Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Neurosymbolic Learning |
|---|---|
| Titolo del progetto di ricerca in inglese | University of Florence- Neurosymbolic Learning-published on the |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Computer engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| Descrizione sintetica in italiano | Il progetto si pone come obiettivo lo studio e l’applicazione dell’ apprendimento neuro simbolico, un paradigma emergente che realizza una integrazione funzionale tra approcci tradizionali di AI, basati su ragionamento simbolico, e moderne tecniche di deep learning, realizzando sistemi di AI interpretabili e con capacità di scalabilità, in grado di funzionare in domini applicativi complessi senza la necessità di usare enormi quantità di dati durante la fase di addestramento. Verranno considerati e analizzati diversi approcci per rappresentare in modo appropriato ed efficiente la conoscenza del sistema di interesse, esplicitando le relazioni tra le informazioni sia sfruttando metodologie basate su espressioni logiche sia approcci emergenti nati dall’intersezione tra reinforcement learning, modelli generativi e modelli probabilistici basati su funzioni di energia. |
| Descrizione sintetica in inglese | The main objective of the project is the study and application of the emerging Neuro Symbolic (NeSym) Learning paradigm. The NeSym represents the functional integration between conventional rule-based AI approaches and modern deep learning techniques, enabling explainable and scalable AI systems able to handle complex problems requiring small datasets for training. Different Knowledge representation approaches will be investigated to model the information embedded in the AI system object of interest. A symbolic reasoning module will be designed considering both methods based on logic rules and alternative hybrid strategies arising from the intersection of reinforcement learning, deep generative models, and energy-based probabilistic modeling. In this picture, particular attention will be focused on the GFlowNet tool to generate causal graphs, sample probabilistic quantities, and model distributions over data structured like graphs (networked structures). |
| Data del bando | 05/10/2023 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://titulus.unifi.it/albo/viewer?view=files%2F005223617-UNFICLE-34166fc4-e7a1-4cd3-ae76-bc2029758e08-000.pdf |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 23890 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | Laurea Magistrale in Ingegneria Informatica o Laurea Magistrale in Informatica |
| Criteri di selezione in inglese (breve descrizione) | Informatics engineering or software science and technology master degree |
| Processo di selezione in italiano (breve descrizione) | per titoli e colloquio |
| Processo di selezione in inglese (breve descrizione) | evaluation of titles ad examination by means of an interview |
| Nome dell'Ente finanziatore | Università degli Studi Firenze |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Firenze |
| Sito web | http://www,unifi.it |
| amministrazione@dinfo.unifi.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 24/10/2023 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |