Seppo Linnainmaa

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Seppo Ilmari Linnainmaa (* 28. September 1945 in Pori, Finnland) ist ein finnischer Mathematiker und Informatiker.

Im Jahre 1974 erlangte er die erste jemals von der Universität Helsinki vergebene Informatik-Doktorwürde.[1][2] 1976 wurde er Assistenzprofessor. Von 1984 bis 1985 war er Gastprofessor an der Universität von Maryland, USA. Von 1986 bis 1989 war er Vorsitzender der Finnischen Gesellschaft für Künstliche Intelligenz. In den Jahren von 1989 bis 2007 war er Forschungsprofessor am Finnischen Technischen Forschungszentrum. Er wurde 2007 emeritiert.

Im Jahre 1970 publizierte Linnainmaa den „Rückwärtsmodus“ der automatischen Differenzierung (AD) zur effizienten Berechnung der Ableitung einer differenzierbaren zusammengesetzten Funktion, die sich als Graph oder Netzwerk darstellen lässt. Der zentrale Trick besteht in der rekursiven Anwendung der Kettenregel auf die Bestandteile der Funktion.[2][3][4][5] Diese Methode wird nun in zahlreichen Anwendungen verwendet. Insbesondere ist Backpropagation von Fehlern in künstlichen neuronalen Netzen ein Spezialfall[6] von Linnainmaa’s Verfahren.

Einzelnachweise

[Bearbeiten | Quelltext bearbeiten]
  1. Seppo Linnainmaa im Mathematics Genealogy Project (englisch) Vorlage:MathGenealogyProject/Wartung/id verwendet abgerufen am 18. Juli 2024.
  2. a b Andreas Griewank (2012). Who Invented the Reverse Mode of Differentiation?. Optimization Stories, Documenta Matematica, Extra Volume ISMP (2012), 389-400.
  3. Seppo Linnainmaa (1970). The representation of the cumulative rounding error of an algorithm as a Taylor expansion of the local rounding errors. Master’s Thesis (in Finnish), Univ. Helsinki, 6-7.
  4. Seppo Linnainmaa (1976). Taylor expansion of the accumulated rounding error. BIT Numerical Mathematics, 16(2), 146-160.
  5. Andreas Griewank and A. Walther. Principles and Techniques of Algorithmic Differentiation, Second Edition. SIAM, 2008.
  6. Jürgen Schmidhuber (2015). Deep learning in neural networks: An overview. Neural Networks 61 (2015): 85-117. ArXiv