| KEYWORD |
Training AI algorithms using large-scale synthetic data
Tesi all'estero
Riferimenti GIAN PAOLO CIMELLARO
Descrizione Gli approcci basati sull'intelligenza artificiale per il monitoraggio delle infrastrutture civili richiedono molti dati di formazione per produrre previsioni accurate e affidabili. Tuttavia, uno dei principali colli di bottiglia in questo settore è la mancanza di dati di monitoraggio sul campo adeguati, che limita l'ampia applicazione di queste tecniche. Inoltre, l'annotazione manuale dei dati acquisiti è laboriosa e richiede tempo. Inoltre, qualsiasi errore umano involontario nel processo di annotazione può influire negativamente sulle prestazioni del modello addestrato.
Questa ricerca mira a superare queste limitazioni per mezzo di dati sintetici prodotti in un ambiente simulato ricorrendo alla simulazione ingegneristica predittiva del guasto fisico, dovuto al carico meccanico di breve durata, tenendo conto del pre-stress, ad esempio dovuto all'invecchiamento. In una seconda fase, le reti contraddittorie generative vengono utilizzate per generare una grande quantità di dati in un tempo relativamente breve sulla base del costoso calcolo ad alta risoluzione. L'ambiente simulato consente anche l'annotazione automatica dei dati, il che consente di risparmiare molto tempo e fatica nel processo di annotazione manuale dei dati. I dati sintetici verranno quindi utilizzati per addestrare algoritmi di intelligenza artificiale che coprono cifre e dati di serie temporali.
Scadenza validita proposta 17/11/2025
PROPONI LA TUA CANDIDATURA