CAREER: Large Scale Stochastic Optimization and Statistics

职业:大规模随机优化和统计

基本信息

  • 批准号:
    1541099
  • 负责人:
  • 金额:
    $ 20.87万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
    Continuing Grant
  • 财政年份:
    2015
  • 资助国家:
    美国
  • 起止时间:
    2015-02-01 至 2017-06-30
  • 项目状态:
    已结题

项目摘要

Stochastic optimization offers a general framework to study many fundamental statistical problems related to prediction such as regression, classification and density estimation. Furthermore, it is a natural framework to import powerful algorithms from numerical optimization, especially for large scale problems. The broad goal of this project is to understand the fundamental interactions between statistics and stochastic optimization. To accomplish this task the investigator (a) identifies new problems from statistics, especially with complex structure, that can be recast as stochastic optimization problems; (b) develops new algorithms that optimally and efficiently solve large scale problems; (c) determines essential characteristics of the problems that govern the performance of algorithms and their fundamental limitations; and (d) explores peripheral problems of stochastic optimization including stochastic optimization with stochastic constraints and stochastic optimization with limited feedback. The information era has witnessed an explosion in the collection of data and large scale data sets are ubiquitous in a wide range of applications including biology, networks, environmental science, sociology and marketing. This results in an acute need of new statistical methods to analyze these data sets of unprecedented size. While techniques from numerical optimization can be used in several scenarios, their analysis remains largely dissociated from that of the statistical task at hand. This research aims at providing a unified treatment of a number of large scale problems emerging from statistical learning and from optimization under uncertainty in general. Therefore, the project will not only result in new and effective algorithms, but also in a novel theoretical framework that supports the analysis of stochastic optimization problems and enables further improvements of said algorithms.
随机优化提供了一个一般框架,可以研究与预测有关的许多基本统计问题,例如回归,分类和密度估计。此外,它是从数值优化中导入强大算法的自然框架,尤其是对于大规模问题。该项目的广泛目标是了解统计和随机优化之间的基本相互作用。为了完成这项任务,研究人员(a)确定了统计数据中的新问题,尤其是在复杂的结构中,可以将其重塑为随机优化问题; (b)开发了最佳有效地解决大规模问题的新算法; (c)确定控制算法性能及其基本局限性的问题的基本特征; (d)探讨随机优化的外围问题,包括随机约束和随机优化的随机优化,反馈有限。信息时代目睹了数据收集的爆炸,大规模数据集在包括生物学,网络,环境科学,社会学和营销在内的广泛应用中无处不在。这导致急需新的统计方法来分析这些空前大小的数据集。虽然可以在几种情况下使用来自数值优化的技术,但它们的分析仍与当前统计任务的分析基本分离。这项研究旨在提供统一的处理,从统计学习和一般不确定性下的优化出现的许多大规模问题。因此,该项目不仅会导致新的和有效的算法,而且还将在一个支持随机优化问题分析的新型理论框架中,并能够进一步改进上述算法。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

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

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

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

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

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

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

Philippe Rigollet其他文献

THÈSE DE DOCTORAT ÈS MATHÉMATIQUES
数学博士论文
  • DOI:
  • 发表时间:
    2016
  • 期刊:
  • 影响因子:
    0
  • 作者:
    Bodhisattva Sen;Richard Nickl;Vladimir Koltchinskii;Philippe Rigollet;Arnak S. Dalalyan
  • 通讯作者:
    Arnak S. Dalalyan

Philippe Rigollet的其他文献

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

{{ truncateString('Philippe Rigollet', 18)}}的其他基金

Collaborative Research: CIF: Medium: Analysis and Geometry of Neural Dynamical Systems
合作研究:CIF:媒介:神经动力系统的分析和几何
  • 批准号:
    2106377
  • 财政年份:
    2021
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
Collaborative Research: Statistical Estimation with Algebraic Structure
合作研究:代数结构的统计估计
  • 批准号:
    1712596
  • 财政年份:
    2017
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
Statistical and Computational Tradeoffs in High Dimensional Learning
高维学习中的统计和计算权衡
  • 批准号:
    1541100
  • 财政年份:
    2015
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
Statistical and Computational Tradeoffs in High Dimensional Learning
高维学习中的统计和计算权衡
  • 批准号:
    1317308
  • 财政年份:
    2013
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
CAREER: Large Scale Stochastic Optimization and Statistics
职业:大规模随机优化和统计
  • 批准号:
    1053987
  • 财政年份:
    2011
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
Optimal Sequential Allocation in Dynamic Environments
动态环境中的最优顺序分配
  • 批准号:
    0906424
  • 财政年份:
    2009
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Standard Grant

相似国自然基金

面向大模型性能提升的提示词可视调优理论与方法
  • 批准号:
    62302435
  • 批准年份:
    2023
  • 资助金额:
    30.00 万元
  • 项目类别:
    青年科学基金项目
面向大规模盲源分离的高维度大尺寸张量分解方法研究
  • 批准号:
    62071082
  • 批准年份:
    2020
  • 资助金额:
    54 万元
  • 项目类别:
    面上项目
面向科学大装置超大规模数据流的定制计算研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    50 万元
  • 项目类别:
    联合基金项目
利用Cas9大规模基因敲除技术在HIV-1潜伏细胞上筛选及鉴定与HIV潜伏相关的关键宿主基因
  • 批准号:
    31771484
  • 批准年份:
    2017
  • 资助金额:
    60.0 万元
  • 项目类别:
    面上项目

相似海外基金

CAREER: Large scale geometry and negative curvature
职业:大规模几何和负曲率
  • 批准号:
    2340341
  • 财政年份:
    2024
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
CAREER: A Multi-faceted Framework to Enable Computationally Efficient Evaluation and Automatic Design for Large-scale Economics-driven Transmission Planning
职业生涯:一个多方面的框架,可实现大规模经济驱动的输电规划的计算高效评估和自动设计
  • 批准号:
    2339956
  • 财政年份:
    2024
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
CAREER: Strategic Interactions, Learning, and Dynamics in Large-Scale Multi-Agent Systems: Achieving Tractability via Graph Limits
职业:大规模多智能体系统中的战略交互、学习和动态:通过图限制实现可处理性
  • 批准号:
    2340289
  • 财政年份:
    2024
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
CAREER: Novel Parallelization Frameworks for Large-Scale Network Optimization with Combinatorial Requirements: Solution Methods and Applications
职业:具有组合要求的大规模网络优化的新型并行化框架:解决方法和应用
  • 批准号:
    2338641
  • 财政年份:
    2024
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Standard Grant
CAREER: Learning Theory for Large-scale Stochastic Games
职业:大规模随机博弈的学习理论
  • 批准号:
    2339240
  • 财政年份:
    2024
  • 资助金额:
    $ 20.87万
  • 项目类别:
    Continuing Grant
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了