Rete neurale

- Piattaforma di piloti di droni in Italia - La mission: automatizzare le operazioni più ripetitive, pericolose, costose e inefficienti attraverso droni e intelligenza artificiale - Ispezioni tecniche più efficienti - Investimenti continui nell'innovazione e nella tecnologia - Droni per cisterne e spazi confinati (caso studio) - Droni per il monitoraggio di siti industriali - Monitoraggio dell'inquinamento atmosferico. Hardware & Software - Aree di applicazione "Ready to use" - Rilevamento da drone e conteggio con rete neurale convoluzionale - Bando Efficienza energetica ed energie rinnovabili nelle imprese

Descrizione del processo di creazione di leggi di parete basate su un approccio machine learning. Delle reti neurali sono addestrate su simulazioni ad alta fedeltà per calcolare una correzione per l'energia cinetica turbolenta. Nel lavoro sono riportate sia l'implementazione in OpenFOAM e un'analisi delle loro prestazioni rispetto allo stato dell'arte.

RS Components (RS), distributore multicanale globale di prodotti di elettronica, automazione e manutenzione, ha annunciato di aver inserito a catalogo il nuovo Intel® Neural Compute Stick 2 (Intel® NCS 2), un piccolo e conveniente elaboratore per reti neurali profonde (DNN) e visione computerizzata. Il dispositivo è la soluzione ideale non solo per data scientist e docenti universitari, ma anche per una vasta platea di sviluppatori e progettisti che intendono integrare funzioni di visione computerizzata e intelligenza artificiale (IA) nelle loro applicazioni IoT (Internet of Things). Lo stick, disponibile nel comodo formato USB, è molto versatile e consente la prototipazione del deep learning su un laptop o un dispositivo dotato di interfaccia USB.

In questo lavoro è stato proposto l’impiego di un metodo alternativo per l’analisi termo-energetica degli edifici; il metodo consiste nell’uso di due reti neurali, appositamente addestrate, capaci di simulare i consumi energetici in conformità con le normative vigenti e di predire l’andamento della temperatura dell’aria all’interno degli ambienti di una unità immobiliare. Con lo scopo di evidenziare i vantaggi e l’efficacia del metodo proposto, è stato scelto come caso di studio un edificio esistente non utilizzato per l’implementazione delle due ANN (oggetto di studi precedenti) ubicato nel Comune di Perugia.

L'argomento discusso riguarda la progettazione ed implementazione di un modello di Soft Computing, ossia di un algoritmo ibrido di machine learning, basato su una rete neurale addestrata da un algoritmo genetico, dedicato al data mining su grandi archivi di dati. L'originalità del presente lavoro riguarda sia l'applicazione di un tale modello a dati di tipo astrofisico, sia l'architettura computazionale scelta per la sua implementazione. Sono infatti state realizzate due versioni dell'algoritmo, una sequenziale ed una parallela in ambiente CUDA (Compute Unified Device Architecture) C, su piattaforma GPGPU.

Obbiettivo di tale lavoro è esaminare la struttura caratteristica di una rete neurale e proporre alcuni esempi di ANN impiegati per la modellazione della portata di tracimazione e del coefficiente di trasmissione di strutture costiere, per sottolineare l’adeguatezza di tali strumenti all’impiego in idraulica marittima e presentarli per eventuali successivi utilizzi, quali, ad esempio, la stima del coefficiente di riflessione ondosa, ad oggi non ancora modellato accuratamente.

La tesi, coerentemente con gli obiettivi del progetto europeo BRISK, è focalizzata sullo sviluppo dell’approccio alla caratterizzazione di biomasse a fini energetici di II generazione; in tale ottica rientrano la qualificazione di innovative procedure semi-industriali, lo sviluppo di reti neurali e l’elaborazione di un database.