Russell Greiner
À Propos
Au cours des 35 dernières années, Russ Greiner a exploré des thèmes fondamentaux de l’apprentissage automatique afin de développer des techniques visant à déceler des schémas prédictifs dans les données et à produire des modèles appris permettant de faire de bonnes prédictions pour de nouveaux cas. Récemment, ses tâches ont été essentiellement d’ordre médical : produire des modèles qui peuvent prédire avec précision (1) les risques de rechute de cancer du sein d’une femme à partir d’informations contenues dans ses gènes ; (2) la possibilité qu’une personne ait un adénome à partir des métabolites (petites molécules) dans son urine ; (3) la possibilité qu’une personne soit atteinte de schizophrénie à partir d’une IRMf de son cerveau ; (4) la durée de vie d’un patient après une greffe de foie à partir de divers facteurs concernant à la fois le receveur et le donneur. La conception de ces systèmes nécessite d’aborder de nombreux sujets fondamentaux importants, que ce soit de nouvelles façons de combiner des données connexes acquises dans des conditions différentes, des approches efficaces du raisonnement contrefactuel ou de nouvelles approches utiles pour prédire la survie.
Prix
- Prix d’excellence comme superviseur, Université de l’Alberta, 2020
- Boursier, Association for the Advancement of Artificial Intelligence, 2007
- Professorat Killam, 2007
- Professorat McCalla, Université de l’Alberta, 2005-2006
- Nombreux prix du meilleur article (par ex., IJCAI, CSCSI)
Publications Pertinentes
- H. Haider, B. Hoehn, S. Davis, R. Greiner. « Effective ways to build and evaluate individual survival distributions », Journal of Machine Learning Research, 21(85):1-63, 2020
- L. Kumar, R. Greiner. « Gene expression based survival prediction for cancer patients—A topic modeling approach, PloS one, 14(11), e0224446, 2019.
- S. V. Kalmady, R. Greiner, R. Agrawal, V. Shivakumar, J. C. Narayanaswamy, M. R. Brown, A. J. Greenshaw, S. M. Dursun, G. Venkatasubramanian, G. « Towards artificial intelligence in mental health by improving schizophrenia prediction with multiple brain parcellation ensemble-learning », npj Schizophrenia, 5(1):1-11, 2019.
- Felicity Allen, Allison Pon, Michael Wilson, Russ Greiner, David Wishart. « CFM-ID: a web server for annotation, spectrum prediction and metabolite identification from tandem mass spectra », Nucleic Acids Research, 42(W1):W94-W99, 2014.
- R. Greiner, X. Su, B. Shen, W. Zhou, W. « Structural extension to logistic regression: Discriminative parameter learning of belief net classifiers », Machine Learning, 59(3):297-322, 2005.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Ontario, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.
Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada