Approximation and learning of multivariable functions by neural networks and kernel methods
Public support
Provider
Czech Science Foundation
Programme
Standard projects
Call for proposals
Standardní projekty 8 (SGA02005GA-ST)
Main participants
—
Contest type
VS - Public tender
Contract ID
201/05/0557
Alternative language
Project name in Czech
Aproximace a učení funkcí více proměnných pomocí neuronových sítí a jádrových metod
Annotation in Czech
Cílem projektu je přispět k interakci mezi klasickými a nově vytvářenými matematickými pojmy a rozvíjejícími se obory neuropočítání a strojového učení. Aby mohly být popsány vlastnosti, které způsobují, že jsou neuronové sítě a jádrové modely efektivní aflexibilní nástroje pro učení aproximací funkcí mnoha proměnných, bude učení se schopností generalizace studováno jako regularizovaná optimalizační úloha v Hilbertových prostorech s reprodukčním jádrem. Budou odvozeny matematické výsledky týkající se minimalizaci funkcionálů definovaných pomocí dat, různých typů jejich regularizace, nelineárních aproximačních schemat, rychlosti aproximace, integrálních reprezentací, vlastností operátorů a jejich vlastních čísel. Tyto výsledky budou aplikovány na množinyfunkcí více proměnných odpovídající různým typům neuronových a jádrových výpočetních modelů. Jejich důsledky budou formulovány v termínech složitosti neuronových sítí a učení. Na základě konstruktivních důkazových technik budou odvozena fuzzy
Scientific branches
R&D category
ZV - Basic research
CEP classification - main branch
IN - Informatics
CEP - secondary branch
BA - General mathematics
CEP - another secondary branch
—
OECD FORD - equivalent branches <br>(according to the <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">converter</a>)
10101 - Pure mathematics<br>10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Completed project evaluation
Provider evaluation
V - Vynikající výsledky projektu (s mezinárodním významem atd.)
Project results evaluation
Possibilities of learning with generalization from high-dimensional data by neural networks and kernel models were studied using methods from nonlinear approximation and optimization theory. New mathematical results on minimization of error functionals d
Solution timeline
Realization period - beginning
Jan 1, 2005
Realization period - end
Dec 31, 2007
Project status
U - Finished project
Latest support payment
May 2, 2007
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP08-GA0-GA-U/04:3
Data delivery date
Dec 16, 2008
Finance
Total approved costs
1,260 thou. CZK
Public financial support
1,260 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK