George Cybenko

神经网络的通用逼近定理的奠基人

George V. Cybenko 是达特茅斯学院的 Dorothy 和 Walter Gramm 工程学教授，同时也是 IEEE 会员和 SIAM 的会员。他在多个政府小组中担任顾问，包括国防科学委员会和空军科学顾问委员会。他是 Security & Privacy 和 Computing in Science & Engineering 两本 IEEE 技术杂志的创始主编。他目前的研究兴趣包括分布式信息、控制系统和信号处理，特别是在安全和基础设施保护方面的应用。

教育背景

Cybenko 在 1974 年从多伦多大学获得数学学士学位，并在 1978 年从普林斯顿大学获得应用数学的电气和计算机工程博士学位。

工作成就

Cybenko 在神经网络的通用逼近定理方面做出了重要贡献。他在 1989 年首次证明了具有单个隐藏层的前馈神经网络可以逼近任何连续函数。这个证明基于 sigmoid 激活函数，这是当时神经网络中最常用的激活函数。

荣誉与奖项

Cybenko 的贡献得到了广泛的认可，他获得了多项荣誉和奖项。他在 2020 年成为 SIAM Fellow，以表彰他在信号处理、人工神经网络和分布式计算系统的理论和算法方面的贡献。他在 2016 年获得了 SPIE Eric A. Lehrfeld 奖，以表彰他在网络安全方面的工作，包括开发算法、分析技术和工具，以提高许多领域的技术水平，包括计算行为分析、对抗性欺骗检测和动态、信息泄露风险和隐蔽通道等。他还在 2016 年获得了美国空军司令部的服务奖。在 1998 年，他因对信号处理中的人工神经网络的算法和理论，以及对分布式和并行计算的理论和系统软件的贡献，被选为 IEEE Fellow。

总的来说，George Cybenko 是一位在神经网络和深度学习领域做出了重要贡献的学者，他的工作对这个领域的发展产生了深远影响。

本文作者：Maeiee

本文链接：George Cybenko

版权声明：如无特别声明，本文即为原创文章，版权归 Maeiee 所有，未经允许不得转载！

喜欢我文章的朋友请随缘打赏，鼓励我创作更多更好的作品！