Projekty finansowane przez NCN


Dane kierownika projektu i jednostki realizującej

Szczegółowe informacje o projekcie i konkursie

Słowa kluczowe

Aparatura

Wyczyść formularz

Metody Monte Carlo dla skokowych procesów markowowskich.

2015/17/D/ST1/01198

Słowa kluczowe:

metody Monte Carlo ukryte modele Markowa Sieci bayesowskie z czasem ciągłym,

Deskryptory:

  • ST1_13: Rachunek prawdopodobieństwa i statystyka matematyczna
  • ST1_18: Zastosowania matematyki w innych naukach
  • ST6_11: Uczenie maszynowe, statystyczne przetwarzanie danych i zastosowanie w przetwarzaniu sygnałów

Panel:

ST1 - Nauki matematyczne: wszystkie dziedziny matematyki, teoretyczne oraz stosowane a także podstawy matematyczne informatyki, fizyka matematyczna i statystyka matematyczna

Jednostka realizująca:

Uniwersytet Warszawski, Wydział Matematyki, Informatyki i Mechaniki

woj. mazowieckie

Inne projekty tej jednostki 

Kierownik projektu (z jednostki realizującej):

dr Błażej Miasojedow 

Liczba wykonawców projektu: 1

Konkurs: SONATA 9 - ogłoszony 2015-03-16

Przyznana kwota: 93 600 PLN

Rozpoczęcie projektu: 2016-02-15

Zakończenie projektu: 2019-02-14

Planowany czas trwania projektu: 36 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 (3)
  1. Sparse Estimation in Ising Model via Penalized Monte Carlo Methods
    Autorzy:
    Błażej Miasojedow, Wojciech Rejchel
    Czasopismo:
    Journal of Machine Learning Research (rok: 2018, tom: 19(75), strony: 45317), Wydawca: MICROTOME PUBL
    Status:
    Opublikowana
  2. Geometric ergodicity of Rao and Teh's algorithm for Markov jump processes and CTBNs
    Autorzy:
    Błażej Miasojedow, Wojciech Niemiro
    Czasopismo:
    Electronic Journal of Statistics (rok: 2017, tom: 11(2), strony: 4629-4648), Wydawca: Institute of Mathematical Statistics
    Status:
    Opublikowana
    Doi:
    10.1214/17-EJS1348 - link do publikacji
  3. Analysis of Langevin Monte Carlo via Convex Optimization
    Autorzy:
    Alain Durmus, Szymon Majewski, Błażej Miasojedow
    Czasopismo:
    Journal of Machine Learning Research (rok: 2019, tom: 20, strony: 16803), Wydawca: MICROTOME PUBL
    Status:
    Opublikowana