|
新智元编译1 来源：Quora 译者：大华 邓盛文 曾天宇 曾凡齐 李道邦 Weyland 张奕 校对：王婉婷 张巨岩 李宏菲 戴秋池 推动历史的往往是少数人。新智元盘点了全球机器学习领域 99 个最顶尖的大咖，介绍如下。由于是基于 Quora 整理，国内专家例如杨强老师、王飞跃老师，周志华老师等可能没有涉及到，有所遗漏之处也请多多见谅。 Facebook人工智能研究负责人，纽约大学数据科学中心创始主任，在纽约大学的计算机科学系、神经科学系、电子与计算机工程系、Courant数学科学研究院、以及神经科学中心担任教授。卷积神经网络之父。在机器学习、计算机视觉、移动机器人和计算机神经科学方面做出了许多贡献，因在OCR及使用CNN的计算机视觉方面的工作而享有盛誉。他是DjVu图像压缩技术的主要发明者之一，也与Bottou一起开发了Lush编程语言。 宾夕法尼亚大学机器人自动化与感知实验室（GRASP）主任，电子和系统工程系、计算机和信息科学系、生物工程系教授，也是卡内基梅隆大学-宾夕法尼亚大学交通中心联合主任。他的团队专注于研究表征学习，以使自主系统能够在不确定环境中高效实时地做出行为决策；使用机器学习算法和计算神经科学模型，以及这些算法和模型在各类机器人平台上的实现，来研究怎样搭建更好的、能从经验中适应和学习的感知运动系统。 现任布朗大学计算机科学教授，曾任罗格斯大学计算系科学系主任。与学生一起建立了罗格斯大学真实生活强化学习实验室（RL3）。主要研究领域为强化学习，也在机器学习、博弈论、计算机网络、解决部分可观测马尔科夫决策过程、类推的计算机解决方案等等方面有所研究。 在知名的人工智能软件创业公司Sentient Technologies担任机器学习科学家，曾在哥伦毕业大学、Google、NEC实验室、微软等地从事研究科学家的工作。他在机器学习方面涉猎广泛，既研究理论基础、也研究实际应用，主题涉及分子生物学、医药、计算机视觉、以及网络排名和安全。 利兹大学统计学系高级研究教授，牛津大学统计学系访问教授。他的杰出贡献之一是与其他研究人员一起开发了形状分析（shape analysis）的方法，这一方法被用于脑成像领域、用以评估大脑受损程度。除此之外，他基于多元正态性检测多元数据峰度和偏度的一系列方法也非常知名。 马萨诸塞大学阿默斯特分校信息提取与合成实验室主任，计算机科学教授。他与其他研究人员一起开发了条件随机场（conditional random fields），一种常用于标注或分析序列资料的鉴别式概率模型。另外，他编写了一些在机器学习、自然语言处理及其他文本处理方面被广泛使用的开源工具，包括Rainbow、Mallet和FACTORIE。 微软研究院首席研究员、机器学习部门和应用统计部门的研究主管，华盛顿大学客座教授。他的研究成果对于微软的许多产品都有重要影响，包括SQL分析服务（数据挖掘）、Bing搜索、Windows平板电脑（手写识别）、微软商业服务器（推荐系统）等。 华盛顿大学统计学系教授，著有《聚类分析手册》。她在基于互信息（mutual information）的聚类系统方面提出了信息变异（variation of information）矩阵。研究领域为基于不确定条件下概率方法和推理的机器学习，她的工作处于计算和统计学交叉领域的前沿地带。 卡内基梅隆大学计算机科学学院机器学习系主任，美国工程院院士，美国科学进展学会（AAAS）成员，人工智能进展学会（AAAI）成员。他在机器学习、人工智能、认知神经科学等领域等方面卓有建树，也撰写了机器学习方面最早的教科书之一《机器学习》。 纽约大学Courant数学科学研究院计算机科学和数学教授，Google研究顾问。在机器学习、自动机理论和算法、语音识别和自然语言处理等领域颇具声名。他是多个核心加权自动机和有限状态机算法的作者；在AT&T工作期间，他和同事一起在将加权有限状态机应用于语音识别和自然语言处理方面做了开创性的工作。
卡耐基梅隆大学计算机科学学院院长，Google工程副总裁。他在卡内基梅隆大学创立了Auton实验室，探索计算、统计数据分析、机器学习和AI领域最亟需解决的问题，这个实验室开发的算法现正被业界、学界、及政府所应用。他加入Google后，建立了在匹兹堡的分部，这个分部主要负责机器学习和分布式系统，服务于Google的广告和电子商务系统。
杜克大学统计学、计算机科学及数学教授。研究领域为计算数学和机器学习，并在这两个领域致力于运用几何学来改善高维数据的统计模型；专长于数据挖掘和机器学习、非参数统计模型、随机过程、贝叶斯统计、高纬统计模型、以及图模型。
纽约州立大学石溪分校计算机系教授，视觉分析和成像实验室（VAI）主任，也在Brookhaven国家实验室计算机科学中心任职。研究兴趣包括可视化、视觉分析、数据科学、大数据、人机交互，医学成像、计算机图形、虚拟与增强现实、以及GPU高性能计算。
谷歌总部研究科学家，曾任英属哥伦比亚大学的算机科学和统计学副教授。他撰写了1100页的教科书《机器学习：概率视角》，这本书获得了2013年国际贝叶斯分析学会颁发的DeGroot 统计科学最佳书籍奖。研究方向包括机器感觉、机器智能、数据挖掘和建模、自然语言处理、以及算法和理论。
百度硅谷实验室首席科学家，斯坦福大学计算机系和电子工程系副教授，在线教育平台Coursera董事会主席及联合创始人。主要研究领域为机器学习和深度学习。他的早期工作包括斯坦福自动直升机项目，开发了世界上功能最强大的自动直升机；以及斯坦福人工智能机器人项目，开发了被广泛使用的开源机器人软件平台ROS。
加利福尼亚大学圣地亚哥分校计算机系的以色列教授，曾任哥伦比亚大学的研究科学家，机器学习社区教授，主要成就：因其AdaBoost算法而知名，并因此获得G?del 奖和Kanellakis 理论实践奖。主要研究领域：计算学习理论，以及概率论，信息论，统计学和模式识别中与之相关的领域。主要从事于机器学习算法在大数据，计算机视觉，人机交互和在线教育中的应用。
希伯来大学大学生命科学教授，电脑科学和工程以色列籍教授，MIT、哈佛的访问助理教授。其研究涉及三个相关领域：有关染色质和转录调控的分子生物学；计算系统生物学，概率模型中的推理与学习。
纽约大学的物理学和数据科学全职教授，Moore-Sloan的NYU数据科学环境的首席主管。主要研究方向是观测宇宙学，特别是利用星系（包括人类所在的银河系）来推断宇宙的物理性质的方法，还从事于太阳系外行星的测量和探索。
康奈尔大学计算机科学系和信息科学系教授，曾是卡内基梅隆大学的访问学者。主要成就：自主智能系统研究所的知识发现团队中的GMD（陆基中途防御系统），研究兴趣：机器学习、支持向量机、统计学习理论；文本分析、网页挖掘、智能信息系统等。
德克萨斯大学奥斯汀分校计算机科学系的副教授，曾任哈佛大学研究员。主要研究兴趣是人工智能、数据挖掘、机器学习、自然计算和理论电脑科学、学习理论、计算复杂度、伪随机、高斯空间等。
芝加哥大学教授，被联合任命为统计学（主）和计算机科学教授，任职于大学理事会，丰田工业大学芝加哥分校兼任教授。研究方向是统计机器学习，重点是计算和统计方面的非参数方法，高维数据，图形模型，以及文档和文本分析。
芝加哥大学计算机科学系和统计学系的教授，在MIT完成了关于电脑识别、自动学习方向研究而获得PhD学位，其研究方向主要是人工智能领域，特别是模式识别和机器学习方面的问题，这些问题经常出现于人类语音和语言的计算研究。
杜克大学计算机科学系主任、人工智能方向教授，曾任职于DARPA计算机科学研究组（CSSG）。研究方向为不确定环境下的推理、Markov决策过程、强化学习、贝叶斯网络、以及机器人学。
罗格斯大学副教授、SEQAM实验室主任，曾任波士顿大学生物信息学计划研究员、康柏公司剑桥研究实验室研究科学家。研究方向包括统计学习、动态系统建模以及计算机视觉。
