Ricerca reattiva ed ottimizzazione intelligente la ricerca reattiva mira all'integrazione di tecniche sub-simboliche di apprendimento automatico entro euristiche di ricerca locale per risolvere problemi di ottimizzazione complessi. Il termine reattiva suggerisce una pronta risposta ad eventi che possano verificarsi durante la ricerca, tramite un meccanismo interno di reazione che permetta il calibramento automatico dei parametri critici. Metodi di interesse per la ricerca reattiva includono apprendimento automatico e statistica, in particolare apprendimento con rinforzo e attivo, apprendimento di query, reti neurali e meta euristiche (sebbene il confine rappresentato dal prefisso "meta" non sia sempre chiaro). L'ottimizzazione intelligente, di cui la ricerca reattiva ` un sottoinsieme, si riferisce ad un'area di ricerca più estesa, che include schemi inline ed offline basati sull'uso di memoria, adattamento, sviluppo incrementale di modelli, algoritmica sperimentale applicata all'ottimizzazione, calibrazione intelligente e modellazione di euristiche.

Mobilità e trasporto intelligente (Damasco) Nel campo dei sistemi di trasporto intelligente, studiamo la tecnologia per la raccolta, elaborazione, trasmissione ed uso di informazione contestuale, recuperata tramite sensori wireless e wired. Il fuoco della ricerca consiste nel raccogliere ed elaborare informazione contestuale per servizi consapevoli del contesto spaziale e dell'utente. Le attività di ricerca si collocano nell'ambito di DAMASCO, un progetto congiunto Italia-Stati Uniti con UCLA, e sono concentrate su "Sistemi di Trasporto Intelligente" (ITS in Inglese). Il contesto di internetworking e comunicazione è basato su soluzioni adatte a reti ad hoc (multi-hop o peer-to-peer) e reti di sensori, per poter impiegare facilmente nuove soluzioni per monitorare e raccogliere informazione contestuale. Tali dati sono processati per fornire servizi con i seguenti scopi: * fornire informazione accurata di traffico e ambiente * monitorare in maniera distribuita veicoli e strade * migliorare la sicurezza stradale * dare informazione ed intrattenimento allo stesso tempo. Lo sviluppo di servizi ITS per rete autombilistica è limitato dal numero esiguo di veicoli forniti della strumentazione elettronica necessaria a creare un nodo nella rete. Per tale ragione nella fase iniziale del progetto verrà utilizzata un'infrastruttura per fornire i servizi ai veicoli nella rete.

Apprendimento automatico la crescente disponibilità di enormi quantità di dati in formato digitale provenienti dalle fonti più disparate, quali basi di dati di composti chimici, DNA, sequenze e strutture di proteine, bookmark annotati, biblioteche digitali, immagini, pagine web e blog rappresenta un'opportunità unica e una sfida avvincente per i sistemi di apprendimento automatico. Una così complessa mole di informazioni necessita dei più recenti sviluppi della ricerca in apprendimento automatico per poter maneggiare insiemi di dati di vaste proporzioni, gestire strutture dati complesse sia nell'ingresso disponibile che nell'uscita da predire, affrontare congiuntamente problemi correlati tra loro, nonché apprendere modelli capaci di trasferire conoscenza tra problemi similari. Modelli in grado di fornire spiegazioni comprensibili delle decisioni prese sono particolarmente appetibili per gli esperti del dominio di interesse. La nostra ricerca è focalizzata principalmente su algoritmi di kernel machine per dati strutturati, apprendimento multi-obiettivo e metodi statistici relazionali.

Apprendimento automatico ed ottimizzazione in bioinformatica la biologia molecolare computazionale è un'area di ricerca particolarmente attuale ed una continua fonte di problemi rilevanti e di sfide per le tecniche di apprendimento automatico. La bioinformatica strutturale mira a predire la struttura tridimensionale di macromolecole quali proteine ed RNA, data la loro sequenza di residui o nucleotidi. Considerata la sua complessità intrinseca, il problema è stato in genere affrontato decomponendolo in un insieme di sotto problemi correlati, quali la predizione di struttura secondaria, mappe di contatto o ponti a disolfuro. La capacità di risolvere efficacemente tali sotto problemi, e di combinarne le predizioni in un affidabile predittore di struttura tridimensionale, rappresenta una delle sfide principali della bioinformatica. L'attività delle cellule viventi si basa su un numero enorme di interazioni tra i loro componenti, che possono essere rappresentate come reti di regolazione, metaboliche e di interazione e la cui struttura è ancora largamente ignota. Per poter contribuire alla scoperta di tali strutture relazionali, le tecniche di apprendimento automatico devono essere in grado di combinare fonti di informazione eterogenee e rumorose, provenienti da dati evolutivi, sperimentali e di similarità.

Restricted access: Intranet