Siga este enlace para ver otros tipos de publicaciones sobre el tema: Rete neurali.
Tesis sobre el tema "Rete neurali"
Crea una cita precisa en los estilos APA, MLA, Chicago, Harvard y otros
Consulte los 50 mejores tesis para su investigación sobre el tema "Rete neurali".
Junto a cada fuente en la lista de referencias hay un botón "Agregar a la bibliografía". Pulsa este botón, y generaremos automáticamente la referencia bibliográfica para la obra elegida en el estilo de cita que necesites: APA, MLA, Harvard, Vancouver, Chicago, etc.
También puede descargar el texto completo de la publicación académica en formato pdf y leer en línea su resumen siempre que esté disponible en los metadatos.
Explore tesis sobre una amplia variedad de disciplinas y organice su bibliografía correctamente.
1
De, Paoli Davide. "Reti neurali artificiali e apprendimenti basati sulla biofisica dei neuroni". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2021. http://amslaurea.unibo.it/22983/.
Texto completoResumen
Frank Rosenblatt, padre del percettrone, nel 1962 sottolineò che l’ obiettivo ultimo della ricerca nel campo delle reti neurali artificiali doveva essere “indagare le strutture fisiche ed i principi neurodinamici che stanno alla base dell’intelligenza naturale”. A differenza di quel che desiderava Rosenblatt, i metodi maggiormente utilizzati e di conseguenza studiati sono quelli supervisionati, non biologicamente plausibili, ritenuti maggiormente efficaci rispetto alle reti che sfruttano metodi di apprendimento ispirati dalla biofisica dei neuroni. L’ obiettivo della tesi è quello di analizzare due metodi di apprendimento non supervisionati basati su sistemi neuronali biologici: il modello di L.Bienenstock, N.Cooper e W. Mundro del 1982 (BCM) ed il modello di D.Krotov e J.Hopfield del 2019, e comprenderne le reali capacità. La prima parte della tesi rappresenta un’ introduzione al concetto di rete neurale artificiale, al significato di rete multistrato e all’ algoritmo di apprendimento della retro propagazione dell’ errore, tipico delle reti supervisionate. La seconda parte della tesi illustra il funzionamento della BCM e della rete di Hopfield e Krotov. Nei risultati riguardanti la rete del 2019, viene riportato un confronto tra questo modello ed un modello addestrato tramite retro propagazione dell’ errore, con cui riesce a competere nel riconoscimento delle immagini appartenenti a due data set: il MNIST ed il CIFAR-10. Per quanto riguarda la BCM, vengono riportati e discussi i risultati di alcune simulazioni effettuate con la rete modello BCM della libreria Plasticity. Lo scopo delle simulazioni era quello di portare i pesi della rete a memorizzare il maggior numero di pattern differenti possibili, appartenenti al data set MNIST.
2
Vincenzi, Fabian. "Reti neurali convoluzionali per il miglioramento di immagini tomografiche ad angoli limitati". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2020. http://amslaurea.unibo.it/22199/.
Texto completoResumen
Nel corso della tesi verrà presentata una rete neurale convoluzionale e un suo utilizzo per la ricostruzione di immagini CT (Computed Tomography) a bassa dose. Delle CNN viene approfondita una rete RED-CNN e una rete U-Net. Dopo che vengono affrontati questi argomenti sono presenti dei test effettuati per avere la rete più efficace possibile.
3
Sangiorgi, Davide. "Magnetic resonance fingerprinting con reti neurali a valori complessi". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/18746/.
Texto completoResumen
In questo documento cerco un metodo per migliorare le prestazioni del MRF (Magnetic Resonance Fingerprinting), una tecnica di risonanza magnetica quantitativa. Il problema è quello di diminuire il tempo di calcolo necessario per determinare i parametri tissutali relativi alla risonanza magnetica effettuata. Il metodo proposto è quello dell'utilizzo di reti neurali a valori complessi con input il segnale di risonanza magnetica e con output i valori relativi ai parametri che si vogliono studiare. Dopo aver chiarito il concetto di risonanza magnetica, di MRF ed i problemi ad essi associati, introduco le reti neurali: l'architettura, la dinamica e l'apprendimento relativi ad esse. Discuto a seguire i problemi relativi all'introduzione dei numeri complessi nel modello di rete neurale e anche i vantaggi che le reti neurali a valori complessi possono portare, non solo rispetto ai metodi tradizionali, ma anche rispetto a reti neurali a valori reali. Analizzo inoltre delle tecniche utili a migliorare la generalizzazione e rendere le reti neurali a valori complessi una soluzione ancora più concreta. Studio quindi i miglioramenti introdotti dagli ensemble di reti neurali e dall'applicazione di funzioni d'attivazione stocastiche, che introducono del rumore gaussiano all'interno del modello.
4
Fabbri, Alessandro. "Reti neurali in ambito finanziario". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/19593/.
Texto completoResumen
In particolare in questo lavoro cercherò di analizzare l’utilizzo di reti neurali in ambito economico-finanziario in quanto alcuni dei temi che si riscontrano in economia ben si prestano ad un’analisi attraverso le reti neurali.
In particolare nel primo capitolo di questo elaborato descriverò le origini delle reti neurali e alcuni criteri attraverso i quali oggi si classificano le reti stesse. Nel secondo capitolo mi occuperò invece di approfondire quali sono i passaggi da seguire al fine di costruire una rete neurale concentrandomi sulla risoluzione di problemi legati all’ambito economico-finanziario.
Infine, nell’ultimo capitolo, mi dedicherò all’analisi di due articoli nei quali vengono confrontati i risultati ottenuti tramite l’utilizzo di diversi tipi di reti neurali accennando anche ad approcci diversi attraverso algoritmi di machine learning.
5
Fiori, Simona. "Memoria semantica e lessicale: analisi attraverso una rete neurale". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2012. http://amslaurea.unibo.it/4688/.
Texto completo
6
Paganelli, Michele. "Studio dell'attenzione dei conducenti tramite i sistemi neurali". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2022.
Buscar texto completoResumen
Il presente elaborato ha studiato i sistemi di assistenza avanzata al conducente (ADAS), focalizzandosi sull’Adaptive Cruise Control (ACC). Si sono studiati diversi aspetti comportamentali dei conducenti in funzione del sistema ACC come il visual behaviour dei conducenti, i dati cinematici del veicolo (driving behaviour) e il tempo di percezione-reazione in situazioni critiche. Si è descritta la sperimentazione svolta in sito e le strumentazioni innovative, tra le quali il Mobile eye tracker, utilizzate per la raccolta dati. Per eseguire l’elaborazione dei dati sono state applicate tecniche di machine learning, mediante l’applicazione di una rete neurale artificiale realizzata appositamente per questo studio, risultando uno dei primi nel settore ad utilizzare tale metodologia. Si è descritto il codice della rete e valutate le prestazioni della stessa. Infine sono state eseguite analisi sul comportamento dei conducenti in funzione dello stato (on/off) del sistema.
7
Di, Stefano Tiziano. "Metodologie di training per reti neurali di tipo autoencoder". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2017.
Buscar texto completoResumen
L’obiettivo di questa tesi è stato quello di sperimentare nuove metodologie di training per le reti neurali di tipo autoencoder, delle reti addestrate per ricostruire in output gli stessi dati di input.
Una nuova metodologia è stata introdotta modificando gli autoencoder inclusi in una baseline realizzata ad-hoc per questo lavoro di tesi. Essa consiste nel voler addestrare la rete a ricostruire un'immagine diversa da quella di input ma appartenente alla medesima classe.
I risultati ottenuti, a discapito di una minore precisione della classificazione, presentano un comportamento “anomalo” nella ricostruzione degli output. Questi interessanti risultati hanno dato spazio ad ulteriori sperimentazioni che, come nel caso del classificatore di Mahalanobis, hanno dimostrato una maggiore efficienza nell’apprendere delle caratteristiche proprie di ogni classe del dataset MNIST.
Infine è stata realizzata una sorta di rete di “merging” delle classificazioni effettuate dalle due tipologie di reti. La nuova classificazione ottenuta è risultata più precisa rispetto ad entrambe le precedenti.
In generale i risultati ottenuti sono stati molto interessanti ed hanno dimostrato che la nuova metodologia adottata apre le porte a diverse sperimentazioni atte alla valorizzazione delle caratteristiche così apprese.
8
Vece, Michele. "Rete neurale per la predizione del ritardo nel pagamento delle fatture". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/19578/.
Texto completoResumen
Per un'impresa, la puntualità nella riscossione dei propri crediti ricopre un ruolo importante per la gestione della liquidità all'interno dell'azienda.
Inoltre, proprio per far fronte ad esigenze di liquidità, spesso l'impresa stipula contratti di cessione del credito, in base ai quali può rimanere responsabile dell'eventuale inadempienza del proprio cliente.
L'obiettivo di questo lavoro è la realizzazione di uno strumento che possa fornire supporto decisionale all'impresa in merito all'individuazione dei clienti potenzialmente insolventi, attraverso la creazione di un modello in grado di predire il ritardo o meno nel pagamento di un set di fatture.
Questo compito viene affrontato attraverso il machine learning, identificando il task come un problema di classificazione binaria e utilizzando un approccio che prevede un apprendimento supervisionato, offline e model-based.
Il risultato finale di questo lavoro è la realizzazione di una rete neurale feed-forward idonea alla risoluzione di tale task. La scelta di questo strumento è dovuta alla scarsa presenza, in letteratura, di esempi di una sua applicazione in questo ambito.
9
Di, Tommaso Claudia. "Meccanismi neurali per la rappresentazione semantica e lessicale: modello di una rete neurale per apprendere il significato di oggetti e parole". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2014. http://amslaurea.unibo.it/7910/.
