Der von Donald Geman gemeinsam mit seinem Bruder Stuart vorgeschlagene Gibbs-Sampler etablierte eine grundlegende Technik im maschinellen Lernen und in der Mustererkennung. Dieser Beitrag, gepaart mit dem ersten Beweis bezüglich der Konvergenz des Algorithmus für simuliertes Annealing, übte einen bedeutenden Einfluss auf die ingenieurwissenschaftliche Literatur aus und erzielte laut im Frühjahr 2018 erfassten Forschungsmetriken über 21.000 Zitationen.
Akademische Grundlagen und frühe Karriere
Geman wurde 1943 in Chicago geboren und schlug einen vielseitigen Bildungsweg ein. Er schloss 1965 ein Bachelorstudium der englischen Literatur an der University of Illinois at Urbana-Champaign ab, bevor er sich der Mathematik zuwandte. 1968 erlangte er einen M.A. und 1970 promovierte er an der Northwestern University mit einer Dissertation über horizontales Fensterkonditionieren und die Nullstellen stationärer Prozesse. Seine akademische Laufbahn begann 1970 an der University of Massachusetts Amherst, wo er drei Jahrzehnte lang tätig war, bevor er 2001 als emeritierter Professor in den Ruhestand trat.
Stochastische Prozesse und bayessche Paradigmen
In den späten 1970er Jahren arbeitete Geman mit J. Horowitz zusammen und verfasste eine Reihe von Arbeiten über lokale Zeiten und Belegungsdichten stochastischer Prozesse, die später in den Annals of Probability besprochen wurden. 1984 veröffentlichten er und Stuart Geman ein bedeutendes Werk, das ein bayessches Paradigma für die Bildanalyse unter Verwendung von Markov-Zufallsfeldern einführte. Diese Forschung bleibt eine häufig zitierte Referenz im Bereich der Ingenieurwissenschaften und bietet einen robusten Rahmen für nachfolgende Entwicklungen in der Bildverarbeitung.
Mustererkennung und neuere Entwicklungen
Über seine Arbeit zu Markov-Zufallsfeldern hinaus erforschte Geman Fortschritte bei der Klassifikation und Objekterkennung. In Zusammenarbeit mit Y. Amit führte er randomisierte Entscheidungsbäume ein, die zur Entwicklung von Random Forests beitrugen. Seine spätere Forschung umfasst die Implementierung grob-zu-fein-hierarchischer Kaskaden für die Computer Vision und die Schaffung des Klassifikators für die am besten bewerteten Paare (Top Scoring Pairs), eines Werkzeugs für hochdimensionale Datensätze mit geringer Stichprobengröße, wie sie in der Bioinformatik vorherrschen.
Zwanzig Fragen, acht Minuten auf der Uhr und ein Perzentil, gemessen an allen bisherigen Teilnehmern. Ohne Anmeldung.
IQ-Test starten →Berufliche Ernennungen und Anerkennung
Nach seiner Tätigkeit an der University of Massachusetts Amherst wechselte Geman 2001 an die Johns Hopkins University in die Abteilung für Angewandte Mathematik. Gleichzeitig war er als Gastprofessor an der École Normale Supérieure de Cachan tätig. Seine Beiträge zur mathematischen Gemeinschaft werden durch seine Mitgliedschaft in der National Academy of Sciences sowie als Fellow des Institute of Mathematical Statistics und der Society for Industrial and Applied Mathematics gewürdigt.
Steckbrief
- Geboren: 1943, Chicago - Promotion: Northwestern University, 1970 - Akademische Heimat: Johns Hopkins University - Fellow, Institute of Mathematical Statistics: 1997 - Fellow, Society for Industrial and Applied Mathematics: 2010
Häufig gestellte Fragen
### Was ist die primäre Bedeutung der 1984 mit Stuart Geman verfassten Arbeit?
Sie führte ein bayessches Paradigma für die Bildanalyse mittels Markov-Zufallsfeldern ein und wurde zu einem Meilenstein in den Ingenieurwissenschaften.
### An welchen Orten hatte Donald Geman Lehraufträge inne?
Er lehrte von 1970 bis 2001 an der University of Massachusetts Amherst und ab 2001 an der Johns Hopkins University.
.jpg)
