BIGDATA: F: DKA: CSD: Human and Machine Co-Processing

BIGDATA：F：DKA：CSD：人机协同处理

基本信息

批准号：
1447449
负责人：
Robert Nowak
金额：
$ 139.68万
依托单位：
University of Wisconsin-Madison
依托单位国家：
美国
项目类别：
Standard Grant
财政年份：
2014
资助国家：
美国
起止时间：
2014-09-01 至 2019-08-31
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1447449&HistoricalAwards=false
关键词：
BIGDATA DKA CSD Human Machine

项目摘要

Human experts are crucial to data analysis. Their roles include sifting through large datasets to facilitate search, retrieval, and machine learning. Humans often perform much better than machines at such tasks, but the speed and capacity of human experts is a limiting factor in the human-machine co-processing. This project is addressing two aspects of human-machine co-processing: winnowing Big Data to produce manageable subsets for human expert analysis, and machine learning algorithms that learn efficiently from human experts with a minimal amount of human interaction. This has a wide range of applications; to ensure broad applicability of the results the project is evaluating the techniques in multiple domains: cognitive science, large-scale astronomical data analysis, and experimental design in materials science.The approach used for data winnowing is based on developing predictive models and identifying data that does not fit the models. A key research challenge is non-stationary environments: the underlying model changes over time. Preliminary work shows promise on selection from a finite set of models, and new work investigates more flexible parametric models. The active learning task uses the multi-armed bandit problem to model identify which features have the greatest impact on human decisions. This task also investigates learning from comparisons/rankings rather than predictions; conjecturing that there may exist low-dimensional structure governing human reasoning and decision-making that enables learning with significantly fewer comparisons than might otherwise be required. A common theme in both tasks is ensuring computational complexity is low enough to facilitate real-time interactions with human experts in spite of the volume of data. This is achieved using bounded approximations and convex relaxations of the optimization programs used to guide the interaction.

人类专家对于数据分析至关重要。他们的角色包括筛选大型数据集以促进搜索、检索和机器学习。在此类任务中，人类的表现通常比机器好得多，但人类专家的速度和能力是人机协同处理的限制因素。该项目正在解决人机协同处理的两个方面：筛选大数据以生成用于人类专家分析的可管理子集，以及通过最少的人类交互向人类专家高效学习的机器学习算法。这具有广泛的应用范围；为了确保结果的广泛适用性，该项目正在评估多个领域的技术：认知科学、大规模天文数据分析和材料科学中的实验设计。用于数据筛选的方法基于开发预测模型和识别数据不适合模型。一个关键的研究挑战是非平稳环境：底层模型随着时间的推移而变化。初步工作显示了从有限模型集中进行选择的希望，而新工作则研究了更灵活的参数模型。主动学习任务使用多臂老虎机问题来建模，以确定哪些特征对人类决策影响最大。该任务还研究从比较/排名而不是预测中学习；推测可能存在控制人类推理和决策的低维结构，使得学习时所需的比较要少得多。这两项任务的一个共同主题是确保计算复杂性足够低，以促进与人类专家的实时交互，尽管数据量很大。这是通过使用用于指导交互的优化程序的有界近似和凸松弛来实现的。

项目成果

期刊论文数量（11）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Blended Conditional Gradients

混合条件梯度

DOI：
发表时间：
2019-01
期刊：
Proceedings of Machine Learning Research
影响因子：
0
作者：
Braun, G;Pokutta, S;Tu, D;Wright, S
通讯作者：
Wright, S

Diffusion Equation-Assisted Markov Chain Monte Carlo Methods for the Inverse Radiative Transfer Equation

反辐射传递方程的扩散方程辅助马尔可夫链蒙特卡罗方法

DOI：
10.3390/e21030291
发表时间：
2019-03-18
期刊：
Entropy
影响因子：
2.7
作者：
Li Q;Newton K
通讯作者：
Newton K

A Newton-CG algorithm with complexity guarantees for smooth unconstrained optimization

具有复杂性的Newton-CG算法保证了平滑无约束优化

DOI：
10.1007/s10107-019-01362-7
发表时间：
2018-03-08
期刊：
Mathematical Programming
影响因子：
2.7
作者：
C. Royer;Michael O'Neill;Stephen J. Wright
通讯作者：
Stephen J. Wright

A Distributed Quasi-Newton Algorithm for Empirical Risk Minimization with Nonsmooth Regularization

非光滑正则化经验风险最小化的分布式拟牛顿算法

DOI：
10.1145/3219819.3220075
发表时间：
2018-03-04
期刊：
Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining
影响因子：
0
作者：
Ching;Cong Han Lim;Stephen J. Wright
通讯作者：
Stephen J. Wright

Bilinear Bandits with Low-Rank Structure

具有低阶结构的双线性老虎机

DOI：
发表时间：
2019-01
期刊：
Proceedings of Machine Learning Research
影响因子：
0
作者：
Jun, K;Willett, R;Nowak, R;Wright, S
通讯作者：
Wright, S

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Robert Nowak其他文献

C-reactive protein is not related to ambulatory blood pressure or target organ damage in treated hypertensives

C反应蛋白与治疗高血压患者的动态血压或靶器官损伤无关

DOI：
发表时间：
2015
期刊：
影响因子：
0
作者：
M. Hoffmann;E. Świerblewska;K. Kunicka;W. Kucharska;Robert Nowak;J. Wolf;M. Chrostowska;K. Narkiewicz
通讯作者：
K. Narkiewicz

Learning sparse doubly-selective channels

学习稀疏双选择通道

DOI：
10.1109/allerton.2008.4797610
发表时间：
2008-12-01
期刊：
2008 46th Annual Allerton Conference on Communication, Control, and Computing
影响因子：
0
作者：
W. U. Bajwa;A. Sayeed;Robert Nowak
通讯作者：
Robert Nowak