Texto completoResumen
Lo studio della memoria semantica attraverso modelli teorici (qualitativi o matematici) gioca un ruolo importante nelle neuroscienze cognitive.
In questa tesi viene presentato un modello della memoria semantica e lessicale. Il principio alla base del modello è che la semantica di un oggetto è descritta attraverso una collezione di proprietà, che sintetizzano la percezione dell’oggetto nelle diverse regioni corticali. Gli aspetti semantici e lessicali sono memorizzati in regioni separate del cervello, ma reciprocamente connesse sulla base dell’esperienza passata, secondo un meccanismo di apprendimento Hebbiano. L’obiettivo del lavoro è indagare i meccanismi che portano alla formazione di categorie, analizzare il ruolo delle diverse proprietà nella costruzione di un concetto e le connessioni tra queste proprietà e la parola corrispondente al nome dell’oggetto.
Durante l’addestramento per ogni oggetto sono presentate alcune proprietà in input, con una data frequenza: alcune sono condivise, cioè appartengono a più di un concetto e permettono la formazione di categorie, altre sono distintive, cioè sono tipiche di un concetto e consentono la rappresentazione dei membri di una categoria. Un ulteriore aspetto riguardante le proprietà è la distinzione fra proprietà salienti, che sono spontaneamente evocate, e proprietà marginali.
E’ stata utilizzata una tassonomia composta da 11 parole che identificano 11 animali. La salienza è stabilita dalla frequenza con cui si verifica ciascuna proprietà. La distinzione tra proprietà condivise e distintive, e tra proprietà salienti e non salienti, è stata ottenuta mediante l’uso della regola di Hebb con una diversa soglia presinaptica e postsinaptica, producendo patterns di sinapsi asimmetriche all’interno della rete semantica (auto-associazione) e tra la rete semantica e lessicale (etero-associazione). La rete addestrata è in grado di risolvere compiti di riconoscimento e denominazione di oggetti, mantenendo una distinzione tra le categorie e i suoi membri, e fornendo un diverso ruolo per le proprietà salienti rispetto alle proprietà marginali.
10
Formentin, Sara Mizar. "Analisi della interazione onda - struttura mediante reti neurali. La riflessione ondosa". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2011. http://amslaurea.unibo.it/2859/.
Texto completo
11
Ciliegi, Federico. "Topologie non convenzionali per reti di neuroni artificiali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/19497/.
Texto completoResumen
Le reti neurali sono uno strumento informatico che si è progressivamente affermato dalla sua nascita, e si è distinto per le sue grandi potenzialità. Pur non essendo ancora presente una teoria matematica formale che le descriva, esse sono state approfonditamente studiate da ingegneri e informatici, rendendo il loro studio una branca tanto ampia quanto preziosa. In questa tesi presento alcuni modelli di rete neurale e ne illustro le caratteristiche a livello di topologia, elaborazione e addestramento.
12
Cotugno, Giosuè. "Dall’IA all’olio: come affinare i sistemi di classificazione della qualità attraverso tecniche di machine learning con l’utilizzo di reti neurali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2020. http://amslaurea.unibo.it/20837/.
Texto completoResumen
Sino ad oggi, per verificare se un olio è extravergine d’oliva o contiene dei difetti, non abbiamo potuto usufruire di molti supporti tecnologici, infatti la tecnica maggiormente utilizzata per la classificazione degli oli è il panel test che consiste nell’assaggio di questi da un gruppo di persone esperte. Recentemente a seguito di analisi oggettive delle mo- lecole costituenti l’olio, sono state introdotte ulteriori metodologie per la classificazione grazie all’utilizzo di analisi statistiche. Questa tesi, dunque, propone un ulteriore me- todo di classificazione grazie all’utilizzo delle reti neurali, ossia modelli computazionali composti da neuroni "artificiali" disposti su più livelli che si ispirano ad una rete neurale biologica. Utilizzando i dati sensoriali forniti dal panel test ed i dati molecolari ricava- ti da analisi chimiche, siamo stati in grado di creare un modello basato sulle reti neurali, capace di predire, con una certa accuratezza, la classe di appartenenza di un olio data la sua composizione molecolare. Le reti su cui si è basata questa sperimentazione sono le seguenti: resnet18, resnet50, mobilenet ed infine una rete neurale costruita ad–hoc per questo esperimento. Le prime tre sono reti convoluzionali, dunque specializzate nel riconoscimento di immagini, mentre la rete personalizzata ha la struttura di una classica rete neurale.L’utilizzo di tutte queste reti ha permesso di comprendere quale sia la miglior tipologia di rete su cui basare ulteriori ricerche nell’ambito della classificazione dell’olio e di comprendere quali siano le loro potenzialità. I risultati ottenuti hanno permesso di concludere che per riuscire a separare differenti classi di olio è sufficiente utilizzare reti neurali classiche e che la ricerca è sulla buona strada per riuscire a trovare uno strumento solido utile a questo scopo.
13
Taddei, Annalisa. "Studio e ottimizzazione della rete neurale HTM per la rilevazione di emissioni acustiche". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2020. http://amslaurea.unibo.it/21483/.
Texto completoResumen
Lo scopo dell’elaborato è stato quello di rilevare la presenza di emissioni acustiche mediante l’utilizzo di una rete neurale basata sull’algoritmo HTM e ottimizzata in ambiente MatLab. Tale algoritmo tenta di riprodurre il comportamento dei neuroni piramidali della neocorteccia, replicandone anche l’organizzazione gerarchica: i singoli neuroni, organizzati in mini-colonne, sono in grado di riconoscere un determinato ingresso creando collegamenti (sinapsi) fra di loro. Inoltre, attraverso fasi di apprendimento successive, possono rilevare l’istante in cui il comportamento della forma d’onda d’ingresso cambia dal rumore di background. Per fare ciò, è necessario dapprima realizzare una rappresentazione sparsa e distribuita dei valori di ingresso attraverso un encoder e uno spatial pooler, i primi due blocchi di cui si compone l’algoritmo HTM. In questo modo la rete sarà in grado di fare delle previsioni sugli ingressi futuri basandosi sulla storia passata precedentemente ricevuta come ingresso. Successivamente, va a confrontare le previsioni fatte con l’ingresso reale per verificare se la previsione fatta risulti corretta o meno. Sulla base di ciò, aggiorna i valori delle sinapsi e comprende quali eventi si verificano per la prima volta e quali invece si sono già verificati. L’algoritmo è stato testato su quindici forme d’onda differenti precedentemente rilevate in laboratorio, e successivamente i migliori risultati raggiunti in seguito all’ottimizzazione dei parametri, sono stati confrontati con quelli ottenuti dal software Numenta, preso come gold standard e realizzato sulla base dello stesso algoritmo: in questo modo è stato possibile valutare se l’algoritmo realizzato in MatLab fosse in grado o meno di effettuare la rilevazione voluta e con quale accuratezza, ovviamente rispetto al modello di riferimento, sapendo di avere come vantaggio la possibilità di modificare i parametri direttamente, cosa che sul software di Numenta non è possibile fare.
14
Gentile, Gloria. "Analisi di Sensitività di una Rete neurale per l’interazione visuo-tattile bilaterale". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019.
Buscar texto completoResumen
L'argomento sviluppato nel presente elaborato di tesi è incentrato sull'analisi della correlazione tra le rappresentazioni delle mappe visive e tattili delle due mani e l’impatto di un’esperienza multisensoriale sulle percezioni tattili. In particolare, sono stati valutati gli effetti sui risultati forniti da un modello matematico, precedentemente sviluppato, in grado di riprodurre il comportamento delle reti neurali coinvolte, indotti da modifiche nei valori dei suoi parametri. E’ stato valutato il ruolo che i diversi meccanismi implementati nella rete giocano nella capacità di simulare le abilità percettive tattili di differenti soggetti. I risultati sono stati confrontati con i dati ottenuti sperimentalmente dal professor Yau e colleghi, della Baylor University, in esperimenti durante i quali ai soggetti veniva chiesto di riportare le sensazioni tattili percepite su entrambe le mani, in risposta a diverse stimolazioni visuo-tattili. I valori dei parametri sono stati manipolati ed elaborati tramite il software Matlab, con il quale sono state compiute le diverse simulazioni che comprendono varie condizioni e combinazioni di stimoli visivi e tattili. E' stata variata l’ampiezza degli stimoli visivi per identificare l’efficacia degli stimoli da usare e poi sono state modificate le forze di connessione nelle sinapsi che collegano le varie aree della rete neurale. Infine sono stati fatti variare i parametri degli elementi neurali che simulano l’area destra in maniera tale da riprodurre le risposte dei pazienti che presentano estinzione tattile sinistra. In questo modo è stata evidenziata la correlazione tra una diminuzione nella percezione tattile su entrambe le mani e la variazione delle connessioni tra i due emisferi e dell’attività inibitoria e si evince l’importanza delle connessioni feedforward nella variazione della percezione tattile unilaterale, dovuta al rafforzamento o alla diminuzione dell’attività delle aree multimodali.
15
Zucchi, Lorenzo. "Fenomeni visivi durante movimenti oculari saccadici: studio mediante modello di rete neurale". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/17918/.
Texto completoResumen
Il mondo attorno a noi che percepiamo mediante la vista ci appare stabile nonostante le continue variazioni dell’input visivo prodotte dai movimenti oculari saccadici. Questi rapidi movimenti oculari servono per dirigere rapidamente la fovea da un punto all’altro della scena visiva. Secondo molti studi la stabilità visiva è imputabile ad un segnale detto “corollary discharge” (una copia del comando motorio) che informa anticipatamente le aree visive di alto livello (FEF, LIP) di una saccade imminente. La combinazione del segnale di “corollary discharge” con le informazioni visive correnti permetterebbe di ottenere un “remapping” anticipatorio della scena visiva futura (ovvero a saccade avvenuta) già immediatamente prima e durante la saccade, e ciò sarebbe alla base della stabilità visiva. Questo lavoro di tesi, oltre a studiare le teorie sulla stabilità visiva e su come il segnale di corollary discharge influisce su di essa, ha avuto come obbiettivo principale la realizzazione di un modello di rete neurale finalizzato alla simulazione di regioni visive di alto livello in grado di replicare i fenomeni visivi osservati immediatamente prima e durante le saccadi che sono imputabili alla presenza del segnale di “corollary discharge” e che presumibilmente contribuiscono alla stabilità visiva. I risultati delle simulazioni hanno mostrato un buon grado di accordo con i dati sperimentali. Il modello così realizzato può contribuire alla comprensione dei fenomeni visivi dovuti al “corollary discharge”.
16
Orlandini, Lucrezia. "Applicazione di reti neurali per l’implementazione di un modello di demand forecasting in ambito fashion". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019.
Buscar texto completoResumen
Ognuno di noi, in modo consapevole o meno, ogni volta che acquista un prodotto, posta un contenuto sui social media, cammina, parla o addirittura dorme, contribuisce alla produzione di 2.5 quintilioni di byte di dati (valore medio giornaliero). Allo stesso tempo però, non siamo solo generatori di dati, ma anche consumatori di essi. La ricerca di pattern e regolarità, attraverso metodi automatizzati di analisi, e il conseguente utilizzo per predire dati futuri non noti, è il campo di applicazione del Machine Learning, ramo dell’intelligenza artificiale.
Le tecniche di Machine Learning sono impiegate in numerosi campi, dalla medicina al mondo business.
In particolare, in quest’ultimo ambito una strategia efficiente di demand forecasting rappresenta un fattore determinante per il successo di un’azienda, soprattutto in ambito fashion.
All’interno dell’elaborato sono stati analizzati i dati relativi alle vendite di un’importante azienda di occhialeria di lusso che opera a livello mondiale. L’obiettivo di questa tesi è l’implementazione, per tale azienda, di un modello di previsione della domanda all’interno del mercato italiano. Il ciclo di vita del progetto è stato articolato in diverse fasi: individuazione del caso d’uso, preparazione e pulizia dei dati, modellazione, valutazione delle performance e sviluppo. La soluzione progettata consiste in un modello di rete neurale artificiale (ANN) che, basandosi sullo storico delle vendite degli anni 2017/2018 e sulle caratteristiche tecniche dei modelli di occhiali, fornisce una previsione della quantità ordinata di un articolo noto o inedito. Sono state testate diverse configurazioni di reti neurali artificiali a profondità, e quindi complessità, crescente e per ogni modello si è poi proceduto all’ottimizzazione degli iperparametri, ovvero alla ricerca dei valori per cui vengono fornite previsioni più accurate.
17
Angeli, Teresa. "Applicazione delle reti neurali residuali ai mercati energetici e loro interpretazione come problema di controllo ottimo stocastico". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2021. http://amslaurea.unibo.it/23925/.
Texto completoResumen
La tesi ha l'obiettivo di stabilire un legame tra reti neurali residuali e teoria del controllo ottimo stocastico, a partire dalla formulazione proposta da E, Han e Li nell'articolo "A mean-field optimal control formulation of deep learning". Tale legame è indagato dal punto di vista teorico, attraverso lo sviluppo e lo studio del problema di controllo ottimo stocastico coinvolto. L'idea è quella di interpretare una rete neurale residuale come un problema di controllo ottimo a tempo continuo, supponendo di far tendere all'infinito il numero di strati. In questo modo i pesi della rete, ovvero i parametri che devono essere calibrati per garantire una buona capacità predittiva, vengono identificati con il processo di controllo soluzione del problema di controllo ottimo.
Dal punto di vista teorico, vengono utilizzati strumenti quali il principio della programmazione dinamica e la nozione di soluzione di viscosità per l'equazione di Hamilton-Jacobi-Bellman, che coinvolge operatori differenziali recentemente proposti da Pierre-Louis Lions per funzioni definite sullo spazio di Wasserstein delle misure di probabilità con momento secondo finito.
Dal punto di vista applicativo, si è scelto di utilizzare una rete neurale residuale del pacchetto Keras di Python per risolvere un problema reale legato all'ambito dei mercati energetici, con lo scopo di indagare la relazione tra prezzi e volumi dei sottostanti di interesse.
Il contributo di questo lavoro di tesi è quindi dato da una formulazione rigorosa del legame tra rete residuale e problema di controllo e ad una generalizzazione dei risultati teorici necessari alla caratterizzazione dei parametri ottimali. L'ipotesi che viene suggerita è che un ulteriore sviluppo teorico del problema di controllo ottimo possa dare un supporto utile alle applicazioni, attraverso diversi algoritmi di risoluzione o fornendo opportune caratterizzazioni dei parametri ottimali.
18
Codicè, Francesco. "Rete neurale per la predizione end-to-end dello stato di ossidazione delle cisteine e la connettività dei ponti disolfuro". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2020. http://amslaurea.unibo.it/20593/.
Texto completoResumen
Le proteine sono macromolecole fondamentali in moltissimi processi biologici essenziali per gli organismi viventi e diverse sono le funzioni che possono svolgere: possono ad esempio fungere da anticorpi per proteggere gli organismi da patogeni esterni oppure possono avere ruoli di natura strutturale.
Le proteine sono costituite da catene di aminoacidi che ne determinano la
forma, ossia il modo in cui una proteina si ripiega, che a
sua volta determina la funzione svolta. Fra i vari fattori che hanno importanza nella conformazione delle proteine vi è l'aminoacido cisteina . Esso ha come singolarità funzionale il fatto di poter formare forti legami chiamati
ponti disolfuro . I ponti disolfuro hanno un importante ruolo a livello sia
strutturale che funzionale nelle proteine. Questi legami covalenti si formano
per l'ossidazione di coppie di cisteine . Essendo questi legami particolarmente interessanti, sono stati sviluppati diversi metodi computazionali in silico per la predizione, data la sequenza relativa ad una proteina, delle cisteine coinvolte in questi legami.
Il problema è comunemente affrontato con due approcci: nel primo, data la sequenza di aminoacidi di una proteina, si predice lo stato di ossidazione delle cisteine, ossia si predice binariamente per ogni cisteina se é coinvolta o meno in un ponte disolfuro; nel secondo approccio si predice lo schema di connettività delle cisteine ovvero si predicono quali sono le coppie di cisteine legate da ponti disolfuro.
In questa tesi si descrive la costruzione di una rete neurale basata sull'approccio del multitask learning , in altre parole si tratta dell'addestramento di un modello per effettuare predizioni diverse contemporaneamente, sfruttando la condivisione di parte dei parametri del modello. E' descritta la costruzione di una rete neurale multitask per la predizione in un unico modello dello stato di ossidazione delle cisteine e dello schema di connettività delle stesse, partendo dalla sequenza di aminoacidi.
19
Monti, Alice. "Modelli neuro-computazionali di memoria semantica: analisi dell'apprendimento dipendente dal contesto e sincronismo neurale". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/19025/.
Texto completoResumen
I meccanismi neurali di memoria semantica sono fondamentali per capire deficit di conoscenza. Sono stati sviluppati modelli per lo studio della memoria per capire come la conoscenza del significato concettuale sia immagazzinata nel sistema nervoso. Un tipo di rete neurale è quella basata su dinamiche attrattive: informazioni che caratterizzano i concetti vengono espresse dall'attivazione simultanea di gruppi neuronali codificanti proprietà. La semantica di un concetto si descrive tramite collezioni di features che sintetizzano la conoscenza del concetto. Attraverso l'apprendimento sinaptico, un concetto viene memorizzato come punto di equilibrio; l'informazione completa si ripristina a partire da un punto iniziale. Le reti attrattive basate su proprietà forniscono intuizioni su fenomeni riguardanti la memoria in condizioni normali e patologiche. Questi modelli spiegano il ruolo delle features nella rappresentazione e la distinzione tra concetti subordinati e sovraordinati, presupponendo un ruolo diverso nell'archiviazione e nel ripristino. Nel presente lavoro, è stato esteso un modello di rete semantica monodimensionale e si sono indagati i meccanismi che portano alla formazione di categorie. Si vuole comprendere come le connessioni tra proprietà siano indotte dall’esperienza. La semantica di un oggetto dipende dal contesto, ovvero da proprietà che tendono a verificarsi insieme. Si studia infine un modello con oscillatori per mantenere in memoria differenti rappresentazioni. La sincronizzazione consente il ripristino simultaneo di concetti diversi risolvendo il problema di “binding & segmentation”. Le simulazioni mostrano come, evocando alcune features, siano richiamate le proprietà salienti; i risultati forniscono indicazioni sui meccanismi neurali usati per formare le categorie. La rete risolve compiti di riconoscimento concettuale, mantenendo la distinzione tra categorie e singoli membri, e discriminando tra features salienti e marginali.
20
Rainò, Luigi Armando. "Metodo speditivo per la valutazione del comportamento strutturale di edifici intelaiati in calcestruzzo armato: studio dell’influenza della forma e delle caratteristiche costruttive mediante l’applicazione di reti neurali". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2017.
