Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Machine Learning for the verification and synthesis of cyber-physical systems – PRIN 2017 “SEDUCE” n. 2017WRCCNB - CUP J95J19000200001 |
|---|---|
| Titolo del progetto di ricerca in inglese | Machine Learning for the verification and synthesis of cyber-physical systems – PRIN 2017 “SEDUCE” n. 2017WRCCNB - CUP J95J19000200001 |
| Area CUN | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | Nell’ambito del progetto nazionale “SEDUCE” il postdoc esaminerà l’applicazione di tecniche di machine learning per migliorare la scalabilità delle tecniche di verifica, sintesi e controllo per i sistemi cyber-fisici, concentrandosi su due specifiche caratteristiche: la localizzazione spaziale di questi sistemi e la loro incertezza. Il lavoro del postdoc si concentrerà su alcuni di questi aspetti: accelerazione degli algoritmi di simulazione sfruttando i metodi bayesiani e/o di deep learning, verifica e monitoraggio approssimati e scalabili integrando tecniche di deep learning con metodi di verifica standard, algoritmi scalabili per il controllo predittivo e la pianificazione usando tecniche Bayesiane e/o metodi di deep learning e applicazioni per la pianificazione del movimento di un robot in un ambiente affollato. Il candidato dovrebbe avere una ragionevole conoscenza del machine learning e/o dei sistemi cyber-fisici e/o della verifica per i sistemi stocastici o ibridi. |
| Descrizione sintetica in inglese | Within the national project “SEDUCE” – Designing Spatially Distributed Cyber-Physical Systems under Uncertainty - the postdoc will investigate the application of machine learning techniques to improve scalability of verification, synthesis and control techniques for cyber-physical systems, with a focus on two specific features: the spatial localization of these systems, and their uncertainty. The work of the postdoc will focus on some of these aspects: acceleration of stimulation algorithms by exploiting Bayesian and/or deep learning methods, scalable approximate verification and monitoring integrating deep learning with standard verification methods, accelerated model predictive control and planning using Bayesian and/or deep learning methods, and applications to motion planning of a robot in a crowded environment. The candidate is expected to have some knowledge of machine learning and/or cyber-physical systems and/or verification for stochastic or hybrid systems. |
| Data del bando | 28/01/2020 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | http://web.units.it/concorsi/ricerca/assegni-ricerca/pub |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Importo annuale | 21983.39 |
| Valuta | Euro |
| Nome dell'Ente finanziatore | Università degli Studi di Trieste |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Trieste |
| Sito web | http://www.units.it |
| concorsidoc@amm.units.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 02/03/2020 |
|---|