Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

SSX

Financiado

Cerrado

State Space Exploration Principles Algorithms and Applications

State-space search, finding paths in huge, implicitly given graphs, is a fundamental problem in artificial intelligence and other areas of computer science. State-space search algorithms like A*, IDA* and greedy best-first search... ver más

31/01/2019

UNIVERSITAT BASEL

1M€

Presupuesto del proyecto: 1M€

Líder del proyecto

UNIVERSITAT BASEL No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo FP7 notifico la concesión del proyecto el día 2019-01-31 No tenemos la información de la convocatoria

0% 100% 100%

Información adicional privada

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

1 Participantes

UNIVERSITAT BASEL

0.00€ | Lider

Proyectos interesantes

PID2021-122274OB-I00

Artificial Inte...

Data Science

68K€ Cerrado

BDE

Software

Artificial Inte...

2M€ Cerrado

CSP-COMPLEXITY

Artificial Inte...

Data Science

830K€ Cerrado

TIN2015-65460-C2-1-P

Data Science

Software

56K€ Cerrado

TIN2012-35632-C02-01

Software

Data Science

25K€ Cerrado

CSP-Infinity

Artificial Inte...

Data Science

1M€ 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

UNIVERSITAT BASEL No se ha especificado una descripción o un objeto social para esta compañía.

TRL 4-5

Presupuesto del proyecto 1M€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto State-space search, finding paths in huge, implicitly given graphs, is a fundamental problem in artificial intelligence and other areas of computer science. State-space search algorithms like A*, IDA* and greedy best-first search are major success stories in artificial intelligence, and hundreds of papers based on variations of these algorithms are published every year. Due to this success, the major assumptions of these algorithms are rarely questioned. We argue that the current generation of state-space search algorithms has three significant deficiencies that impede further progress in the field: 1. They explore a monolithic model of the world rather than applying a factored perspective. 2. They do not learn from mistakes and hence tend do commit the same mistake thousands of times. 3. In the case of satisficing (i.e., suboptimal) search, the design of the major algorithms has been based on ad-hoc intuitions rather than sound theoretical principles. This proposal targets these three issues. We propose to develop a rigorous theory of factored state-space search, a rigorous theory of learning from information gathered during search, and a decision-theoretic foundation for satisficing search algorithms. Based on these insights we will design and implement new state-space search algorithms addressing the deficiencies of current methods. Finally, we will apply the new algorithms to application domains of state-space search to raise the state of the art in these areas.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores