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

Intelligent Stochastic Computation Methods for Complex Statistical Model Learning

Cel

Very recently, it has been claimed that the Bayesian paradigm has revolutionized statistical thinking in numerous fields of research, as a considerable amount of novel Bayesian statistical models and estimation algorithms have gained popularity among scientists. Despite of the evident success of the Bayesian approach, there are also many research problems where the computational challenges have so far proven to be too exhaustive to promote wide-spread use of the state-of-the-art Bayesian methodology. In particular, due to significant advances in measurement technologies, e.g. in molecular biology, a constant need for analyzing and modeling very large and complex data sets has emerged on a wide scale during the past decade. Such needs are even anticipated to rapidly increase in near future with the current technological advances. The prevailing situation is therefore somewhat paradoxical, as the theoretical superiority of the Bayesian paradigm as an uncertainty handling framework is widely acknowledged, yet it can be unable to provide practically applicable solutions to complex scientific problems. To resolve this issue, the research project will have a focus on stochastic computational and modeling strategies to develop methods that overcome problems associated with the analysis of highly complex data sets. With these methods we aim to be able to solve a multitude of statistical learning problems for data sets which cannot yet be reliably handled in practice by any of the existing Bayesian tools. Our approaches will build upon recent advances in Bayesian predictive modeling and adaptive stochastic Monte Carlo computation, to create a novel family of parallel interacting learning algorithms. Several significant statistical modeling problems will be considered to demonstrate the potential of the developed methods. Our goal is also to provide implementations of some of the algorithms as freely available software packages to benefit concretely the scientific community.

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.

ERC-2009-StG
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.

ERC-SG - ERC Starting Grant

Instytucja przyjmująca

HELSINGIN YLIOPISTO
Wkład UE
€ 550 000,00
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

Beneficjenci (1)

Moja broszura 0 0