| KEYWORD |
Area Ingegneria
Analisi della generalizzabilità di algoritmi di apprendimento profondo per l'analisi del movimento
Parole chiave APPRENDIMENTO PROFONDO, INTELLIGENZA ARTIFICIALE, SENSORI INDOSSABILI
Riferimenti LUIGI BORZI'
Gruppi di ricerca DAUIN - GR-24 - reSilient coMputer archItectures and LIfE Sci - SMILIES
Tipo tesi EXPERIMENTAL
Descrizione Numerosi algoritmi di apprendimento profondo sono stati proposti per l'analisi del movimento, ottenendo prestazioni promettenti.
Attualmente, la loro capacità di generalizzazione a nuovi scenari, circostanze, ambienti e popolazioni rimane poco esplorata.
La tesi si propone di sviluppare algoritmi di apprendimento profondo per l'analisi del movimento, analizzare la loro capacità di generalizzazione, studiare metodi per ottimizzarla, e sviluppare algoritmi dinamici e robusti che possano lavorare in diverse circostanze.
Conoscenze richieste intelligenza artificiale; apprendimento profondo; analisi dei segnali
Scadenza validita proposta 19/09/2025
PROPONI LA TUA CANDIDATURA