Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
Contenu archivé le 2024-05-30

Invariant Representations for High-Dimensional Signal Classifications

Objectif

Considerable amounts of high-dimensional signals are continuously being acquired, whether audio, images, videos, or specialized signals for example in geophysics or medicine. Automatic classification and retrieval is strongly needed to analyze and access these massive data sets, but current algorithms often produce too many errors. For high-dimensional signals, supervised classification algorithms are typically applied to reduced ``feature vectors''. These feature representations are specialized for each signal modality, for example speech, music, images, videos or seismic signals. This proposal aims at unifying these approaches to improve classification performances, by developing a general mathematical and algorithmic framework to optimize representations for classification. Classification errors result from representations which are not sufficiently informative or which maintain too much variability. The central challenge is to understand how to construct stable, informative invariants, while facing progressively more complex sources of variability. The first task concentrates on invariants to the action of finite groups including translations, rotations and scalings, while preserving stability to deformations. The second task addresses unsupervised representation learning from training data. The third task explores stable representations of invariant geometric signal structures, which is an outstanding problem.These challenges involve building new mathematical tools in harmonic and wavelet analysis, geometry and statistics, in close interaction with numerical algorithms. Classification applications to audio, images, video signals or geophysical signals are expected to serve as a basis for groundbreaking technological advances.

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

ERC-2012-ADG_20120216
Voir d’autres projets de cet appel

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

ERC-AG - ERC Advanced Grant

Institution d’accueil

ECOLE NORMALE SUPERIEURE
Contribution de l’UE
€ 2 316 000,00
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

Aucune donnée

Bénéficiaires (1)

Mon livret 0 0