Description du projet
L’apprentissage par renforcement fait un grand bond en avant
L’apprentissage par l’interaction est une idée fondamentale sous-jacente à presque toutes les théories d’apprentissage et à l’intelligence. Comparé à d’autres approches d’apprentissage automatique, l’apprentissage par renforcement est davantage centré sur les problèmes de calcul qui se posent lorsque les agents logiciels apprennent en se basant sur les interactions avec un environnement. Le projet COLT-MDP, financé par l’UE, entend faire progresser les approches théoriques de pointe de l’apprentissage par renforcement. L’étude s’articulera autour de trois piliers. La conception de modèles compacts de représentation permettra aux chercheurs de mieux structurer des problèmes complexes. L’apprentissage par renforcement pourrait alors être étendu à de nombreux domaines. En outre, les chercheurs développeront des algorithmes de calcul efficaces. Inspiré par les préoccupations du public, un organisme croissant de recherche abordera les questions liées à l’équité et à la vie privée dans l’intelligence artificielle.
Objectif
Computational learning theory has been highly successful over the last three decades, both in providing deep mathematical theories and in influencing the practice of machine learning. One of the great recent successes of computational learning theory has been the study of online learning and multi-arm bandits. This line of research has been highly successful, both theoretically and practically, addressing many important applications. Unfortunately, the recent theoretical progress in Markov Decision Process and reinforcement learning has been slower.
Based on my fundamental contributions to reinforcement learning (e.g. policy gradient, sparse sampling and trajectory trees), to online learning and machine learning in general, I propose to take the theoretical and practical success of online learning to the next level by making significant breakthroughs in reinforcement learning. Our main aim is to advance the state of the art in the theory of reinforcement learning, and our research will revolve around three pillars: (1) compact representation, (2) efficient computation and (3) societal challenges, including fairness and privacy.
A successful project will greatly impact reinforcement learning in all its stages. Modelling: Introducing new compact representation models, will enhance our understanding how to structure complex problems, which would greatly extend the applicability of reinforcement learning. Efficient computation: New algorithmic methodologies will give new insight for overcoming computational and statistical barriers both for planning and learning. Learning: New learning paradigms would address fundamental issues of copping with uncertainties in complex control environments of reinforcement learning. Societal challenges: Allowing the community to understand, assess, address and overcome societal challenges is of the greatest importance to the acceptance of AI methodologies by the general public.
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
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Nous sommes désolés... Une erreur inattendue s’est produite.
Vous devez être authentifié. Votre session a peut-être expiré.
Merci pour votre retour d'information. Vous recevrez bientôt un courriel confirmant la soumission. Si vous avez choisi d'être informé de l'état de la déclaration, vous serez également contacté lorsque celui-ci évoluera.
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.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - 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.
ERC-ADG - Advanced Grant
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-2019-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.
69978 Tel Aviv
Israël
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.