MATTEO DE FELICE
Piattaforma per lo studio e
                           l’utilizzo di algoritmi di
                          ottimizzazione...
EVOLUTIONARY E SOFT COMPUTING

    Tecniche stocastiche
    Spesso progettazione trial-and-error
    Uso di simulatori sof...
PACCHETTI SOFTWARE ESISTENTI

    Optimization Algorithm Toolkit (OAT)
    della Swinburne University of
    Technology, C...
OBIETTIVI DI EVEN

                           API per lo
                          sviluppatore




               User-
 ...
TARGET DI EVEN
                                               Sviluppatori di
                                            ...
EFFICIENZA

    Codice C++ di diversi ordini di grandezza
    più veloce del codice Java e di MATLAB
USER-FRIENDLINESS
API PER GLI SVILUPPATORI

    API (Application Programming Interface)
    per gli sviluppatori
FUNZIONALITÀ DI EVEN

    Ottimizzazione di funzioni statiche e
    dinamiche (variabili nel tempo)
    Design di reti neu...
DATI DELLE SIMULAZIONI

    Soluzioni del problema salvate su file (e
    pronte per essere esportate, es.
    MATLAB)
   ...
GUI PER L’ANALISI DEI DATI
                             Selezione dati




 Selezione
simulazioni




Area plot           ...
UTILIZZI ATTUALI DI EVEN

    Modelli climatici tramite reti neurali ed
    algoritmi genetici
    Uso delle reti neurali ...
SVILUPPI FUTURI

              Versione parallela e
              distribuita
ENSEMBLING NEURALE

Studio e implementazione dell’ensembling
neurale per problemi dinamici in
collaborazione con il prof. ...
PUBBLICAZIONI
    Ceravolo, De Felice, Pizzuti – Combining
    Back-propagation and Genetic Algorithms
    to Train Neural...
Upcoming SlideShare
Loading in …5
×

EVEN Presentation - April 2009

434 views

Published on

Presentazione di EVEN Framework per l'Audit di TER-ENESIST ENEA 8 Aprile 2009

Published in: Business, Technology
  • Be the first to comment

  • Be the first to like this

EVEN Presentation - April 2009

  1. 1. MATTEO DE FELICE
  2. 2. Piattaforma per lo studio e l’utilizzo di algoritmi di ottimizzazione e ricerca. EVolutionary Utilizzo di reti neurali artificiali (ANN) per la predizione e la modellazione. ENvironment Analisi statistiche delle popolazioni e delle soluzioni. Framework Esportazione dei dati per post- processing in altri ambienti.
  3. 3. EVOLUTIONARY E SOFT COMPUTING Tecniche stocastiche Spesso progettazione trial-and-error Uso di simulatori software
  4. 4. PACCHETTI SOFTWARE ESISTENTI Optimization Algorithm Toolkit (OAT) della Swinburne University of Technology, Complex Intelligent Systems Laboratory (CIS) MATLAB, Neural Networks Toolbox e Genetic Algorithm Toolbox Librerie/API come Nnlib, GAlib, ParadisEO (INRIA)
  5. 5. OBIETTIVI DI EVEN API per lo sviluppatore User- friendliness Efficienza
  6. 6. TARGET DI EVEN Sviluppatori di algoritmi, metodi Sviluppatori Scienziati Utenti Ingegneri e Studiosi di evo e tecnici per scopi soft computing di ottimizzazione
  7. 7. EFFICIENZA Codice C++ di diversi ordini di grandezza più veloce del codice Java e di MATLAB
  8. 8. USER-FRIENDLINESS
  9. 9. API PER GLI SVILUPPATORI API (Application Programming Interface) per gli sviluppatori
  10. 10. FUNZIONALITÀ DI EVEN Ottimizzazione di funzioni statiche e dinamiche (variabili nel tempo) Design di reti neurali artificiali Algoritmi “classici” (backpropagation, algoritmi genetici) e innovativi (Artificial Societies e Cellular Genetic Algorithms) Problemi di benchmark built-in Simulazioni batch con file di log
  11. 11. DATI DELLE SIMULAZIONI Soluzioni del problema salvate su file (e pronte per essere esportate, es. MATLAB) Dati dell’algoritmo (diversità delle soluzioni, dati statistici) Accessibili tramite GUI
  12. 12. GUI PER L’ANALISI DEI DATI Selezione dati Selezione simulazioni Area plot Tipi di plot: 1. Normale 2. Derivata 3. Normalizzato
  13. 13. UTILIZZI ATTUALI DI EVEN Modelli climatici tramite reti neurali ed algoritmi genetici Uso delle reti neurali RBF per fault e anomaly detection Ottimizzazione parametrica per la progettazione di un distretto energetico Studio di base per tecniche di ensembling neurale
  14. 14. SVILUPPI FUTURI Versione parallela e distribuita
  15. 15. ENSEMBLING NEURALE Studio e implementazione dell’ensembling neurale per problemi dinamici in collaborazione con il prof. Xin Yao del CERCIA (The Centre of Excellence for Research in Computational Intelligence and Applications)
  16. 16. PUBBLICAZIONI Ceravolo, De Felice, Pizzuti – Combining Back-propagation and Genetic Algorithms to Train Neural Networks for Ambient Temperature Modeling in Italy, EVO* 2009 (to be published) Azzini, De Felice, Meloni, Tettamanzi – Soft computing techniques for Internet backbone traffic anomaly detection, EVO* 2009 (to be published)

×