Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

GTBB

Financiado

Cerrado

General theory for Big Bayes

In the modern era of complex and large data sets, there is stringent need for flexible, sound and scalable inferential methods to analyse them. Bayesian approaches have been increasingly used in statistics and machine learning and... ver más

31/03/2025

DAUPHINE

2M€

Presupuesto del proyecto: 2M€

Líder del proyecto

UNIVERSITE PARIS DAUPHINE No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 3 Participantes

Financiación concedida El organismo H2020 notifico la concesión del proyecto el día 2019-05-10

ERC-2018-ADG: ERC Advanced Grant

I+D

Cerrada hace 6 años

0% 100% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

3 Participantes

DAUPHINE

588.75K€ | Lider

TIMAC AGRO ESPAÑA

345.50K€ | Participante

UOXF

1.59M€ | Participante

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

MTM2010-19528 VALIDACION E IMPLEMENTACION DE MODELOS BAYESIANOS EN APLICAC... 125K€ Cerrado

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

ANUBIS Advanced Numerics for Uncertainty and Bayesian Inference in... 2M€ Cerrado

BigBayesUQ The missing mathematical story of Bayesian uncertainty quant... 1M€ Cerrado

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

UQMSI Uncertainty Quantification and Modern Statistical Inference 2M€ Cerrado

Duración del proyecto: 70 meses Fecha Inicio: 2019-05-10
Fecha Fin: 2025-03-31

Líder del proyecto

UNIVERSITE PARIS DAUPHINE No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 2M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto In the modern era of complex and large data sets, there is stringent need for flexible, sound and scalable inferential methods to analyse them. Bayesian approaches have been increasingly used in statistics and machine learning and in all sorts of applications such as biostatistics, astrophysics, social science etc. Major advantages of Bayesian approaches are: their ability to model complex models in a hierarchical way, their coherency and ability to deliver not only point estimators but also measures of uncertainty from the posterior distribution which is a probability distribution on the parameter space at the core of all Bayesian inference. The increasing complexity of the data sets raise huge challenges for Bayesian approaches: theoretical and computational. The aim of this project is to develop a general theory for the analysis of Bayesian methods in complex and high (or infinite) dimensional models which will cover not only fine understanding of the posterior distributions but also an analysis of the output of the algorithms used to implement the approaches. The main objectives of the project are (briefly): 1. Asymptotic analysis of the posterior distribution of complex high dimensional models 2. Interactions between the asymptotic theory of high dimensional posterior distributions and computational complexity. We will also enrich these theoretical developments by 3 strongly related domains of applications, namely neuroscience, terrorism and crimes and ecology.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores