Klaus-Robert Müller

Klaus-Robert Müller
Född	( 1964-12-29 ) 29 december 1964 Karlsruhe , Tyskland
Alma mater	Universitetet i Karlsruhe ( Diplom ) Universitetet i Karlsruhe (PhD)
Känd för	Maskininlärning Stöd Vector Machines Hjärna-dator-gränssnitt
Utmärkelser	Vetenskapsakademien Leopoldina Fellow (2012)
Vetenskaplig karriär
Fält	Maskininlärning Neurala nätverk Statistisk inlärningsteori Hjärna-dator-gränssnitt Artificiell intelligens
institutioner	Berlins tekniska universitet Universitetet i Potsdam
Avhandling	Spärlich verbundene neuronale Netze und ihre Anwendung (Glesna neurala nätverk och deras tillämpning) ( 1992)
Akademiska rådgivare	Vladimir Vapnik Shun'ichi Amari

Klaus-Robert Müller (född 1964 i Karlsruhe, Tyskland) är en tysk datavetare och fysiker , mest känd för sitt arbete med maskininlärning och hjärn-dator-gränssnitt .

Karriär

Klaus-Robert Müller fick sitt diplom i matematisk fysik och doktorsexamen i teoretisk datavetenskap från universitetet i Karlsruhe . Efter sin Ph.D. han åkte till Berlin som postdoktor vid GMD (German National Research Centre for Computer Science) Berlin (nu en del av Fraunhofer Institute for Open Communication Systems ), där han började bygga upp gruppen Intelligent Data Analysis (IDA).

Från 1994 till 1995 var han forskare vid Shun'ichi Amaris labb vid University of Tokyo .

1999 blev Müller docent för neuroinformatik vid universitetet i Potsdam och övergick till den fulla professuren för neurala nätverk och tidsserieanalys 2003. Sedan 2006 innehar han professuren för maskininlärning vid Tekniska universitetet i Berlin .

Sedan 2012 innehar han en framstående professur vid Korea University i Seoul . Han var med och grundade och är meddirektör för Berlin Big Data Center (BBDC) vid Technical University Berlin.

Från och med 2017 har 29 tidigare doktorander eller postdoktorer av Klaus-Robert Müller själva blivit professorer. Bernhard Schölkopf och Alexander J. Smola handlades av honom som medlemmar i hans forskargrupp.

Sedan 2020 är han chef för Berlin Institute for the Foundations of Learning and Data (BIFOLD), ett tyskt nationellt AI-kompetenscenter, och chef för enheten för European Laboratory for Learning and Intelligent Systems (ELLIS) Berlin.

2020/2021 tillbringade han sitt sabbatsår på Google Brain som huvudforskare.

Forskning

Müller har bidragit mycket till flera stora intressen för maskininlärning , inklusive stödvektormaskiner (SVM) och kärnmetoder , och artificiella neurala nätverk . Han var pionjär med att tillämpa nya metoder för mönsterigenkänning i domäner som hjärn-dator-gränssnitt, och använde dem för patienter med Locked-in-syndrom . Han är en av de ledande datavetarna med anknytning till Tyskland.

Hans nuvarande forskningsintressen inkluderar:

• Statistisk inlärningsteori (Support Vector Machines, Deep Neural Networks , Boosting )
• Inlärning av icke-stationaritetsdata
• Fusion av strukturerade heterogena multimodala data, samanpassning
• Tillämpningar: MEG, EEG , NIRS, ECoG , EMG , Brain Computer Interfaces, beräkningsneurovetenskap , datorseende , genomisk dataanalys, beräkningskemi och atomistiska simuleringar, digital patologi

Heder och utmärkelser

Klaus-Robert Müller valdes till stipendiat i den tyska nationella vetenskapsakademin Leopoldina 2012. 2017 valdes han till medlem av Berlin-Brandenburg Academy of Sciences and Humanities och även extern vetenskaplig medlem av Max Planck Society . 2021 valdes han in som medlem av den tyska akademin för vetenskap och teknik .

Hans arbete hedrades med flera utmärkelser, inklusive:

• 2022, 2021, 2020 och 2019 Clarivate Highly Cited Researcher
• 2017 Vodafone Innovations Award 2017
• 2014 Science Prize of Berlin 2014 av Berlins styrande borgmästare
• 2014 European Research Council Panel Consolidator Grants
• 2009 pris för bästa papper av IEEE Engineering in Medicine and Biology Society EMBS
• 2006 SEL-ALCATEL forskningspris för teknisk kommunikation
• 1999 Olympus Award för mönsterigenkänning

Böcker

• med   Holzinger, Andreas; et al., red. (2022). xxAI – Beyond Explainable Artificiell Intelligens . Föreläsningsanteckningar i datavetenskap. Vol. 13200. Springer Cham. doi : 10.1007/978-3-031-04083-2 . ISBN 978-3-031-04082-5 .
• med    Schütt, Kristof T.; et al., red. (2020). Maskininlärning möter kvantfysik . Föreläsningsanteckningar i fysik. Vol. 968. Springer Cham. doi : 10.1007/978-3-030-40245-7 . ISBN 978-3-030-40244-0 . S2CID 242406994 .
• med   Samek, Wojciech; et al., red. (2019). Förklarlig AI: Tolka, förklara och visualisera djupinlärning . Föreläsningsanteckningar i datavetenskap. Vol. 11700. Springer Cham. doi : 10.1007/978-3-030-28954-6 . ISBN 978-3-030-28953-9 .
• med    Montavon, Grégoire; et al., red. (2012). Neurala nätverk: Tricks of the Trade . Föreläsningsanteckningar i datavetenskap. Vol. 7700 (2:a uppl.). Springer Berlin, Heidelberg. doi : 10.1007/978-3-642-35289-8 . ISBN 978-3-642-35288-1 . S2CID 39578794 .

externa länkar

• Klaus-Robert Müllers publikationer indexerade av Google Scholar
• Officiell hemsida