Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodi di Informed Machine Learning per Applicazioni Industriali |
|---|---|
| Titolo del progetto di ricerca in inglese | Informed Machine Learning Methods for Industrial Applications |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | Le technique di Intelligence Artificial basate su data possono portare benefici significativi in contesti industriali. Le applicazioni industriali, tuttavia, sono spesso altamente specifiche, il che limita la quantità di dati che possono essere verosimilmente essere raccolti. Tale fatto a sua volta limita l'applicabilità di tecniche moderne come il Deep Learning, con l'eccezione di specifici campi in cui modelli pre-allenati sono disponibili (e.g. analisi di immagini, testo o segnali sonori). Questa difficoltà può essere aggirata mediante metodi di Informed Machine Learning, il cui obiettivo è integrare metodi su dati ed agnostici rispetto alla struttura del problema, con conoscenza esplicita, tipicamente espressa in forma simbolica. Questo progetto investigherà l'utilizzo di metodi quali Physics Informed Neural Networks, e Machine Learning con vincoli in generale, per il miglioramento dell'efficacia e robustezza di metodi di IA basati su dati in applicazioni industriali. |
| Descrizione sintetica in inglese | Data-driven AI techniques can bring significant benefits to industrial applications. However, industrial contexts are very specific, leading to limitations in the amount of data that can be collected. With the exception of specific fields where pre-trained foundation models are available, this strongly limits the effectiveness of modern techniques such as Deep Learning. This downside can be circumvented by relying on Informed Machine Learning, which seeks to integrate problem-agnostic data-driven methods with explicit knowledge, available in symbolic form. This project will investigate the use of techniques such as as Physics Informed Neural Networks, and constrained Machine Learning in general, to improve the effectiveness and robustness of data-driven AI methods in industrial applications. |
| Data del bando | 16/02/2023 |
| 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 INTERDIP. CIRI ICT |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| aric.ciri-personale@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 03/03/2023 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |