俞学锋：从数据挖掘到深度学习

一、简介

俞学锋，计算机科学家，现任加拿大阿尔伯塔大学教授。他是数据挖掘和深度学习领域的杰出代表，曾连续两次获得ACM SIGKDD会议的“最佳论文”奖。

二、数据挖掘

俞学锋早期的研究主要集中在数据挖掘领域。他与其团队开展了一系列有影响力的工作。2004年推出的“谱聚类”算法成为了当时图论和数据挖掘领域的重要工具之一。该算法可以将数据点聚集成各种形状的簇，这是基于欧几里得距离计算的传统聚类方法所无法实现的。

2005年，俞学锋开发了一个名为“SARAH”的自适应随机梯度上升优化算法，该算法广泛应用于矩阵分解和张量分解问题中。此外，他还开展了一些有代表性的工作，如基于特征选择的高维数据分类和基于局部线性嵌入的异构数据挖掘等方面。

三、深度学习

近年来，深度学习作为一种新型计算机技术，被广泛地应用于图像识别、自然语言处理等领域。俞学锋将自己的研究重点从数据挖掘转向深度学习，开展了一系列突破性工作。

2012年，他在ICML会议上首次提出了“分层鲁棒表示学习”（HRL）算法，该算法可以从大量嘈杂的数据中学习到有用的特征，进而实现稳健的图像分类。这项工作在2013年的ICML和NIPS会议上获得了“最佳论文”奖。

2013年，俞学锋又在ACL会议上提出了基于递归神经网络的句子表达模型（Recursive Neural Architectures），该模型可以将句子映射为实数向量，这是处理自然语言的重要工具。这项工作在2013年的ACL会议上被评为“最佳论文”之一。

四、结论

俞学锋是数据挖掘和深度学习领域的重要代表之一，他的工作在图论、矩阵分解、高维数据分类、图像分类和自然语言处理等方面取得了突出进展。相信在他未来的研究中，我们还将看到更多优秀的成果。

• 上一篇：大成精选基金：看清趋势，优选成长
• 下一篇：新余国科：打造数字新余的重要力量