meli
univrit
Curriculum Vitae (inglese)
(pdf, it, 125 KB, 27/09/24)
Insegnamenti attivi nel periodo selezionato: 9.
Clicca sull'insegnamento per vedere orari e dettagli del corso.
Di seguito sono elencati gli eventi e gli insegnamenti di Terza Missione collegati al docente:
| Argomento | Descrizione | Area di ricerca |
|---|---|---|
| Agenti intelligenti | L'area di ricerca degli agenti intelligenti si occupa di progettare e sviluppare entita' autonome in grado di percepire, comprendere ed interagire con l'ambiente in cui gli agenti operano. Alcuni degli argomenti di tale area di ricerca sono: pianificazione delle azioni, apprendimento, ragionamento in condizioni di incertezza. |
Intelligenza Artificiale
Distributed artificial intelligence |
| AI e robotica | Applicazione di tecniche di intelligenza artificiale per aumentare il livello di autonomia dei sistemi robotici. Ciò include l'adattamento di algoritmi per la pianificazione autonoma e l'apprendimento per rinforzo per: i) gestire i vincoli cyber-fisici imposti dai robot che operano in scenari parzialmente osservabili e incerti; ii) garantire l'affidabilità e la robustezza dei sistemi robotici che operano in ambienti aperti (ad esempio, interagendo con gli esseri umani e altri sistemi robotici); iii) facilitare l'uso di sistemi robotici in applicazioni realistiche proponendo nuovi paradigmi di interazione con gli utenti (ad esempio, addestrare un robot a eseguire un compito piuttosto che specificare un programma di controllo). |
Intelligenza Artificiale
Planning and scheduling |
| Intelligenza artificiale spiegabile | L'obiettivo dell'IA spiegabile (XAI) è i) spiegare i modelli black-box; ii) sviluppare modelli di IA che siano interpretabili per costruzione. Ad esempio, ciò comporta l'analisi e la scoperta causale, i modelli logici di agenzia (con la programmazione logica) e l'apprendimento automatico logico (con la programmazione logica induttiva). XAI aiuta a caratterizzare l'accuratezza del modello, l'equità, la trasparenza e i risultati nel processo decisionale alimentato dall'IA; inoltre questo campo si concentra sui metodi per migliorare l'interpretazione dei modelli e delle decisioni utilizzando strumenti statistici e grafici. |
Intelligenza Artificiale
Machine learning |
| Pianificazione neurosimbolica | L'IA neurosimbolica si concentra sulla combinazione dell'IA standard basata sui dati (ad esempio, l'apprendimento per rinforzo) con approcci simbolici (ad esempio, la programmazione logica e la programmazione logica induttiva), al fine di migliorare la spiegabilità dei sistemi di IA (ad esempio, gli agenti autonomi), la loro efficacia nell'interazione uomo-robot e favorire l'acquisizione incrementale di conoscenza e la generalizzazione nella pianificazione. |
Intelligenza Artificiale
Planning and scheduling |
© 2025 | Università degli studi di Verona
******** CSS e script comuni siti DOL - frase 9957 ********
