Skip to content

Classificazione di profili ad alta risoluzione tramite l'utilizzo di reti neurali convoluzionali

Informazioni tesi

  Autore: Tiziano Menichelli
  Tipo: Tesi di Laurea Magistrale
  Anno: 2017-18
  Università: Università degli Studi di Roma Tor Vergata
  Facoltà: Ingegneria
  Corso: Ingegneria dell'Automazione
  Relatore: Mario Sassano
  Lingua: Italiano
  Num. pagine: 120

Più volte è stato dimostrato che una rete neurale a 3 livelli, ovvero composta da un livello di input, uno strato nascosto e un livello di output, può distinguere regioni arbitrariamente complesse; ciò significa che questo tipo di rete è un approssimatore universale. Perché, dunque, è stato necessario sviluppare l’apprendimento profondo? Nel recente passato l’asticella di difficoltà nei problemi di apprendimento automatico si è alzata moltissimo, rendendo inadeguate le tecniche di classificazione descritte in precedenza. In particolare il numero di dati a disposizione è cresciuto in maniera esponenziale: si parla oggi di Big Data. Con questo termine si indica un dataset talmente grande da richiedere strumenti non convenzionali per estrapolare, gestire e processare informazioni entro un tempo ragionevole. Non esiste una dimensione di riferimento, ma, anzi, questa è in continua evoluzione poiché i calcolatori sono sempre più veloci ed i dataset sono sempre più grandi.
Volendo risolvere un problema di classificazione di una mole enorme di dati tramite una rete neurale artificiale a 3 livelli si andrebbe incontro a diversi problemi: innanzitutto la complessità della regione da riconoscere è limitata dal numero di nodi per ciascun livello; quindi in questo tipo di problemi servirebbero un numero elevatissimo di neuroni nello strato nascosto per il raggiungimento della soluzione ottima. Inoltre si dovrebbe affrontare uno sforzo computazionale considerevole, oltre ad un ingente utilizzo della memoria.
Ogni giorno moltissime persone utilizzano il web per comunicare, per ottenere e scambiare informazioni e per accedere ad una grande quantità di servizi on-line, riversando, più o meno consapevolmente, un’enorme quantità di dati nel web. Inoltre la produzione di dati all’interno delle aziende è aumentata considerevolmente rispetto al passato. Questa crescita esponenziale dei dati disponibili in termini di volume, di varietà e di velocità è un patrimonio di inestimabile valore. Dai dati di partenza, infatti, possono essere estrapolati nuovi pattern e, quindi, nuove informazioni che non risultavano esplicite in un primo momento.
Per gestire questa enorme mole di informazioni è necessaria l’Intelligenza Artificiale, ovvero una branca dell’informatica che, grazie ad un incredibile progresso tecnologico, permette di sviluppare tecniche di apprendimento per calcolatori elettronici finalizzate a rendere le loro scelte autonome ed istantanee.
Tali tecniche di apprendimento permettono ai calcolatori di trovare caratteristiche comuni tra vari dati all’interno di un insieme di dati di partenza, cioè un dataset. In questo modo, in un secondo momento, lo stesso calcolatore sarà in grado di riconoscere le caratteristiche “imparate” precedentemente su un nuovo insieme di dati a lui inizialmente sconosciuto.
Sia in ambito civile che militare risulta di enorme interesse il riconoscimento automatico ed istantaneo di navi, aerei o veicoli in generale. In questo contesto nasce il seguente progetto, il quale si pone l’obiettivo di addestrare un calcolatore al fine di classificare in modo accurato quattro tipi di navi italiane tramite il riconoscimento di segnali radar o, meglio, di High Range Resolution Profiles. Percentuali di classificazioni corrette sono considerate buone se superiori all’80%, ottime se superiori al 90%. Il lavoro è stato svolto in collaborazione con la società MBDA Italia S.p.A., sotto la guida dell’Ing. Ferdinando Cicciù, dell’Ing. Luigi Ridolfi e la continua supervisione del Prof. Mario Sassano.
Lo svolgimento del lavoro è stato suddiviso in tre fasi principali:
• Generazione del dataset. Il dataset si compone di un insieme di coppie {campione-etichetta}, nelle quali ogni campione è un High Range Resolution Profile; questi profili saranno analizzati in dettaglio nel capitolo 1. Il dataset è costituito da un numero elevatissimo di campioni e la sua generazione è mostrata nel capitolo 2.
• Classificazione. Nel capitolo 3 vengono introdotte le nozioni di base sull’Intelligenza Artificiale. Queste sono applicate nella fase di addestramento per il quale saranno utilizzate sia tecniche “classiche” di Machine Learning, presentate nel capitolo 4, sia tecniche di ultima generazione basate sul Deep Learning, presentate nei capitoli 5 e 6.
• Analisi dei risultati. La migliore soluzione al problema è stata ottenuta grazie a numerosi test di post-processing, i quali hanno aiutato a migliorare le precedenti classificazioni sia dal punto di vista dell’accuratezza delle predizioni, sia dal punto di vista dell’affidabilità nei casi reali. Il riassunto dei risultati è presentato nel capitolo 7.

Informazioni tesi

  Autore: Tiziano Menichelli
  Tipo: Tesi di Laurea Magistrale
  Anno: 2017-18
  Università: Università degli Studi di Roma Tor Vergata
  Facoltà: Ingegneria
  Corso: Ingegneria dell'Automazione
  Relatore: Mario Sassano
  Lingua: Italiano
  Num. pagine: 120

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
Capitolo 1 High Range Resolution Profiles Classificare un dato significa ricavarne la classe di appartenenza considerando le in- formazioni presenti nel dato stesso e quelle caratterizzanti le varie classi cui possono essere associati i dati dell’insieme di partenza. In ogni problema di classificazione, quindi, bisogna avere un dataset, nel quale i dati sono caratterizzati dalla forma {campione-etichetta}; una predizione del classificatore è corretta se un campione vie- ne associato alla sua etichetta. L’obiettivo finale di un problema di classificazione è quello di ottenere il maggior numero possibile di predizioni corrette. Nel seguente progetto i campioni sono costituiti da profili ad alta risoluzione (High Range Resolution Profiles). Gli HRRP sono dei profili radar che mappano alcune caratteristiche fisiche tridimensionali di un corpo solido su un segnale monodimensio- nale. Secondo le specifiche richieste del progetto in questione, le etichette, ovvero le classi cui un determinato campione può appartenere, sono 4 tipi di navi italiane che, nel seguito, sono identificate tramite le iniziali dei loro nomi: B, D, C e M. In questo capitolo viene spiegato come avviene l’estrazione dei profili HRR a partire dai segnali radar, prima nel caso generale e poi in quello studiato. 3

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Per tradurre questa tesi clicca qui »
Scopri come funziona »

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave


Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi