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

Pattern Recognition in High Dimensional Data

Cel

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.

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.

FP7-PEOPLE-2012-IOF
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.

MC-IOF - International Outgoing Fellowships (IOF)

Koordynator

KOC UNIVERSITY
Wkład UE
€ 233 921,00
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
Moja broszura 0 0