Torna ai risultati della ricercaBando per incarichi di ricerca
| Titolo del progetto dell'incarico in italiano | Advancing 6G-RAN through multi-technology, multi-sensor fusion, multi-band and multi-static perception |
|---|---|
| Titolo del progetto ddell'incarico in inglese | Advancing 6G-RAN through multi-technology, multi-sensor fusion, multi-band and multi-static perception |
| G.S.D. | 09/IINF-03 - TELECOMUNICAZIONI |
| S.S.D | - |
| Descrizione sintetica in italiano | • Per quanto riguarda l'addestramento delle reti neurali spiking (SNN), il candidato/a dovrà derivare una versione surrogata e computazionalmente leggera per gli aggiornamenti delle variabili secondo la tecnica di ottimizzazione ADMM; • Dovrà testare e convalidare gli aggiornamenti surrogati, ibridi ed esatti secondo il metodo ADMM, estendendo l'addestramento a multi-batch e a set di dati completi; • Dovrà collaborare all'estensione delle regole di aggiornamento dei pesi delle reti neurali spiking tramite la tecnica ADMM a livelli convoluzionali (CNN); • Dovrà integrare il metodo accelerato di Anderson sia nelle versioni surrogate che ibride, come mezzo per ridurre il numero di iterazioni richieste per l’allenamento dei pesi della rete; |
| Descrizione sintetica in inglese | • Regarding the training of spiking neural networks (SNN), the candidate will have to derive a lightweight surrogate version for the variable update rules of exact ADMM-based training; • Will test and validate surrogate, hybrid, and exact ADMM updates, extending the training to multi-batch as well as full datasets; • Will collaborate in the extension of the exact ADMM update rules to Convolutional SNN layers; • Will integrate the Anderson acceleration method into both surrogate and hybrid versions, as a means to reduce the number of iterations required to reach convergence; • Will implement the optimizer, including the new surrogate rules, the CNN layers and acceleration techniques, using PyTorch in full compatibility with the snnTorch framework; • Will characterize the performance of multi-layer dense networks in terms of accuracy and sparsity (computation), integrating CNN-layers as well into the study. |
| Data del bando | 18/02/2026 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotto l'incarico |
OTHER |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://www.dei.unipd.it/bandi |
| Destinatari dell'incarico di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Importo annuale | 22500 |
| Nome dell'Ente finanziatore | Dipartimento di Ingegneria dell'Informazione - Università degli Studi di Padova |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Padova |
| Sito web | https://www.dei.unipd.it/bandi |
| bandi@unipd.it |
| L'incarico finanziato/cofinanziato attraverso un EU Research Framework Programme? | H2020 |
|---|
| Data di scadenza del bando | 09/03/2026 - alle ore 13:00 |
|---|---|
| Come candidarsi | https://pica.cineca.it/unipd/ |