Alexey Ivakhnenko - Alexey Ivakhnenko

Alexey Ivakhnenko
Nascermos	Oleksiy Hryhorovych Ivakhnenko ( 1913-03-30 ) 30 de março de 1913 Kobelyaky , governadoria de Poltava , império russo
Morreu	16 de outubro de 2007 (16/10/2007) (com 94 anos) Kiev , Ucrânia
Nacionalidade	ucraniano
Alma mater	Instituto Eletrotécnico de Leningrado ( M.Sc )
Conhecido por	Método de Grupo de Tratamento de Dados , Aprendizado Profundo , Modelagem Indutiva
Prêmios	Cientista Honorário da URSS Dois Prêmios Estaduais da URSS
Carreira científica
Campos	Inteligência artificial , aprendizado de máquina , ciência da computação
Instituições	Glushkov Institute of Cybernetics uk , Kyiv Electrotechnical Institute , Kyiv Polytechnic Institute ( D.Sc )
Tese	Teoria de Sistemas Combinados para Controle Automático de Motores Elétricos   (1954)
Alunos notáveis	VM Kuntsevich, VI Kostiuk VI Ivanenko, VI Vasylyev OA Pavlov

Alexey Ivakhnenko ( ucraniano : Олексíй Григо́рович Іва́хненко ); (30 de março de 1913 - 16 de outubro de 2007) foi um matemático soviético e ucraniano mais famoso por desenvolver o Método de Grupo de Tratamento de Dados (GMDH), um método de aprendizagem estatística indutiva, pelo qual às vezes é referido como o "Pai do Aprendizado Profundo "

Infância e educação

Aleksey nasceu em Kobelyaky , Poltava Governorate, em uma família de professores. Em 1932, ele se formou na faculdade de eletrotécnica em Kiev e trabalhou por dois anos como engenheiro na construção de uma grande usina de energia em Berezniki . Então, em 1938, após se formar no Leningrado Eletrotécnico Institute , Ivakhnenko trabalhou no All-Union Electrotechnical Institute em Moscou durante a guerra . Lá ele investigou os problemas de controle automático em laboratório, liderado por Sergey Lebedev .

Ele continuou a pesquisa em outras instituições na Ucrânia após retornar a Kiev em 1944. Naquele ano, ele recebeu o doutorado. grau e mais tarde, em 1954 recebeu D.Sc. grau. Em 1964, ele foi nomeado Chefe do Departamento de Sistemas de Controle Combinado do Instituto de Cibernética. Trabalhou simultaneamente, inicialmente como Conferencista e, a partir de 1961, como Professor de Controle Automático e Cibernética Técnica no Instituto Politécnico de Kiev .

Pesquisa

Ivakhnenko é conhecido por ser o fundador da modelagem indutiva, uma abordagem científica usada para reconhecimento de padrões e previsão de sistemas complexos. Ele usou essa abordagem durante o desenvolvimento do Método de Grupo de Tratamento de Dados (GMDH). Em 1968 a revista "Avtomatika" publicou seu artigo "Group Method of Data Handling - um rival do método de aproximação estocástica", marcando o início de uma nova etapa em seu trabalho científico. Ele liderou o desenvolvimento dessa abordagem, com uma equipe profissional de matemáticos e engenheiros do Instituto de Cibernética.

Método de Grupo de Tratamento de Dados

O método GMDH apresenta uma abordagem única para a solução de problemas de inteligência artificial e até mesmo uma nova filosofia para a pesquisa científica , que se tornou possível com a utilização de computadores modernos. Um pesquisador pode não aderir exatamente à forma dedutiva tradicional de construir modelos "da teoria geral - a um modelo particular": monitorar um objeto, estudar sua estrutura, compreender os princípios de seu funcionamento, desenvolver teoria e testar o modelo de um objeto. Em vez disso, a nova abordagem é proposta "a partir de dados especificados - para um modelo geral": após a entrada de dados, um pesquisador seleciona uma classe de modelos, o tipo de geração de modelos-variantes e define o critério para seleção de modelos. Como a maior parte do trabalho de rotina é transferida para um computador, o impacto da influência humana no resultado objetivo é minimizado. Na verdade, essa abordagem pode ser considerada como uma das implementações da tese da inteligência artificial, que afirma que um computador pode atuar como um poderoso conselheiro para os humanos.

