Projektbeschreibung
Deep Learning auf die Metaebene bringen
Deep Learning ist ein Teilgebiet des maschinellen Lernens, das Computer lehrt, Schlussfolgerungen auf dieselbe Weise wie Menschen zu ziehen. Dazu werden kontinuierlich Daten analysiert. Das Gebiet hat bemerkenswerte Fortschritte im maschinellen Sehen, in der Spracherkennung, Verarbeitung natürlicher Sprache und im Verstärkungslernen zu verzeichnen. Das EU-finanzierte Projekt DeepLearning 2.0 verfolgt nun das Ziel, Deep Learning auf die nächste Stufe zu bringen. Es wird Lernmethoden auf Metaebene vorschlagen, welche die Ergebnisse und die Leistungsfähigkeit von Lernalgorithmen verbessern. Die neuen Methoden werden zur Erstellung neuartiger, maßgeschneiderter Deep-Learning-Pipelines ohne handgefertigte Elemente beitragen, die genauer und einfacher anzuwenden sowie in weniger Zeit trainierbar sind. Um die Realisierbarkeit der vorgeschlagenen Methoden zu demonstrieren, werden die Forschenden die neuen, individuell angepassten Deep-Learning-Pipelines für die Elektroenzephalographie-Dekodierung und RNS-Faltung implementieren.
Ziel
Deep learning has revolutionized many fields, such as computer vision, speech recognition, natural language processing, and reinforcement learning. This success is based on replacing domain-specific hand-crafted features with features that are learned for the particular task at hand. The logical step to take deep learning to the next level is to also (meta-)learn other hand-crafted elements of the deep learning pipeline. We therefore propose to develop meta-level learning methods for the creation of novel customized deep learning pipelines, by means of:
1. Hierarchical neural architecture searchfor learning qualitatively new architectures and architectural building blocks from scratch;
2. Learning of optimizers and hyperparameter adaptation policies that adapt totheir context in order to converge faster and more robustly;
3. Learning the data to train on, to remove the need for large sets of labelled data; and
4. Bootstrapping from prior design efforts to increase efficiency and make an integrative design of architectures, optimizers, hyperparameter adaptation policies, and pretraining tasks feasible in practice.
These advances will allow the next generation of deep learning pipelines to achieve higher accuracy, lower training time, and improved ease-of-use (democratization of deeplearning). They will also allow a customization to particular design contexts, including additional objectives next to accuracy (such as robustness, memory requirements, energy consumption, latency, interpretability, training cost, uncertainty estimation, and algorithmic fairness) in order to facilitate trustworthy AI. In order to demonstrate the effectiveness of these methods, we plan to develop:
5. New state-of-the-art customized deep learning pipelines for various applications, including EEG decoding, RNA folding, and improving the reinforcement learning pipeline and deep learning on tabular data.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
Das Projektteam hat die Klassifizierung dieses Projekts bestätigt.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht. Siehe: Das European Science Vocabulary.
Das Projektteam hat die Klassifizierung dieses Projekts bestätigt.
Schlüsselbegriffe
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Schlüsselbegriffe des Projekts, wie vom Projektkoordinator angegeben. Nicht zu verwechseln mit der EuroSciVoc-Taxonomie (Wissenschaftliches Gebiet).
Programm/Programme
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
Mehrjährige Finanzierungsprogramme, in denen die Prioritäten der EU für Forschung und Innovation festgelegt sind.
-
HORIZON.1.1 - European Research Council (ERC)
HAUPTPROGRAMM
Alle im Rahmen dieses Programms finanzierten Projekte anzeigen
Thema/Themen
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Aufforderungen zur Einreichung von Vorschlägen sind nach Themen gegliedert. Ein Thema definiert einen bestimmten Bereich oder ein Gebiet, zu dem Vorschläge eingereicht werden können. Die Beschreibung eines Themas umfasst seinen spezifischen Umfang und die erwarteten Auswirkungen des finanzierten Projekts.
Finanzierungsplan
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
Finanzierungsregelung (oder „Art der Maßnahme“) innerhalb eines Programms mit gemeinsamen Merkmalen. Sieht folgendes vor: den Umfang der finanzierten Maßnahmen, den Erstattungssatz, spezifische Bewertungskriterien für die Finanzierung und die Verwendung vereinfachter Kostenformen wie Pauschalbeträge.
HORIZON-ERC - HORIZON ERC Grants
Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen
Aufforderung zur Vorschlagseinreichung
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
Verfahren zur Aufforderung zur Einreichung von Projektvorschlägen mit dem Ziel, eine EU-Finanzierung zu erhalten.
(öffnet in neuem Fenster) ERC-2021-COG
Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigenGastgebende Einrichtung
Finanzieller Nettobeitrag der EU. Der Geldbetrag, den der Beteiligte erhält, abzüglich des EU-Beitrags an mit ihm verbundene Dritte. Berücksichtigt die Aufteilung des EU-Finanzbeitrags zwischen den direkten Begünstigten des Projekts und anderen Arten von Beteiligten, wie z. B. Dritten.
79098 Freiburg
Deutschland
Die Gesamtkosten, die dieser Organisation durch die Beteiligung am Projekt entstanden sind, einschließlich der direkten und indirekten Kosten. Dieser Betrag ist Teil des Gesamtbudgets des Projekts.