Objectif
The recent success of machine learning (ML) has been fueled by black-box supervised learning on massive amounts of data. While this has led to many applications throughout science, engineering, and industry, new areas such as healthcare, transport, or robotics require interactions between predictions and decisions from high-dimensional data, such as in reinforcement learning (RL), and provably well-calibrated uncertainty estimates.
This project aims to address these requirements with the same reliability and efficiency as supervised learning, which current RL algorithms do not possess. This will be achieved by opening the black box at an appropriate granularity and proposing a flexible, unified algorithmic framework based on probabilistic graphical models. The revival of this classical modeling tool presents significant, radically novel scientific challenges when dealing with high-dimensionality and nonlinearity: (1) ML must interact with partially observed environments or other agents; (2) theoretical guarantees are essential but remain largely underdeveloped, both a priori, to characterize the amount of resources needed for a particular problem, and a posteriori, to certify the performance of an algorithm on unseen data.
So-called influence diagrams have been precisely defined to extend graphical models by adding action and utility nodes. Their development, however, has so far been limited to the simplest white-box situations where all components of the learning systems have to be explicitly modeled. In order to tackle modern applications, we will leverage and extend the latest tools from ML and optimization, such as score-based generative modeling and sum-of-squares optimization. These new frameworks open a unique window of opportunity for a gray-box approach that models data at the right level.
This project will result in a suite of learning algorithms and open-source software coming with theoretical guarantees and a wide range of applications.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage supervisé
- sciences naturelles informatique et science de l'information logiciel
- sciences naturelles informatique et science de l'information intelligence artificielle apprentissage automatique apprentissage par renforcement
- ingénierie et technologie génie électrique, génie électronique, génie de l’information ingénierie électronique robotique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2025-ADG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
78153 Le Chesnay Cedex
France
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.