Učení funkcionálních vztahů z vysoce dimenzionálních dat

Název projektu anglicky
Learning of functional relationships from high-dimensional data
Anotace anglicky
The goal of the project is to contribute to the development of theoretical analysis of large-scale connectionistic computational systems suitable for processing high-dimensional data. The research will be focused on investigation of model complexity ofsystems such as neural networks, radial and kernel models in dependence on the dimension of their input data. Estimates of complexity will be derived using methods from theory of nonlinear approximation with a variable-basis and functional analysis. Based on theoretical properties, new algorithms for machine learning of connectionistic systems will be proposed as hybrid methods of constructive and population-based algorithms. The role of meta-learning for setting free parameters of the methods will be investigated. The proposed algorithms will be implemented and tested on benchmark and real data.

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
Úspěšný teoretický projekt, jeho výsledkem byla řada vědeckých výsledků v oblasti neuronových sítí, vytěžování dat a teorie aproximace, publikovaných ve špičkových mezinárodních časopisech a na řadě konferencí.

Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP14-GA0-GA-U/01:1
Datum dodání záznamu
1. 7. 2014

Podobné projekty(10)