Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Optimální zpracování externí stochastické znalosti vyjádřené pomocí pravděpodobnostních distribucí

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 <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

    AF - Dokumentace, knihovnictví, práce s informacemi<br>BB - Aplikovaná statistika, operační výzkum<br>BC - Teorie a systémy řízení<br>BD - Teorie informace<br>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