Projekty finansowane przez NCN
Efektywne algorytmy klasyfikacji ekstremalnej oparte na redukcji do problemów predykcji strukturalnej
2017/25/N/ST6/00747
Słowa kluczowe:
uczenie maszynowe klasyfikacja ekstremalna efektywne algorytmy uczenia maszynowego
Deskryptory:
- ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów
Panel:
ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne
Jednostka realizująca:
Politechnika Poznańska, Wydział Informatyki
woj. wielkopolskie
Konkurs: PRELUDIUM 13 - ogłoszony 2017-03-15
Przyznana kwota: 36 746 PLN
Rozpoczęcie projektu: 2018-02-21
Zakończenie projektu: 2019-02-20
Planowany czas trwania projektu: 12 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.
Dane z raportu końcowego/rocznego
- Publikacje w czasopismach (1)
- Teksty w publikacjach pokonferencyjnych (1)
- Probabilistic Label Trees for Extreme Multi-Label ClassificationAutorzy:Kalina Kobus, Marek Wydmuch, Krzysztof Dembczyński, Mikhail Kuznetsov, Robert Busa-FeketeCzasopismo:Journal of Machine Learning Research , Wydawca: jmlr.orgStatus:ZłożonaDoi:brak - link do publikacji
- A no-regret generalization of hierarchical softmax to extreme multi-label classificationAutorzy:Marek Wydmuch, Kalina Jasinska, Mikhail Kuznetsov, Robert Busa-Fekete, Krzysztof DembczyńskiKonferencja:Neural Information Processing Systems (rok: 2018, ), Wydawca: Curran Associates, Inc.Data:konferencja 2-8.12.2018Status:Opublikowana