Descrizione del modulo "Metodi avanzati per la modellizzazione di sistemi a scala multipla e/o a conoscenza incompleta (ICT.P11.010.001)"

Type
Label
  • Descrizione del modulo "Metodi avanzati per la modellizzazione di sistemi a scala multipla e/o a conoscenza incompleta (ICT.P11.010.001)" (literal)
Potenziale impiego per bisogni individuali e collettivi
  • Le attività svolte potranno rispondere a bisogni individuali e collettivi attraverso: (1) la definizione di ambienti intelligenti per la gestione ed interpretazione automatica di dati in contesti specialistici e di interesse per la comunità come, ad esempio, la diagnosi, la pianificazione e il controllo terapeutico in ambito medico; (2) lo svolgimento di attività di formazione avanzata e il trasferimento di conoscenza con l'organizzazione di convegni e scuole internazionali. (literal)
Tematiche di ricerca
  • Le attività previste si inquadrano nelle seguenti due linee di ricerca: (1) metodi multiscala e gerarchici, (2) metodi di modellizzazione e simulazione di sistemi a conoscenza incompleta. Nell'ambito di ogni linea si possono individuare più specificamente i seguenti temi: (1) analisi di dati e segnali, metodi wavelet di nuova generazione, tecnologia della visione; (2) formalismi per la modellizzazione qualitativa e semi- quantitativa e algoritmi di simulazione, metodi di learning dai dati, metodi ibridi per l'identificazione di sistemi dinamici, metodi di valutazione di modelli, metodi di interpretazione qualitativa di dati spazio/temporali, metodi di Intelligenza Artificiale per ragionamento \"model-based\". (literal)
Competenze
  • Modellistica e simulazione numerica. Schemi di approssimazione: wavelets, elementi finiti, volumi finiti, differenze finite, etc. Tecniche di adattività. Metodi di decomposizione di dominio conformi e non. Metodi di analisi e simulazione qualitativa. Metodi di identificazione di sistemi. Metodi di learning dai dati, in particolare sistemi a logica fuzzy. Metodi di risoluzione di problemi inversi. Tecniche di analisi di segnali e immagini, tecniche di interpretazione qualitativa di campi numerici, metodi di aggregazione spaziale. Tecniche di Intelligenza Artificiale per la rappresentazione della conoscenza. Schemi di ragionamento basati su modelli. Tecniche di validazione di modelli. Conoscenza dei settori applicativi di riferimento. (literal)
Potenziale impiego per processi produttivi
  • La modellizzazione di sistemi complessi consente da un lato di rappresentare tali sistemi attraverso un modello astratto e di costruire metodologie efficienti di simulazione per il loro trattamento; dall'altro di progettare ambienti computazionali che utilizzino i risultati per attività di problem-solving e/o di supporto alle decisioni. I risultati della ricerca proposta possono quindi essere proficuamente utilizzati nelle diverse fasi della progettazione industriale, quali, ad esempio, il design e la diagnostica. Per il loro carattere generale, tali metodologie possono essere adattate per la rappresentazione e il trattamento di sistemi in processi produttivi in ambiti diversi, ed utilizzate in contesti anche molto differenti. (literal)
Tecnologie
  • Benché le attività, piuttosto innovative, abbiano come obiettivo lo sviluppo di nuovi metodi matematici e computazionali per la modellizzazione di sistemi a scala multipla e/o a conoscenza incompleta, esse non possono prescindere dall'apporto fondamentale degli strumenti matematici classici per la modellizzazione e simulazione. (literal)
Obiettivi
  • Definizione e sviluppo di un ambiente matematico e computazionale di supporto alla modellizzazione e simulazione di sistemi complessi che sia capace di gestire in modo efficiente gerarchie di dati e modelli formulati a diversi livelli di descrizione e dettaglio, che vanno dal qualitativo al quantitativo, dal microscopico al macroscopico. Tale obiettivo verrà perseguito tramite sotto-obiettivi più specifici: definizione e sviluppo di tecniche innovative di analisi multiscala di segnali e dati, sviluppo di tecniche di analisi di immagini, sviluppo di metodi di decomposizione di dominio non conformi, definizione di formalismi per il trattamento di conoscenza incompleta, sviluppo di algoritmi di simulazione qualitativa, definizione e sviluppo di metodi ibridi che integrino metodi qualitativi con metodi tradizionali di modellizzazione e di learning dai dati, sviluppo di metodi per l'estrazione e interpretazione di proprietà qualitative da campi numerici. Applicazione delle metodologie proposte, in particolare a problemi in ambito biomedico. (literal)
Stato dell'arte
  • La rilevanza delle problematiche affrontate è riconosciuta a livello europeo ed internazionale, sia in ambito accademico che industriale, come comprovato, ad esempio, dalle importanti reti europee: Breaking Complexity, programma IHP, a cui ha partecipato anche la network statunitense Ideal Data Representation Centre; Network of Excellence su Model-based and Qualitative Reasoning MONET 1, programma ESPRIT - Framework 4, e MONET 2, programma IST - Framework 5. A questo proposito, si ricorda la partecipazione alle reti citate, anche con responsabilità di coordinamento, dei ricercatori coinvolti in questa proposta. (literal)
Tecniche di indagine
  • Il modulo, di carattere essenzialmente metodologico, si propone di sviluppare e implementare metodi e tecniche innovative per la comprensione di sistemi complessi, in particolare metodologie di modellizzazione e simulazione, sia quantitativa che qualitativa. (literal)
Descrizione di

Incoming links:


Descrizione
data.CNR.it