Ime strani: ARRSProjekti / 2016 / Strojno učenje zasistemske znanosti

Strojno učenje za sistemske znanosti


Nazaj na seznam za leto 2016


Oznaka in naziv projekta

N2-0056 - Strojno učenje za sistemske znanosti
N2-0056 - Machine Learning for System Sciences

Logotipi ARRS in drugih financerjev

© Javna agencija za raziskovalno dejavnost Republike Slovenije

Projektni partnerji

Projektna skupina

Vsebinski opis projekta

Sistemske znanosti preučujejo kompleksne sisteme v naravi in družbi. Pri tem uporabljajo modele, ki so poenostavljene predstavitve opazovanih sistemov in omogočajo preučevanje obnašanja sistemov in njihovo simulacijo. Ključni nalogi sistemskih znanosti sta gradnja modelov in njihova analiza, pri kateri model uporabimo za preučevanje možnih obnašanj sistema. Nalogo gradnje modelov srečamo v več različicah: pri identifikaciji iščemo model sistema na osnovi opazovanega obnašanja, pri načrtovanju iščemo model z želenim obnašanjem, pri vodenju pa iščemo vhode v sistem, ki pripeljejo do želenega obnašanja. Gradnja modelov v glavnem poteka ročno in sledi teoretičnemu pristopu k modeliranju, kar zahteva veliko znanja in časa. Po drugi strani je lahko empirični pristop k modeliranju, ki sloni predvsem na podatkih, zelo učinkovit, vendar nam pogosto ne omogoči razumevanja sistema.

Cilj predlaganega projekta je združiti teoretični in empirični pristop k modeliranju ter tako avtomatizirati poglavitne naloge sistemskih znanosti z uporabo splošnega in poenotenega pristopa strojnega učenja. Na ta način bi odpravili ozko grlo sistemskih znanosti, ki nastaja zaradi ročne gradnje in analize modelov pri preučevanju obnašanja sistemov. Potencialni vpliv znanstvenega prispevka tega projekta je zelo velik, saj različne sistemske znanosti obravnavajo veliko problemov z izjemnim industrijskim in družbenim pomenom (sistemska medicina za individualizirane terapije, sistemska in sintezna biologija za proizvodnjo biogoriv in biozdravil).

Združevanje obeh pristopov k modeliranju in avtomatizaciji ključnih nalog sistemskih znanosti je velik raziskovalni izziv. Predlagani projekt se bo s tem izzivom spopadel s: (1) predlaganjem formalizmov za modeliranje in sklepanje na različnih nivojih abstrakcije od strukture modeliranega sistema do njegovega obnašanja, (2) obravnavo tako determinističnih kot verjetnostnih modelov in pristopov k modeliranju, (3) razvojem metod strojnega učenja za reševanje nalog sistemskih znanosti na poenoten način in (4) vrednotenjem razvitih metod preko njihove uporabe na umetnih in praktično relevantnih primerih s področij sistemske medicine ter sistemske in sintezne biologije.

Delovni sklopi projekta

  • DS1: Formalna predstavitev: domenskega znanja, modelov in prostorov modelov
  • DS2: Sklepanje za deterministične in stohastične modele: simulacija, merjenje kvalitete in ocenjevanje parametrov
  • DS3: Strojno učenje za sistemsko identifikacijo, načrtovanje, kontrolo in analizo
  • DS4: Vrednotenje na standardnih problemih modeliranja in realnih študijah primerov
  • DS5: Razširjenje rezultatov projekta
  • DS6: Vodenje projekta

Bibliografske reference


Nazaj na seznam projektov po letih