Projekty finansowane przez NCN
SOSnet : oszczędne modelowanie i predykcja dla danych wysokiego wymiaru.
2015/17/B/ST6/01878
Słowa kluczowe:
dane wysokiego wymiaru wybór modelu oszczędna estymacja Lasso
Deskryptory:
- ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów
- NZ2_7: Bioinformatyka
Panel:
ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne
Jednostka realizująca:
Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki
woj. mazowieckie
Kierownik projektu (z jednostki realizującej):
Liczba wykonawców projektu: 8
Konkurs: OPUS 9 - ogłoszony 2015-03-16
Przyznana kwota: 498 400 PLN
Rozpoczęcie projektu: 2016-02-01
Zakończenie projektu: 2019-10-11
Planowany czas trwania projektu: 44 miesięcy (z wniosku)
Status projektu: Projekt rozliczony
Opis Projektu
Pobierz opis projektu w formacie .pdf
Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.
Zakupiona aparatura
- laptop. Za kwotę 4 000 PLN
- stacja robocza. Za kwotę 6 000 PLN
Dane z raportu końcowego/rocznego
- Publikacje w czasopismach (5)
- Sparse Estimation in Ising Model via Penalized Monte Carlo MethodsAutorzy:B. Miasojedow and W. RejchelCzasopismo:Journal of Machine Learning Research (rok: 2018, tom: 19(75), strony: 45317), Wydawca: JMLR, Inc. and Microtome Publishing (United States)Status:OpublikowanaDoi:Brak - link do publikacji
- Deleting and Merging Regressors with the DMRnet PackageAutorzy:Agnieszka Sołtys and Piotr PokarowskiCzasopismo:Journal of Statistical Software , Wydawca: Foundation for Open Access StatisticsStatus:ZłożonaDoi:brak - link do publikacji
- Plant response to N availability in permafrost-affected alpine wetlands in arid and semi-arid climate zonesAutorzy:M. Mętrak, P. Pokarowski, M. Sulwiński, A. Altantsetseg and M. Suska-MalawskaCzasopismo:Science of the Total Environment (rok: 2020, tom: 721, strony: 137791), Wydawca: ScienceDirectStatus:OpublikowanaDoi:10.1016/j.scitotenv.2020.137791 - link do publikacji
- Selection Consistency of Lasso-Based Procedures for Misspecified High-Dimensional Binary Model and Random RegressorsAutorzy:Mariusz Kubkowski and Jan MielniczukCzasopismo:Entropy (rok: 2020, tom: 22(2), strony: 153), Wydawca: Multidisciplinary Digital Publishing InstituteStatus:OpublikowanaDoi:10.3390/e22020153 - link do publikacji
- Improving Lasso for Model Selection and PredictionAutorzy:P. Pokarowski, W. Rejchel, A. Sołtys, M. Frej and J. MielniczukCzasopismo:Scandinavian Journal of Statistics , Wydawca: Foundation of the Scandinavian Journal of StatisticsStatus:ZłożonaDoi:brak - link do publikacji