Stearns, Samuel D.
Samuel D. Stearns war von 1960 bis 1999 Research Professor für Elektrotechnik und technische Informatik an der Universität von New Mexico, Albuquerque. Sein Forschungsschwerpunkt lag auf der Digitalen Signalverarbeitung. Zudem war Stearns angesehenes Mitglied der Technical Staff at Sandia National Laboratories, Albuquerque, New Mexico. Während seiner wissenschaftlichen Laufbahn hat er an verschieden Universitäten in ganz USA gelehrt und über 25 Dissertationen betreut, u.a. an der Kansas State University, der Stanford University sowie an den Universitäten von Central Florida und Colorado. Er hat diverse Beiträge zum Thema Digitale Signalverarbeitung veröffentlicht und ist Autor bzw. Koautor folgender Titel: Digital Signal Processing with Examples in MATLAB (2003), Signal Processing Algorithms in MATLAB (1996), Signal Processing Algorithms in Fortran and C (1993), Digital Signal Analysis, 2nd Ed. (1990), Signal Processing Algorithms (1987), Adaptive Signal Processing (1985) und Digital Signal Analysis, 1st Ed. (1975).
Hush, Don R.
Don R. Hush arbeitet im Machine Learning Team der Modellierung-, Algorithmen- und Informatikgruppe (CCS-3) der Abteilung Computer- und rechnerbetonten Wissenschaft (CCS) am Los Alamos National Labor.
Ausbildung
PhD Elec Eng 1986 University of New Mexico
MS Elec Eng 1982 Kansas State University
BS Elec Eng 1980 Kansas State University (Summa Cum Laude)
beruflicher Werdegang
1998 - present Technical Staff Member, Los Alamos National Laboratory
1993 - 1998 Associate Professor, Computer Engineering, University of New Mexico
1987 - 1993 Assistant Professor, Computer Engineering, University of New Mexico
SS 1991, '94, '96 Visiting Professor, Universität de Vigo, Spanien
1986 - 1987 Technical Staff Member, Sandia National Laboratories
1994 - 1997 Associate Editor, IEEE Transactions on Neural Networks
1994 - 1998 Associate Editor, Signal Processing Magazine
Forschungsschwerpunkte
Machine Learning
Pattern Recognition
Function Approximation/Regression
Neural Networks
Circuit Complexity of Boolean, Neural and other Logic Families
Algorithms and Analysis
Statistical Data Analysis
Samuel D. Stearns war von 1960 bis 1999 Research Professor für Elektrotechnik und technische Informatik an der Universität von New Mexico, Albuquerque. Sein Forschungsschwerpunkt lag auf der Digitalen Signalverarbeitung. Zudem war Stearns angesehenes Mitglied der Technical Staff at Sandia National Laboratories, Albuquerque, New Mexico. Während seiner wissenschaftlichen Laufbahn hat er an verschieden Universitäten in ganz USA gelehrt und über 25 Dissertationen betreut, u.a. an der Kansas State University, der Stanford University sowie an den Universitäten von Central Florida und Colorado. Er hat diverse Beiträge zum Thema Digitale Signalverarbeitung veröffentlicht und ist Autor bzw. Koautor folgender Titel: Digital Signal Processing with Examples in MATLAB (2003), Signal Processing Algorithms in MATLAB (1996), Signal Processing Algorithms in Fortran and C (1993), Digital Signal Analysis, 2nd Ed. (1990), Signal Processing Algorithms (1987), Adaptive Signal Processing (1985) und Digital Signal Analysis, 1st Ed. (1975).
Don R. Hush arbeitet im Machine Learning Team der Modellierung-, Algorithmen- und Informatikgruppe (CCS-3) der Abteilung Computer- und rechnerbetonten Wissenschaft (CCS) am Los Alamos National Labor.
Ausbildung
PhD Elec Eng 1986 University of New Mexico
MS Elec Eng 1982 Kansas State University
BS Elec Eng 1980 Kansas State University (Summa Cum Laude)
beruflicher Werdegang
1998 - present Technical Staff Member, Los Alamos National Laboratory
1993 - 1998 Associate Professor, Computer Engineering, University of New Mexico
1987 - 1993 Assistant Professor, Computer Engineering, University of New Mexico
SS 1991, '94, '96 Visiting Professor, Universität de Vigo, Spanien
1986 - 1987 Technical Staff Member, Sandia National Laboratories
1994 - 1997 Associate Editor, IEEE Transactions on Neural Networks
1994 - 1998 Associate Editor, Signal Processing Magazine
Forschungsschwerpunkte
Machine Learning
Pattern Recognition
Function Approximation/Regression
Neural Networks
Circuit Complexity of Boolean, Neural and other Logic Families
Algorithms and Analysis
Statistical Data Analysis