Projekty finansowane przez NCN
Metody obliczeniowe dla wysokowymiarowego uczenia statystycznego
2018/31/B/ST1/00253
Słowa kluczowe:
metody Monte Carlo rzadkie modelowanie stochastyczna aproksymacja Langevin Monte Carlo klasyfikacja wieloetykietowa sieci bayesowskie
Deskryptory:
- ST1_13: Rachunek prawdopodobieństwa i statystyka matematyczna
- ST1_17: Teoria sterowania i optymalizacja
- 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
Kierownik projektu (z jednostki realizującej):
Liczba wykonawców projektu: 5
Konkurs: OPUS 16 - ogłoszony 2018-09-14
Przyznana kwota: 663 600 PLN
Rozpoczęcie projektu: 2019-07-04
Zakończenie projektu: 2024-07-03
Planowany czas trwania projektu: 36 miesięcy (z wniosku)
Status projektu: Projekt w realizacji
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 (4)
- Teksty w publikacjach pokonferencyjnych (2)
- Particle MCMC With Poisson Resampling: Parallelization and Continuous Time ModelsAutorzy:Tomasz Ca̧kała , Błażej Miasojedow, Wojciech NiemiroCzasopismo:Journal of Computational and Graphical Statistics (rok: 2021, tom: 30, strony: 671-684), Wydawca: Taylor and FrancisStatus:OpublikowanaDoi:10.1080/10618600.2020.1840998 - link do publikacji
- Critical assessment of synthetic accessibility scores in computer-assisted synthesis planningAutorzy:Grzegorz Skoraczyński, Mateusz Kitlas, Błażej Miasojedow, Anna GambinCzasopismo:Journal of Cheminformatics (rok: 2023, tom: 15, strony: 6), Wydawca: BMCStatus:OpublikowanaDoi:10.1186/s13321-023-00678-z - link do publikacji
- CONET: copy number event tree model of evolutionary tumor history for single-cell dataAutorzy:Magda Markowska, Tomasz Cąkała, Błażej Miasojedow, Bogac Aybey, Dilafruz Juraeva, Johanna Mazur, Edith Ross, Eike Staub, Ewa SzczurekCzasopismo:Genome Biology (rok: 2022, tom: 23, strony: 128), Wydawca: BMCStatus:OpublikowanaDoi:10.1186/s13059-022-02693-z - link do publikacji
- Adaptive Bayesian SLOPE: Model Selection With Incomplete DataAutorzy:Wei Jiang , Małgorzata Bogdan , Julie Josse ,Szymon Majewski , Błażej Miasojedow, Veronika Ročková & TraumaBase® GroupCzasopismo:Journal of Computational and Graphical Statistics (rok: 2022, tom: 31, strony: 113-137), Wydawca: Taylor and FrancisStatus:OpublikowanaDoi:10.1080/10618600.2021.1963263 - link do publikacji
- Asymptotic Guarantees for Learning Generative Models with the Sliced-Wasserstein DistanceAutorzy:Kimia Nadjahi, Alain Durmus, Umut Simsekli, Roland BadeauKonferencja:Advances in Neural Information Processing Systems 32 (NeurIPS 2019) (rok: 2019, ), Wydawca: Advances in Neural Information Processing SystemsData:konferencja 8-14.12.2019Status:Opublikowana
- Copula-like Variational InferenceAutorzy:Marcel Hirt, Petros Dellaportas, Alain DurmusKonferencja:Advances in Neural Information Processing Systems 32 (NeurIPS 2019) (rok: 2019, ), Wydawca: Advances in Neural Information Processing SystemsData:konferencja 8-14.12.2019Status:Opublikowana