Machine Learning and Perception

Cluster

Artificial Intelligence

Description

The group operates within the discipline of Machine Learning (automated learning). The mission of the group is exploring the study and design of algorithms that can learn from a set of data and make predictions about them, thus building, as a matter of fact, a sample-based inductive model. The end goal is analysing and interpreting heterogeneous data (e.g., videos, audio recording, measurements, etc.) in order to build advanced systems that will be able to emulate human behaviour, in order to simplify and make possible the performing of tasks that would otherwise be too taxing or difficult for human operators (autonomous driving, identification of anomalies, assessment of medical exams, etc.). Particular attention is paid to systems that are applicable in real environments. The solutions conceived by the group are applied in diverse domains, with a special interest for robotics. The research projects are of a multi-disciplinary nature and study in depth the relationships among Informatics, Engineering, Statistics and Mathematics.

Research subjects

Studio e sviluppo di modelli matematici che possono essere utilizzati sia per ottenere una comprensione delle reti neurali biologiche, ma ancor di più per risolvere problemi ingegneristici di intelligenza artificiale come quelli che si pongono in diversi ambiti tecnologici.
Sviluppo di nuove tecniche di pattern recognition basate su subspace methods, incremental learning, representation learning e deep learning per l’estrazione automatica delle caratteristiche descrittive e salienti di un elemento d’immagine senza alcuna informazione a priori.
Sviluppo di algoritmi che permettono il trasferimento della conoscenza acquisita mediante l’utilizzo di approaci supervisionati applicati ad uno specifico problema e ne consentono l’applicazione in un nuovo dominio
Sviluppo di tecniche e sistemi di apprendimento automatico che puntano ad attuare sistemi in grado di apprendere ed adattarsi alle mutazioni dell'ambiente in cui sono immersi attraverso la distribuzione di una "ricompensa" (detta rinforzo )che consiste nella valutazione delle loro prestazioni.
Realizzazione di sistemi di intelligenza artificiale atti a simulare il comportamento umano in ambienti specifici (p.e., ambienti industriali, videogiochi, guida veicoli,ecc.).
Studio di algoritmi di apprendimento non supervizionato. Particolare enfasi è posta alla realizzazione di reti nerurali “contraddittorie” in cui il sistema è composto da due reti neurali che si contendono l'una contro l'altra in un framework del tipo zero-sum.
Sviluppo di nuove tecniche e di algoritmi avanzati per l’analisi di immagini atti ad rilevare, identificare e fornire informazioni dettagliate riguardo al piatto rappresentato.
Sviluppo di algoritmi di machine Learning, basati su dati biometrici estratti da sensori indossabili, per l’analisi dei movimenti degli arti di una persona nell'ambito della riabilitazione fisioterapica.

ERC panels

PE6_11 Machine learning, statistical data processing and applications using signal processing (e.g. speech, image, video)
PE6_7 Artificial intelligence, intelligent systems, natural language processing
PE6_8 Computer graphics, computer vision, multimedia, computer games
PE7_8 Networks: communication networks and nodes, Internet of Things, sensor networks, networks of robots
PE7_10 Robotics