Archivio delle tesi
http://hdl.handle.net/10579/1895
2024-02-14T08:20:57ZDissecting continual learning: a structural and data analysis
http://hdl.handle.net/10579/22750
Dissecting continual learning: a structural and data analysis
Continual Learning (CL) è un campo della ricerca dell'intelligenza artificiale dedicata al progetto di algoritmi capaci di superare il problema del catastrofic forgetting nelle reti neurali, il fenomeno per il quale si ha la distruzione dei concetti appresi nel passato quando la rete sta apprendendo un concetto nuovo. Attualmente le reti neurali hanno dimostrato sorprendenti capacità nel risolvere diversi problemi reali, questi modelli, però, assumono una certa stabilità nella distribuzione dei dati e quando questo viene a meno il fenomeno di catastrofic forgettingsi presenta. In questa tesi, dopo una introduzione sullo stato dell'arte ed una discussione sulla letteratura corrente, introduciamo una analisi sul catastrophic forgetting nelle reti convolutive. In particolare vedremo come il pretraining di una backbone influisca sulle performance in ambito incrementale. Dopodichè dimostreremo come nei sistemi basati su buffer di replay (ossia memorie), sia di gran lunga più essenziale riporre l'attenzione nel memorizzare più quanti dati si riesca piuttosto che sula qualità di essi. Infine presentiamo uno dei primi studi sull'apprendimento incrementale nelle architetture che implementano il meccanismo di self-attention, ossia sui ViTs. Introduciamo una comparazione tra metodi basati sui dati, metodi funzionali e metodi basati sulla regolarizzazione del meccanismo di self-attention e dimostreremo come quest'ultimi siano competitivi rispetto allo stato dell'arte.
Jigsaw Puzzle Solving as a Consistent Labeling Problem
http://hdl.handle.net/10579/22748
Jigsaw Puzzle Solving as a Consistent Labeling Problem
The thesis aims to develop a methodology for solving complex puzzle problems. In the first part of the research, we explore the idea of abstracting the jigsaw puzzle problem as a consistent labeling problem, a classical concept introduced in the 1980s by Hummel and Zucker for which a solid theory and powerful algorithms are available. A formal theory of consistency developed by Hummel and Zucker turned out to have intimate connections with non-cooperative game theory. The theory generalizes classical (boolean) constraint satisfaction problems to scenarios involving ``soft'' compatibility measures and probabilistic (as opposed to ``hard'') label assignments. The problem amounts to maximizing a well-known quadratic function over a probability space which we solve using relaxation labeling algorithms endowed with matrix balancing mechanisms to enforce one-to-one correspondence constraints. The second part addresses the problem of puzzles with eroded borders, a special challenging case of puzzle-solving. Solving puzzles with eroded borders is a common situation when dealing with the re-assembly of archaeological artifacts or ruined frescoes. In this particular condition, the puzzle's pieces do not align perfectly due to the erosion gaps; a direct matching of the patches is consequently unfeasible due to the lack of color and line continuations. To tackle this issue, we propose JiGAN, a GAN-based method for solving puzzles with ruined borders. The experiments on commonly used benchmark datasets demonstrate that our approach is able to address the problem of eroded borders and produce plausible reconstruction results.
I piccoli principi: signorie locali, feudi e comunità soggette nello stato regionale veneto dall'espansione territoriale ai primi decenni del Seicento
http://hdl.handle.net/10579/686
I piccoli principi: signorie locali, feudi e comunità soggette nello stato regionale veneto dall'espansione territoriale ai primi decenni del Seicento
1988-01-01T00:00:00ZSpazialismo: protagonisti, idee, iniziative
http://hdl.handle.net/10579/15571
Spazialismo: protagonisti, idee, iniziative
1989-01-01T00:00:00Z