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”

Učení kvantovaných neuronových sítí, diskrétních voleb a reprezentací

Veřejná podpora

  • Poskytovatel

    Grantová agentura České republiky

  • Program

    Standardní projekty

  • Veřejná soutěž

    SGA0202400001

  • Hlavní účastníci

    České vysoké učení technické v Praze / Fakulta elektrotechnická

  • Druh soutěže

    VS - Veřejná soutěž

  • Číslo smlouvy

    24-12697S

Alternativní jazyk

  • Název projektu anglicky

    Learning Quantized Neural Networks, Discrete Choices and Representations

  • Anotace anglicky

    We propose a comprehensive development of stochastic discrete models and their associated gradient estimators for use in deep learning. Popular methods for deep models are designed partially ad hoc. We propose a systematic theoretical approach, to explain existing well-performing methods and develop improved ones, efficient for a larger scope of models. As the main application of such estimators we consider training binary and quantized neural networks, where stochastic relaxation offers a sound approach for their training with the common stochastic gradient descent. Achieving more efficient, better performing and more general quantized networks is expected to have high impact on deploying applications to compact and autonomous devices. The second application we consider is robust model estimation with RANSAC, where the proposal distribution for minimal samples can be learned. As the third important use case, we consider learning discrete representations, such as binary descriptors for semantic hashing / retrieval of text and images.

Vědní obory

  • Kategorie VaV

    ZV - Základní výzkum

  • OECD FORD - hlavní obor

    10102 - Applied mathematics

  • OECD FORD - vedlejší obor

    10103 - Statistics and probability

  • OECD FORD - další vedlejší obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

  • 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

Termíny řešení

  • Zahájení řešení

    1. 1. 2024

  • Ukončení řešení

    31. 12. 2026

  • Poslední stav řešení

    B - Běžící víceletý projekt

  • Poslední uvolnění podpory

    29. 2. 2024

Dodání dat do CEP

  • Důvěrnost údajů

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

  • Systémové označení dodávky dat

    CEP25-GA0-GA-R

  • Datum dodání záznamu

    21. 2. 2025

Finance

  • Celkové uznané náklady

    5 100 tis. Kč

  • Výše podpory ze státního rozpočtu

    5 100 tis. Kč

  • Ostatní veřejné zdroje financování

    0 tis. Kč

  • Neveřejné tuz. a zahr. zdroje finan.

    0 tis. Kč