Učení se z teorií
Cíle projektu
Současné algoritmy strojového učení se snaží budovat obecné modely (teorie) světa z početných specifických pozorování (dat). Navrhujeme vybudovat nové paradigma strojového učení, v němž se agenti učí nejen z pozorování, ale především z již existujících početných teorií. Toto nové paradigma, nazvané LFT (learning from theories) bude mj. modelem skutečných scénářů učení, které probíhají v rámci sociálních interakcí. Navrhujeme studovat LFT jak deduktivně, tak empiricky (pomocí simulací). Za tímto účelem využijeme současných technologií reprezentace znalostí, strojového učení založeného na logice a multi-agentního počítání. Inovativní rámec LFT zároveň poskytne techniky pro zcela nový přístup k data miningu, ideálně reflektující současný posun data miningu od objevování znalostí z dat směrem k objevování znalostí z mnoha zdrojů znalostí i dat.
Klíčová slova
Veřejná podpora
Poskytovatel
Grantová agentura České republiky
Program
Standardní projekty
Veřejná soutěž
Standardní projekty 13 (SGA02010GA-ST)
Hlavní účastníci
—
Druh soutěže
VS - Veřejná soutěž
Číslo smlouvy
P103-10-1875
Alternativní jazyk
Název projektu anglicky
Learning from Theories
Anotace anglicky
State-of-the-art Machine Learning aims at forming general models (or theories) of the world from abundant specific observations. We propose to establish a novel machine learning framework where one, besides specific observations, primarily learns from abundant existing theories. This new paradigm, entitled LFT (learning from theories), encompasses actual scenarios of learning through social interactions. We propose to study LFT both deductively and empirically (through simulations). For these sakes we mobilize technologies from state-of-the-art knowledge representation, logic-based machine learning, and multi-agent computation. The novel LFT framework will also establish a radically novel approach to data mining, ideally suited for the current shift ofthe data mining field from discovering knowledge from data towards discovering knowledge from multiple sources of knowledge and data.
Vědní obory
Kategorie VaV
ZV - Základní výzkum
CEP - hlavní obor
JC - Počítačový hardware a software
CEP - vedlejší obor
JD - Využití počítačů, robotika a její aplikace
CEP - další vedlejší obor
—
OECD FORD - odpovídající obory
(dle převodníku)20204 - Robotics and automatic control
20205 - Automation and control systems
20206 - Computer hardware and architecture
Hodnocení dokončeného projektu
Hodnocení poskytovatelem
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Zhodnocení výsledků projektu
1. Projekt přinesl nové poznatky v oblasti učení se z teorií, zejména v oblastech AML a dolování dat. 2. Řešitelem uvedené charakteristiky výsledků jsou adekvátní. 3. Výsledky projektu lze využít pro výuku studentů v oblasti umělé inteligence. 4. Výstup?
Termíny řešení
Zahájení řešení
1. 1. 2010
Ukončení řešení
31. 12. 2012
Poslední stav řešení
U - Ukončený projekt
Poslední uvolnění podpory
1. 4. 2012
Dodání dat do CEP
Důvěrnost údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Systémové označení dodávky dat
CEP13-GA0-GA-U/02:3
Datum dodání záznamu
17. 5. 2016
Finance
Celkové uznané náklady
1 989 tis. Kč
Výše podpory ze státního rozpočtu
1 989 tis. Kč
Ostatní veřejné zdroje financování
0 tis. Kč
Neveřejné tuz. a zahr. zdroje finan.
0 tis. Kč
Základní informace
Uznané náklady
1 989 tis. Kč
Statní podpora
1 989 tis. Kč
100%
Poskytovatel
Grantová agentura České republiky
CEP
JC - Počítačový hardware a software
Doba řešení
01. 01. 2010 - 31. 12. 2012