O desenvolvimento do GMDH consiste em uma síntese de ideias de diferentes áreas da ciência: o conceito cibernético de " caixa preta " e o princípio da seleção genética sucessiva de características pareadas , os teoremas da incompletude de Gõdel e o princípio de "liberdade de escolha de decisões" de Gabor , a incorreção de Adhémar e o princípio de adições externas de Beer .

GMDH é o método original para resolver problemas de identificação estrutural-paramétrica de modelos para dados experimentais sob incerteza . Tal problema ocorre na construção de um modelo matemático que se aproxima do padrão desconhecido do objeto ou processo investigado. Ele usa informações sobre ele que estão implicitamente contidas nos dados. O GMDH difere de outros métodos de modelagem pela aplicação ativa dos seguintes princípios : geração automática de modelos, decisões inconclusivas e seleção consistente por critérios externos para encontrar modelos de complexidade ótima. Ele tinha um procedimento original em várias camadas para a geração automática de estruturas de modelos, que imita o processo evolutivo da seleção biológica levando em consideração as características sucessivas de pares. Tal procedimento é utilizado atualmente em redes de aprendizado profundo . Para comparar e escolher modelos ideais, dois ou mais subconjuntos de uma amostra de dados são usados. Isso torna possível evitar suposições preliminares, porque a divisão da amostra reconhece implicitamente diferentes tipos de incerteza durante a construção automática do modelo ótimo.

No início da década de 1980, Ivakhnenko estabeleceu uma analogia orgânica entre o problema de construir modelos para dados ruidosos e o sinal que passa pelo canal com ruído . Isso possibilitou lançar as bases da teoria da modelagem imune a ruído. O principal resultado dessa teoria é que a complexidade do modelo preditivo ótimo depende do nível de incerteza dos dados: quanto maior esse nível (por exemplo, devido ao ruído) - mais simples deve ser o modelo ótimo (com menos parâmetros estimados). Isso iniciou o desenvolvimento da teoria GMDH como um método indutivo de adaptação automática da complexidade ótima do modelo ao nível de informação em dados fuzzy . Portanto, o GMDH é frequentemente considerado a tecnologia da informação original para extração de conhecimento de dados experimentais .

Resultados

Juntamente com o GMDH, Ivakhnenko desenvolveu o seguinte conjunto de resultados:

• Novos princípios de controle automático de velocidade para motores elétricos CA e assíncronos .
• Teoria de sistemas invariantes para controle adaptativo com compensação de distúrbios medidos. Ele desenvolveu o princípio de medição indireta de perturbações, chamado de "bifurcação diferencial", que foi usado posteriormente na prática.
• Princípio do controle combinado (com feedback negativo para as variáveis ​​controladas e feedback positivo para os distúrbios controlados). Vários desses sistemas, para o controle de velocidade de motores elétricos, foram implementados na prática. Isso comprovou a viabilidade prática de condições invariantes em sistemas de controle combinados que unem as vantagens dos sistemas fechados para controle por desvio (alta precisão) e sistemas abertos (desempenho).
• Os reguladores extremos não investigativos com base no reconhecimento de situações.
• Princípio de reconhecimento de padrões de autoaprendizagem. Foi demonstrado inicialmente no sistema cognitivo "Alpha", criado sob sua liderança.
• Base para a construção de dispositivos de previsão cibernética.
• Teoria da auto-organização de modelos segundo dados experimentais.
• Método de controle com otimização de previsão.
• Princípios imunes a ruído de modelagem robusta para dados com ruídos.
• Princípio de construção de redes de aprendizagem profunda auto-organizadas.
• Projeto de redes neurais multicamadas com neurônios ativos, onde cada neurônio é um algoritmo.

Ivakhnenko é bem conhecido por suas realizações na teoria da invariância e na teoria dos sistemas de controle automático combinados, que opera com base no princípio da compensação de perturbações medidas. Ele havia desenvolvido dispositivos e métodos para o controle adaptativo de sistemas com amplificadores e motores magnéticos.

Ele é o autor da primeira monografia ucraniana sobre cibernética técnica, que foi publicada mundialmente em sete idiomas. Em seu estudo, um desenvolvimento posterior dos princípios de controle combinado foi conectado com a implementação de métodos de auto-organização evolutiva , reconhecimento de padrões e previsão em sistemas de controle .

Nos últimos anos, sua principal inovação - o método GMDH foi desenvolvido como um método de modelagem indutiva, processos complexos e previsão de sistemas . Suas ideias são utilizadas agora nas redes de Deep Learning . A eficácia do método foi confirmada repetidamente durante a solução de problemas complexos reais em ecologia , meteorologia , economia e tecnologia , o que ajudou a aumentar sua popularidade entre a comunidade científica internacional. Paralelamente, foram realizados desenvolvimentos de algoritmos evolutivos auto-organizados em um campo relacionado - problemas de agrupamento de reconhecimento de padrões. Avanços na modelagem de processos ambientais refletidos nas monografias, processos econômicos - nos livros. Os resultados da exploração de algoritmos GMDH multicamadas recorrentes são descritos nos livros.

Escola científica

De 1963 a 1989 Ivakhnenko foi editor da revista científica especializada "Avtomatika" (posteriormente "Problemas de gestão e informática"), que desempenhou um papel crucial na formação e desenvolvimento da escola ucraniana de modelagem indutiva. Ao longo desses anos, a revista foi traduzida e reimpressa nos Estados Unidos como "Controle Automático Soviético" (posteriormente "Jornal de Automação e Ciências da Informação").

Junto com a constante inovação em sua área desde 1945, Ivakhnenko manteve uma carreira docente ativa, primeiro como professor assistente no Departamento de Mecânica Teórica e, em seguida, na faculdade de Sistemas de Controle. Desde 1960 como Professor do Departamento de Cibernética Técnica no Instituto Politécnico de Kiev , ele contribuiu com palestras para a Universidade e corpo discente, bem como supervisionou o trabalho de muitos alunos de pós-graduação. Em 1958-1964 ele foi um organizador das Conferências de Invariância da União em Kiev, onde o desenvolvimento da teoria dos sistemas de controle invariáveis ​​foi restaurado após a proibição.

Seu entusiasmo inesgotável ajudou mais de 220 jovens cientistas a preparar e defender com sucesso seu doutorado. dissertações sob sua liderança no KPI e no Instituto de Cibernética e quase 30 de seus alunos defenderam suas teses de pós-doutorado. A escola científica de Ivakhnenko foi e é um verdadeiro berço de profissionais científicos altamente qualificados. Além disso, seus alunos VMKuntsevych, VIKostyuk, VIIvanenko, VIVasiliev, AAPavlov e outros criaram suas próprias escolas científicas respeitadas. Ivakhnenko foi um exemplo brilhante de cientista, com um aguçado senso de nova e notável intuição científica. Até seus últimos dias, ele continuou a trabalhar ativa e generosamente gerando ideias e resultados científicos originais.

Prêmios e honras

Ivakhnenko é o Cientista Honorário da URSS (1972), duas vezes vencedor do Prêmio do Estado (1991, 1997) por seus trabalhos sobre a teoria dos sistemas automáticos invariantes e conjunto de publicações sobre Tecnologia da Informação no campo da Inteligência Artificial. Autor de 40 livros e mais de 500 artigos científicos. Doutor Honorário da National Technical University "KPI" (2003) e Lviv Polytechnic (2005). Foi Membro Correspondente da Academia de Ciências da URSS (1961) e Acadêmico da NAS da Ucrânia (2003).

Trabalhos selecionados

• Ivakhnenko AG Heuristic Self-Organization in Problems of Engineering Cybernetics , Automatica, vol.6, 1970 - p. 207-219.
• Ivakhnenko AG Polynomial Theory of Complex Systems , IEEE Transactions on Systems Man and Cybernetics, 4, 1971 - p. 364-378.
• Ivakhnenko, AG; Ivakhnenko, GA (1995). "The Review of Problems Solvable by Algorithms of the Group Method of Data Handling (GMDH)" (PDF) . Reconhecimento de padrões e análise de imagens . 5 (4): 527–535. CiteSeerX   10.1.1.19.2971 .
• Ivakhnenko, AG; Müller, J.-A. (1997). "Desenvolvimentos recentes de modelagem auto-organizada em previsão e análise do mercado de ações" (PDF) . Microelectron.Reliab . 37 : 1053–1072. CiteSeerX   10.1.1.19.4973 .

Referências

links externos

• Método de Grupo de Tratamento de Dados
• Biblioteca de livros e artigos do GMDH
• GMDH: Sobre o autor  - Biografia e apresentações sobre Aleksey Ivakhnenko.