尼尔斯·理查德·汉森

尼尔斯·理查德·汉森

计算统计学教授

哥本哈根大学

关于

我是大学数学系的计算统计学教授哥本哈根。我是联合创始人哥本哈根因果实验室并在人工智能和统计的交叉点进行研究。我的主要兴趣是从数据中自动学习因果解释。我使用技巧来自贝叶斯网络、随机过程、预测建模和机器学习发现因果结构,实现可解释、健壮和可移植的人工智能。

利息

  • 因果关系
  • 机器学习与人工智能
  • 型号选择
  • 随机动力学模型
  • 事件流程

教育类

  • 2004年统计学博士

    哥本哈根大学

  • 2000年数学硕士

    哥本哈根大学

最近的帖子

为什么随机梯度下降有效

Robbins-Segmund定理给出了非负几乎上鞅的条件,以确保其几乎肯定收敛。它可以看作是非负上鞅Doob鞅收敛定理的推广。从Robbins-Segmund定理中很容易得出一些几乎肯定的收敛结果,例如强大数定律。在本文中,我们将展示如何使用它来显示随机梯度下降算法的收敛性。

可解释人工智能

Shapley值解释了每个特征对预测的贡献。然而,Shapley值准确解释的是什么,是由值函数决定的。价值函数可以有多种选择,每种选择都意味着对解释的不同解释。