Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-06-18

Semi-supervised Structured Output Learning from Partially Labeled Data

Cel

Learning classifiers automatically from examples is subject to the
multidisciplinary field of machine learning.

The structured output learning (SOL) is concerned with the
learning of classifiers for prediction of multiple
interdependent variables exhibiting some structure dependence.
Recent progress in SOL focuses mainly on supervised methods
that require labeled examples. A high cost of labeled examples
significantly limits application of SOL to many domains.

Our goal is threefold. First, to developed framework for semi-supervised SOL from cheap partially labeled examples. Second, to apply this new framework to two important SOL tasks: (i) Markov Networks learning and (ii) learning of 2-dimensional image grammars. Third, to use the new algorithms for solving computer vision problems including the image segmentation and the car license plate recognition.

To achieve the first goal, we will examine two strategies. First, we will
combine powerful discriminative methods for SOL with generative models offering a principled way to deal with missing labels. Second, we will extend the existing semi-supervised methods in order to handle the partially labeled examples.

To achieve the second goal, we will incorporate the existing methods for
supervised SOL of Markov Networks and 2D grammars to the framework
developed as the first goal.

To achieve the third goal, we will build on the technology for
image segmentation and license plate recognition developed by
the host. The currently used classification methods will be
replaced by the developed semi-supervised SOL algorithms to
demonstrate their effectiveness on real-life problems.

Achieving the goals will be possible by joining the expertise
of the applicant and the host. This applies both to theoretical
and application oriented goals. The applicant is experienced in
SOL and Markov Networks while the host will complement this
with a large expertise in 2D grammars and computer
vision.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Słowa kluczowe

Słowa kluczowe dotyczące projektu wybrane przez koordynatora projektu. Nie należy mylić ich z pojęciami z taksonomii EuroSciVoc dotyczącymi dziedzin nauki.

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

FP7-PEOPLE-ERG-2008
Zobacz inne projekty w ramach tego zaproszenia

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

MC-ERG - European Re-integration Grants (ERG)

Koordynator

CESKE VYSOKE UCENI TECHNICKE V PRAZE
Wkład UE
€ 45 000,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych
Moja broszura 0 0