¿Es Zhu Songchun un científico destacado?

Zhu Songchun es un experto en visión por computadora, matemático aplicado y estadístico y experto en inteligencia artificial de renombre mundial.

En 2020, Zhu Songchun regresó a China como científico estratégico para la inteligencia artificial, estableció el Instituto de Investigación de Inteligencia Artificial de Beijing y se desempeñó como su director. Al mismo tiempo, se desempeña como profesor en la Universidad de Pekín, decano del Instituto de Inteligencia de la Universidad de Pekín, decano del Instituto de Inteligencia Artificial y profesor de ciencias básicas en la Universidad de Tsinghua.

Zhu Songchun se graduó en la Universidad de Ciencia y Tecnología de China en 1991 con especialización en informática; fue a Estados Unidos a estudiar en 1992 y recibió un doctorado en informática de la Universidad de Harvard en 1996. . Ese mismo año, ingresó al Departamento de Matemáticas Aplicadas de la Universidad de Brown en Estados Unidos para realizar investigaciones postdoctorales.

2065 438 00-2020, se desempeñó como científico jefe de MURI, un proyecto de cooperación interdisciplinaria en los campos de la visión, las ciencias cognitivas y la inteligencia artificial en los Estados Unidos; en 2020 regresó a China para prepararse; el establecimiento del Instituto General de Investigación de Inteligencia Artificial de Beijing, y también se desempeñó como profesor en la Universidad de Beijing y profesor de ciencias básicas de la Universidad de Tsinghua y decano del Instituto de Investigación de Inteligencia Artificial de la Universidad de Beijing en 2021, el Instituto de Investigación de Inteligencia Artificial de la Universidad de Beijing fue; establecido y se desempeña como decano.

Principales logros de Zhu Songchun:

De 1995 a 2005, el profesor Zhu Songchun, su mentor Mumford, sus colegas y estudiantes de doctorado en UCLA fueron los fundadores de la visión computacional. El concepto propuesto por David Marr estableció un modelo matemático unificado, que incluye [Textura], imágenes primitivas y bocetos primitivos.

Se proponen los principios de mínima y máxima entropía para el modelado estadístico. Incorporar hallazgos de neurología y psicología en el [modelo de Gibbs] de física estadística para derivar un nuevo modelo [marco] probabilístico para campos aleatorios de Markov y generalizar este modelo a modelos de visión intermedios, para describir los principios de forma y composición [Gestalt].

Luego, encuentre las reglas estadísticas de invariancia de escala y cambio de escala de imágenes naturales, y asigne varios patrones visuales y sus correspondientes modelos matemáticos a un espectro de entropía continuo y una escala de información, y luego estudie varios mecanismos para saltar entre modelos; y conversión perceptual, y junto con el estudiante de doctorado Wang Yizhou, derivó la teoría del espacio de escala perceptual.