Abstract
Scopo di questo progetto è introdurre un modello di deep learning ispirato alla struttura della corteccia visiva e applicarlo a problemi di controllo automatico per strumenti di precisione. Negli ultimi anni abbiamo assistito ad un incredibile sviluppo di strumenti di machine learning e di intelligenza artificiale. Tecniche di medical imaging, che ci permettono di acquisire grandi moli di dati, si sono sviluppate in parallelo ad algoritmi di classificazione e ricostruzione sempre più efficienti, permettendo di comprendere la struttura dei dati, e conseguentemente di intervenire sempre meglio in problemi diagnostici o di machine vision. D’altra parte le tecniche di deep learning disponibili in questo momento sono spesso instabili, e fortemente sensibili al rumore, il che costituisce un ostacolo significativo all’applicazione dei risultati. Per migliorare gli algoritmi esistenti si rendono necessari strumenti matematici e di analisi dati che permettono di formulare modelli efficienti, stabili e fortemente predittivi. In questo progetto proponiamo un approccio basato su tecniche di analisi geometrica e sulla funzionalità del cervello per introdurre una nuova architettura di deep learning robusto al rumore presente nelle immagini, con ricadute sul controllo qualità semiautomatico. Il tema proposto è particolarmente importante per le linee programmatiche di sviluppo regionale, e si inquadra nei big data: e precisamente negli ambiti: 3.1 BIG DATA IN ICT AND DIGITAL CONTENT. Il postdoc che si lavorerà al progetto sarà seguito da due supervisori accademici: la prof Citti e la prof. Tesi, e avrà un supervisore non accademico presso MARPOSS una ditta specializzata in controlli di precisione dove farà un tirocinio di 3 mesi . Dovrà avere competenze pregresse di geometria o analisi in spazi metrici e di modellazione, e acquisirà le competenze specifiche necessarie per il progetto durante la prima parte del lavoro. Potrà lavorare in un ambiente fortemente stimolante, con contatti nazionali e internazionali di primissimo livello. In particolare il postdoc avrà la possibilità di fare un secondment a Parigi per 3 mesi, per incontrare il prof. Sarti, fra i maggiori esperti in modelli corticali. Potrà usufruire del finanziamento del progetto Europeo GHAIA (777822) per visitare i migliori atenei USA. Avrà la responsabilità di tutoraggio di alcuni studenti di laurea specialistica, acquisendo in questo modo specifici soft skills. Le ricadute occupazionali saranno ottime, sia in ambito accademico, sia presso centri di ricerca di aziende del settore. L’impatto sulla produzione di conoscenza della regione risulta importante, perché gli gli strumenti di machine vision messi a punto ricadranno positivamente sulle capacità produttive dell’azienda
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) 30.000,00
Durata del progetto in mesi: 12
