Shun’ichi Amari
 Shun’ichi Amari (2019) | |
| Data i miejsce urodzenia |
3 stycznia 1936 |
|---|---|
| Zawód, zajęcie | |
| Narodowość |
japońska |
| Odznaczenia | |
| |
Shun’ichi Amari (jap. 甘利 俊一 Amari Shun’ichi; ur. 3 stycznia 1936 w Tokio[1]) – japoński matematyk.
Życiorys
[edytuj | edytuj kod]W latach 1954–1958 studiował matematykę stosowaną na Uniwersytecie Tokijskim[1]. Następnie w 1960 roku napisał pracę magisterską na temat podstaw diakoptyki i kodiakoptyki w ujęciu teorii informacji i topologii, natomiast w 1963 roku obronił doktorat dotyczący zastosowania zaawansowanych metod teorii informacji w diakoptyce[1]. Shun’ichi Amari otrzymał wiele krajowych i międzynarodowych nagród, jest profesorem wizytującym prestiżowych uniwersytetów[1]. Jest autorem ponad 200 recenzowanych artykułów[2], a jego wkład związany jest między innymi z jego autorskimi badaniami nad geometrią informacji[3] i metodą gradientu naturalnego wykorzystywanego w uczeniu maszynowym[4]. W 1959 roku został członkiem zagranicznym Polskiej Akademii Nauk[5].
Główne obszary badań
[edytuj | edytuj kod]Wybrane publikacje
[edytuj | edytuj kod]- Geometryczna teoria informacji (w jęz. japońskim), Kyōritsu Shuppan, 1968.
- Teoria informacji (w jęz. japońskim), Daiyamondosha, 1971.
- Matematyczna teoria sieci neuronowych (w jęz. japońskim), Sangyō Tosho, 1978.
- Metody geometrii informacji[3], we współpracy z Hiroshim Nagaoką, pierwotnie opublikowana w 1993 roku i opublikowana w USA w 2000 roku przez Amerykańskie Towarzystwo Matematyczne (AMS).
Nagrody i wyróżnienia
[edytuj | edytuj kod]- Nagroda Akademii Japonii (1995)
- Nagroda IEEE Emanuela R. Piore’a (1997)
- Zasłużony dla Kultury (2012)
- Order Kultury (2019)
Przypisy
[edytuj | edytuj kod]- ↑ a b c d Curriculum Vitae - Shun-ichi Amari, [w:] RIKEN Brain Science Institute [online], www.brain.riken.go.jp [dostęp 2021-07-29] [zarchiwizowane z adresu 2012-03-06] (ang.).
- ↑ Shun’ichi Amari, [w:] Google Scholar [online], scholar.google.com [dostęp 2021-07-27] (ang.).
- ↑ a b Shunʼichi Amari, Hiroshi Nagaoka, Methods of Information Geometry, American Mathematical Society, 2000, ISBN 978-0-8218-0531-2 [dostęp 2021-07-27] (ang.).
- ↑ Shun-ichi Amari, Natural Gradient Works Efficiently in Learning, „Neural Computation”, 10 (2), 1998, s. 251–276, DOI: 10.1162/089976698300017746, ISSN 0899-7667 [dostęp 2021-07-27] (ang.).
- ↑ Amari, Shun-ichi [online], Polska Akademia Nauk [dostęp 2021-10-17] (pol.).