Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

EUR2020-112096

Financiado

BAYESIAN SEMIPARAMETRIC STRUCTURAL LEARNING

ESTE PROYECTO PROPONE METODOLOGIA ESTADISTICA PARA DESCUBRIR Y TESTEAR PATRONES COMPLEJOS A PARTIR DE DATOS OBSERVADOS, CON ENFASIS EN ESCENARIOS ESPACIO-TEMPORALES MOTIVADOS POR UNA NOVEDOSA Y DESAFIANTE APLICACION EN NEUROCIENCI... ver más

01/01/2020

UPF

60K€

Presupuesto del proyecto: 60K€

Líder del proyecto

UNIVERSITAT POMPEU FABRA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 321

Ver Participantes

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01

0% 100%

Participantes

UPF

Lider

Proyectos interesantes

PrSc-HDBayLe Provable Scalability for high-dimensional Bayesian Learning 1M€ Cerrado

TIN2013-42351-P ALGORITMOS AVANZADOS PARA ANALISIS DE DATOS 68K€ Cerrado

BES-2010-038911 ESTADISTICA DE IMAGENES NATURALES: APRENDIZAJE NO PARAMETRIC... 43K€ Cerrado

EEBB-I-12-03806 ESTADISTICA DE IMAGENES NATURALES: APRENDIZAJE NO PARAMETRIC... 2K€ Cerrado

BayCause High-dimensional nonparametric Bayesian causal inference 2M€ Cerrado

SAF2015-70324-R LA DINAMICA DE LOS CIRCUITOS NEURONALES DURANTE LA TOMA DE D... 218K€ Cerrado

Últimas noticias

27-11-2024: Videojuegos y creaci... Se abre la línea de ayuda pública: Ayudas para la promoción del sector del videojuego, del pódcast y otras formas de creación digital

27-11-2024: DGIPYME En las últimas 48 horas el Organismo DGIPYME ha otorgado 1 concesiones

27-11-2024: FUNDACION-EOI En las últimas 48 horas el Organismo FUNDACION EOI ha otorgado 2 concesiones

Líder del proyecto

UNIVERSITAT POMPEU FABRA

Total investigadores 321

Presupuesto del proyecto 60K€

Descripción del proyecto ESTE PROYECTO PROPONE METODOLOGIA ESTADISTICA PARA DESCUBRIR Y TESTEAR PATRONES COMPLEJOS A PARTIR DE DATOS OBSERVADOS, CON ENFASIS EN ESCENARIOS ESPACIO-TEMPORALES MOTIVADOS POR UNA NOVEDOSA Y DESAFIANTE APLICACION EN NEUROCIENCIA, LA APPLICACION SURGE DE UNA COLABORACION EXCLUSIVA FACILITADA POR AVANCES EN TECNOLOGIA PARA MEDIR LA ACTIVIDAD CEREBRAL Y ESTUDIAR SU RELACION CON LA TOMA DE DECISIONES HUMANA, SIN EMBARGO NUESTRO FOCO DE ATENCION ES EL DESARROLLO DE UN ESTUDIO QUE TIENE INTERES GENERICO PARA METODOLOGIA ESTADISTICA Y MUCHAS OTRAS APLICACIONES, ESPECIFICAMENTE, PLANTEAMOS ESTUDIAR CUESTIONES FUNDAMENTALES RELACIONAS CON LA SELECCION BAYESIANA DE MODELOS (BMS) EN MODELOS PARAMETRICOS, SEMI-PARAMETRICOS Y NO PARAMETRICOS, ENFATIZAMOS PROBLEMAS QUE PRESENTAN RETOS PARTICULARES DEBIDO A SER ALTAMENTE DIMENSIONALES (MUCHOS MODELOS A CONSIDERAR) Y/O A PLANTEARSE UN PROBLEMA COMPLEJO DENOMINADO COMO SELECCION DE DOMINIO,NUESTRO ESTUDIO INCLUYE CUESTIONES TEORICAS RELACIONADAS CON LAS PROPIEDADES FRECUENTISTAS DE BMS, ASI COMO DE METODOS L0 RELACIONALES, EN CUANDO A CONSEGUIR UN BUEN BALANCE ENTRE ESPARSIDAD Y POTENCIA ESTAISTICA, EVALUAR POSIBLES PROBLEMAS CON GUIAS PROPORCIONADAS POR RESULTADOS ASINTOTICOS, Y ENTENDER VENTAJAS-INCONVENIENTES ENTRE METODOS PARAMETRICOS Y NO PARAMETRICOS, Y LA SUTIL RELACION ENTRE ESTOS ASPECTOS Y TRABAJAR CON MODELOS MAL ESPECIFICADOS, AUNQUE EL ESTUDIO NO SE RESTRINGE A ESTE ESCENARIO, EL FOCUS ES EN PROBLEMAS ALTAMENTE DIMENSIONALES Y/O NO PARAMETRICOS, EXPLORAMOS ASPECTOS EN EL APRENDIZAJE DE ESTRUCTURA NO PARAMETRICA, RELACIONADOS CON LA FACTIBILIDAD DE USAR APROXIMACIONES BASADAS EN BASES FUNCIONALES CONTINUAS, DICHOS ASPECTOS TIENEN INTERES FUNDAMENTAL PARA LA TEORIA Y METODOLOGIA DE ANALISIS DE DATOS,EL PROYECTO TAMBIEN ESTUDIA ASPECTOS COMPUTACIONALES RELACIONADOS CON EL PROBLEMA CLASICO NO RESUELTO DE SELECCION DEL MEJOR SUBCONJUNTO, Y CON EL DESARROLLO DE VAIAS HERRAMIENTAS COMPUTACIONALES, ESTAS INCLUYEN ALGORITMOS DE PROPOSITO GENERAL Y DE INTERES EN SITUACIONES DONDE BMS FRECUENTEMENTE SE CONSIDERA INFACTIBLE, ASI COMO ALGORITMOS ESPECIFICAMENTE DISEÑADOS PARA PROBLEMAS DE APRENDIZAJE ESTRUCTURAL NO PARAMETRICO, INFERENCIA ALTAMENTE DIMENSIONAL\SELECCION DE MODELOS\COMPUTACION\ESTADISTICA MATEMATIC\INFERENCIA BAYESIANA\MODELOS MAL ESPECIFICADOS\INFERENCIA NO PARAMETRICA

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores