Data-efficient and explainable machine learning

数据高效且可解释的机器学习

• 批准号: 2644086
• 金额: --
• 依托单位: University of Surrey
• 依托单位国家: 英国
• 项目类别: Studentship
• 财政年份: 2022
• 资助国家: 英国
• 起止时间: 2022 至 无数据
• 项目状态: 未结题
• 来源: https://gtr.ukri.org/projects?ref=studentship-2644086
• 关键词: Data; efficient; explainable; machine; learning

This research will investigate novel ML approaches (particularly NN based) that deliver improved performance, robustness, and interpretability particularly for problems where data is limited and noisy (contaminated). The focus will be on new neural architectures, data scheduling and pre-processing, novel training objectives and matching optimisation methods. Architectures that

这项研究将研究新的ML方法(特别是基于神经网络的方法)，这些方法可以提供更好的性能、健壮性和可解释性，特别是在数据有限和噪声(受污染)的情况下。重点将放在新的神经结构、数据调度和预处理、新的培训目标和匹配优化方法上。体系结构