Siti Internazionali
Se hai scelto di non accettare i cookie di profilazione e tracciamento, puoi aderire all’abbonamento "Consentless" a un costo molto accessibile, oppure scegliere un altro abbonamento per accedere ad ANSA.it.
Ti invitiamo a leggere le Condizioni Generali di Servizio, la Cookie Policy e l'Informativa Privacy.
In evidenza
In evidenza
Temi caldi
In collaborazione con Università di Bari
L'Università degli Studi di Bari Aldo
Moro è al primo posto in una competizione internazionale di
Machine Learning (Apprendimento Automatico). Lo rende noto un
comunicato dell'Università. Fra le più entusiasmanti sfide in
Intelligenza Artificiale vi è quella di costruire programmi che,
a seguito di una fase di addestramento, apprendano autonomamente
modelli utili per prendere decisioni. Uno degli approcci più
recenti e promettenti in questo ambito è quello del Deep
Learning (Apprendimento Profondo). Il Deep Learning - viene
spiegato - usa architetture complesse, costituite da insiemi di
livelli interconnessi fra di loro che imitando l'organizzazione
dei neuroni nel cervello umano. Si tratta di un sistema in grado
di produrre modelli decisionali molto accurati. Può produrre
nuove rappresentazioni dei dati che favoriscono la costruzione
di modelli più efficaci, il tutto senza richiedere laboriosi
interventi umani per trasformare e processare i dati in
questione. L'università barese conquista la prima posizione
proprio in questo campo nella competizione internazionale
"TiSeLaC - Time Series Land Cover Classification Challenge". La
competizione è ospitata presso la conferenza europea su Machine
Learning (ECMLPKDD 2017) che si terrà a Skopje, in Macedonia,
tra il 18 e il 22 settembre. Pertanto il prossimo mese, i
ricercatori membri del giovane team barese, Teresa M. A. Basile,
Antonio Vergari e Fabrizio Ventola, guidati da Nicola Di Mauro,
voleranno nella capitale macedone per ritirare il premio e
illustrare la loro soluzione. Obiettivo della competizione,
organizzata da ricercatori dell'Istituto di ricerca francese UMR
TETIS a Montepellier, è stato quello - viene evidenziato nel
comunicato - di creare un sistema informatico capace di
interpretare e classificare ogni singolo pixel (ovvero i "punti"
che costituiscono l'unità minima di una foto) a partire da
immagini satellitari ad alta definizione. La macchina ci dirà se
quel singolo pixel rappresenta un pezzo di città, un bosco, un
orto, etc. Apprendere un modello decisionale di questo tipo che
sia accurato (cioè che classifichi correttamente il maggior
numero possibile di pixel) consente di interpretare
automaticamente le immagini ad alta risoluzione prodotte dai
numerosi satelliti oggi a disposizione. Fra le diverse ricadute
applicative, vi sono la creazione automatica di mappe
dettagliate, la scoperta automatica di fonti di acqua o il
monitoraggio di flora e fauna di un territorio. Inoltre, un
metodo che risolva la competizione potrebbe essere applicato ad
altri domini quali quello medico, in cui immagini iperspettrali
iniziano ad essere diffuse come supporto per la diagnostica. Il
team vincitore della competizione TiSeLac è composto da
ricercatori del Lacam, un laboratorio del Dipartimento di
Informatica fondato e diretto per trent'anni dalla Prof.ssa
Floriana Esposito, e da una ricercatrice del Dipartimento di
Fisica dell'Università degli Studi di Bari. Il gruppo, che ha
partecipato con il nome "baML", si occupa di apprendimento
automatico ed in particolare Deep Learning. I ricercatori di
"baML" hanno progettato, implementato ed addestrato una
architettura "deep" che fosse in grado di apprendere in
parallelo differenti rappresentazioni per i pixel di una stessa
immagine. Queste rappresentazioni sono state apprese in maniera
tale da tener conto sia della natura spaziale e sia di quella
temporale dei dati trattati, nonché delle forti correlazioni
presenti nei differenti canali visivi disponibili nelle immagini
iperspettrali. Tutte le rappresentazioni così indotte hanno
concorso congiuntamente all'apprendimento di un modello di
decisione per la classificazione dei singoli pixel della
immagine, ottenendo un risultato considerevolmente migliore
rispetto ai team avversari.
In collaborazione con Università di Bari
Ultima ora