Buscar texto completoResumen
L’Italia è uno dei paesi a maggior rischio sismico del Mediterraneo, per la frequenza dei terremoti che hanno da sempre interessato il suo territorio e per l’intensità che alcuni di essi hanno raggiunto, generando un impatto sociale e economico rilevante. Con questa tesi si mira a creare un metodo speditivo in grado di calcolare le accelerazioni massime a cui possono resistere gli edifici in cemento armato a struttura intelaiata, in modo tale da riuscire a definire quali edifici sono meno propensi a resistere in caso di sisma. Per fare questo sono stati calcolati 800 edifici attraverso un software di calcolo strutturale, calcolando le 3 PGA per ogni edificio variando caratteristiche geometriche e tecniche (Qualità calcestruzzo, qualità dell’acciaio, interasse staffe nei nodi, staffe nei pilastri, area di armatura longitudinale nei pilastri, armatura longitudinale della trave in estradosso, armatura longitudinale della trave in intradosso e la dimensione dei pilastri). La problematica principale è stata trovare la modalità per inserire all’interno della rete neurale la pianta dell’edificio, problema ovviato associando ogni pianta a una matrice dove vengono indicati i pilastri e dove sono rappresentate gli interassi. Una volta ottenute tutte le PGA è stata addestrata una rete neurale in grado di interpretare i dati inseriti e che è in grado di determinare la PGA di qualsiasi edificio con qualsiasi caratteristica. Il risultato finale è un Database, grazie al quale inserendo i dati dell’edificio di cui si vogliono ottenere le informazioni, permette di ottenere con estrema rapidità le tre PGA.
21
Russo, Giulio. "Metodi speditivi per la valutazione del comportamento strutturale di edifici intelaiati in c.a. mediante l'applicazione di reti neurali. Studio dell'influenza delle caratteristiche meccaniche e geometriche: analisi e valutazione dei risultati". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019.
Buscar texto completoResumen
Lo studio in oggetto è volto a ricercare una metodologia speditiva per la valutazione della vulnerabilità sismica di edifici in calcestruzzo armato che permetta al tecnico di conoscere i principali parametri di risposta sismica dell’edificio in poco. La metodologia studiata si fonda su una raccolta di dati da un numero molto elevato di edifici presi come casi di studio, di cui per ognuno si costruisce un modello per mezzo di un software strutturale e si ricavano i parametri di risposta sismica. Con questa base di dati si istruisce una rete neurale artificiale appositamente creata, da cui l’utilizzatore finale inserendo alcuni parametri che caratterizzano il suo edificio, potrà ricavare in pochi passaggi, i dati sulla risposta sismica con un buon grado di approssimazione rispetto ai dati ottenuti mediante valutazione approfondita. Altri due elaborati di tesi sviluppati in precedenza sul tema hanno evidenziato l’esigenza di un approfondimento dello studio, ridefinendo i parametri di analisi, cambiando la tipologia dei modelli usati per la base analitico-statistica e la tipologia di analisi sismica e creando una nuova rete neurale più performante.
L’osservazione e la valutazione dei risultati ottenuti dalla modellazione e dalla rete neurale sono i temi principali di questo elaborato. Sono stati utilizzati i seguenti Software: SAP 2000 della CSI – Italia Srl, necessario all’analisi statica non lineare dei casi studiati (Pushover).
Sulle risposte fornite dalla modellazione si è svolta un’indagine al fine di evidenziare quale parametro fosse maggiormente incidente in termini di vulnerabilità sismica di un edificio; per quanto riguarda lo sviluppo della rete, lo studio elaborato sulla sua struttura e sugli algoritmi di apprendimento ha portato a nuovi approfondimenti volti a migliorarne l’accuratezza nei risultati in uscita.
Infine, si è giunti alla validazione della rete neurale, ottenuta testando il suo comportamento e la sua precisione.
22
Gnucci, Valentina. "Metodi speditivi per la valutazione del comportamento strutturale di edifici intelaiati in c.a. mediante l'applicazione di reti neurali. Studio dell'influenza delle caratteristiche meccaniche e geometriche: scelta dei parametri di analisi". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019.
Buscar texto completoResumen
Lo studio in oggetto è volto a ricercare una metodologia speditiva per la valutazione della vulnerabilità sismica di edifici in calcestruzzo armato che permetta al tecnico di conoscere i principali parametri di risposta sismica dell’edificio in poco tempo e con un buon grado di affidabilità. La metodologia studiata si fonda su una raccolta di dati da un numero molto elevato di edifici presi come casi di studio, di cui per ognuno si costruisce un modello per mezzo di un software strutturale e si ricavano i parametri di risposta sismica. Con questa base di dati si istruisce una rete neurale artificiale appositamente creata, da cui l’utilizzatore finale inserendo alcuni parametri che caratterizzano il suo edificio, potrà ricavare in pochi passaggi, i dati sulla risposta sismica con un buon grado di approssimazione rispetto ai dati ottenuti mediante valutazione approfondita. Altri due elaborati di tesi sviluppati in precedenza sul tema hanno evidenziato l’esigenza di un approfondimento dello studio, ridefinendo i parametri di analisi, cambiando la tipologia dei modelli usati per la base di dati e la tipologia di analisi sismica e creando una nuova rete neurale più performante.
Come software per la modellazione è stato scelto SAP 2000 della CSI – Italia Srl un programma di calcolo agli elementi finiti pensato per l’ingegneria civile e la risposta sismica è stata valutata mediante un’analisi statica non lineare (Pushover).
Per la creazione dei modelli e per la scelta dei nuovi parametri di analisi che andavano ottimizzati è nata la necessità di andare a studiare un caso concreto al fine di approfondire la conoscenza dell’edilizia residenziale in calcestruzzo armato nei vari periodi storici. Sono state così gettate le basi per un’analisi tipologica dell’edilizia residenziale in calcestruzzo armato, unica nel suo genere e dagli sviluppi molto interessanti.
23
Scalella, Martina. "Analisi del ventriloquismo temporale mediante rete neurale". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2016. http://amslaurea.unibo.it/11532/.
Texto completoResumen
La percezione coerente del mondo esterno è basata sull'integrazione della grande varietà di input provenienti dalle differenti modalità sensoriali. Il processo di elaborazione delle diverse informazioni recepite, fin dalle prime fasi, è caratterizzato da meccanismi ancora in fase di studio, che, però, possono essere rilevati tramite l’utilizzo di modelli computazionali basati su una rete neurale specifica. In questa Tesi si è preso in considerazione il modello neurale elaborato per simulare gli aspetti spaziali e temporali di illusioni audiovisive, quali l’effetto ventriloquismo e la fission illusion, in modo da poter svolgere un’analisi computazionale del ventriloquismo temporale. Il principale effetto di questo fenomeno consiste nello spostamento dell’istante di occorrenza di uno stimolo visivo verso quello di un segnale acustico presentato in prossimità temporale. Il modello, basato principalmente sul fatto che i neuroni visivi e uditivi comunicano tramite sinapsi eccitatorie e che i campi recettivi spazio-temporali sono differenti per le due modalità sensoriali, è in grado di riprodurre i principali effetti dell’integrazione temporale tra gli stimoli, dando luogo all'effetto illusorio. Si è adattato il modello in modo da rilevare, quantificare e misurare l’estensione del ventriloquismo temporale per diverse disposizioni spaziali e temporali di presentazione degli stimoli. L’analisi è stata ripetuta variando i principali parametri, in modo da rilevare la sensibilità del modello e, quindi, fare valutazioni sui fattori particolarmente influenzanti il fenomeno, confrontando poi i risultati con i dati in letteratura.
24
Soncini, Filippo. "Classificazione di documenti tramite reti neurali". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2020. http://amslaurea.unibo.it/20509/.
Texto completoResumen
Questo elaborato è stato proposto con l’obbiettivo di affrontare il problema della classificazione di documenti utilizzando sia contenuti visivi che testuali, cercando di analizzare diverse reti e diverse combinazioni di esse per poi sviluppare un modello personalizzato.
25
Damiani, Lucia. "Studio dell'integrazione multisensoriale nella corteccia attraverso rete neurale". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2016. http://amslaurea.unibo.it/9741/.
Texto completoResumen
L'argomento di questa tesi è la multisensorialità sensoriale.
L'obbiettivo che abbiamo perseguito è stato quello di utilizzare un modello sviluppato in precedenza per effettuare un'analisi di sensitività e capire il ruolo che hanno i vari fattori per lo sviluppo della rete neurale. Inoltre abbiamo cercato di mostrare come effettivamente tale modello, come da letteratura, effettui una stima bayesiana.
Al termine di questo lavoro si è evidenziata la forte influenza degli stimoli cross-modali nell'adattamento automatico della rete verso stimoli più precisi e del ventriloquismo necessario a ponderare gli stimoli a seconda del loro grado di affidabilità. Inoltre è stato dimostrato che attraverso l'utilizzo di una regola di apprendimento realistica, la rete neurale può imparare la funzione di verosimiglianza.
Uno stimatore bayesiano di questo tipo riesce a rappresentare realisticamente l'integrazione multisensoriale che il nostro cervello deve intraprendere quando si trova davanti a più stimoli di natura sensoriale diversa. Molto interessanti anche gli sviluppi possibili di questo progetto che verranno accennati nelle ultime parti di questa tesi.
26
Sousa, Fabiano Berardo de. "Análise de modelo de Hopfield com topologia de rede complexa". Universidade de São Paulo, 2013. http://www.teses.usp.br/teses/disponiveis/55/55134/tde-30012014-111520/.
