Monet koneoppimismenetelmät esiintyvät monimutkaisissa geometrisissä ympäristöissä. On luonnollista, että ympäristö ja käytetty algoritmi vaihtelevat sovelluksen mukaan. Yksi projektin tavoitteista on kehittää teoreettisia menetelmiä, jotka ovat tarpeeksi yleisiä kattamaan joukon erilaisia koneoppimistilanteita. Kehitetyt menetelmät pohjautuvat stokastiselle peliteorialle, osittaisdifferentiaaliyhtälöille ja geometriselle analyysille. Lisäksi tutkitut ongelmat ovat tärkeitä teoreettisia kysymyksiä alallaan.

2024

2028