This HTML5 document contains 38 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n13http://linked.opendata.cz/ontology/domain/vavai/cep/zivotniCyklusProjektu/
n18http://linked.opendata.cz/ontology/domain/vavai/cep/typPojektu/
n10http://linked.opendata.cz/ontology/domain/vavai/cep/druhSouteze/
n17http://linked.opendata.cz/ontology/domain/vavai/cep/hodnoceniProjektu/
dctermshttp://purl.org/dc/terms/
n2http://linked.opendata.cz/resource/domain/vavai/projekt/
n22http://linked.opendata.cz/resource/domain/vavai/cep/prideleniPodpory/
n21http://linked.opendata.cz/resource/domain/vavai/subjekt/
n12http://linked.opendata.cz/ontology/domain/vavai/cep/kategorie/
n7http://linked.opendata.cz/ontology/domain/vavai/
n15http://linked.opendata.cz/ontology/domain/vavai/cep/duvernostUdaju/
n4http://linked.opendata.cz/resource/domain/vavai/projekt/GA201%2F08%2F0509/
skoshttp://www.w3.org/2004/02/skos/core#
rdfshttp://www.w3.org/2000/01/rdf-schema#
n16http://linked.opendata.cz/ontology/domain/vavai/cep/obor/
n6http://linked.opendata.cz/ontology/domain/vavai/cep/fazeProjektu/
n20http://linked.opendata.cz/resource/domain/vavai/soutez/
n5http://linked.opendata.cz/ontology/domain/vavai/cep/statusZobrazovaneFaze/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
xsdhhttp://www.w3.org/2001/XMLSchema#
n3http://linked.opendata.cz/ontology/domain/vavai/cep/
n11http://reference.data.gov.uk/id/gregorian-year/
n8http://linked.opendata.cz/resource/domain/vavai/aktivita/

Statements

Subject Item
n2:GA201%2F08%2F0509
rdf:type
n7:Projekt
rdfs:seeAlso
http://www.isvav.cz/projectDetail.do?rowId=GA201/08/0509
dcterms:description
We propose to merge advanced techniques of two mature research fields: relational machine learning (RML) on one hand, and constraint satisfaction (CS) on the other hand. We have compelling reasons to believe that dramatic improvements in efficiency can be achieved by this fusion, on both the machine learning and the constraint satisfaction parts. This will likely result in the ability to solve real-world instances of problems that, due to computational demands, cannot be solved by traditional mutually isolated ML and CS algorithms. Specific subobjectives of the project are to exploit (i) CS techniques in subsumption tests and hypothesis consistency tests, routinnely performed in RML, and (ii) RML techniques for finding frequent structural patterns in CS instance descriptors, their solutions as well as in the computational processes leading to the solutions, and then use such patters as heuristic knowledge for solving subsequent CS instances. Navrhujeme integrovat pokročilé techniky dvou vyspělých výzkumných oborů, a to relačního strojového učení (RSU) na jedné straně a splňování omezujících podmínek (SOP) na straně druhé. Máme přesvědčivé důvody se domnívat, že tímto spojením můžeme dosáhnout řádového zvýšení efektivity jak na straně strojového učení, tak na straně splňování omezujících podmínek.Tímto bude zřejmě možno dosáhnout řešení skutečných instancí problémů, které jsou vzhledem ke svým výpočetním nárokům neřešitelné tradičními vzájemně izolovanými algoritmy RSU a SOP. Konkrétními podcíli projektu je použít (i) technik SOP v procedurách testu subsumpce a testu konzistence hypotézy rutinně opakovaných v RSU a (ii) technik RSU pro nalezení častých strukturních vzorů v deskriptorech instancí problémů SOP, jejich řešení a výpočetních procesech k těmto řešením vedoucích, a tyto vzory využít jako heuristickou znalost pro řešení dalších instancí SOP.
dcterms:title
LeCoS: merging machine LEarning and COnstraint Satisfaction Integrace strojového učení a splňování omezujících podmínek
skos:notation
GA201/08/0509
n3:aktivita
n8:GA
n3:celkovaStatniPodpora
n4:celkovaStatniPodpora
n3:celkoveNaklady
n4:celkoveNaklady
n3:datumDodatniDoRIV
2015-02-09+01:00
n3:druhSouteze
n10:VS
n3:duvernostUdaju
n15:S
n3:fazeProjektu
n6:82299320
n3:hlavniObor
n16:IN
n3:hodnoceniProjektu
n17:U
n3:kategorie
n12:ZV
n3:klicovaSlova
machine learning; constraint satisfaction
n3:partnetrHlavni
n21:orjk%3A21230
n3:pocetKoordinujicichPrijemcu
0
n3:pocetPrijemcu
1
n3:pocetSpoluPrijemcu
1
n3:pocetVysledkuRIV
21
n3:pocetZverejnenychVysledkuVRIV
21
n3:posledniUvolneniVMinulemRoce
2010-04-16+02:00
n3:prideleniPodpory
n22:201%2F08%2F0509
n3:sberDatUcastniciPoslednihoRoku
n11:2010
n3:sberDatUdajeProjZameru
n11:2011
n3:soutez
n20:SGA02008GA-ST
n3:statusZobrazovaneFaze
n5:DUU
n3:typPojektu
n18:P
n3:ukonceniReseni
2010-12-31+01:00
n3:vedlejsiObor
n16:JC
n3:zahajeniReseni
2008-01-01+01:00
n3:zhodnoceni+vysledku+projektu+dodavatelem
The goal of the project was to merge techniques of CSP and machine learning to improve (speed up, in particular) algorithms on both parts. This goal was achieved with significant impact in both fields. We consider the following achievements most important:- CSP for machine learning: both randomized and deterministic CSP techniques were leveraged in solving the problem of consistent clause search Cílem projektu bylo spojit techniky CSP a strojového učení, a tímto spojením dosáhnout zlepšení (zejm. zrychlení) algoritmů na obou stranách. Tento cíl byl splněn s významným dopadem na oba obory. Za nejdůležitější výsledky považujeme:- CSP pro strojové učení: uplatnění randomizovaných i deterministických CSP technik pro úlohu vyhledávání konzistentní klauzule v induktivním logickém programování.
n3:zivotniCyklusProjektu
n13:ZBKU
n3:klicoveSlovo
machine learning