Texto completoResumen
Redes neurais biológicas contêm bilhões de células (neurônios) agrupadas em regiões espacial e funcionalmente distintas. Elas também apresentam comportamentos complexos, tais como dinâmicas periódicas e caóticas. Na área da Inteligência Artificial, pesquisas mostram que Redes Neurais Caóticas, isto é, modelos de Redes Neurais Artificiais que operam com dinâmicas complexas, são mais eficientes do que modelos tradicionais no que diz respeito a evitar memórias espúrias. Inspirado pelo fato de que o córtex cerebral contém agrupamentos de células e motivado pela eficiência no uso de dinâmicas complexas, este projeto de pesquisa investiga o comportamento dinâmico de um modelo de Rede Neural Artificial Recorrente, como o de Hopfield, porém com a topologia sináptica reorganizada a ponto de originar agrupamentos de neurônios, tal como acontece em uma Rede Complexa quando esta apresenta uma estrutura de comunidades. O modelo de treinamento tradicional de Hopfield também é alterado para uma regra de aprendizado que posta os padrões em ciclos, gerando uma matriz de pesos assimétrica. Resultados indicam que o modelo proposto oscila entre comportamentos periódicos e caóticos, dependendo do grau de fragmentação das sinapses. Com baixo grau de fragmentação, a rede opera com dinâmica periódica, como consequência da regra de treinamento utilizada. Dinâmicas caóticas parecem surgir quando existe um alto grau de fragmentação. Mostra-se, também, que é possível obter caoticidade em uma topologia adequadamente modular, ou seja, como uma estrutura de comunidades válida. Desta forma, este projeto de pesquisa provê uma metodologia alternativa para se construir um modelo de Rede Neural Artificial que realiza tarefas de reconhecimento de padrões, explorando dinâmicas complexas por meio de uma estrutura de conexões que se mostra mais similar à topologia existente no cérebroBiological neural networks contain billions of neurons divided in spatial and functional clusters to perform dierent tasks. It also operates with complex dynamics such as periodic and chaotic ones. It has been shown that Chaotic Neural Networks are more efficient than conventional recurrent neural networks in avoiding spurious memory. Inspired by the fact that the cerebral cortex has speficic groups of cells and motivated by the efficiency of complex behaviors, in this document we investigate the dynamics of a recurrent neural network, as the Hopfield one, but with neurons coupled in such a way to form a complex network community structure. Also, we generate an asymmetric weight matrix placing pattern cycles during learning. Our study shows that the network can operate with periodic and chaotic dynamics, depending on the degree of the connection\'s fragmentation. For low fragmentation degree, the network operates with periodic dynamic duo to the employed learning rule. Chaotic behavior seems to rise for a high fragmentation degree. We also show that the neural network can hold both chaotic dynamic and a high value of modularity measure at the same time, indicating an acceptable community structure. These findings provide an alternative way to design dynamical neural networks to perform pattern recognition tasks exploiting periodic and chaotic dynamics by using a more similar topology to the topology of the brain
27
Corazza, Michele. "Coreference Resoultion basata su reti neurali deep". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2017. http://amslaurea.unibo.it/14554/.
Texto completoResumen
L’utilizzo di reti neurali deep nell’ambito dell’elaborazione del linguaggio naturale sta conducendo negli ultimi anni a risultati significativi in task molto disparati, dalla speech recognition all’analisi semantica.
La ragione di tali innovazioni risiede nelle capacità computazionali odierne, in grado di supportare l’utilizzo di reti neurali con molti livelli nascosti, dette appunto deep, e di strumenti innovativi quali le recurrent neural network, convolutional neural network e la possibilità di costruire word embedding tramite word2vec o strumenti analoghi.
Fra i task irrisolti nell’ambito delle reti neurali, è di particolare interesse lo studio della coreference resolution. In tale task l’obiettivo è quello di risolvere le coreferenze in un testo, ovvero associare menzioni che si riferiscono ad una stessa entità. Il fenomeno in esame risulta particolarmente interessante, in
quanto comprende aspetti semantici e sintattici del linguaggio, che devono essere utilizzati per giungere a buoni risultati. Un ulteriore caratteristica della coreference è la relazione di tale fenomeno con il concetto di “contesto linguistico”. È infatti dal contesto che circonda una menzione che è possibile intuire a quale entità esso si riferisca.
Si presenta con questa tesi un solver per la coreference basato su reti neurali deep, che sfrutti reti recurrent per trattare il problema. La proposta si basa sulla supposizione che sia necessario introdurre delle componenti della rete che siano in grado di fornire una rappresentazione delle menzioni, in modo da poter utilizzare tali risultati per affrontare il problema della coreference resolution.
28
Vagnoni, Ulderico. "Analisi di immagini storiche con reti neurali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/19624/.
Texto completoResumen
Durante il lavoro di tesi è stata realizzata una applicazione web finalizzata al caricamento e modifica di immagini storiche. L'applicazione web è stata realizzata sfruttando tecnologie come il PHP, per il lato back-end, Javascript, HTML e CSS, per il lato front-end, e MySQL per la creazione e gestione del database.
L’applicazione offre, inoltre, una funzionalità di rilevamento volti per le immagini caricate. Per tale funzionalità è stata impiegata la rete neurale convoluzionale You Only Look Once (YOLO).
Durante il lavoro di tesi, sono stati svolti degli esperimenti per verificare le prestazioni della rete neurale. Tali esperimenti consistevano nell'analizzare 5000 immagini processate da YOLO per poter individuare i True Positive, False Positive e False Negative necessari a calcolare il miss rate e la sensitività dell’algoritmo.
29
Brigandì, Camilla. "Utilizzo della omologia persistente nelle reti neurali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2022.
Buscar texto completoResumen
Lo scopo di questa tesi è quello di introdurre alcune applicazioni della topologia algebrica, e in particolare della teoria dell’omologia persistente, alle reti neurali. A tal fine, nel primo capitolo dell’elaborato vengono introdotti i concetti di neurone e rete neurale artificiale. Viene posta particolare attenzione sull’addestramento di una rete, spiegando anche delle problematiche e delle caratteristiche ad esso legate, come il problema dell’overfitting e la capacità di generalizzazione. All’interno dello stesso capitolo vengono anche esposti il concetto di similarità tra due reti e il concetto di pruning, e vengono definiti rigorosamente i problemi di classificazione. Nel secondo capitolo vengono introdotte le nozioni basilari relative all’omologia persistente, vengono forniti degli strumenti utili alla visualizzazione e comparazione di tali nozioni (i barcodes e i diagrammi di persistenza), e vengono esposti dei metodi per la costruzione di complessi simpliciali a partire da grafi o insiemi di punti in R^d. Nel terzo e ultimo capitolo vengono riportati i risultati di applicazione cui ci si riferiva all’inizio dell’abstract. In particolare, vengono esposte delle ricerche basate sull’utilizzo dell’omologia persistente riguardanti la creazione di misure di espressività e similarità di architetture neurali, la messa a punto di un metodo di pruning, la creazione di una rete neurale resistente agli adversarial attacks di misura data, e alcuni risultati sulla modifica topologica dei dati che vengono elaborati da un’architettura neurale.
30
ZANCATO, LUCA. "Sull'addestrabilità e generalizzazione delle Reti Neurali Profonde". Doctoral thesis, Università degli studi di Padova, 2022. http://hdl.handle.net/11577/3446030.
Texto completoResumen
Negli ultimi anni abbiamo assistito all'ascesa delle Reti Neurali Profonde.
Sin dall'introduzione di AlexNet, nel 2012, la comunità di ricercatori e industrie che sfruttano l'Apprendimento Profondo è cresciuta a dismisura.
Tale aumento di visibilità ha portato all'avanzamento dello stato dell'arte in diversi campi: visione artificiale, elaborazione del linguaggio naturale e modellazione di serie temporali. Il successo dell'apprendimento profondo ha posto nuove sfide metodologiche per l'accademia e al tempo stesso ha reso possibile all'industria il dispiego di servizi web su larga scala impensabili pochi anni fa.
Nonostante tale indiscutibile successo, l'apprendimento automatico non è privo di limiti: sviluppare nuovi modelli è costoso, la loro interpretabilità è scarsa, il loro impiego richiede esperti altamente specializzati e, non per ultimo, ogni rete neurale profonda richiede un grande quantitativo di dati per essere allenata.
In più, in letteratura mancano ancora risultati teorici fondamentali a garantire la convergenza dell'ottimizzazione e la generalizzazione dei modelli profondi.
In questa tesi studiamo l'addestrabilità e la capacità di generalizzazione delle reti neurali profonde: in particolare, analizziamo le traiettorie di ottimizzazione e di generalizzazione di modelli sovra parametrizzati; in più, proponiamo un bias induttivo specializzato e una regolarizzazione che favoriscono sia l'interpretabilità che la generalizzazione delle reti neurali profonde.
Il punto di partenza della nostra analisi è un risultato recentemente proposto in letteratura: il “Neural Tangent Kernel” per modelli sovra parametrizzati.
Basandoci su questo strumento, studiamo il numero di passi di ottimizzazione necessari ad una rete neurale profonda pre-allenata per convergere ad un dato valore della funzione di costo (“Tempo di Allenamento”). In più, sfruttando la teoria sul “Neural Tangent Kernel”, risolviamo il problema di scegliere il miglior modello pre-allenato all'interno di un “model zoo” quando solamente i dati su cui allenare la rete neurale sono noti e senza ottimizzare alcun modello.
La nostra analisi è spinta dalla necessità di sbloccare l'adozione di sistemi per la visione artificiale su larga scala: in cui gli utenti allenano modelli selezionandoli all'interno di un “model zoo” ottenuto combinando svariate architetture pre-allenate ed iper-parametri, ma sono riluttanti a farlo senza una stima del costo. I nostri risultati, basati su una nuova analisi dell'interazione tra generalizzazione e sovra-parametrizzazione, sono un passo avanti nello studio della capacità di adattamento delle reti neurali profonde.
Sfruttando questi risultati proponiamo quindi una nuova architettura profonda basata su un forte bias induttivo e regolarizzazione esplicita, entrambi sono pensati ed usati per limitare la capacità espressiva dell'architettura e permettono di applicare tecniche Bayesiane di selezione automatica della complessità. Per concludere, applichiamo con successo il nostro metodo per l’identificazione di sistemi non-lineari e per l’individuazione di anomalie su serie temporali di grandi dimensioni.The last few years have witnessed the rise of Deep Neural Networks. Since the introduction of AlexNet in 2012, the community of researchers and industries employing Deep Learning has exploded. This surge in attention led to the development of State of The Art algorithms in many different fields such as Computer Vision, Natural Language Processing and Time Series modeling. The empirical success of Deep Learning posed new methodological challenges for academia and allowed industry to deploy world-wide large scale web services unthinkable ten years ago. Despite such incontrovertible success, Deep Learning does not come free of issues: model design is highly costly, model interpretability is not easy, deployment often requires very specialized experts and, not least, any Deep Neural Network requires a large amount of data for training. Moreover, from a theoretical standpoint many important guarantees on optimization convergence and generalization are still lacking. In this thesis we address trainability and generalization of Deep Neural Network models: we analyze the optimization trajectories and the generalization of typical over-parametrized models; moreover, we design a specialized inductive bias and regularization scheme to foster interpretability and generalization of Deep Neural Networks. The starting point in our analysis is a recently proposed tool: the Neural Tangent Kernel for over-parametrized models. Building on this fundamental result, we investigate the number of optimization steps that a pre-trained Deep Neural Network needs to converge to a given value of the loss function ("Training Time"). Moreover, we exploit the Neural Tangent Kernel theory to solve the problem of choosing the best pre-trained Deep Neural Network within a "model zoo" when only the target dataset is known and without training any model ("Model Selection"). Our analysis started to unblock the adoption of real-world Computer Vision AutoML systems: Users fine-tune models selected from a large "model zoo" testing hundreds of combinations of different architectures, pre-training sets and hyper-parameters, but are reluctant to do so without an estimate of the expected training cost. Our results are a step towards better understanding of transfer learning through a novel study on the interplay between generalization and highly over-parametrized Deep Neural Networks. We then build a specialized Deep architecture equipped with a strong inductive bias and explicit regularization, that are designed both to constrain the representational power of our architecture and to allow Bayesian automatic complexity selection. Then, we show our novel method can be successfully applied both for non-linear System Identification and for Anomaly Detection of large scale Time Series.
31
Cino, G. "Implementazione ed analisi di reti neurali wetware". Doctoral thesis, Università degli Studi di Milano, 2007. http://hdl.handle.net/2434/180804.
Texto completoResumen
The thesis describes a hardware/sofwtare system based on human neurons adhering to microelectrode arrays and interfaced to a robotic actuator. After a learning phase, the user stimulates the biological network of neurons by means of digital bidimensional patterns, the neurons react in an organized fashion and the Artificial Neural Network decodes their signals moving the robot. The system replies with more than 90% correct answers.
32
Ciotti, Lorenzo. "Rete Neurale per il Raffinamento di Mappe di Disparità". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2018.
Buscar texto completoResumen
All'interno del lavoro di tesi si è realizzata una rete neurale per il raffinamento di mappe di disparità. Si è partiti da un'architettura cGAN utilizzata per l'image to image translation e si è cercato di valutarne, attraverso una fase di analisi preliminare, i risultati nell'ambito applicativo di interesse. Si è cercato successivamente di modificare l'architettura iniziale al fine di limitare le problematiche riscontrate ed ottenere dei risultati soddisfacenti. All'interno di tale lavoro sono stati presi in considerazione algoritmi differenti per il calcolo delle mappe di disparità iniziali, al fine di comprendere meglio i punti di forza e le limitazioni della nostra architettura.
33
Menegaz, Mauricio. "Aplicação da rede GTSOM para navegação de robôs móveis utilizando aprendizado por reforço". reponame:Biblioteca Digital de Teses e Dissertações da UFRGS, 2009. http://hdl.handle.net/10183/22816.
Texto completoResumen
Neste trabalho será descrita uma arquitetura de agente robótico autônomo projetada para ser capaz de criar uma representação de estado do ambiente e de realizar o aprendizado de tarefas simples em cima desta representação. A rede GTSOM (BASTOS, 2007) foi selecionada como método para classificação de estados. Sua tarefa é transformar os dados multidimensionais e contínuos lidos dos sensores em uma representação discreta, permitindo o uso de aprendizado por reforço convencional. Algumas modificações no algoritmo da rede foram necessárias para que pudesse ser aplicada neste contexto. Juntamente com esta rede, foi utilizado um mapa de grade que permite associar as experiências sensoriais com sua localização espacial. Enquanto a rede GTSOM é o ponto central de um sistema de classificação de estados, o algoritmo Q-Learning de aprendizado por reforço foi utilizado para a realização da tarefa. Utilizando a representação compacta de estado criada pela rede auto-organizável, o agente aprende as ações que devem ser executadas em cada ponto, para atingimento de seus objetivos. O modelo foi testado com um experimento que consiste em encontrar um objeto em um labirinto. Os resultados obtidos nos testes mostraram que o modelo consegue segmentar adequadamente o espaço de estados, e realiza o aprendizado da tarefa. O agente consegue aprender a evitar colisões e memorizar a localização do alvo, podendo chegar até ele independentemente de sua posição inicial. Além disso, é capaz de expandir sua representação sempre que se depara com situações não conhecidas, ao mesmo tempo que gradualmente remove da memória estados associados a experiências que não se repetem.This work describes an architecture for an autonomous robotic agent that is capable of creating a state representation of its environment and learning how to execute simple tasks using this representation. The GTSOM Neural Network was chosen as the method for state clustering. It is used to transform the multidimensional and continuous state signal into a discrete representation, allowing the use of conventional reinforcement learning techniques. Some modifications on the algorithm were necessary so that it could be used in this project. This network is used together with a grid map algorithm that allows the model to associate the sensor readings with the places where they ocurred. While the GTSOM network is the main component of a state clustering system, the Q-Learning reinforcement learning method was chosen for the task execution. Using the compact state representation created by the self-organizing network, the agent learns which actions to execute at each state in order to achieve its objectives. The model was tested in an experiment that consists in finding the path in a maze. The results show that it can divide the state space in an useful way, and is capable of executing the task. It learns to avoid collisions and remembers the location of the target, even when the robot’s initial position is changed. Furthermore, the representation is expanded when the agent faces an unknown situation, and at the same time, states associated with old experiences are forgotten.
34
Negrini, Melissa. "Tatto artificiale: studio ed implementazione di una rete neurale per la localizzazione di impatti". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2018. http://amslaurea.unibo.it/17342/.
Texto completoResumen
Il tatto artificiale è un elaborato che tratta il sistema nervoso artificiale a partire dalla descrizione del sistema nervoso biologico. Nei primi capitoli viene descritto nel particolare il sistema nervoso biologico e di seguito il sistema nervoso artificiale mettendolo in relazione al primo e spiegando come vengono imitate le parti del sistema nervoso biologico da parti meccaniche e informatiche.
L’argomento centrale della tesi tratta la classificazione di impatti su una lastra piana a partire da algoritmi implementati in ambiente Matlab. Attraverso l’uso di 4 script si generano dei dati che vengono usati per addestrare la rete neurale che per mezzo di un algoritmo di feed-forward impara la relazione input/output.
I test sono stati attuati su una lastra di alluminio quadrata di lato 1m sulla quale sono stati applicati 4 sensori piezoelettrici in grado di restituire l’angolo dell’impatto. Lo studio è stato limitato agli angoli compresi nel perimetro delimitato dai sensori. In particolare, questa area è stata suddivisa in 25 classi geometricamente equivalenti. La rete ottenuta ha raggiunto l’obiettivo di stabilire in quale di quelle 25 aree è avvenuto l’impatto con un errore accettabile.
35
D'Amato, Ester. "Simulazione di attività neuroelettrica corticale durante compiti motori in pazienti post-ictus con lesione unilaterale". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/17487/.
Texto completoResumen
Lo studio dei ritmi celebrali è una tematica molto sentita dalle neuroscienze moderne, in quanto strettamente connessa al crescente interesse verso le dinamiche neurali, che rivestono un ruolo fondamentale nei processi di elaborazione del cervello. Questi ritmi sono il prodotto dell’interazione di innumerevoli gruppi neurali che condividono ed elaborano le informazioni attraverso processi chimici ed elettrici. L’attività svolta dalle popolazioni neuronali può essere osservata e misurata attraverso un apposito strumento, l’elettroencefalografo (EEG) che, attraverso un gran numero di elettrodi posizionati sullo scalpo, misura i campi elettromagnetici prodotti dall’attività delle cellule nervose. Le onde registrate presentano caratteristiche differenti che dipendono dallo stato psicofisico del soggetto durante la fase di acquisizione: ad esempio se è rilassato o sta svolgendo un task motorio oppure se è affetto da una qualche patologia permanente o temporanea come una lesione cerebrale dovuta a eventi traumatici o patologici, quali malattie neurodegenerative o problemi vascolari. Molti studiosi e ricercatori si sono cimentati nella realizzazione di modelli di sistemi neurali che riuscissero a replicare tali dinamiche e a generare segnali simili agli EEG reali. Questi modelli prevedono l’uso di un numero di variabili di stato ridotto rispetto alla precedenza classe e in cui viene modellata un’intera popolazione di neuroni. Essi forniscono un quadro più generale dei meccanismi celebrali e meglio riproducono l’attività ritmica registrata tramite l’EEG.
Questo lavoro di tesi nasce per studiare i meccanismi esistenti tra varie aree della corteccia cerebrale in soggetti con lesione unilaterale a cui è richiesto di svolgere un semplice task motorio. L’obiettivo è di riuscire a simulare, attraverso un modello a massa neurale, gli spettri reali e stimare quei parametri del modello che influenzano tali spettri a cui è possibile attribuire un significato neurofisiologico.
