Descripción del proyecto
Simplificación del procesamiento de datos masivos
Cada vez se pide más a los matemáticos y todo tipo de científicos e ingenieros que analicen datos de alta dimensionalidad, donde cada nueva característica es otra dimensión y para la cual el número de características puede exceder el número de observaciones. A fin de simplificar la carga computacional que supone trabajar con esos datos, se han desarrollado numerosos métodos de estimación para procesar datos aislados (datos que se muestrean en puntos temporales específicos). Sin embargo, esos métodos son sumamente escasos y muy necesarios para manejar datos de forma continua. El proyecto STAMFORD, financiado con fondos europeos, colma esta gran laguna con aplicaciones en campos que van desde la biología y la física de partículas hasta el mercado de valores.
Objetivo
In the past twenty years the availability of vast dimensional data, typically referred to as big data, has given rise to exciting challenges in various fields of mathematics and computer sciences. The increasing need for getting a better understanding of such data in internet traffic, biology, genetics, and economics, has lead to a revolution in statistical and machine learning, optimisation and numerical analysis. Due to high dimensionality of modern statistical models, parameter estimation is a difficult task and statisticians typically investigate estimation methods under sparsity constraints. While an abundance of estimation algorithms is now available for high dimensional discrete models, a rigorous mathematical investigation of estimation problems for high dimensional continuous-time processes is completely undeveloped.
The aim of STAMFORD is to provide a concise statistical theory for estimation of high dimensional diffusions. Such high dimensional processes naturally appear in modelling particle interactions in physics, neural networks in biology or large portfolios in economics, just to name a few. The methodological part of the project will require development of novel
advanced techniques in mathematical statistics and probability theory. In particular, new results will be needed in parametric and non-parametric statistics, and high dimensional probability, that are reaching far beyond the state-of-the-art. Hence, a successful outcome of STAMFORD will not only have a tremendous impact on statistical inference for continuous-time models in natural and applied sciences, but also strongly influence the field of high dimensional statistics and probability.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias naturalesinformática y ciencias de la informacióninternet
- ciencias socialesciencias políticastransiciones políticasrevoluciones
Para utilizar esta función, debe iniciar sesión o registrarse
Programa(s)
Régimen de financiación
ERC-COG - Consolidator GrantInstitución de acogida
4365 ESCH-SUR-ALZETTE
Luxemburgo