Projektbeschreibung
Neue Algorithmen für ein nachhaltiges maschinelles Lernen
Das maschinelle Lernen ist die zentrale Komponente für die jüngsten Erfolge bei intelligenten Systemen und Datenanalysemodulen. Maschinelle Lernalgorithmen, die anhand von Daten verfeinert wurden, können beeindruckende Aufgaben erledigen, was jedoch häufig zulasten massiver Rechenressourcen geht. Diese Anforderungen zu verringern, ist das Ziel des EU-finanzierten Projekts SLING. Im Rahmen von SLING wird eine neue Generation ressourcenschonender Algorithmen für Maschinenlernlösungen im großen Maßstab entwickelt, die ohne Weiteres auf Szenarien aus der realen Welt angewandt werden können. Die über das Projekt entwickelten Lösungen werden die Zugänglichkeit und Nachhaltigkeit des maschinellen Lernens erhöhen und die Aussichten auf die Entwicklung wirklich skalierbarer intelligenter Systeme erheblich verbessern.
Ziel
This project will develop and integrate the latest optimization and statistical advances into a new generation of resource-efficient algorithms for large-scale machine learning. State-of-the-art machine learning methods provide impressive results, opening new perspectives for science, technology, and society. However, they rely on massive computational resources to process huge manually annotated data-sets. The corresponding costs in terms of energy consumption and human efforts are not sustainable.
This project builds on the idea that improving efficiency is a key to scale the ambitions and applicability of machine learning. Achieving efficiency requires overcoming the traditional boundaries between statistics and computations, to develop new theory and algorithms.
Within a multidisciplinary approach, we will establish a new regularization theory of efficient machine learning.
We will develop models that incorporate budgeted computations, and numerical solutions with resources tailored to the statistically accuracy allowed by the data. Theoretical advances will provide the foundations for novel and sound algorithmic solutions. Close collaborations in diverse applied fields
will ensure that our research results and solutions will be apt and immediately applicable to real world scenarios.
The new algorithms developed in the project will contribute to boost the possibilities of Artificial Intelligence, modeling and decision making in a world of data with ever-increasing size and complexity.
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.
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.
Dieses Projekt wurde noch nicht bei EuroSciVoc klassifiziert.
Schlagen Sie die Wissenschaftsbereiche vor, die Ihrer Einschätzung nach besonders relevant sind, und helfen Sie uns, unseren Klassifizierungsdienst zu verbessern.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
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.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - 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.
ERC-COG - Consolidator Grant
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-2018-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.
16126 GENOVA
Italien
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.