DS0705 - Fondements du numérique

Apprentissage de contraintes sur des mod`eles structur'es – LearnCost

Résumé de soumission

Prédiction de sorties structurées basées sur des modèles graphiques probabilistes discriminative formés est un cadre puissant qui a conduit à une grande amélioration des systèmes de prévision dans la dernière décennie. Ces modèles, cependant, nécessitent souvent une forte contraintes a priori de garantir des procédures d'inférence dociles. Ces contraintes peuvent limiter la puissance du modèle de fournir de bonnes prédictions, et peuvent donc être considérés comme un mal nécessaire.

Ce projet permettra de développer des outils d'apprentissage statistique pour la prédiction de sorties structurées qui intègrent les contraintes de modèle pour assurer une faible ordre de complexité polynomiale de la procédure d'inférence. En outre, ces contraintes seront tirés de formation données à maximiser l'expressivité de la classe du modèle tout en appliquant probabiliste inférence efficace d'une manière qui est adaptée à l'instance de problème spécifique.

Coordination du projet

Matthew Blaschko (INRIA - Centre de recherche Saclay - Ile-de-France - Equipe projet GALEN)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

INRIA Saclay - Ile-de-France/Equipe projet GALEN INRIA - Centre de recherche Saclay - Ile-de-France - Equipe projet GALEN

Aide de l'ANR 0 euros
Début et durée du projet scientifique : septembre 2014 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter