artificial neural networks

Artificial Intelligence for Electrical Engineering

Artificial Intelligence for Electrical Engineering

Il gruppo di ricerca Artificial Intelligence for Electrical Engineering (AI4EE) promuove la ricerca interdisciplinare dedicata allo sviluppo, alla sperimentazione e all'applicazione di tecniche di Intelligenza Artificiale nel campo dell'ingegneria elettrica.

L'obiettivo principale del gruppo di ricerca è integrare metodologie avanzate di machine learning, deep learning e sistemi intelligenti con le tecnologie elettriche tradizionali, al fine di migliorare prestazioni, efficienza, sicurezza e automazione dei sistemi elettrici moderni.

Artificial Intelligence for Electrical Engineering

Artificial Intelligence for Electrical Engineering

La gestione dell'energia è un fattore chiave per la crescita e lo sviluppo della società. La previsione del consumo e della produzione di energia è diventata un'esigenza cruciale per migliorare le prestazioni energetiche e la sostenibilità ambientale. Nell'ambito delle fonti energetiche rinnovabili, lo sviluppo di nuovi paradigmi di deep learning rappresenta un'importante sfida per lo sviluppo sostenibile.

Neural Network Systems & Applications (NESYA)

Neural Network Systems & Applications (NESYA)

NESYA è un gruppo di ricerca al quale partecipano docenti e giovani ricercatori del Dipartimento di Ingegneria dell'Informazione, Elettronica e Telecomunicazioni (DIET) dell'Università degli Studi di Roma "La Sapienza". All'interno di NESYA sono anche coinvolti gli studenti di laurea di primo e secondo livello delle due Facoltà di Ingegneria di Sapienza, durante lo svolgimento delle loro attività didattiche di laboratorio e soprattutto durante il loro periodo di tesi.

Quantum Computing & Quantum AI

Quantum Computing & Quantum AI

Il gruppo di ricerca Quantum Computing & Quantum AI si occupa delle aree di ricerca emergenti connesse con la Quantum Artificial Intelligence (QAI) che sfrutta le leggi della meccanica quantistica per gestire in modo efficiente dati eterogenei su larga scala. L'enorme quantità di dati prodotti e la crescente complessità dei tradizionali modelli di deep learning richiedono lo sviluppo di nuovi sistemi e algoritmi che siano anche scalabili.

GLADIA

GLADIA

GLADIA is a team of computer scientists, physicists, engineers and mathematicians venturing beyond the boundaries of machine intelligence. Our aim is to understand the mathematics and dynamics of intelligence, and slash the time required to create new models from months to mere seconds. From language to audio, from latent geometry to model merging, we seek architectures and methods that make AI faster, more accessible, more creative, more powerful.

Neural Networks and Betting Strategies for Tennis

Recently, the interest of the academic literature on sports statistics has increased enormously. In such a framework, two of the most significant challenges are developing a model able to beat the
existing approaches and, within a betting market framework, guarantee superior returns than the set of competing specifications considered. This contribution attempts to achieve both these results, in

Automatic Transportation Mode Recognition on Smartphone Data Based on Deep Neural Networks

In the last few years, with the exponential diffusion of smartphones, services for turn-by-turn navigation have seen a surge in popularity. Current solutions available in the market allow the user to select via an interface the desired transportation mode, for which an optimal route is then computed. Automatically recognizing the transportation system that the user is travelling by allows to dynamically control, and consequently update, the route proposed to the user.

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma