Sepp Hochreiter
Korrespondierendes Mitglied der mathematisch-naturwissenschaftlichen Klasse im Inland seit 2024
- Johannes Kepler Universität Linz
Kontakt:
Orcid-ID:
0000-0001-7449-2528
Forschungsbereiche:
- Informatik
- Artificial Intelligence
- Machine Learning
- Künstliche Neuronale Netze
- Bioinformatik
Zur Person:
Publikationen:
Ausgewählte Mitgliedschaften:
- ELLIS Society ( European Lab for Leaming and Intel. Systems)
- ACM ( Association for Computing Machinery)
- OCG ( Österreichische Computer Gesellschaft)
Ausgewählte Preise und Auszeichnungen:
- 2020: IEEE Neural Networks Pioneer Award (highest award in Deep Learning)
- 2023: German KI-lnnovation Award of the "Welt"
- 2022: Austrian Innovation Award
- 2022: Digitalos (Digital Pioneer Award)
- 2019: Upper Austrian of the year: category economic and science
Ausgewählte Publikationen:
- Hochreiter, S., & Schmidhuber, J. (1997). Long shortterm memory. Neural computation, 9, 1735-1780.
- Heusel, M., Ramsauer, H., Unterthlner, T., Nessler, B., &Hochreiter, S. (2017). GANs trained by a two time-scale update rule converge to a local Nash equilibrium. Advances in Neural Information Processing Systems, 30.
- Clevert, O.-A., Unterthiner, T, & Hochreiter, S. (2016). Fast and Accurate Deep Net-work Learning by Exponential Linear Units (ELUs). 4th International Conference on Leaming Representations.
- Klambauer, G., Unterthiner, T., Mayr, A., & Hochreiter, S. (2017). Self-normalizing neural nehvorks. Advances in Neural Information Processing Systems, 31, 972-981.
- Hochreiter, S. (1998). The vanishing gradient problem during leaming recurrent neural nets and problem solutions. Internat. J. Uncertain. Fuzziness Knowledge- Based Sys-tems, 6, 107-116.