今年的 IEEE 荣誉勋章,颁给了一位 90 岁老人:Jacob Ziv。
近日,90 岁的 IEEE 终身 Fellow、以色列科学家 Jacob Ziv 因其「对信息论和数据压缩技术的重要贡献和杰出研究领导地位」获得本年度的 IEEE 荣誉勋章。IEEE 荣誉勋章奖项创立于 1917 年,是 IEEE 协会的最高奖项,也是全球电气电子工程学界的最高奖励,授予那些为电子电气领域做出特殊贡献的人物。Jacob Ziv 和 Lempel-Ziv 算法随着互联网和计算机技术的发展,无损数据压缩算法的应用也越来越广泛。LZ77 与 LZ78 是 Abraham Lempel 与 Jacob Ziv 在 1977 年以及 1978 年发表的论文中提出的两个无损数据压缩算法,二人脱离了 Huffman 及算术编码的设计思路,创造出了一系列比 Huffman 编码更有效,比算术编码更快捷的通用压缩算法。J. Ziv and A. Lempel, "A universal algorithm for sequential data compression," in IEEE Transactions on Information Theory, vol. 23, no. 3, pp. 337-343, May 1977, doi: 10.1109/TIT.1977.1055714.
这两个算法是大多数 LZ 算法变体(如 LZW、LZSS 以及其它一些压缩算法)的基础。与最小冗余编码器或者行程长度编码器不同,这两个都是基于字典的编码器。它们可以帮助人们从压缩数据中完美重建数据,比之前的任何算法都更有效,且支持 GIF、PNG 和 ZIP 文件的应用。LZ77 的诞生,被称为「压缩算法的开山之作」。与此前的压缩算法相比,LZ77「滑动窗」压缩算法的压缩比实现了非常明显的提高,这个算法后来被证明等同于 LZ78 中首次出现的显式字典编码技术。LZ 是世界上第一个成功的主流通用压缩算法,该算法及 Jacob Ziv 的分析为后来的通用算法工作奠定了基础。Jacob Ziv 率先推出了通用源码编码——一类无需了解固有信息即可压缩数据的算法,降低了基于未失真或失真数据重建图像所需的数据速率。此外,Jacob Ziv 还为纠错码的低计算复杂度解码理论做出了贡献。Jacob Ziv 1931 年出生于以色列,1955 年成为以色列国防部科学部门的高级研究工程师,主要从事通信系统的研发。1962 年,他在 MIT 获得电子工程博士学位,并于 1968 年加入贝尔实验室,1970 年回到以色列理工学院。自 1970 年以来,Jacob Ziv 一直担任以色列理工学院的电气工程教授、电气工程学院院长等职务。他的研究兴趣包括数据压缩、信息论和统计通信理论。在此之前,Jacob Ziv 曾获得多项荣誉。1993 年,他因精确科学 (exact science) 获得以色列国家最高荣誉「以色列奖(Israel Prize)」;1995 年获得 IEEE 理查德 · 汉明奖章和马可尼奖(Marconi Prize);1997 年获得 IEEE 信息论学会的克劳德 · 香农奖;2008 年获得 BBVA 基金会知识前沿奖。胡正明 1947 年 7 月出生于中国北京,1973 年获美国加州大学伯克利分校博士学位,1991-1994 年任清华大学(北京)微电子学研究所荣誉教授,1997 年当选为美国工程科学院院士。他是是微电子微型化物理及可靠性物理研究的一位重要开拓者,对半导体器件的开发及未来的微型化做出了重大贡献。张忠谋 1931 年出生于浙江宁波,曾就读于哈佛大学、麻省理工学院等高校,台积电创始人,被誉为「芯片大王」、台湾「半导体教父」。卓 1937 年出生于北京,是分子束外延(Molecular beam epitaxy)技术的鼻祖,量子级联激光器的共同发明人,对 Ⅲ-V 族化合物半导体、金属和绝缘体的异质外延和人工结构的量子阱、超晶格及调制掺杂微结构材料系统地开展了大量先驱性的研究工作。卓以和是美国国家科学院院士、美国工程院院士、中国科学院外籍院士,1993 年获美国国家科学奖章,2007 年获美国国家技术奖章。https://spectrum.ieee.org/the-institute/ieee-member-news/ieee-medal-of-honor-goes-to-data-compression-pioneer-jacob-zivhttps://zh.wikipedia.org/wiki/LZWAAAI 2021线上分享 | 基于带约束深度强化学习实现无序混合码垛机器人在国防科技大学被AAAI 2021接收的论文《Online 3D Bin Packing with Constrained Deep Reinforcement Learning 》中,研究者提出基于深度强化学习(DRL)算法求解 Online 3D-BPP 问题,不仅提出了一种基于同策略 Actor-Critic 框架的「预测 - 投影」带约束策略学习方法,而且设计了一个性能远超同类型机器人的高效能无序混合码垛机器人。
今晚20:00,论文通讯作者、国防科技大学教授徐凯为大家详细解读此前沿研究。添加机器之心小助手(syncedai5),备注「AAAI」,进群一起看直播。© THE END
转载请联系本公众号获得授权
投稿或寻求报道:content@jiqizhixin.com
关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/