Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Continual Learning in Tiny Transformers for Software-Defined Vehicles |
|---|---|
| Titolo del progetto di ricerca in inglese | Continual Learning in Tiny Transformers for Software-Defined Vehicles |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Computer engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | Gli algoritmi di Machine Learning (ML) sono al centro dell’attenzione sia nella ricerca software che hardware, introducendo architetture di modelli innovative, come i Transformers. Queste innovazioni hanno portato alla nascita di strumenti potenti come i Visual Transformers (ViT), che sono ora lo stato dell’arte nella visione artificiale. Un problema ancora irrisolto è come adattare le prestazioni di tali modelli a stimoli in continuo cambiamento provenienti da diverse condizioni di input, ad esempio nel settore automobilistico per rilevare guasti precocemente con l’ispezione visiva automatica o rilevare la sonnolenza del conducente in molte condizioni diverse. Il Continual Learning (CL) può essere utile in tali contesti, rendendo i modelli Transformer capaci di acquisire nuove conoscenze già sul campo, senza perdere le conoscenze precedenti, contribuendo cosi' allo sviluppo di capacita' di "software-defined vehicle". |
| Descrizione sintetica in inglese | Machine Learning (ML) algorithms have been a major focus in both software and hardware research landscapes, introducing novel and innovative model architectures, such as Transformers. These innovations enabled the birth of powerful tools such as Visual Transformers (ViT) which are now state-of-the-art in computer vision. A problem still not solved is how to adapt the performance of such models to continually changing stimuli from different input conditions, e.g., in the automotive sector to detect faults early with automatic visual inspection or detect driver drowsiness in many different conditions. Continual Learning (CL) can help in such conditions by making Transformer models capable of acquire new knowledge while already in the field, without losing previous knowledge, contributing to the development of software-defined vehicle capabilities. |
| Data del bando | 08/11/2024 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - CENTRO RICERCA SISTEMI ELETTRONICI INGEGN.INF. E TELECOM."ERCOLE DE CASTRO" |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| f.conti@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | HE |
|---|
| Data di scadenza del bando | 25/11/2024 |
|---|---|
| Come candidarsi | Other |