Principali Argomenti di Ricerca

 

Apprendimento Automatico [periodo: dal 2000]

Sistemi Ibridi Genetico-Neurali
Dal 2000 il gruppo IASC ha indagato tematiche di apprendimento automatico legate alla predizione di serie temporali in ambito finanziario. Con l'obiettivo di prevedere l'andamento di indici di borsa (COMIT, S&P500, NASDAQ) su un lasso di tempo di circa 10 anni, sono stati utilizzati i sistemi di classificazione di Wilson (XCS), congiuntamente a reti neurali feedforward esplicitamente progettate per applicazioni finanziarie. Concettualmente, il lavoro di ricerca si inquadra nell'ambito dei sistemi basati su esperti multipli (multiple experts / mixtures of experts), ed è stato realizzato con un approccio ibrido genetico-neurale.

Esperti Multipli
La maggior parte delle ricerche effettuate nell'ambito dell'apprendimento automatico sono state finalizzate alla definizione, realizzazione e sperimentazione di insiemi di classificatori o predittori, in particolare nell'ambito della predizione di indici di borsa, nella predizione di strutture secondarie di proteine, e nella categorizzazione gerarchica di documenti. In questo ambito sono anche stati effettuati studi e ricerche più propriamente legati all'apprendimento automatico, in particolare sulle mixture di esperti, riconducibili al modello proposto da Jacobs e Jordan o al modello ECOC.

Classificazione Gerarchica
Il filtraggio progressivo è un modo semplice per eseguire la classificazione gerarchica, ispirato dal comportamento che la maggior parte degli umani messi in pratica durante il tentativo di classificare un elemento secondo una tassonomia sottostante. In questo ambito è stato definito un modello probabilistico che evidenzia come la classificazione gerarchica “naive” non possa essere considerata una valida alternativa ai metodi di ensemble. Si dimostra inoltre che la statistica dei dati può invalidare le misure di prestazione effettuate su classificatori gerarchici sul versante degli esempi negativi (true e false negative).

Generazione di Tassonomie
In molti settori applicativi (per es. motori di ricerca verticali) le tassonomie sono ancora costruite e mantenute da esperti umani, ma la quantità di informazioni è spesso tale che la loro gestione diventa difficile. Per tale motivo recentemente è cresciuto l'interesse per la loro generazione automatica, in grado in particolare di fornire euristiche adeguate per far fronte all'elevata complessità computazionale associata al problema. In questo ambito è in corso di indagine l'idea secondo la quale ogni nodo della tassonomia in corso di costruzione debba avere un insieme ponderato di feature caratteristiche e discriminanti, tali da garantire una buona separabilità tra pari, evitando però che l'algoritmo di generazione della tassonomia possa definire superclassi comuni per classi che in realtà dovrebbero essere considerate “lontane” in una tassonomia ideale.

 

Sistemi ad Agenti [periodo: 1999-2009]

Agenti e Intelligenza Artificiale
Nell'ambito dell'Intelligenza Artificiale, gli agenti possono essere utilizzati come contenitori in grado di supportare modalità di interazione standardizzate e di incapsulare algoritmi avanzati di pianificazione, ragionamento ed apprendimento. In un progetto finalizzato alla realizzazione di un gioco interattivo, è stata definita un’architettura per sistemi ad agenti in grado di operare in un ambiente virtuale. Ogni agente deve effettuare scelte complesse sulle attività da intraprendere, ed è soggetto a vincoli di tempo legati alla dinamica del gioco stesso. Altri lavori legati al progetto sono finalizzati a descrivere in dettaglio le attività di pianificazione gerarchica e di sviluppare un adattamento individuale all’ambiente tramite la capacità di apprendere operatori astratti a partire da piani risolti in precedenza.

Infrastrutture e Sistemi ad Agenti
Le potenzialità della tecnologia ad agenti possono essere utilizzate direttamente per realizzare sistemi complessi, ma anche per definire infrastrutture software di alto livello. In quest'ultimo ambito sono state definite e realizzate architetture generiche (in particolare X.MASe GAME) finalizzate alla progettazione e implementazione di sistemi complessi.

 

Bioinformatica [periodo: dal 2001]

Algoritmi di Multiallineamento
In questo ambito è stato realizzato un algoritmo di multiallineamento per sequenze proteiche in grado di sfruttare anche la conoscenza sulla struttura secondaria. Ove tale informazione non sia disponibile si è fatto ricorso a un predittore di strutture secondarie.

Predizione di Strutture Secondarie di Proteine
Nell'ambito della linea di ricerca sulla predizione di strutture secondarie di proteine è stato realizzato un sistema ibrido genetico neurale, con un'architettura che trae spunto da quella utilizzata per la predizione di serie economico-finanziarie. Sempre nell'ambito della predizione di strutture secondarie di proteine, il gruppo IASC si è occupato del problema della codifica dei dati. Tale attività di ricerca ha portato alla definizione di un nuovo metodo di codifica (denominato SLB) che consente di migliorare le prestazioni di sistemi di predizione basati su architetture neurali.

Progettazione di Molecole Complesse
La progettazione di nuove molecole è un argomento importante per la biologia computazionale. In questo ambito per generare una nuova proteina è stato utilizzato un approccio evolutivo, in cui la funzione di fitness è basata sul punteggio idrofobicità, sul peso molecolare, e sulle le predizioni di struttura secondaria.

Infrastrutture e Sistemi per la Bioinformatica
Nell'ambito delle ricerche di bioinformatica il gruppo IASC si è anche occupato della definizione e realizzazione di infrastrutture basate su esperti multipli. Tale attività di ricerca ha dato origine all'infrastruttura denominata GAME (Generic Architecture based on Multiple Experts), ampiamente utilizzata per la prototipazione veloce di architetture per la risoluzione di problemi pattern recognition. Tra le altre attività riconducibili alla realizzazione di infrastrutture, ricordiamo quelle finalizzate a investigare le potenzialità delle GPU (graphics processing units), sempre per applicazioni di bioinformatica.

 

Information Retrieval e Filtering [periodo: dal 2005]

Sistemi di Raccomandazione e Contextual Advertising
Sono state studiate diverse architetture e algoritmi finalizzati alla realizzazione di sistemi di raccomandazione e di contextual advertising. Ricordiamo che i sistemi di raccomandazione cercano di prevedere il “rating” che un utente potrebbe assegnare a un oggetto (tipicamente testuale o multimediale) fruibile sul World Wide Web, sulla base di un modello costruito a partire dalle caratteristiche dell'oggetto in questione (approcci content-based) o ricavato analizzando i collegamenti tra l'utente e altri utenti giudicati simili (approcci collaborativi). Quella contestuale è una forma di pubblicità mirata, in cui gli avvisi pubblicitari sono selezionati in base al contenuto visualizzato dall'utente. Le ricerche effettuate in questo ambito hanno evidenziato una similarità sostanziale tra i due domini applicativi, illustrata in varie pubblicazioni. Nell'ambito del contextual advertising è stato inoltre definito e sperimentato un nuovo modello ibrido, in grado di combinare tecniche content-based e collaborative.

 

primi sui motori con e-max