 8, 229—256.

[6] W. Tong, Y. Wei, L.F. Murga, M.J. Ondrechen, and R.J. Williams (2009). Partial Order Optimum Likelihood (POOL): Maximum Likelihood Prediction of Active Site Residues Using 3D Structure and Sequence Properties. PLoS Computational Biology, 5(1): e1000266.