Modelli Matematico-operatoriali di analisi dati

Alte competenze Citti 2019

Abstract

Negli ultimi anni abbiamo assistito ad un incredibile sviluppo di strumenti di machine learning e di intelligenza artificiale, per l’analisi di dati derivanti da molteplici applicazioni e con enorme ricaduta sulla nostra vita. La presenza delle graphic processing unit (GPU) di nuova generazione ha permesso lo sviluppo di algoritmi paralleli in grado di elaborare una enorme quantita' di dati che ci permette di progettare algoritmi in grado di operare classificazioni a partire da grandi quantità di dati. I risultati che si ottengono sono spettacolari per generalità e accuratezza. Sono però ignoti i motivi profondi che spiegano la convergenza dei metodi, il che costituisce un ostacolo significativo sia a migliorare gli algoritmi esistenti di classificazioni, che a rendere tali algoritmi affidabili. Si rendono quindi necessari strumenti matematici e di analisi dati per formulare modelli efficienti, robusti e fortemente predittivi. In questo progetto proponiamo un approccio basato su tecniche geometrico-topologiche e di deep learning per l’elaborazione di immagini, con molteplici ricadute: dal controllo protesico, alla classificazione di malattie degenerative a diversi strumenti biomedicali. L’implementazione farà uso di strumenti sofisticati di analisi numerica e di calcolo scientifico. Ci interessano in particolare algoritmi di apprendimento artificiale come il deep learning, che sono ispirati alla funzionalità della corteccia e che si dimostrano sempre più efficaci per rispondere a problemi di classificazione. Proprio per la loro efficacia sono sempre più utilizzati in problemi di diagnostica medica anche con l’analisi della grande quantità di dati medici presenti in letteratura. In particolare, questi forniscono strumenti potenti per mettere a punto problemi di classificazione di segnali protesici. Da un punto di vista matematico saranno necessari strumenti di analisi geometrica per comprendere le ragioni della convergenza degli algoritmi e la relazione con la topologia della rete. Lo sviluppo di risultati riguardanti tali operatori permetterebbe di decidere come guidare l’apprendimento delle reti neurali partendo dalla scelta degli operatori dotati delle invarianze più adeguate invece che da scelte di tipo casuale. Il dottorando che si formerà con questo progetto potrà affrontare un tema importante per le linee programmatiche di sviluppo regionale, che si inquadra nei big data: svilupperà forti competenze di matematica e analisi dati, e potrà inquadrare i suoi interessi negli ambiti: 3.1 BIG DATA IN ICT AND DIGITAL CONTENT. Potrà lavorare in di ricerca molto attivi, che hanno contatti con atenei e aziende della regione, e contatti internazionali sia in Europa, sia in USA. All’interno del progetto è infatti previsto un soggiorno all’esterno di almeno 3 mesi, con la possibilità di scegliere fra diverse strutture. Le ricadute occupazionali saranno ottime, sia in ambito accademico, sia presso centri di ricerca di aziende del settore. 

Dettagli del progetto

Responsabile scientifico: Giovanna Citti

Strutture Unibo coinvolte:
Dipartimento di Matematica

Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)

Contributo totale di progetto: Euro (EUR) 86.743,44
Durata del progetto in mesi: 36