Tiziano Alberto Giuliacci
Applicazione Deep Learning per la progettazione ottimizzata di HEV = Deep Learning Application for Optimal HEV Design.
Rel. Daniela Anna Misul. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Meccanica, 2019
Abstract
L’attività svolta nella seguente trattazione si inserisce all'interno di un contesto assai ampio e trova il suo punto di partenza in studi avanzati di ricerca, il cui risultato si riscontra in una serie di documentazioni, raccolte di dati sperimentali e tools operativi in materia di veicoli ibridi elettrici (HEVs). L’intenzione più generale dell’intero lavoro consiste nella creazione di uno strumento di estrema leggerezza computazionale, potenzialmente in grado di poter essere adattato a svariati contesti applicativi ma principalmente pensato per il supporto della progettazione ottimizzata, volendo proporre una soluzione alternativa alle attuali tecniche utilizzate, di tempi drasticamente minori. Come metodo pensato per far fronte alle specifiche ricercate, si è pensato al Deep Learning delle Reti Neurali.
Questi sono modelli matematici oggi definiti di “apprendimento automatico”, appartenenti alla macro famiglia dell’Intelligenza Artificiale, nominativo che deriva dalla capacità di questi algoritmi di adempire ad uno scopo senza una programmazione ‘ad hoc’ ma grazie alla capacità di ‘poter imparare’
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Informazioni aggiuntive
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
