Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

MTM2014-55262-P

Financiado

Cerrado

PROBLEMAS ALGORITMICOS Y DE COMPLEJIDAD EN APRENDIZAJE AUTOMATICO POR OBSERVACIO...

PROBLEMAS ALGORITMICOS Y DE COMPLEJIDAD EN APRENDIZAJE AUTOMATICO POR OBSERVACION EL PROYECTO PAC::LFO TIENE COMO FINALIDAD PROFUNDIZAR EN LA FORMULACION Y AVANZAR EN EL ESTUDIO DE LOS PROBLEMAS TEORICOS, ALGORITMICOS Y DE COMPLEJIDAD COMPUTACIONAL, ASI COMO EN EL DESARROLLO DE APLICACIONES, DE UN PARADIGMA DE... ver más

01/01/2014

UNICAN

35K€

Presupuesto del proyecto: 35K€

Líder del proyecto

UNIVERSIDAD DE CANTABRIA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 472

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2014-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

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

Participantes

UNICAN

Lider

Proyectos interesantes

LEMUR

Machine Learnin...

Software

Cerrado

PANAMA

Software

Machine Learnin...

1M€ Cerrado

TheoryDL

Software

Data Science

1M€ Cerrado

EMP-TU-2016-5070

Software

Data Science

56K€ Cerrado

DYNASTY

Software

Data Science

1M€ Cerrado

BES-2014-067610

Software

Data Science

88K€ Cerrado

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

Líder del proyecto

UNIVERSIDAD DE CANTABRIA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 472

Presupuesto del proyecto 35K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EL PROYECTO PAC::LFO TIENE COMO FINALIDAD PROFUNDIZAR EN LA FORMULACION Y AVANZAR EN EL ESTUDIO DE LOS PROBLEMAS TEORICOS, ALGORITMICOS Y DE COMPLEJIDAD COMPUTACIONAL, ASI COMO EN EL DESARROLLO DE APLICACIONES, DE UN PARADIGMA DE APRENDIZAJE AUTOMATICO CONOCIDO EN LA LITERATURA COMO APRENDIZAJE POR OBSERVACION, EL APRENDIZAJE POR OBSERVACION (LFO, DEL INGLES LEARNING FROM OBSERVATION), TAMBIEN CONOCIDO COMO APRENDIZAJE POR DEMOSTRACION, ESTUDIA COMO LAS COMPUTADORAS PUEDEN APRENDER A REALIZAR TAREAS COMPLEJAS IMITANDO LA ACTUACION DE UN AGENTE HUMANO O DE CUALQUIER OTRO TIPO, AUNQUE HA HABIDO UNA CANTIDAD SIGNIFICATIVA DE INVESTIGACION EN ESTA AREA, NO EXISTE ACUERDO SOBRE UNA TERMINOLOGIA, CORPUS TEORICO O EVALUACION UNIFICADA DE ALGORITMOS, PLANTEAMOS DESARROLLAR UN POSIBLE MARCO TEORICO PARA LA MODELIZACION CUANTITATIVA Y LA EVALUACION DE LAS TAREAS DE LFO, PARTIMOS DE LAS SIGUIENTES CONSIDERACIONES: (1) LA INFORMACION CAPTURADA A TRAVES DE LA OBSERVACION DE UN COMPORTAMIENTO O CONDUCTA COMPLEJA NO SE PRODUCE COMO UNA MUESTRA INDEPENDIENTE E IDENTICAMENTE DISTRIBUIDA DE UNA VARIABLE ALEATORIA, SINO COMO LA REALIZACION DE UN PROCESO ESTOCASTICO EN EL QUE PUEDEN PRESENTARSE DEPENDENCIAS CON EVENTOS PASADOS; (2) ESTA INFORMACION PUEDE SER SIMPLIFICADA AL PRECIO DE CIERTA PERDIDA DE PRECISION DEL MODELO Y MEDIANTE LA ABSTRACCION Y LA INTRODUCCION DE MODELOS DINAMICOS CON ESTADOS OCULTOS (COMO POR EJEMPLO PROCESOS DE MARKOV) PARA QUE LAS TAREAS DE EVALUACION DE APRENDIZAJE Y DE MODELADO SE PUEDAN REDUCIR A LA MINIMIZACION Y LA ESTIMACION DE ALGUNAS MEDIDAS DE SIMILITUD ESTOCASTICAS TALES COMO ENTROPIA U OTRAS RELACIONADAS COMO LA DIVERGENCIA DE KULLBACK-LEIBLER O LA ENTROPIA METRICA DE SINAI-KOLMOGOROV, CONCRETAMENTE, LOS PRINCIPALES OBJETIVOS DE ESTE PROYECTO SON: OBTENER UN MARCO UNIFICADO PARA LFO, QUE NOS PERMITA OFRECER UNA CARACTERIZACION SENCILLA DE LOS TIPOS DE COMPORTAMIENTOS QUE SE PUEDEN APRENDER POR OBSERVACION Y HACER EXPLICITA LA RELACION DEL LFO CON APRENDIZAJE SUPERVISADO; OBTENER UN MARCO PARA PROBLEMAS LFO BASADO EN PROCESOS ESTOCASTICOS Y SISTEMAS DINAMICOS; UNA DEFINICION PRECISA DEL ERROR EN ESTE CONTEXTO Y UNA FORMULACION DEL APRENDIZAJE APROXIMADAMENTE CORRECTO POR OBSERVACION; EL DESARROLLO DE CLASES DE MODELOS DE APRENDIZAJE DE COMPORTAMIENTOS Y DE ALGORITMOS ESPECIFICOS PARA LFO Y, FINALMENTE, EL DESARROLLO DE ALGUNAS APLICACIONES A LA AUTOMATIZACION DE PROCESOS DE INGENIERIA INVERSA Y SOFTWARE DE RECOMENDACION, APRENDIZAJE AUTOMÁTICO\APRENDIZAJE POR OBSERVACIÓN\SISTEMAS DINÁMICOS\ENTROPÍA\DIVERGENCIA DE KULLBACK LEIBLER\COMPLEJIDAD DE ALGORITMOS

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores