PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

DAUIN - GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA

Reti Neurali Convoluzionali per l’Identificazione di Veicoli su Viadotti.

Parole chiave APPRENDIMENTO PROFONDO, APPRENDIMENTO SUPERVISIONATO, INTELLIGENZA ARTIFICIALE, MONITORAGGIO STRUTTURALE, RETI NEURALI CONVOLUZIONALI, RETI NEURALI PROFONDE, SOFTWARE, VEICOLO

Riferimenti DANIELE JAHIER PAGLIARI

Riferimenti esterni Alessio Burrello (University of Bologna)

Gruppi di ricerca DAUIN - GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA, ELECTRONIC DESIGN AUTOMATION - EDA, GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA

Tipo tesi SPERIMENTALE, SVILUPPO SOFTWARE

Descrizione La tesi prevede nella fase iniziale lo sviluppo di modelli di machine learning classico, ed in seguito di un modello di apprendimento profondo, per il riconoscimento di veicoli transitanti su un viadotto, grazie a dati di accelerometri realmente installati sul viadotto stesso, del quale si hanno i dati sincronizzati con la ground truth realizzata attraverso pese meccaniche e telecamere. Lo sviluppo della tesi sarà diviso in tre fasi:

- Analisi dei modelli sviluppati nello stato dell’arte. In particolare, verranno analizzati algoritmi supervisionati e non.

- Analisi della task e della sua versione semplificata, ovvero il calcolo del traffico;

- Applicazione di tecniche avanzate di ricerca automatica dell’architettura di una rete neurale (NAS) sviluppate all’interno del gruppo di ricerca per migliorare le performance della rete e ridurre il consumo energetico.

Il risultato finale della tesi saràun modello di Machine Learning supervisionato o non-supervisionato (autoencoder) che risolve una task innovativa, con dati proprietari e provenienti dal mondo reale. Da notare che la risoluzione di questa task attraverso l’impiego di dati di accelerazione, risolverebbe diversi problemi delle soluzioni alternative, ad esempio basate su telecamere,migliorando la privacy e riducendo il costo di installazione a 0.

Conoscenze richieste Sono richieste buone capacità di programmazione in Python, e una buona familiarita' con i concetti alla base del machine/deep learning e dei corrispondenti modelli. Conoscenze base di C possono aiutare nelle ultime fasi di sviluppo della tesi.

Note Tesi in collaborazione con il gruppo di ricerca del Prof. Luca Benini presso l’Università di Bologna e l’ETH di Zurigo. È possibile sia lo svolgimento a Torino sia presso una delle altre due università.


Scadenza validita proposta 13/06/2023      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti