Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Scalable and Robust Uncertainty Quantification using Subsampling Markov Chain Monte Carlo Algorithms
Proyek riset & pengembangan

CAREER: Scalable and Robust Uncertainty Quantification using Subsampling Markov Chain Monte Carlo Algorithms

Ringkasan tujuan riset

Algoritme Monte Carlo rantai Markov dengan subsampling dan penyetelan otomatis dikembangkan untuk inferensi berskala besar yang tetap mengkuantifikasi ketidakpastian secara andal.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2340586Periode tercatat 2024-06-01 sampai 2029-05-31.NSF 2340586MulaiAkhir tercatat202420302024-06-012029-05-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Dataset besar menuntut pengolahan cepat tanpa membuat kesimpulan terlalu yakin ketika model tidak cocok. Penelitian memakai pendekatan limit penskalaan statistik untuk membangun dasar penyetelan MCMC subsampling pada model variabel laten dan proses Gaussian. Modifikasi algoritme ditujukan untuk efisiensi serta stabilitas numerik, disertai diagnostik tentang keberlakuan teori. Pengembangan juga mencakup kerugian kokoh distribusional seperti maximum mean discrepancy dan aplikasi sistem biologis serta ekologi.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Trustees of Boston University
Program
Robust Intelligence
Periode pendanaan tercatat
2024-06-01 → 2029-05-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.