Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

MINIMAL

Financiado

Cerrado

Miniature Insect Model for Active Learning

Biology provides the inspiration for a vision of small low-power devices that are able to learn rapidly and autonomously about environmental contingencies, enabling prediction and adaptive anticipatory action. Larval Drosophila ha... ver más

31/12/2016

UEDIN

3M€

Presupuesto del proyecto: 3M€

Líder del proyecto

THE UNIVERSITY OF EDINBURGH No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Ver 4 Participantes

Financiación concedida El organismo FP7 notifico la concesión del proyecto el día 2016-12-31 No tenemos la información de la convocatoria

0% 76% 100%

Información adicional privada

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

4 Participantes

UEDIN

0.00€ | Lider

LEIBNIZINSTITUT FUER NEUROBI...

N.D. | Participante

FUNDACIO PRIVADA CENTRE DE R...

N.D. | Participante

Proyectos interesantes

SPARK II

Robotics and Au...

Applied Physics

1M€ Cerrado

Si elegans

Artificial Inte...

Robotics and Au...

4M€ Cerrado

BottomUpFly

Robotics and Au...

Applied Physics

157K€ Cerrado

ASIMOF

Robotics and Au...

Applied Physics

148K€ Cerrado

FIS2014-57090-P

Robotics and Au...

Applied Physics

29K€ Cerrado

TIN2013-47069-P

Robotics and Au...

Applied Physics

136K€ Cerrado

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

Líder del proyecto

THE UNIVERSITY OF EDINBURGH No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 3M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto Biology provides the inspiration for a vision of small low-power devices that are able to learn rapidly and autonomously about environmental contingencies, enabling prediction and adaptive anticipatory action. Larval Drosophila have fewer than 10,000 neurons, yet express a variety of complex orientation and learning behaviours, including non-trivial anticipatory actions requiring context-dependent evaluation of the value of learned cues. Current computational learning theory cannot fully account for or replicate these capacities. We aim to develop a new foundation for understanding natural learning by developing a complete multilevel model of learning in larvae. Our aims are: (1) to analyse at a fine scale how larval olfactory behaviour is controlled and altered by associative conditioning, linked to agent-based models that ground learning capabilities in ongoing sensorimotor control; (2) to build one-to-one computational neural models that can be validated by exploiting the recent expansion of the Drosophila neurogenetic toolkit to gain unprecedented ability to characterise and manipulate neural circuits during unconstrained behaviour; (3) To derive from these models novel, generalisable algorithms and circuit architectures that can be used to enhance the learning and anticipatory capabilities of machines.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores