Aproximace a učení funkcí více proměnných pomocí neuronových sítí a jádrových metod

Poskytovatel

Grantová agentura České republiky

Program

Standardní projekty

Veřejná soutěž

Standardní projekty 8 (SGA02005GA-ST)

Hlavní účastníci

—

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

201/05/0557

Název projektu anglicky

Approximation and learning of multivariable functions by neural networks and kernel methods

Anotace anglicky

The goal of the project is to contribute to the interaction between classical and newly developed mathematical ideas and hallenging application domains of machine learning and neurocomputing. To describe properties which make neural networks and kernel models efficient and flexible tools for learning reasonable approximations of high-dimensional mappings, learning with generalization capability will be investigated as a regularized optimization problem in reproducing kernel Hilbert spaces. There will bederived mathematical results on minimization of functionals defined by data, various types of their regularization, nonlinear approximation schemes, rates of approximation, integral representations, properties of operators and their eigenvalues. Theseresults will be applied to families of multivariable functions corresponding to various neurocomputing and kernel computational models. Their consequences will be formulated in terms of complexity of neural networks and learning. Taking advantage of

Kategorie VaV

ZV - Základní výzkum

CEP - hlavní obor

IN - Informatika

CEP - vedlejší obor

BA - Obecná matematika

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>)

10101 - Pure mathematics<br>10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

Možnosti učení se schopností generalizace na základě vysoce dimenzionálních dat pomocí neuronových sítí a jádrových modelů byly studovány pomocí metod teorie aproximace a optimalizace. Byly odvozeny nové matematické výsledky týkající se minimalizace chyb

Zahájení řešení

1. 1. 2005

Ukončení řešení

31. 12. 2007

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

2. 5. 2007

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP08-GA0-GA-U/04:3

Datum dodání záznamu

16. 12. 2008

Celkové uznané náklady

1 260 tis. Kč

Výše podpory ze státního rozpočtu

1 260 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč