Tesi etd-03062019-083357

Tipo di tesi

Tesi di laurea magistrale

Autore

SAPONANGELO, GABRIELE

URN

etd-03062019-083357

Titolo

Studio di un modello di Deep Learning per la classificazione di segnali su strutture dati irregolari

Titolo in inglese

Struttura

Dipartimento di Ingegneria "Enzo Ferrari"

Corso di studi

Ingegneria Informatica (D.M.270/04)

Commissione

Nome Commissario	Qualifica
CALDERARA SIMONE	Primo relatore

Parole chiave

convoluzione
deep learning
grafo
machine learning
mnist

Data inizio appello

2019-04-11

Disponibilità

Accesso limitato: si può decidere quali file della tesi rendere accessibili. Disponibilità mixed (scegli questa opzione se vuoi rendere inaccessibili tutti i file della tesi o parte di essi)

Data di rilascio

2059-04-11

Riassunto analitico

Il Deep Learning e le reti neurali rappresentano uno step importante nell'ambito dell'intelligenza artificiale, rivoluzionando il mondo del machine learning.
L'obiettivo dello studio è quello di sviluppare l'architettura di una rete neurale convolutiva specializzata nel task della classificazione di grafi.
Il progetto prevede l'utilizzo di un metodo innovativo, basato sulla classificazione del vettore di feature di un nodo contenente le informazioni relative all'architettura del grafo e alle feature dei nodi.
Il dataset di riferimento è una trasposizione delle immagini del dataset MNIST su delle strutture a grafo.
I risultati ottenuti riguardanti la performance della rete sono stati confrontati con quelli raggiunti da altri metodi di classificazione sul medesimo dataset.

Abstract

File

Nome file	Dimensione	Tempo di download stimato (Ore:Minuti:Secondi)
Nome file	Dimensione	28.8 Modem	56K Modem	ISDN (64 Kb)	ISDN (128 Kb)	piu' di 128 Kb
Ci sono 1 file riservati su richiesta dell'autore.
Contatta l'autore