Málopočetná řešení nedourčených systémů: retroaktivní aplikace, algoritmy, inference, a nové perspektivy
Cíle projektu
Stěžejním úspěchem statistiky a v širším kontextu datové vědy na přelomu 20. a 21. století je objev možnosti málopočetných (řídkých) řešení nedourčených systémů. V rámci výzkumu se zaměříme na využití znalostí nejmodernějších přístupů schopných získat málopočetná a obecněji jakákoliv řešení v nedourčených systémech pro zkoumání určitých retroaktivních aplikací v několika vybraných oblastech, kde tato schopnost může vést k novým metodologickým pokrokům, a to zejména na hledání skrytých period v časových řadách a detekci bodů změny ve funkcionálních závislostech. Pro tyto metody rozvineme účinné algoritmy a budeme analyzovat schopnost ohodnotit jejich chování ze stochastického pohledu (statistická inference) a celkové pochopení aspektů metod, které jsou schopny dosáhnout málopočetnosti v nedourčených systémech.
Klíčová slova
data sciencestatisticsregularizationoptimizationlassomixture modelsperiodogramchangepointneural networks
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Mezinárodní grantové projekty hodnocené na principu LEAD Agency
Veřejná soutěž
—
Hlavní účastníci
Univerzita Karlova / Matematicko-fyzikální fakulta
Druh soutěže
M2 - Mezinárodní spolupráce
Číslo smlouvy
23-06461K
Alternativní jazyk
Název projektu anglicky
Sparse solutions of underdetermined systems: retroactive applications, algorithms, inference, and new perspectives
Anotace anglicky
The discovery of the possibility of sparse solutions of underdetermined systems is the pivotal achievement of statistics, and in a broader context of data science, at the turn of the 21th century. We focus on the use of the state-of-the-art knowledge of approaches capable of obtaining sparse, and more generally any solutions in the underdetermined systems, to investigate certain retroactive applications, in a few selected areas - finding hidden periods in time series, detection of change points in functional relationships - where this capability can lead to novel methodological advances. At the same time, we are advancing efficient algorithms for these methods, investigate the capability to gauge their behavior in stochastic terms (statistical inference), and also the overall understanding of the aspects of methods capable to achieve sparsity in underdetermined systems.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
OECD FORD - hlavní obor
10103 - Statistics and probability
OECD FORD - vedlejší obor
—
OECD FORD - další vedlejší obor
—
CEP - odpovídající obory
(dle převodníku)BB - Aplikovaná statistika, operační výzkum
Termíny řešení
Zahájení řešení
1. 4. 2023
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-GF-R
Datum dodání záznamu
21. 2. 2025
Finance
Celkové uznané náklady
4 920 tis. Kč
Výše podpory ze státního rozpočtu
4 335 tis. Kč
Ostatní veřejné zdroje financování
585 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Základní informace
Uznané náklady
4 920 tis. Kč
Statní podpora
4 335 tis. Kč
88%
Poskytovatel
Grantová agentura České republiky
OECD FORD
Statistics and probability
Doba řešení
01. 04. 2023 - 31. 12. 2026