| Processo: | 14/23160-6 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de março de 2015 |
| Data de Término da vigência: | 30 de abril de 2016 |
| Área de conhecimento: | Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística |
| Pesquisador responsável: | Francisco Louzada Neto |
| Beneficiário: | Luca Martino |
| Instituição Sede: | Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil |
| Vinculado ao auxílio: | 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID |
| Assunto(s): | Estatística computacional |
| Palavra(s)-Chave do Pesquisador: | amostragem por importancia | combinação | Grandes Bancos de Dados | Mcmc | métodos de Monte Carlo | Estatística Computacional |
Resumo Métodos de Monte Carlo (MC) são técnicas computacionais bem conhecidas, aplicadas a diferentes áreas (como finanças, biologia, processamento de sinais, aprendizagem de máquina, dentre outras), no contexto de inferência Bayesiana e otimização estocástica. Apesar de serem muito flexíveis e suas aplicações serem quase ilimitadas, vários inconvenientes ainda estão carentes de solução, especialmente para problemas dimensão alta e análise de grandes banco de dados. A principal limitação está relacionada com o custo computacional e o tempo necessário para se obter resultados confiáveis. Neste projeto, investigaremos propostas de combinação de duas abordagens principais MC, os esquemas de amostragem por importância (IS) e a cadeia de Markov Monte Carlo (MCMC), considerando conjuntamente o uso de técnicas paralelas. A metodologia desenvolvida destina-se a ser aplicada a grandes bancos de dados médicos e industriais. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |