Pravděpodobnostní grafové modely a hluboké učení

Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
Standardní projekty 20 (SGA0201600001)
Hlavní účastníci
České vysoké učení technické v Praze / Fakulta elektrotechnická
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
16-05872S

Název projektu anglicky
Probabilistic Graphical Models and Deep Learning
Anotace anglicky
Machine learning is very popular today both in academia and industry, as part of artificial intelligence that actually "works". Graphical models and deep learning are two paradigms in machine learning that have recently become particularly successful in practice. Deep learning is the result of a very recent revolution that has shown that artificial neural networks beat all other existing methods in certain "cognitive" tasks (such as recognizing complex objects categories in images, understanding speech in audio signal, or processing natural language in text documents) if they are deep enough and are trained on big enough data. The two paradigms are related because many deep architectures can be seen as graphical models. However, unlike graphical models, deep learning methods are not well theoretically justified, seen by some as only a pile of clever heuristics. Our goal is (i) to contribute to inference and learning in graphical models and (ii) to gain better understanding of the success of deep learning by grounding it more firmly in the well-established theory of graphical models.

Kategorie VaV
ZV - Základní výzkum
CEP - hlavní obor
IN - Informatika
CEP - vedlejší obor
JD - Využití počítačů, robotika a její aplikace
CEP - další vedlejší obor
—
OECD FORD - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)<br>20204 - Robotics and automatic control<br>20205 - Automation and control systems

Hodnocení poskytovatelem
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Zhodnocení výsledků projektu
Cílem projektu bylo studium vztahů mezi pravděpodobnostními grafovými modely a hlubokým učením. Výzkum byl zaměřen na obecnější teoretické otázky kombinatorických optimalizací i na návrh nových algoritmů strojového učení. Projekt přináší výsledky aplikovatelné i v jiných oborech jako biologie a medicína. Deklarované publikační cíle byly splněny.

Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP19-GA0-GA-U/01:1
Datum dodání záznamu
12. 6. 2019

Podobné projekty(10)