| KEYWORD |
Large Language Models (LLMs) for Context-Aided Forecasting in vibration signals
Riferimenti MARCO CIVERA
Descrizione L'analisi vibrazionale è una componente critica nel monitoraggio e nella manutenzione dei sistemi meccanici, in particolare in settori quali quelli aerospaziale, civile, automobilistico e manifatturiero. I metodi tradizionali di analisi dei segnali vibrazionali spesso si basano su tecniche statistiche e analisi di serie temporali, che potrebbero non catturare completamente le complesse relazioni all'interno dei dati. L'avvento dei Large Language Models (LLM) ha aperto nuove strade per sfruttare le informazioni contestuali al fine di migliorare l'accuratezza delle previsioni in vari domini. Questa proposta di tesi mira a esplorare l'applicazione degli LLM per le previsioni 'Context-Aided' nei segnali, migliorando le strategie di manutenzione predittiva e l'efficienza operativa, con applicazioni all'ingegneria aerospaziale, civile e meccanica, sfruttando le competenze tipiche della Data Engineering e delle scienze informatiche
Conoscenze richieste Buone basi di MATLAB e/o basi di Python
Note Media dei voti richiesta: preferibilmente >=27/30 (è richiesto anche un colloquio di qualificazione)
Scadenza validita proposta 27/07/2025
PROPONI LA TUA CANDIDATURA