MIT媒体、艺术和科学教授，社会科学、大数据、隐私和可携带式计算的先驱，世界上论文被引用次数最多的计算机科学家，福布斯评选为世界上7个最强大的数据科学家之一，与谷歌创始人和美国首席技术官并列。主要成就：与学生共同开拓了计算社会科学、组织工程学、可穿戴计算、图片理解、现代生物测量学等领域。
谷歌杰出研究员，领导关于自然语言理解的工作。曾是宾夕法尼亚大学计算机与信息科学系主席，AT&T实验室机器学习和信息检索系主任，国际斯坦福研究学会的研究和管理职位。研究方向：自然语言处理，机器学习，生物信息学。
Charles River Analytics公司首席科学家，曾任哈佛大学工程与应用科学助理教授。主要研究计算人类感情来加强决策制定和交流，使用情感表达来增强人机交互，并利用这些想法让机器在复杂环境中运行。
机器学习和数据科学领域的专家，Redmond微软研究中心机器学习部门的研究员，Gatsby计算机神经科学和伦敦大学学院机器学习学院的高级研究员。与其他学者共同发表了60多篇关于机器学习理论及应用的论文，并且是20个专利的共同发明者。
加利福尼亚大学伯克利分校计算科学和统计学院的教授，昆士兰科技大学数学系的教授。他和Martin Anthony共同完成了《神经网络学习：理论基础》一书，还是四本其他书籍的编辑，并且在机器学习领域和统计学习理论方面共同发表了多篇论文。
谷歌研究人员，曾任IDIAP研究机构担任高级研究人员，此间兼任Microcell实验室的研究主管。多个机器学习期刊（如机器学习研究期刊、计算统计学期刊）的编辑，多个期刊（IEEE神经网络学报、生物医药工程学报、进化计算学报、机器智能与模式分析学报等等）的评审专家，其研究兴趣包括通过深层递归结构来优化建模序列（如语音、文本等），尤其关注长尾问题（如罕见词、稀有事件等），帮助开发了Torch软件。
布朗大学的客座教授，德国图宾根大学的名誉教授。Max Planck智能系统机构的主管。Black教授的研究兴趣主要在机器视觉方面，包括光流场估计、3D形状模型、人类形态和运动分析、稳健的统计方法，以及视觉世界的概率模型。在计算机神经科学领域，他的工作聚焦于神经编码的概率模型和神经修复术中神经解码的应用。
英国科学家，阿兰图灵协会的创始董事，剑桥微软研究中心的前董事经理，爱丁堡大学的知名客座教授，机器视觉的领先研究者。在剑桥微软研究中心担任高级研究科学家，创建了电脑视觉部门，任实验室主管。其主要成就为获得两次关于电脑视觉欧洲论坛大奖；IEEE电脑视觉重要研究人员将，皇家协会成员，Macrobert奖等。
ETH Zurich计算科学部门的全职教授，曾任南加利福尼亚大学的研究助理教授，德国模式识别学会的技术委员会成员。IEEE神经网络学报和图像处理学报的委员会成员。他的研究兴趣包括模式识别和数据分析，比如机器学习、统计学习理论和应用统计等。其应用领域覆盖了机器视觉、图像分析和遥感生物信息学等。
Corinna Cortes，谷歌纽约研究中心的主管，在AT&T实验室有十年工作经历。因对支持向量机(SVMs)的理论基础做出贡献而知名，与Vladimir Vapnik共同获得了2008年的Paris Kanellakis理论和实践奖，在大型数据集的数据挖掘方面的研究成果获得了AT&T的科学技术奖。
加拿大籍的机器学习和生物基因组研究者，Deep Genomics的CEO，多伦多大学的教授，首次成功训练深度神经网络的研究者之一，引入迭代消息传递算法（iterative message-passing algorithms）的先驱者。他因研究因子图、深度学习的唤醒睡眠算法，以及在模拟基因组生物学和理解遗传病方面使用机器学习技术而知名，还共同研发了识别疾病遗传决定因素的新计算方法。
剑桥机器学习小组成员，剑桥大学工程学院信息工程的教授，英国伦敦大学计算神经科学部分的客座成员，剑桥微软研究院、剑桥大数据学会等等机构的顾问。他的研究受到了EPSRC、DARPA、微软、谷歌、Infosys、Facebook、亚马逊等等工业巨头的资金支持。获得谷歌研究奖。目前的研究兴趣包括机器学习中的贝叶斯方法、人工智能、统计、信息提取、生物信息学以及计算电机控制。统计学能够为处理不确定性、做出决策和设计学习系统提供数学基础。主要在研究高斯过程、非参数贝叶斯方法、聚类、近似推理算法、图形化模型、蒙特卡洛方法和半监督学习。
微软研究院、基因组研究小组的高级主管，微软研究院的杰出科学家。主要成就：在微软，发明了无数应用程序，包括SQL Server和Commerce Server中的数据挖掘工具、Outlook, Exchange和Hotmail里的垃圾邮件过滤器、平板电脑的手写识别、Sharepoint Portal Server的文本挖掘软件、Windows里的疑难解答和Office软件里的回答向导；论证了人工智能概率论的重要性，开发了从数据中学习图形化模型的方法，包括因果关系发现方法。为生物和医学应用领域开发机器学习和统计学方法，包括HIV疫苗设计和基因组学。
Geoffrey Hinton，计算机学家和心理学家，反向传播算法和对比散度算法的发明人之一，深度学习的积极推动者。盖茨比计算神经科学中心的创始人，多伦多大学计算机科学系教授，机器学习领域的加拿大首席学者，加拿大高等研究院赞助的“神经计算和自适应感知”项目的领导者，皇家学会会士，获得杰出学者终生成就奖。对神经网络研究的其他贡献包括Boltzmann机器、分布式表征、时滞神经网络（ time-delay neural nets）、混合专家、变分学习、专家产品和深信网络。研究兴趣是用丰富传感器输入的非监督式多层神经网络学习程序。
组建了Kitware机器视觉部门，主要成就：领导了许多商业公司和政府单位赞助的研究项目，包括DARPA, AFRL, ONR, I-ARPA和NGA, 从基础的学术研究到开发可用于操作设施中的先进原型和演示。参与RADIUS（图形理解系统的研究与进展）第二阶段，在IEEE的电脑视觉和模式识别论坛担当评审专家与组织者。组织、管理了在许多不同领域的机器视觉研究，包括：事件、活动和行为识别；动作模式学习和异常探测；追踪；视觉语义；图像分割；物体识别；和基于内容的提取。
微软研究院技术人员和运营主管，Redmond实验室的负责人，AAAI（人工智能进步学会）、NAE（国家学术工程）和AAAS（美国科学进步学会）的会士，AAAS的主席。ACM Fellow。他的工作在电子商务、生物信息学、人机交互、信息提取等诸多领域有广泛的应用。
康博系统研究中心的研究人员，微软研究院的首席研究员，引导了Dryad项目、DryadLINQ项目的研究等。研究方向是机器视觉，尤其是即时追踪实时对象，主要对凝聚算法（Condensation algorithm）来探索视觉动作分析很有兴趣，这在人机交互等方面有很有趣的应用，当前的研究工作包括了很多粒子滤波方面的课题，这包括了粒子滤波和数值测量，进而量化粒子表现的图像表征设计。
MIT电子工程和电脑科学的教授。他的研究关注统计推断和估计、有限计算资源下的原则性近似方法、各种现代估计问题的分析和设计，如不完整数据情况。在应用层面，其研究包括自然语言处理的主要问题、计算生物学（如监管模式）、推荐和其他大规模推理问题，以及信息提取。
谷歌首席科学家之一，曾任微软研究院Redmond实验室杰出科学家。他发明了轰动一时的序列最小优化算法（SMO），此算法目前被广泛应用于支持向量机（SVM）的训练过程。他也发明了Platt变换（scaling）法，通过sigmoid函数来将SVM的预测结果转化为一个后验的概率值。
MIT脑与认知科学系教授、McGovern脑研究所研究员、计算机科学与人工智能实验室（CSAIL）成员，也担任生物学习与计算学习中心的主任和大脑、心智与机器中心的主任。作为一名计算神经科学家，从对于视觉系统的生物物理和行为学研究、到人类和机器的视觉和学习能力的计算分析，他都做出了许多贡献。
华盛顿大学西雅图分校计算机科学与工程学院教授、神经系统实验室主任，美国国家科学基金会（NSF）感觉运动神经工程中心（CSNE）主任。著有教科书《脑机接口技术》。他的研究领域涵盖计算神经科学，人工智能及脑机接口。他曾在2013年进行了史上第一次人类脑-脑交流实验，用电极帽通过互联网接收和发送脑信号、两人共同解决了一个电脑游戏。这次实验随后掀起了各地研究人员重复验证的热浪。
佐治亚理工学院交互计算学院教授、行为成像中心主任、计算健康中心联合主任，美国国立卫生研究院（NIH）移动传感器数据到知识转化研究（MD2K）中心副主任。他致力于行为成像（用多模态传感技术捕捉分析社交行为和交流行为）的技术研究，其他研究兴趣还包括计算机视觉、机器学习和移动健康（移动医疗）。
华盛顿大学西雅图分校统计系主任、经济系和电子工程系兼职教授、统计和社会科学中心主任，斯坦福大学行为科学高等研究中心Fellow。他的研究兴趣包括图模型和因果关系。
纽约大学计算机科学系副教授，曾任职于Google、贝尔实验室、Whizbang!实验室、微软等业界实验室。他的研究领域包括机器学习算法，非线性降维，语音、音频、图像和信号的处理，大型数据集分析、OCR、文档处理等。于2010年过世。
希伯来大学计算机科学教授，深度学习初创公司Mobileye的创始人兼CTO。他的研究方向是计算机视觉和机器学习。他的工作包括早期关注点视觉处理过程和分类机制，视觉识别和学习，运动静态图像融合，计算机视觉多视几何和多视向量理论，视觉学习多线性代数系统，应用原对优化对马尔科夫网络和图论中逼近inference，和最近研究的深度分层网络。
哥伦比亚大学计算机系副教授，从事计算机科学理论研究。主要研究兴趣是计算复杂性理论，计算学习理论，性能测试，和计算中随机性的作用。
卡内基梅隆大学教授，澳洲国立大学高级首席研究员，曾是雅虎首席研究科学家、堪培拉研究实验室项目主管，机器学习研究期刊会员、IEEE模式分析和机器智能学报会员。研究兴趣包括支持向量机(SVM)，高斯过程和条件随机场，统计建模，其核函数方法推动了这一领域的发展。
加州大学尔湾分校计算机科学系及统计学系教授，机器学习和智能系统中心主任。他的研究兴趣包括机器学习，数据挖掘，模式识别和应用统计学，发表超过150篇论文，获得1997年和2002年ACM SIGKDD年会最佳论文。
哥伦比亚大学计算机系教授，曾任IEOR部门主任、达特茅斯学院计算机学院助理教授。研究兴趣包括算法设计与分析，组合优化，运筹学，网络算法，调度，算法设计和计算生物学。《算法导论》和《计算机科学家的离散数学》的合著者。
谷歌X实验室创立者，斯坦福大学计算机系研究教授，佐治亚大学访问教授，谷歌副总裁，Udactiy的CEO和共同创立者，领导谷歌自动驾驶车团队，主要研究领域：人工智能技术、机器人学、自动驾驶车、智慧家庭、健康护理，还研究早期癌症诊断与追踪。主要成就：因机器人地图绘制的概率算法而出名，被选为国际工程学会会员。
希伯来大学计算机科学和工程教授，曾是贝尔实验室技术研究员，计算生物学Sudarsky中心成员，认知科学学术项目成员，研究领域：机器和统计学习理论和应用；动态系统；信息理论；统计力学；计算生物学，数据挖掘算法。
东京大学计算生物学、前沿科学研究生院教授，曾任日本筑波电气实验室(ETL）任科学家、东京计算生物研究中心研究人员，德国柏林 GMD FIRST（现为 Fraunhofer FIRST）的访问学者 ，德国图宾根马普所生物控制中心任项目负责人，主要研究领域：对Cox比例风险回归模型所进行的相关研究，曾经从事过聚类分析、多层神经网络的半监督分类，图像挖掘等。
从2003年开始担任哥伦比亚大学机器学习系统中心(CCLS)主任。Waltz博士所有学位都在MIT完成，包括他的博士学位来自MIT人工智能实验室。他在机器视觉方面的论文成为了约束传播理论的起源，同时，他还和Craig Stanfill共同开创了CBR（基于案例推理）的基于内存推理的分支领域。他现在的主要研究兴趣在机器学习应用方面，尤其是电力网。他的研究兴趣还包括大规模并行信息检索、数据挖掘、应用蛋白质结构预测学习和自动分类，以及自然语言处理。
哥伦比亚大学计算科学学院的副教授。他是数据科学基础中心的主席，以及哥伦比亚机器学习实验室的指导。他的研究是计算机科学和统计的交叉，致力于开发从社会网络应用数据、时间空间数据、视觉和文本中学习的新框架。他是《机器学习：判别性和生成性》一书的作者，以及多项视觉、学习和时空建模专利的共同发明者。
微软首席研究员。对于自然信号介质水平自动提取的机器学习方法很感兴趣。Nebojsa Jojic希望通过建构统计生成模型来模仿真实世界的结构，这个模型应该可以在无监督模型拟合（学习）阶段中自动适应声音、视觉或多模型信号，从而提供适合压缩、传输、搜索、编辑、提高观看体验等中等水平的表征。
麻省理工大学电子工程与计算科学系教授。她的研究主要关注在不确定情况下的决策、机器学习，以及机器人传感应用。她是《机器学习研究杂志》的创始人和主编。在2000年，她被选为人工智能发展协会的会员。
海伦·惠特克大学计算科学和机器人学的教授。Kanade教授被选举为国家工程院院士。他的研究兴趣主要在机器视觉、视觉和多媒体技术和机器人领域。主要关注的是在创造智能机器的知觉和控制进程时涉及的物理、几何和语义属性中的声音理论形成，以及基于这些理论的操作系统。
巴黎萨科雷大学数据科学中心主席，CNRS直线加速器实验室研究员。他在无监督和监督学习、大规模贝叶斯推理与优化以及其他不同应用领域中发表了超过100篇论文。他目前是AppStat小组的负责人，主要研究受高能粒子和天体物理应用推动的机器学习和统计推断问题。
斯坦福计算科学院的的教授，她有以色列和美国的血统。她曾获得麦克阿瑟奖，也是Coursera的创始人之一。主要的研究关注使用概率模型和机器学习去理解有着大量不确定性的复杂领域。在这个主题之下，涉及许多领域，包括表征、推论、学习和决策。近来，主要在研究机器视觉以及计算生物学与医学。
牛津大学统计学院的前院长，牛津基督学院的教员，哥本哈根大学的统计学教授。他是数理统计和图形模型领域研究的领导者。
Sheffield计算生物学和机器学习与神经科学和计算科学学院联合教授。研究兴趣是机器学习、计算系统生物学以及它们的医药学中的应用。
耶路撒冷希伯来大学计算机学院教授，主要研究兴趣包括人类和机器视觉，机器学习和纠错码。他的课题调查人类和电脑是如何在有着多个移动物体的情境下进行动作估计。人Weiss认为人类动作知觉的过程中有着一定假设下的单计算策略优化的方式，并且基于这些假设提出了算法。
百度研究院副院长，大数据实验（BDL）主任，美国新泽西州立大学统计系教授。曾经在雅虎、IBM 和 Google 工作，是大数据和人工智能领域的国际知名学者。
爱丁堡大学信息学院教授，研究主要是开发能够理解人类沟通的交互系统。大量研究都基于语音识别，以及搭建和应用统计模型来阐释交流信号。
斯坦福大学计算机系教授。研究兴趣包括计算科学教育、机器学习和网页信息提取，也为不同的创业公司的咨询委员会提供服务。
Facebook人工智能实验室的成员，支持向量机的机器学习Vapnik–Chervonenkis理论的联合创建人，美国工程院院士。
圣地亚哥大学教授，他在NIPS-03担当执行主席，以及NIPS-04的总主席，研究主要关注模式识别和声音、音频加工过程的统计学方法。
普林斯顿大学教授，近期加入了微软研究中心。他主攻专业是机器学习的理论与应用。他的研究促成了机器学习中提高集成算法的发展。在1996年，他与Yoav Freund共同发明了AdaBoost算法，并且2003年因此获得了Godel奖。在2014年，Schapire由于他在机器学习Boosting算法的提出与发展上的贡献被选入了国家工程院。
 大华，华南师大心理学研二在读 。对社会认知，语言感兴趣，喜欢认真努力的生活。 现为美国德州大学医学中心生物医学工程在读博士生，从事磁共振成像和神经影像数据处理研究，对类脑计算及图像识别感兴趣。 |
|
|
