Tesi disponibili

Di seguito si riportano alcuni temi disponibili per tesi di laurea (triennale o magistrale).

Deep Learning

- Apprendimento dell’architettura e dei parametri di reti neurali deep

Sviluppo di metodi efficienti di Automatic Machine Learning (AutoML) per il Deep Learning.

Riferimenti: Deep Learning Book, AutoML16, AutoML17

- AutoML with Deep Reinforcment Learning

Uso di architetture neurali apprese con tecniche di reinforcment learning per la generazione della descrizione di un modello di una rete neurale.

Riferimenti: Deep Learning Book, Neural Architecture Search with Reinforcement Learning

- Deep Reinforcment Learning for Heuristics Design

Riferimenti: An Investigation of Reinforcement Learning for Reactive Search Optimization

- Automatic Algorithm Configuration with Deep Learning

Uso di architetture neurali per la configurazione automatica dei parametri di un algoritmo.

Riferimenti: Deep Learning Book

- Deep Reinforcment Learning for Heuristics Design

Riferimenti: An Investigation of Reinforcement Learning for Reactive Search Optimization

- Deep Learning for Clustering Analysis

Metodi di clustering con reti neurali deep

Riferimenti: Unsupervised Deep Embedding for Clustering Analysis

Relational Learning and (Representation) Deep Learning

- Learning Embeddings of Knowledge Bases

Riferimenti: Learning Structured Embeddings of Knowledge Bases, Representation Learning of Knowledge Graphs with Entity Descriptions, Complex Embeddings for Simple Link Prediction

Machine Learning

- Learning the Structure and Parameters of Sum-Product Networks

Riferimenti: Learning the Structure of Sum-Product Networks

- Positive and Unlabeled Learning

Apprendimento da soli esempi positivi.

Riferimenti: Multi-Positive and Unlabeled Learning, Positive-Unlabeled Learning with Non-Negative Risk Estimator

- Multilabel Classification

Riferimenti: <Multi-Label Classification with Cutset Networks