Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS
Inhalt archiviert am 2024-06-18

Scalable Bayesian Methods for Machine Learning and Imaging

Ziel

Machine learning seeks to automatize the processing of
large complex datasets by adaptive computing, a core strategy to meet growing
demands of science and applications.
Typically, real-world problems are mapped to penalized estimation tasks (e.g.
binary classification), which are solved by simple efficient algorithms. While
successful so far, I believe this approach is too limited to
realise the potential of adaptive computing. Most of the work, such as data
selection, feature construction, model calibration and comparison, still has to
be done by hand. Demands for automated decision-making (e.g. tuning
data acquisition during an experiment) are not met.

Such problems are naturally addressed by Bayesian reasoning about uncertain
knowledge, which however remains infeasible in most large scale settings.
The main goal of this proposal is to unite the strengths of penalized
estimation and Bayesian decision-making, exploiting the former's advanced state
of the art in order to implement substantial improvements coming with
the latter in large scale applications. A major focus is on improving magnetic
resonance imaging (MRI) by way of new Bayesian technology, driving robust
nonlinear
reconstruction from less data, and optimizing the acquisition through
Bayesian experimental design, applications not previously attempted by machine
learning. Far beyond the reach of present methodology, these goals demand
a novel computational foundation for approximate Bayesian inference through
numerical algorithmic reductions.

This project will have high impact on probabilistic machine learning, raising
the bar for scalable Bayesian computations. It will help to open up a whole new
range of medical imaging applications for machine learning. Moreover,
substantial impact on MRI reconstruction research is anticipated. There is
strong recent interest in savings through compressive sensing, whose full
potential is realised only by way of adaptive technology such as projected
here.

Wissenschaftliches Gebiet (EuroSciVoc)

CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.

Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen

Programm/Programme

Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.

Thema/Themen

Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.

Aufforderung zur Vorschlagseinreichung

Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.

ERC-2011-StG_20101014
Andere Projekte für diesen Aufruf anzeigen

Finanzierungsplan

Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.

ERC-SG - ERC Starting Grant

Gastgebende Einrichtung

ECOLE POLYTECHNIQUE FEDERALE DE LAUSANNE
EU-Beitrag
€ 1 401 697,20
Adresse
BATIMENT CE 3316 STATION 1
1015 LAUSANNE
Schweiz

Auf der Karte ansehen

Region
Schweiz/Suisse/Svizzera Région lémanique Vaud
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten

Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.

Keine Daten

Begünstigte (1)

Mein Booklet 0 0