Diederik P. Kingma

概述 (50-200字符)

Diederik P. Kingma 是荷兰机器学习研究员，以提出 Adam 优化算法和变分自编码器（VAE）闻名。现任 OpenAI 研究科学家，此前在 Google Brain 和 OpenAI 工作。

关键内容 (≥300字符, 用双链)

1. Adam 优化器：2014 年与Jimmy Ba共同提出Adam（自适应矩估计）优化算法，结合Momentum（动量）和RMSProp的优点，引入偏差修正机制。该算法成为深度学习使用最广泛的优化器，默认参数开箱即用，被誉为深度学习的"自动挡"。论文发表于 ICLR 2015。
2. 变分自编码器（VAE）：2013 年与 Max Welling 共同提出 Auto-Encoding Variational Bayes，将变分推断与自编码器结合，成为生成模型的核心方法之一。VAE 与 GAN、Diffusion 并列为三大生成模型范式。
3. 学术影响：Kingma 的研究聚焦于概率建模、生成模型和优化方法。他的工作对现代深度学习训练基础设施产生了深远影响——Adam（自适应矩估计）至今仍是 Transformer、GAN、强化学习等场景的默认优化器选择。

来源

• [Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. ICLR 2015.] — Adam 论文
• [raw/articles/ai-papers/machine-learning/11_adam_2014.md] — 源文件

相关

• Jimmy Ba — co_author
• Adam: A Method for Stochastic Optimization (2014 论文) — authored
• Adam（自适应矩估计） — co_invented
• 变分自编码器（VAE） — co_invented