36
Di, Luzio Andrea. "Reti Neurali Convoluzionali per il riconoscimento di caratteri". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2016.
Buscar texto completoResumen
Il problema del riconoscimento ottico di caratteri all’interno delle immagini è ormai studiato da decenni e, nel corso degli anni, sono stati proposti molti algoritmi che mirano a risolvere il problema a vari livelli di “generalità” (cioè con la presenza o meno di vincoli relativi alle caratteristiche dell’immagine da analizzare). Tuttavia, ad oggi, molti tra i software (che si occupano del riconoscimento di caratteri) sviluppati per il robot Nao di Aldebaran Robotics si appoggiano a librerie software di Optical Character Recognition (OCR) già pronte all'uso come, ad esempio, Tesseract.
In questa tesi verrà illustrato un approccio alternativo al problema, che mostra come sia stato possibile creare da zero un software che non utilizza librerie di OCR preesistenti ma che, combinando l'utilizzo di alcune Reti Neurali Convoluzionali (addestrate ad hoc) con alcune funzioni basilari per la manipolazione delle immagini di una libreria di Computer Vision largamente utilizzata (quale è OpenCV), è comunque capace di garantire buoni risultati in termini di accuratezza per quanto riguarda la localizzazione del testo all'interno dell'immagine, la successiva segmentazione dello stesso nelle sue componenti più elementari (cioè righe di testo, parole e caratteri), il riconoscimento dei singoli caratteri e, infine, la riaggregazione delle lettere riconosciute in parole.
37
Serluca, Alberto. "Behavioural Cloning in Ambiente Simulato con Reti Neurali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2018. http://amslaurea.unibo.it/15711/.
Texto completoResumen
Questa tesi descrive lo studio e l’implementazione di un sistema basilare di autopilota in cui vengano coniugati aspetti di Computer Graphics e tecnologie innovative del Machine Learning, nello specifico il "Behavioural Cloning", una metodologia di apprendimento supervisionato in cui le capacità cognitive possono essere carpite e riprodotte da un programma, attraverso l’imitazione. Perché ciò avvenga è necessario possedere un record di una serie di azioni logiche che un soggetto ha precedentemente registrato e memorizzato. Il programma di apprendimento utilizza queste informazioni per costruire una funzione che mappi l’input di un certo stato, al suo corrispondente output. In questa tesi si vedono questi principi applicati alla creazione di un veicolo virtuale a guida autonoma, e se ne descrivono le caratteristiche, sperimentando con nuove strategie e migliorie applicate al modello neurale.
38
Polini, Elena. "Super Resolution di immagini con reti neurali convoluzionali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/18502/.
Texto completoResumen
L'argomento principale di questa tesi è il problema di super risoluzione applicato all'ambito dell'imaging. Lo scopo è quello di fornire una panoramica generale sul problema e sugli approcci possibili, e di presentare dei modelli di soluzione basati sull'uso di reti neurali arti�ficiali.
39
Ballestrazzi, Francesco. "Reti neurali iterative per la generazione di immagini". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/18503/.
Texto completoResumen
L’architettura analizzata è Deep Recursive Attentive Writer(DRAW), un modello generativo iterativo. L’idea è quella di affrontare il problema della generazione automatica di un'immagine come lo farebbe una persona a cui viene richiesto di disegnare un oggetto. Il primo getto rappresenterebbe lo scheletro dell’oggetto, nel caso di un viso ad esempio la forma del naso, della bocca, degli occhi e cosı̀ via. La seconda passata andrebbe invece a raffinare le forme, rendendole più uniformi e coerenti tra loro. Alla terza rifinitura, le ombre, la profondità ecc. Cosı̀ via fino a una soddisfacente qualità del disegno prodotto.
40
Giunchi, Massimiliano. "Reti neurali per la segmentazione di immagini mediche". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2019.
Buscar texto completoResumen
A partire dagli anni '70, con la diffusione dei primi dispositivi per la tomografia assiale computerizzata (TAC), si è assistito ad un'evoluzione sempre più rapida delle modalità con cui si acquisiscono, si conservano e si analizzano le immagini per la diagnosi medica.
L’elemento che ha segnato il maggior cambiamento è stato il passaggio da informazioni analogiche, statiche e prettamente bidimensionali come quelle che derivano dalle immagini radiografiche (raggi X), ad informazioni digitali, eventualmente dinamiche e contenenti informazioni tridimensionali. Tutto ciò è stato reso possibile attraverso la transizione da sistemi basati su pellicola a sistemi basati su calcolatori. L’immediata conseguenza di questo sviluppo è stata la necessità di generare algoritmi e metodologie di interpretazione dei dati acquisiti, che simulino al meglio la conoscenza dell’esperto umano, che resta, a tutt'oggi, il più efficiente sistema di elaborazione dei dati medicali conosciuti.
Automatizzare il processo di diagnostica, utilizzando un moderno sistema di visione artificiale in grado di segnalare, a partire ad esempio da una radiografia o una risonanza magnetica, quali siano le zone affette da patologia, permetterebbe di velocizzare e rendere più affidabile la diagnosi oltre ad offrire un notevole ausilio a colui che deve redigere un referto medico. Da questo punto di vista gli algoritmi di segmentazione semantica sono in grado di associare un’etichetta o una categoria a ogni pixel dell’immagine e quindi ben si prestano ad identificare in un’immagine medica quali siano le zone che necessitano di un’ulteriore approfondimento. Ma non solo, oggi tali tecniche hanno raggiunto performance tali da essere considerate confrontabili con quelle degli esperti.
In questo lavoro di tesi si vogliono identificare e valutare alcune architetture e tecniche in ambito di semantic segmentation per l’individuazione di patologie a partire da immagini radiografiche.
41
Cielo, Michele. "Rilevamento di malattie oculari mediante reti neurali artificiali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2019. http://amslaurea.unibo.it/19750/.
Texto completoResumen
Il presente elaborato illustra l'applicazione delle reti neurali artificiali nel rilevamento, a fini di screening, di malattie oculari. Di particolare interesse in questo ambito sono le reti neurali convoluzionali, generalmente usate nel riconoscimento delle immagini, che vengono impiegate per rilevare i sintomi delle malattie oculari fornendo loro foto di occhi. Nell'elaborato verranno analizzate le applicazioni delle reti neurali artificiali nel rilevamento di malattie oculari nell'infanzia, nel rilevamento del glaucoma e nel rilevamento della retinopatia diabetica.
La tesi sarà suddivisa in capitoli:
nel primo capitolo, saranno analizzati i concetti base dietro al funzionamento di una rete neurale artificiale, partendo dal machine learning, branca dell'intelligenza artificiale a cui appartengono le reti neurali artificiali;
nel secondo capitolo saranno esposte le malattie trattate nell'elaborato, spiegando i sintomi che dovranno essere rilevati dalle reti neurali;
nel terzo capitolo saranno esposti alcuni esempi di applicazioni delle reti neurali artificiali nel rilevamento delle malattie oculari esposte, di cui saranno analizzate sensibilità e specificità, parametri importanti nello screening.
42
Torchi, Andrea. "Sperimentazioni per "Sentiment Analysis" tramite Reti Neurali Profonde". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2020.
Buscar texto completoResumen
Il lavoro di questa tesi verte sulla progettazione e sulla realizzazione di un software di machine-learning che svolga un compito di Sentiment Analysis, in particolar modo è stato svolto nell'ambito di un progetto commissionato all'azienda presso la quale ho svolto il mio tirocinio.
Come fonte di dati da cui iniziare e su cui basare il progetto ho scelto alcuni social networks, per via della grande quantità di dati che offrono.
Prima e durante il lavoro di tesi ho studiato i principi del machine-learning ed in particolare delle reti neurali, concetti che furono in seguito applicati nella realizzazione delle reti per lo svolgimento del compito di Sentiment Analysis.
43
Accornero, Andrea. "Covid-19 x-ray Analisi con reti neurali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2021. http://amslaurea.unibo.it/24952/.
Texto completoResumen
Machine Learning e Deep Learning nell'ambito medico. Focus sull'imaging medico.
Analisi di un DataSet con 188 radiografie di toraci tramite addestramento con Reti Neurali Convoluzionali, mostrando andamento del Misclassification Rate al variare dei parametri della Rete.
44
Suzzi, Mattia. "Introduzione al Machine Learning e alle reti neurali". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2021.
Buscar texto completoResumen
Nel primo capitolo di questo elaborato vengono esposte le basi di un algoritmo di classificazione Machine Learning. In particolare ci si concentra sull’obiettivo dello stesso, ovvero generare una funzione ipotesi in grado di svolgere il compito richiesto. Per controllare il successo di questa operazione viene introdotto il concetto di errore, ovvero quanto la soluzione trovata è vicina a quella cercata. Essendo quest’ultima sconosciuta, è impossibile calcolare effettivamente l’errore reale, per questo viene utilizzato l’errore empirico, che riflette quanto é efficace la funzione ipotesi su un insieme di allenamento. Questo processo, per funzionare, necessita che l’errore empirico sia effettivamente una buona approssimazione dell’errore reale, proprietà verificata dagli algoritmi dotati della proprietà di Uniform Convergence. Verrà quindi esposto cosa significa, quali sono le condizioni per ottenerla e una classe di problemi per cui è particolarmente efficiente seguire questo processo (Convex Optimization).
Nel secondo capitolo viene analizzato un particolare tipo di algoritmi, le reti neurali. Verrà esposto come i principi precedentemente visti per il Machine Learning non valgono nel caso delle reti neurali, problema che rende necessari nuovi risultati per garantire il successo dell’algoritmo. In particolare si affronta lo studio delle reti a due livelli, con qualche risultato sulla convergenza delle ipotesi così prodotte. Riguardo questo argomento l'elaborato descrive due teoremi che permettono di dimostrare come sia possibile approssimare, tramite una rete neurale a due livelli, una classe di funzioni abbastanza ampia e come l’errore raggiunto sia inversamente proporzionale al numero di neuroni. Il primo risultato ci assicura la convergenza dell’errore di approssimazione mentre il secondo ci indica il numero di neuroni necessari per raggiungere quel grado di approssimazione.
