O amostrador de Gibbs, proposto por Donald Geman junto com seu irmão Stuart, estabeleceu uma técnica fundamental em aprendizado de máquina e reconhecimento de padrões. Essa contribuição, somada à primeira prova sobre a convergência do algoritmo de recozimento simulado, exerceu influência significativa na literatura de engenharia, acumulando mais de 21.000 citações de acordo com métricas de pesquisa obtidas no início de 2018.
Fundamentos acadêmicos e início de carreira
Nascido em Chicago em 1943, Geman seguiu um percurso educacional diversificado. Concluiu um bacharelado em Literatura Inglesa na Universidade de Illinois em Urbana-Champaign em 1965, antes de se voltar para a matemática. Obteve seu doutorado pela Universidade Northwestern em 1970, com uma tese focada no condicionamento de janelas horizontais e nos zeros de processos estacionários. Sua carreira acadêmica começou em 1970 na Universidade de Massachusetts em Amherst, onde atuou por três décadas antes de se aposentar como professor emérito em 2001.
Processos estocásticos e paradigmas bayesianos
No final da década de 1970, Geman colaborou com J. Horowitz para produzir uma série de artigos detalhando tempos locais e densidades de ocupação de processos estocásticos, revisados posteriormente nos Annals of Probability. Em 1984, ele e Stuart Geman publicaram um trabalho importante introduzindo um paradigma bayesiano para análise de imagens utilizando Campos Aleatórios de Markov. Esta pesquisa permanece como uma referência altamente citada no campo da engenharia, fornecendo uma estrutura robusta para desenvolvimentos subsequentes em processamento de imagens.
Reconhecimento de padrões e desenvolvimentos recentes
Além de seu trabalho sobre Campos Aleatórios de Markov, Geman explorou avanços em classificação e detecção de objetos. Colaborando com Y. Amit, ele introduziu árvores de decisão randomizadas, o que contribuiu para o desenvolvimento de florestas aleatórias. Suas pesquisas posteriores incluem a implementação de cascatas hierárquicas de grosseiro para fino para visão computacional e a criação do classificador de pares de maior pontuação (Top Scoring Pairs), uma ferramenta projetada para conjuntos de dados de alta dimensionalidade e pequenas amostras prevalentes em bioinformática.
Vinte perguntas, oito minutos no relógio e um percentil medido contra todos os que já fizeram. Sem cadastro.
Fazer o teste de QI →Nomeações profissionais e reconhecimento
Após seu período na Universidade de Massachusetts em Amherst, Geman transferiu-se para a Universidade Johns Hopkins em 2001 para integrar o Departamento de Matemática Aplicada. Concomitantemente, atuou como professor visitante na École Normale Supérieure de Cachan. Suas contribuições para a comunidade matemática são reconhecidas por sua filiação à Academia Nacional de Ciências dos Estados Unidos e por ser membro (fellow) do Instituto de Estatística Matemática e da Sociedade de Matemática Industrial e Aplicada.
Resumo de dados
- Nascimento: 1943, Chicago - Doutorado: Universidade Northwestern, 1970 - Instituição acadêmica: Universidade Johns Hopkins - Fellow, Instituto de Estatística Matemática: 1997 - Fellow, Sociedade de Matemática Industrial e Aplicada: 2010
Perguntas dos leitores
### Qual é a principal importância do artigo de 1984 coescrito com Stuart Geman?
Ele introduziu um paradigma bayesiano para análise de imagens usando Campos Aleatórios de Markov, tornando-se um artigo marcante na engenharia.
### Onde Donald Geman ocupou cargos de ensino?
Ele lecionou na Universidade de Massachusetts em Amherst de 1970 a 2001 e na Universidade Johns Hopkins a partir de 2001.
.jpg)
