Optimální zpracování externí stochastické znalosti vyjádřené pomocí pravděpodobnostních distribucí
Cíle projektu
Optimální zpracování distribuované znalosti je klíčové pro strojové učení, zpracování signálů a řízení. Vyžadují ji sítě čidel, chytrých prostředí, autonomní agenti i distribuované infrastruktury (shluky, internet) sloužící internetu věcí. Uzly mohou komunikovat pomocí částečně popsaných pravděpodobnostních distribucí (momenty, atp). Má-li je vzdálený či centrální uzel zpracovat potřebuje stochastický model závislostí, který je však zřídka k disposici. Proto distribuované rozhodování využívá tradiční entropické metody, nedávno rozšířené pomocí plně pravděpodobnostního návrh (PPN) rozhodovacích strategií. Pro rozšíření byla užita omezující podmínka konečné parametrizace uzlů. Pro plnou využitelnost je nutné ji opustit a navíc je nutno navrhnout jak konsistentně přiřazovat váhu vzdáleně vzniklé informaci. To povede k použitelnosti v průběžném zpracování signálů a distribuované (kalmanovské) filtraci dovolující znáhodněné prozkoumávání návrhového prostoru a doplňující návazná rozhodnutí o kvantifikovaný popis jejich neurčitosti.
Klíčová slova
distributed knowledgeentropic methodsfully probabilistic designrecursive signal processingfilteringuncertainty measuresnon-parametric methods
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
Standardní projekty 22 (SGA0201800001)
Hlavní účastníci
Ústav teorie informace a automatizace AV ČR, v. v. i.
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
18-15970S
Alternativní jazyk
Název projektu anglicky
Optimal Distributional Design for External Stochastic Knowledge Processing
Anotace anglicky
Optimal processing of distributed knowledge is a key agenda in machine learning, signal processing and control, driven by sensor networks for smart environments, autonomous agents and distributed infrastructures (cloud, internet) serving the internet of things. Nodes may communicate via partially specied probability distributions (moments, etc). If a remote node or central coordinator is to process this, a global stochastic dependency model is required, but rarely available. Long-established entropy methods are used for such distributed decision making, extended as Fully Probabilistic Design (FPD) in recent years. Restrictive modelling assumptions - which assume nodes are finitely parametrized - need to be relaxed if progress to mature applications is to be achieved. A consistent procedure for nodes to assign weight to remotely sourced knowledge is also a priority. Applications in recursive signal processing and distributed (Kalman) filtering will consequently be delivered, allowing randomized exploration of the design space, and equipping decisions with uncertainty quantifiers.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
10103 - Statistics and probability
OECD FORD - vedlejší obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory
(dle převodníku)AF - Dokumentace, knihovnictví, práce s informacemi
BB - Aplikovaná statistika, operační výzkum
BC - Teorie a systémy řízení
BD - Teorie informace
IN - Informatika
Hodnocení dokončeného projektu
Hodnocení poskytovatelem
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Zhodnocení výsledků projektu
Všechny čtyři cíle projektu byly splněny. Bylo publikováno 2(+1 akceptovaná) časopisecké publikace, 2 kapitoly v knihách a 12 konferenčních příspěvků. Hlavním výsledkem bylo FPD-optimální bayesovské transfer learning scháma a jeho aplikace. Do projektu bylo zapojeno mnoho studentů. Z hlediska mezinárodní spolupráce byl výzkum veden především v kooperaci s Trinity College Dublin.
Termíny řešení
Zahájení řešení
1. 1. 2018
Ukončení řešení
31. 12. 2021
Poslední stav řešení
U - Ukončený projekt
Poslední uvolnění podpory
1. 4. 2021
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP22-GA0-GA-U
Datum dodání záznamu
29. 6. 2022
Finance
Celkové uznané náklady
4 258 tis. Kč
Výše podpory ze státního rozpočtu
4 063 tis. Kč
Ostatní veřejné zdroje financování
195 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Uznané náklady
4 258 tis. Kč
Statní podpora
4 063 tis. Kč
0%
Poskytovatel
Grantová agentura České republiky
OECD FORD
Statistics and probability
Doba řešení
01. 01. 2018 - 31. 12. 2021