基础与架构

Yann LeCun

扬·勒昆

卷积网络 · 自监督学习

Yann LeCun 是卷积神经网络的重要推动者，研究涉及视觉识别、表示学习与自监督学习。他的工作把神经网络训练与实际识别任务结合起来，使学习算法能够处理图像中的空间结构。

LeNet 系列将卷积、下采样与可训练分类器组合起来，应用于手写数字和文档识别。卷积层共享参数，使模型可以在不同位置识别相似的局部特征，也降低了直接连接所有像素所需的参数数量。相关方法后来成为计算机视觉中的基础工具。

他与 Geoffrey Hinton、Yoshua Bengio 共同获得 2018 年图灵奖。此后的研究重点转向自监督学习：让模型利用数据内部的结构获得训练信号，减少对人工标注的依赖，并学习能够支持预测和规划的内部表示。