Záměrem projektu je použít metody polyedrální geometrie na řešení matematických problémů s
motivací ve statistice a umělé inteligenci. Cíle se týkají několika oblastí: statistického učení
grafických modelů struktur podmíněné nezávislosti, teorie pro jejich aplikace, supermodulárních
funkcí, schemat pro sdílení tajemství, teorie kooperativních her a intervalových
pravděpodobností.
Využití algebraických a geometrických metod je jedním ze současných trendů v moderní statistice.
Záměrem projektu je použít metody kombinatorické optimalizace na problémy s motivací ve statistice a umělé inteligenci.
Cíle jsou rozděleny do tří skupin: cíle týkající se statistického učení struktur Bayesovských sítí a podmíněné nezávislosti, cíle týkající se exponenciálních rodin a grafických mode
V oblasti rozhodování za nejistoty (v umělé inteligenci), zejména v oblasti pravděpodobnostního rozhodování, má pojem podmíněné nezávislosti (PN) klíčovou roli. Záměrem projektu je řešit matematické problémy, které vyvstávají v souvislosti se způsoby representace struktur PN v počítači a učením těchto struktur na základě dat.