Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Sperimentazione di metodologie di Intelligenza Artificiale per lo sviluppo di modelli predittivi in sistemi non stazionari. |
|---|---|
| Titolo del progetto di ricerca in inglese | Experimentation with Artificial Intelligence methodologies for the development of predictive models in non-stationary systems. |
| Campo principale della ricerca | Physics |
| Sottocampo della ricerca | Other |
| Settore Concorsuale | 02 - Scienze fisiche |
| S.S.D | FIS/03 - FISICA DELLA MATERIA |
| Descrizione sintetica in italiano | La ricerca si concentrerà sull’apprendimento online di sistemi non stazionari nelle tecniche classiche di Deep Learning. In particolare, partendo da studi già effettuati, si intende rendere le reti neurali capaci di modellare sequenze temporali di sistemi aperti, sia discreti che continui. L'obiettivo è quello di valutare e rilevare cambiamenti significativi di paradigma. Inoltre, modellare lo spazio delle novità induce un aumento significativo della capacità di generalizzazione e della capacità predittiva delle reti neurali. I nuovi sistemi saranno testati e validati con applicazioni a sistemi reali (dati di borsa, dati di sistemi sociali come la mobilità, sviluppi pandemici, sviluppo urbano). La ricerca sarà sviluppata attraverso i principali framework per reti neurali in Python. |
| Descrizione sintetica in inglese | The research will focus on online learning of non-stationary systems into classical Deep Learning techniques. In particular, starting from studies already carried out, we intend to make neural networks capable of modelling temporal sequences of open systems, both discrete and continuous. The aim is to evaluate and detect significant paradigm shifts. Furthermore, modelling the space of novelties induces a significant increase in the generalisation and predictive capacity of neural networks. The new systems will be tested and validated with applications to real systems (stock market data, data from social systems such as mobility, pandemic developments, urban development). The research will be developed using the main frameworks for neural networks in Python. |
| Data del bando | 26/05/2021 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 19367 |
| Periodicità | annuale |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://web.uniroma1.it/trasparenza/bando/177089_145/2021 |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Importo annuale | 19367 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | Colloquio e valutazione titoli. |
| Criteri di selezione in inglese (breve descrizione) | Assessment of title and topics interview. |
| Processo di selezione in italiano (breve descrizione) |
Argomenti del colloquio: Meccanica statistica; Fisica dei sistemi complessi; tecniche di analisi dati; Deep Neural Networks |
| Processo di selezione in inglese (breve descrizione) |
Topic's interview Statistical mechanics; Physics of complex systems; Data analysis techniques; Deep Neural Networks |
| Nome dell'Ente finanziatore | Sapienza Università di Roma |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Roma |
| Codice postale | 00185 |
| Indirizzo | Ple Aldo Moro |
| Sito web | https://web.uniroma1.it/trasparenza/bando/177089_145/2021 |
| daria.varone@uniroma1.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 25/06/2021 - alle ore 00:00 |
|---|---|
| Come candidarsi | assegnidiricercafisica@uniroma1.it |