Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2019-106758GB-C32

Financiado

APRENDIZAJE AUTOMATICO EXPLICABLE: UNA APROXIMACION PROBABILISTICA

EL APRENDIZAJE AUTOMATICO (ML) ESTA PRESENTE EN MUCHAS TECNOLOGIAS DE LA SOCIEDAD MODERNA, Y LA SOCIEDAD APROVECHA LOS BENEFICIOS DE ESTA TECNOLOGIA EN FORMA DE MEJORES PRODUCTOS Y SERVICIOS, UNO DE LOS DESARROLLOS CLAVE EN ESTA N... ver más

01/01/2019

UAL

81K€

Presupuesto del proyecto: 81K€

Líder del proyecto

UNIVERSIDAD DE ALMERIA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 622

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UAL

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

PID2019-106758GB-C33 APRENDIZAJE AUTOMATICO EXPLICABLE: UNA APROXIMACION PROBABIL... 109K€ Cerrado

PID2021-122916NB-I00 INTELIGENCIA ARTIFICIAL EXPLICABLE PARA TOMA DE DECISIONES C... 260K€ Cerrado

EIN2020-112480 DEL MODELO MATEMATICO A LA DECISION HUMANA: POSICIONANDO A E... 9K€ Cerrado

PID2021-128045OA-I00 APRENDIZAJE PROFUNDO ETICO 56K€ Cerrado

TRUST-AI Transparent Reliable and Unbiased Smart Tool for AI 4M€ Cerrado

RTI2018-095232-B-C22 MODELOS DE DEEP LEARNING CONSIDERANDO EXPLICABILIDAD Y INCER... 94K€ Cerrado

Líder del proyecto

UNIVERSIDAD DE ALMERIA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 622

Presupuesto del proyecto 81K€

Descripción del proyecto EL APRENDIZAJE AUTOMATICO (ML) ESTA PRESENTE EN MUCHAS TECNOLOGIAS DE LA SOCIEDAD MODERNA, Y LA SOCIEDAD APROVECHA LOS BENEFICIOS DE ESTA TECNOLOGIA EN FORMA DE MEJORES PRODUCTOS Y SERVICIOS, UNO DE LOS DESARROLLOS CLAVE EN ESTA NUEVA ERA DORADA DE LA INTELIGENCIA ARTIFICIAL (IA) ES EL APRENDIZAJE PROFUNDO, ESTA TECNOLOGIA ESTA DETRAS DE LA MAYOR PARTE DE LOS RESULTADOS MAS IMPORTANTES DEL CAMPO EN LOS ULTIMOS AÑOS, PERO A MEDIDA QUE LOS SISTEMAS DE ML E IA SE USAN EN ENTORNOS DE LA VIDA REAL QUE INVOLUCRAN DECISIONES CRITICAS O DE ALTO RIESGO, SE ENCUENTRAN CON ENORMES BARRERAS, ESTAS BARRERAS PROVIENEN DIRECTAMENTE DE LA INCAPACIDAD INHERENTE DE LOS MODELOS DE APRENDIZAJE PROFUNDO PARA PROPORCIONAR EXPLICACIONES Y CUANTIFICAR SU CONFIANZA EN LAS DECISIONES QUE BRINDAN, PRINCIPALMENTE PORQUE LOS MODELOS DE APRENDIZAJE PROFUNDO SON MODELOS DE CAJA NEGRA Y NO PROBABILISTICOS, SI NUESTRO OBJETIVO ES APLICAR LA TECNOLOGIA ML EN DOMINIOS COMO LA MEDICINA, LA GESTION DE AEROPUERTOS, ETC,, LOS MODELOS ML QUE UTILIZAMOS DEBEN SER INTERPRETABLES Y CAPACES DE CUANTIFICAR SU CONFIANZA EN SUS DECISIONES, SOLO CON ESTAS CAPACIDADES LOS USUARIOS CONFIARAN Y COMPRENDERAN LAS DECISIONES DEL MODELO Y TAMBIEN PODRAN HACERSE CARGO Y EVITAR ACCIONES POTENCIALMENTE CATASTROFICAS EN AQUELLOS CASOS EN LOS QUE EL MODELO FALLE EN SU PREDICCION, ESTOS SON REQUISITOS IMPRESCINDIBLES EN MUCHOS SISTEMAS DE LA VIDA REAL, EN ESTE PROYECTO, NUESTRO OBJETIVO ES MOSTRAR COMO LOS MODELOS GRAFICOS PROBABILISTICOS (PGMS) SON UNA EXCELENTE FAMILIA DE MODELOS PARA CONSTRUIR SISTEMAS DE ML EXPLICABLES Y SEGUROS, DEBIDO A SU NATURALEZA GRAFICA Y PROBABILISTICA, CON ESTE FIN, DESARROLLAREMOS NUEVOS ALGORITMOS ML EXPLICABLES BASADOS EN PGMS QUE ABORDEN UNA AMPLIA GAMA DE PROBLEMAS GENERALES DE APRENDIZAJE AUTOMATICO (ES DECIR, DETECCION DE ANOMALIAS, PERFILES DE ENTIDADES, APRENDIZAJE SUPERVISADO Y NO SUPERVISADO, ETC,) Y PROBLEMAS EN DOMINIOS COMO LA BIOINFORMATICA, MODELADO AMBIENTAL E IMAGEN DIGITAL (EVALUACION DE CALIDAD ESTETICA Y LOCALIZACION SEMANTICA), CON LOS RESULTADOS DE ESTE PROYECTO, NUESTRO OBJETIVO ES MOSTRAR COMO LOS MODELOS GRAFICOS PROBABILISTICOS SON UNA FAMILIA DE MODELOS DE APRENDIZAJE AUTOMATICOS, MUY PROMETEDORA PARA SER USADA EN SISTEMAS DE IA EXPLICABLES (XAI) EN LA VIDA REAL, QUE INVOLUCREN DECISIONES CRITICAS Y DE ALTO RIESGO, POR LO TANTO, EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES GENERAR UN CONJUNTO DE DESARROLLOS METODOLOGICOS EN EL CAMPO DEL APRENDIZAJE AUTOMATICO UTILIZANDO MODELOS PROBABILISTICOS, CON UNA BASE TEORICA SOLIDA E INNOVADORA QUE LOS HAGA EXPLICABLES, EL PROYECTO TAMBIEN ABORDA ALGUNAS APLICACIONES ESPECIFICAS COMO UNA FORMA EFECTIVA VERIFICAR APLICABILIDAD DE LOS DESARROLLOS METODOLOGICOS PROPUESTOS, APRENDIZAJE AUTOMATICO\EXPLICACION\DETECCION DE ANOMALIAS\MODELOS PROBABILISTICOS\INFERENCIA APROXIMADA

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores