Pionierskie metody analizy danych i obliczeniowe
Systemy IIS są wykorzystywane do rozwiązywania szeregu wyzwań istotnych dla rozwoju cywilizacji, a także poprawy jakości życia ludzi. Wyzwania te, na przykład badanie mechanizmów działania mózgu, zaawansowana spersonalizowana edukacja oraz opracowywanie narzędzi naukowych, oznaczają, że czujniki, sprzęt do przetwarzania sygnału oraz algorytmy matematyczne muszą obecnie radzić sobie z coraz większymi zbiorami danych, coraz większą prędkością przechwytywania, próbkowania i przetwarzania, coraz niższym poborem mocy, komunikacją poprzez coraz bardziej skomplikowane kanały oraz nowymi metodami detekcji. Mimo to podstawowe kwestie rządzące systemami ISS nie były dotąd przedmiotem gruntownych i wyczerpujących badań naukowych. Aby rozwijać systemy ISS, różni interesariusze muszą współpracować ze sobą przy tworzeniu ram umożliwiający skuteczną detekcję, przetwarzanie, łączenie danych, podejmowanie decyzji, bezpośrednią analizę wydajności oraz prognozowanie. W tym kontekście finansowany ze środków UE projekt SUBSPARSE (Geometric and combinatorial foundations for emerging information and inference systems) miał na celu opracowanie teorii umożliwiającej rozwiązanie różnych problemów dotyczących IIS dzięki efektywnemu wykorzystaniu istniejących sieci zasobów. Partnerzy projektu opracowali innowacyjne teorie i algorytmy łączące koncepcje z zakresu statystycznego przetwarzania sygnału, modelowania geometrycznego i optymalizacji kombinatorycznej. Metody te wdrożono w ogólnej platformie, która umożliwia rozwiązywanie szeregu problemów dotyczących przetwarzania sygnału i uczenia maszynowego, występujących w różnych formatach danych. Do najważniejszych rezultatów należą pierwsze w historii ramy do utworzenia słowników sygnałów do reprezentacji oszczędnej oraz metoda matematyczna umożliwiająca uzyskiwanie oszczędnych projekcji na zbiorach wypukłych. Zespół scharakteryzował uporządkowane zbiory rzadkie i dokonał matematycznego połączenia teorii próbkowania oszczędnego i teorii gier. Opublikowano blisko 100 artykułów w różnych renomowanych czasopismach oraz prezentowano je na międzynarodowych konferencjach i warsztatach. Opracowane w projekcie SUBSPARSE ramy i algorytmy przyczynią się do powstania nowych rozwiązań w takich dziedzinach, jak uczenie maszynowe, robotyka, rzeczywistość wirtualna, teledetekcja i bioobrazowanie.
Słowa kluczowe
Analiza danych, obliczenia, systemy informacyjne i inferencyjne, modelowanie geometryczne, optymalizacja kombinatoryczna