Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodi topologici per la rilevazione di anomalie - Rif. 223/2020-AR |
|---|---|
| Titolo del progetto di ricerca in inglese | Topological Methods for Anomaly Detection - Ref. 223/2020-AR |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-S/01 - STATISTICA |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | MAT/03 - GEOMETRIA |
| Descrizione sintetica in italiano | I sistemi di sensori sono adottati in molti campi diversi, ad es. ingegneria automobilistica o strutturale, al fine di monitorare lo “stato” di un oggetto. Ogni sensore fornisce una serie temporale che può essere utilizzata per rilevare se l'oggetto monitorato sta vivendo un nuovo fenomeno imprevisto, che può essere causato da un'anomalia. L'analisi dei dati topologici (TDA) è una branca recente della matematica, dedicata alla raccolta di caratteristiche legate alla "forma" di un insieme di dati. Gli strumenti messi a disposizione da TDA sono stati adottati anche nel campo del machine learning. Un nuovo approccio promettente è quello fornito dagli autoencoder topologici, in grado di preservare le caratteristiche topologiche di un set di dati nella rappresentazione latente dei dati. In questo programma di ricerca si esploreranno le caratteristiche topologiche estratte che possono essere utilizzate per individuare anomalie. |
| Descrizione sintetica in inglese | Sensor systems are adopted in many different fields, e.g. automotive or structural engineering, in order to monitor the “state” of an object. Each sensor yields a time series that can be used to detect if the monitored object is experiencing a novel unpredicted phenomenon, that may be caused by an anomaly, dangerous for the object. Topological data analysis (TDA) is a recent branch of mathematics, dedicated to collecting features related to the “shape” of a dataset. The tools available from TDA have been adopted also in the field of machine learning. A novel promising approach is that given by topological autoencoders, being capable of preserving topological features of a dataset in the latent representation of data. In this research program, we would like to understand if the extracted topological features can be used to figure out when an object is undergoing an anomalous phenomenon. |
| Data del bando | 21/10/2020 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
OTHER |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://careers.polito.it/ |
| 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 valutazione comparativa sono disponibili all'indirizzo: https://careers.polito.it/ |
| Criteri di selezione in inglese (breve descrizione) | To apply for research grants fill out the form available at the following address: https://careers.polito.it/ |
| Nome dell'Ente finanziatore | Politecnico di Torino |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Torino |
| Sito web | http://www.polito.it/ |
| ruo.assegnidiricerca@polito.it | |
| Telefono | 0110906136 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 27/10/2020 |
|---|---|
| Come candidarsi | https://careers.polito.it/ |