SubsidieMeestersHURL
Dit project onderzoekt de haalbaarheid van Uitlegbare Reinforcement Learning (URL) om eindgebruikers inzicht te geven in algoritmische beslissingen binnen een gesimuleerde handelsomgeving.
Projectdetails
Inleiding
In dit haalbaarheidsonderzoek richten wij ons op uitlegbare ML, zodat het algoritme aan de eindgebruiker kan uitleggen hoe deze tot een bepaalde oplossing is gekomen.
Algoritme en Handelsomgeving
Het algoritme maakt gebruik van een gesimuleerde handelsomgeving, waarbinnen deze zijn eigen voorbeelden kan creëren. Deze vorm van ML wordt Reinforcement Learning genoemd (bekrachtigingsleren, dat wordt gekenmerkt door ‘learning by doing’).
Beslissingsondersteuning
Deze methode van beslissingsondersteuning aan gebruikers wordt in dit voorstel “Uitlegbare Reinforcement Learning” (URL) genoemd.
Onderzoek naar Haalbaarheid
In het HURL-project onderzoeken we de haalbaarheid van URL voor de genoemde use case.
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 19.200 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2022 |
Partners & Locaties
Projectpartners
- Aanvrager geen rechtspersoonpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Generiek Learning FrameworkHet project onderzoekt de haalbaarheid van AI/ML-technologie voor het persoonlijk aanbieden van educatieve content binnen apps. | Mkb-innovati... | € 20.000 | 2022 | Details |
Data driven inkoop frameworkHet project onderzoekt de haalbaarheid van een gelaagd ML/AI-model voor een SaaS-systeem dat dynamische, op gebruikersinput gebaseerde, domein-agnostische (inkoop)enquêtes in het Nederlands genereert. | Mkb-innovati... | € 20.000 | 2022 | Details |
Haalbaarheidsonderzoek online tool voor toepassing Targeted Maximum Likelihood Estimation (TMLE)Researchable B.V. ontwikkelt een SaaS-oplossing die TMLE gebruikt om de onzichtbare laag van AI-berekeningen zichtbaar te maken via Explainable AI (XAI) voor betere inzicht in voorspellingen. | Mkb-innovati... | € 20.000 | 2020 | Details |
Haalbaarheidsstudie naar het ontwikkelen van een Trading SimulatorHet project onderzoekt de haalbaarheid van een simulator voor learning agents om via historische big data betere transactieresultaten te behalen. | Mkb-innovati... | € 20.000 | 2020 | Details |
Self-learning algoritme ter bevordering van het onderwijsTaal & Digitaal B.V. onderzoekt de haalbaarheid van een self-learning algoritme voor gepersonaliseerd leren, om docenten te ontlasten en afstandsonderwijs te verbeteren. | Mkb-innovati... | € 20.000 | 2020 | Details |
Generiek Learning Framework
Het project onderzoekt de haalbaarheid van AI/ML-technologie voor het persoonlijk aanbieden van educatieve content binnen apps.
Data driven inkoop framework
Het project onderzoekt de haalbaarheid van een gelaagd ML/AI-model voor een SaaS-systeem dat dynamische, op gebruikersinput gebaseerde, domein-agnostische (inkoop)enquêtes in het Nederlands genereert.
Haalbaarheidsonderzoek online tool voor toepassing Targeted Maximum Likelihood Estimation (TMLE)
Researchable B.V. ontwikkelt een SaaS-oplossing die TMLE gebruikt om de onzichtbare laag van AI-berekeningen zichtbaar te maken via Explainable AI (XAI) voor betere inzicht in voorspellingen.
Haalbaarheidsstudie naar het ontwikkelen van een Trading Simulator
Het project onderzoekt de haalbaarheid van een simulator voor learning agents om via historische big data betere transactieresultaten te behalen.
Self-learning algoritme ter bevordering van het onderwijs
Taal & Digitaal B.V. onderzoekt de haalbaarheid van een self-learning algoritme voor gepersonaliseerd leren, om docenten te ontlasten en afstandsonderwijs te verbeteren.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
eXplainable AI in Personalized Mental HealthcareDit project ontwikkelt een innovatief AI-platform dat gebruikers betrekt bij het verbeteren van algoritmen via feedbackloops, gericht op transparantie en betrouwbaarheid in de geestelijke gezondheidszorg. | Mkb-innovati... | € 350.000 | 2022 | Details |
Explainable and Robust Automatic Fact CheckingExplainYourself aims to develop explainable automatic fact-checking methods using machine learning to enhance transparency and user trust through diverse, accurate explanations of model predictions. | ERC Starting... | € 1.498.616 | 2023 | Details |
eXplainable AI in Personalized Mental Healthcare
Dit project ontwikkelt een innovatief AI-platform dat gebruikers betrekt bij het verbeteren van algoritmen via feedbackloops, gericht op transparantie en betrouwbaarheid in de geestelijke gezondheidszorg.
Explainable and Robust Automatic Fact Checking
ExplainYourself aims to develop explainable automatic fact-checking methods using machine learning to enhance transparency and user trust through diverse, accurate explanations of model predictions.