45
Mollica, Francesco. "Share Art: Reti neurali convoluzionali in ambito museale". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2021.
Buscar texto completoResumen
E' stato affrontato lo studio di un'algoritmo per l'addestramento di reti neurali sul riconoscimento di genere sul supercalcolatore ENEA-CRESCO, al fine di poter essere sfruttato per il progetto Share Art, un programma ENEA. Share Art consiste in un dispositivo che permette, attraverso una telecamera ad infrarossi, di rilevare automaticamente i volti che guardano in direzione della telecamera, acquisendo contestualmente una serie di informazioni relative all’osservazione delle opere d’arte, come ad esempio il tempo di permanenza, la distanza, il percorso compiuto. L'addestramento di una rete neurale su un'architettura diversa dalla nostra, quale è CRESCO, ha previsto una mirata predisposizione dell'ambiente di sviluppo, così da isolare le componenti necessarie utilizzate dall'algoritmo. Procedura fondamentale è stata quindi quella di pacchettizzare in un container il tutto, renderlo accessibile all'applicazione, e poter utilizzare ciò che l'applicazione necessitava per essere eseguita senza i permessi di amministratore di sistema. Verranno mostrati i passi che sono stati seguiti per la creazione dell'ambiente di sviluppo, del container Docker e della predisposizione delle dipendenze necessarie, come ad esempio le librerie Tensorflow e Keras. Alla base del sistema Share Art le telecamere generano un flusso di dati che è l'input dell'analisi che viene eseguita direttamente sul Raspberry per verificare ad esempio il corretto utilizzo della mascherina e il rispetto del distanziamento sociale. I dispositivi Share Art installati presso il museo, generano quindi dati importanti della ricerca in ambito museale. Sarà quindi affrontato il tema della gestione dei dati e del loro trasferimento riformulando un programma che apporti scalabilità ad un sistema già esistente. Si è scelto di utilizzare un protocollo standard dell'IoT, MQTT, il tutto supportato da un linguaggio sviluppato presso l'Università di Bologna, Jolie.
46
Sartorello, Michele <1990>. "Prezzi predatori e reti neurali: un approccio sperimentale". Master's Degree Thesis, Università Ca' Foscari Venezia, 2014. http://hdl.handle.net/10579/5210.
Texto completoResumen
L'obiettivo della tesi risiede innanzitutto nel presentare il fenomeno dei prezzi predatori ponendo l'accento sulle teorie più rilevanti elaborate dapprima in America e in seguito in Europa, e in secondo luogo nella costruzione di un modello basato su di una rete neurale che sia in grado di riconoscere, sulla base di input predefiniti, l'eventuale comportamento predatorio messo in atto da una specifica impresa.
47
Boldrin, Stefano <1996>. "Reti neurali artificiali per la previsione dell'insolvenza aziendale". Master's Degree Thesis, Università Ca' Foscari Venezia, 2020. http://hdl.handle.net/10579/18258.
Texto completoResumen
Nella parte iniziale viene fornita una panoramica circa la misurazione del rischio di credito e il contesto normativo di riferimento (Accordi di Basilea).
Dopo un'analisi delle tecniche statistiche tradizionali per la stima dell'insolvenza aziendale più note in letteratura, vengono introdotte tecniche alternative basate sul machine learning. L'obiettivo principale dell'elaborato consiste nel valutare la capacità di quest'ultime e, in particolar modo delle Reti neurali artificiali, di sovraperformare rispetto agli strumenti statistici tradizionali. A tale scopo vengono comparate le performance previsive del modello Logit con un Multilayer Perceptron in un dataset contenente circa 400 imprese italiane.
48
Furini, Marcos Amorielle [UNESP]. "Projeto de controladores suplementares de amortecimento utilizando redes neurais artificiais". Universidade Estadual Paulista (UNESP), 2011. http://hdl.handle.net/11449/100323.
Texto completoResumen
Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0
Previous issue date: 2011-10-07Bitstream added on 2014-06-13T20:00:54Z : No. of bitstreams: 1
furini_ma_dr_ilha.pdf: 763780 bytes, checksum: c5cdfef6ac6feb2737b71cbcd978ec47 (MD5)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Neste trabalho é proposta a utilização da rede neural artificial (RNA) ARTMAP Nebulosa (fuzzy) no ajuste de parâmetros de controladores suplementares para o amortecimento de oscilações eletromecânicas de sistemas elétricos de potência, visando tornar este ajuste mais eficiente. Análises comparativas da atuação das redes neurais artificiais ARTMAP Nebulosa e Perceptron Multicamadas (PM) são realizadas para dois sistemas multimáquinas considerando o ajuste individual e coordenado dos controladores. Tais redes são utilizadas para o projeto dos controladores ESP (Estabilizadores de Sistemas de Potência) e POD (Power Oscillation Damping) acoplado ao dispositivo FACTS (Flexible Alternating Current Transmission Systems) UPFC (Unified Power Flow Controller). Será evidenciado que a RNA ARTMAP Nebulosa pode ser utilizada na melhora da estabilidade dinâmica, fornecendo resultados muito semelhantes aos da RNA Perceptron Multicamadas. Entretanto, é importante enfatizar que a vantagem da utilização da RNA ARTMAP Nebulosa está no fato da garantia da estabilidade e plasticidade associadas a um rápido treinamento, o que não ocorre com a RNA Perceptron Multicamadas
This work proposes the use of artificial neural network (ANN) Fuzzy ARTMAP to adjust the parameters of additional controllers to damp electromechanical oscillations in electric power systems in order to make this adjustment more efficient due to variations in load. Comparative analysis of the performance of artificial neural networks Fuzzy ARTMAP and Multilayer Perceptron are performed for two multimachine systems, considering individual and coordinated controller adjustment. Those networks are used for the design of Power System Stabilizers (PSS) and Power Oscillation Damping (POD) that is coupled to the FACTS (Flexible Alternating Current Transmission Systems) UPFC (Unified Power Flow Controller). It will be shown that the ANN Fuzzy ARTMAP can be used in the improvement of dynamic stability, providing very similar results to the ANN Multilayer Perceptron. However, it is important to emphasize that the advantage of using ANN Fuzzy ARTMAP is the guarantee of stability and plasticity associated with a fast training process which does not occur for the ANN Multilayer Perceptron
49
Maestri, Rita. "Metodiche di deep learning e applicazioni all’imaging medico: la radiomica". Bachelor's thesis, Alma Mater Studiorum - Università di Bologna, 2018. http://amslaurea.unibo.it/15452/.
Texto completoResumen
Questa tesi ha lo scopo di presentare il deep learning e una delle sue applicazioni che ha avuto molto successo nell'analisi delle immagini: la rete neurale convoluzionale. In particolare, si espongono i vantaggi, gli svantaggi e i risultati ottenuti nell'applicazione delle reti convoluzionali alla radiomica, una nuova disciplina che prevede l'estrazione di un elevato numero di feature dalle immagini mediche per elaborare modelli di supporto a diagnosi e prognosi.
Nel primo capitolo si introducono concetti di machine learning utili per comprendere gli algoritmi di apprendimento usati anche nel deep learning. Poi sono presentate le reti neurali, ovvero le strutture su cui si basano gli algoritmi di deep learning. Infine, viene spiegato il funzionamento e gli utilizzi delle reti neurali convoluzionali.
Nel secondo capitolo si espongono le tecniche e gli utilizzi della radiomica e, infine, i vantaggi di usare le reti neurali convoluzionali in quest'ambito, presentando alcuni recenti studi portati a termine in merito.
50
Naldi, Elisa. "Implementazione in FPGA di una rete neurale convolutiva profonda per l'elaborazione in tempo reale di immagini". Master's thesis, Alma Mater Studiorum - Università di Bologna, 2018. http://amslaurea.unibo.it/16456/.
Texto completoResumen
Il seguente progetto di tesi tratta l’implementazione e la verifica delle performance di una CNN, rete neurale convolutiva profonda, composta di 7 layer formali (di cui un layer convolutivo CONV e due fully-connected FC), che ha come scopo l’elaborazione di immagini in tempo reale. Dopo una prima introduzione alle neural network, alle sue applicazioni (in particolar modo nel image-processing e nell’Industry 4.0) e alla tecnica di progettazione FPGA, si descrivono dapprima nel dettaglio tutti i diversi blocchi costitutivi della CNN (programmati in VHDL) e successivamente si riportano i risultati della sua sintesi con commenti relativi alle performance ottenute. In particolar modo, nella trattazione della struttura di ChainOfComponents (nome della CNN implementata), vengono descritti i costituenti dei seguenti layer: (1) CONV, composto dai componenti Kernel e Filter; (2) Non linearità, settata su una funzione ReLU; (3) Maxpooling, basata sulla ricerca del massimo (componente Max); (4) 1° FC, che si appoggia su una interconnessione di elementi di calcolo elementari detti neuroni (NetworkOfNeurons); (5) ReLU del 1° FC; (6) 2° FC; (7) ReLU del 2° FC. Per quanto riguarda invece la trattazione delle performance ottenute, questa si basa su una duplice verifica sull’implementato: un controllo della correttezza funzionale basato sugli applicativi ModelSim e Matlab e una compilazione e sintesi eseguita da Quartus Prime 17.1. Si approfondiscono infine possibili miglioramenti e sviluppi di ChainOfComponents e le sue possibili prospettive future.