Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS
Contenuto archiviato il 2024-06-18

Pattern Recognition in High Dimensional Data

Obiettivo

High dimensional data, where the number of variables is larger than the sample size, are encountered in a wide range of areas such as microarray studies, finance, engineering, biometrics and neuroimaging. This project is on pattern recognition (classification and clustering) of high dimensional data. Statistical methodology (including recognition methods) available for analyzing such data suffers from the curse of dimensionality as the enormous number of variables poses challenges to conventional methods rendering them impractical due to limited amounts of available data. A natural solution is to add a dimension reduction step before the recognition method is employed. In particular, given observations in a high dimensional space, our goal is to find a low dimensional manifold which captures the information relevant to pattern recognition for these data. One approach is writing a probability model which straddles “practically relevant” and “mathematically tractable”; defining an objective function whose arg opt (over manifolds) will act as a useful surrogate for “manifold with the most relevant information”; and finding a good approximation for the arg opt. This procedure must be accomplished in real-time in a dynamic environment to produce, e.g. an “adaptive sensor” adapting its low-dimensional view based on the pattern recognition exploitation function (rather than some far-afield surrogate such as signal-to-noise). In this project various methods are proposed to address the challenges of high-dimensional recognition by focusing on low-dimensional structures that approximate or encapsulate given high dimensional data. The main training objective of this research is to equip a European researcher with expertise about the theory and applications of high dimensional recognition, to become a competent user and trainer of this advanced methodology and to increase its availability in European research.

Campo scientifico (EuroSciVoc)

CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP. Cfr.: Il Vocabolario Scientifico Europeo.

È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione

Argomento(i)

Gli inviti a presentare proposte sono suddivisi per argomenti. Un argomento definisce un’area o un tema specifico per il quale i candidati possono presentare proposte. La descrizione di un argomento comprende il suo ambito specifico e l’impatto previsto del progetto finanziato.

Invito a presentare proposte

Procedura per invitare i candidati a presentare proposte di progetti, con l’obiettivo di ricevere finanziamenti dall’UE.

FP7-PEOPLE-2012-IOF
Vedi altri progetti per questo bando

Meccanismo di finanziamento

Meccanismo di finanziamento (o «Tipo di azione») all’interno di un programma con caratteristiche comuni. Specifica: l’ambito di ciò che viene finanziato; il tasso di rimborso; i criteri di valutazione specifici per qualificarsi per il finanziamento; l’uso di forme semplificate di costi come gli importi forfettari.

MC-IOF - International Outgoing Fellowships (IOF)

Coordinatore

KOC UNIVERSITY
Contributo UE
€ 233 921,00
Indirizzo
RUMELI FENERI YOLU SARIYER
34450 Istanbul
Turchia

Mostra sulla mappa

Regione
İstanbul İstanbul İstanbul
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale

I costi totali sostenuti dall’organizzazione per partecipare al progetto, compresi i costi diretti e indiretti. Questo importo è un sottoinsieme del bilancio complessivo del progetto.

Nessun dato
Il mio fascicolo 0 0