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

Semidefinite Programming with Applications in Statistical Learning

Cel

Interior point algorithms and a dramatic growth in computing power have revolutionized optimization in
the last two decades. Highly nonlinear problems which were previously thought intractable are now
routinely solved at reasonable scales. Semidefinite programs (i.e. linear programs on the cone of positive
semidefinite matrices) are a perfect example of this trend: reasonably large, highly nonlinear but convex
eigenvalue optimization problems are now solved efficiently by reliable numerical packages. This in turn
means that a wide array of new applications for semidefinite programming have been discovered,
mimicking the early development of linear programming. To cite only a few examples, semidefinite
programs have been used to solve collaborative filtering problems (e.g. make personalized movie
recommendations), approximate the solution of combinatorial programs, optimize the mixing rate of
Markov chains over networks, infer dependence patterns from multivariate time series or produce optimal
kernels in classification problems.
These new applications also come with radically different algorithmic requirements. While interior point
methods solve relatively small problems with a high precision, most recent applications of semidefinite
programming in statistical learning for example form very large-scale problems with comparatively low
precision targets, programs for which current algorithms cannot form even a single iteration. This
proposal seeks to break this limit on problem size by deriving reliable first-order algorithms for solving
large-scale semidefinite programs with a significantly lower cost per iteration, using for example
subsampling techniques to considerably reduce the cost of forming gradients.
Beyond these algorithmic challenges, the proposed research will focus heavily on applications of convex
programming to statistical learning and signal processing theory where optimization and duality results
quantify the statistical performance of coding or variable selection algorithms for example. Finally,
another central goal of this work will be to produce efficient, customized algorithms for some key
problems arising in machine learning and statistics.

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

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-2010-StG_20091028
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

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Wkład UE
€ 1 148 460,00
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