Descrizione previsione attività della commessa "Machine Learning, Modeling and Growing Up (INT.P02.002)"

Type
Label
  • Descrizione previsione attività della commessa "Machine Learning, Modeling and Growing Up (INT.P02.002)" (literal)
Iniziative per acquisizione entrate
  • Si prevedono ulteriori azioni di ricerca nell'ambito di progetti finanziati da agenzie di ricerca Europee (Commissione Europea), nazionali e regionali. Si prevede inoltre il rafforzamento di ulteriori collaborazioni con industrie del settore biomedico e Associazioni e Fondazioni interessate alle ricadute applicative delle ricerche svolte. Inoltre, la collaborazione con Impara Srl, spin-off di CNR-IEIIT nel settore del machine learning, permetterà di verificare le possibilità di impiego dei metodi sviluppati nell'ambito del presente modulo e di attrarre finanziamenti specifici che consentano lo svolgimento dell'attività di ricerca di base necessaria al mantenimento del livello di eccellenza scientifica indispensabile per il miglioramento delle tecniche prodotte. (literal)
Punti critici
  • Tra i punti più critici associati allo sviluppo di tecniche per il monitoraggio e l'analisi di sistemi biologici, si dovrà tenere conto della difficoltà di validazione dei dati sperimentali, tipicamente molto disomogenei e distribuiti, con modelli teorici precedentemente sviluppati. Inoltre, la fase di validazione risulta essere estremamente time and cost consuming. I punti più critici nello sviluppo di tecniche di machine learning per l'analisi di dati biologici derivano dalla difficoltà di valutare anticipatamente le caratteristiche di efficienza e di accuratezza dei metodi sviluppati. Per diminuire il rischio di perseguire strade infruttuose si analizzeranno insiemi di dati che costituiscono benchmarks a livello internazionale e per i quali è disponibile un'ampia casistica. Condizione necessaria per il raggiungimento degli obiettivi proposti è la disponibilità di personale e di risorse economiche adeguate. In particolare, l'invecchiamento del personale e il mancato apporto di nuovi ricercatori, che permangano per un tempo sufficiente ad acquisire il know-how fondamentale, rende difficoltoso lo svolgimento dell'attività di ricerca prevista. Si aggiunga che il finanziamento ordinario per l'anno 2014 non ha permesso neppure di coprire i costi strettamente indispensabili all'attività del gruppo, rendendo di fatto impossibile qualunque tipo di cofinanziamento nella partecipazione a progetti nazionali e internazionali. (literal)
Attività da svolgere
  • L'applicazione del modello delle Switching Neural Networks (SNN) nella soluzione di problemi di apprendimento supervisionato con variabile d'uscita continua richiede di definire un metodo per approssimare la variabile d'uscita attraverso la riposta binaria a condizioni di tipo confronto legate tra loro da operatori logici. Al fine di mantenere l'intelligibilità del procedimento seguito dal modello per effettuare la previsione, ciò può essere fatto in due modi diversi: - Modello costante a tratti: la parte conseguente di ogni regola è data da un valore per la variabile d'uscita; il modello SNN è in tal caso costante a tratti e riesce ad approssimare con maggiore difficoltà funzioni che variano in modo repentino. - Modello lineare a tratti: la parte conseguente di ogni regola è una combinazione lineare di opportune variabili quantitative d'ingresso; il modello SNN è in tal caso lineare a tratti e sarà necessario sviluppare un apposito algoritmo di identificazione capace di determinare le regioni nello spazio degli ingressi all'interno delle quali applicare la stessa combinazione lineare. In entrambe le modalità è necessario porre particolare attenzione agli aspetti implementativi, in quanto la necessità di analizzare grandi moli di dati derivanti da esperimenti di tipo genico o proteomico richiede un'attenta gestione dell'occupazione di memoria e dell'uso della CPU. Gli algoritmi così sviluppati verranno impiegati nella soluzione di problemi applicativi ed in modo particolare nell'analisi di dati di tipo biomedico, specificamente nel supporto alla diagnosi e alla cura di patologie neoplastiche. Per studiare e sviluppare l'architettura di un artefatto capace di adattare ciò che ha imparato dall'esperienza per trovare soluzioni a problemi posti da nuovi contesti (growing up) , proseguirà la progettazione dell' architettura basata sulle memorie episodica e procedurale utilizzando i moduli SAS. Proseguirà l'analisi dei segnali polisonnografici e la loro classificazione e verrà analizzata e testata la capacità di calibrazione automatica rispetto alla varietà individuale della metodologia caotica sviluppata. Verrà svolta una analisi degli effetti e/o l'accettabilità dell'introduzione di robot caregiver nell'interazione con anziani autonomi. In conseguenza dei risultati di tali indagini verrà scelta una piattaforma robot su cui verranno implementate routines di servizio, allarme e strumenti di navigazione e decisione intelligenti. Proseguirà lo studio per lo sviluppo di strumenti per la navigazione autonoma e intelligente di robot all'interno di un ambiente semi o poco strutturato. Verrà testato il prototipo di bioreattore a compressione per la stimolazione meccanica di costrutti \"cellule+biomateriali\" per applicazioni ortopediche. La fase di validazione del bioreattore considererà molteplici aspetti, tra i quali la automatizzazione del processo, la sterilità e facilità d'uso. Verranno sviluppati e modellizzati materiali 3D intelligenti per applicazioni di tissue engineering. Verrà intrapreso un lavoro sperimentale nel settore del cancer tissue engineering, il cui scopo ultimo è la riproduzione del tumore in vitro, al fine di studiare i meccanismi meccanici e biologici alla base dell'insorgenza e progressione tumorale. Si prevede di completare gli aspetti relativi alla valutazione dell'esposizione ai campi magnetici a bassa frequenza e ai tablet a radiofrequenza. Si prevede di proseguire la valutazione della funzionalità uditiva dei soggetti affetti da sindrome di Williams tramite tecniche di analisi spettrale specificatamente sviluppate per l'applicazione alle emissioni otoacustiche (trasformata wavelet e bispettro) e lo studio delle funzionalità uditiva in soggetti affetti da malattia di Meniere con le tecniche di cui sopra. Proseguirà l'attività di partecipazione al progetto FP7 ARIMMORA (valutazione dell'esposizione) e FP7 GERONIMO (valutazione dell'esposizione e valutazione del rischio). Verrà definito un framework computazionale per il model-based design di reti di regolazione genica e continuerà lo studio e lo sviluppo di metodi di ottimizzazione stocastica. (literal)
Risultati attesi
  • Pubblicazioni su riviste scientifiche e negli atti di congressi nazionali e internazionali. Si prevede di registrare in Francia, in collaborazione con l'UPMC, il brevetto per un software per l'analisi e la classificazione automatica degli stadi del sonno a partire di segnali polisonnografici utilizzando un sistema ibrido simbolico/caotico.. Si prevedono ulteriori azioni di ricerca nell'ambito di progetti finanziati da agenzie di ricerca Europee (Commissione Europea), nazionali e regionali. Si prevede inoltre il rafforzamento di ulteriori collaborazioni con industrie del settore biomedico e Associazioni e Fondazioni interessate alle ricadute applicative delle ricerche svolte. Verranno completati gli aspetti relativi alla valutazione dell'esposizione ai campi magnetici a bassa frequenza e ai tablet a radiofrequenza. Nel corso del 2015 saranno svolte/completate le fasi di reclutamento dei soggetti Williams e dei malati di Meniere e si inizieranno le misure sperimentali di segnali rilevanti in ambito audiometrico, tra cui la registrazione di emissioni otoacustiche. È plausibile che nel corso del 2015 si possa iniziare la analisi preliminare di tali segnali con le tecniche sviluppate ad hoc descritte più sopra. Verrà realizzato un framework computazionale per il model-based design di reti di regolazione genica e verranno sviluppati nuovi metodi di ottimizzazione della probabilita' di ottenere il comportamento desiderato da una ipotizzata struttura di rete di regolazione (literal)
Descrizione di

Incoming links:


Descrizione
data.CNR.it