SaTSNASP: Safe and Transparent Scheduling with Neuro-Symbolic Answer Set Programming

Roosters inplannen is een pertinent probleem. Noden veranderen dynamisch, en idealiter passen roosters zich dynamisch aan. Huidige benaderingen voor de automatische generatie van roosters zijn ofwel logica-gebaseerd, wat betekent dat ze verifieerbaar maar statisch zijn, of ze maken gebruik van machine learning, wat betekent dat ze zich dynamisch aanpassen maar er niet kan worden geverifieerd of ze aan alle beperkingen voldoen. Dit project past neuro-symbolische AI toe, een combinatie van logica-gebaseerde en machine learning-gebaseerde benaderingen, om AI-tools te ontwikkelen die dynamische roosters genereren die verifieerbaar zijn (in samenwerking met een Nederlands ziekenhuis en de TU Wien).