Tesi disponibili

Tesi su programmazione logica probabilistica e apprendimento

• Sviluppo di un interprete per Logic Programs with Annotated Disjunctions (LPAD): gli LPAD vsono un recente formalismo per la rappresentazione di conoscenza probabilistica. Al momento esiste per essi un prototipo di interprete che utilizza Prolog e C. Si tratta di rendere l'interprete più efficiente consentendo un calcolo approssimato della probabilità delle query.
• Generalizzazione di LPAD: le attuali tecniche per l'apprendimento di LPAD prevedono l'apprendimento solo di programmi ground. È necessario sviluppare e sperimentare un algoritmo per la generalizzazione delle clausole ground apprese.
• Sviluppo di un algoritmo di apprendimento di LPAD: utilizzare tecniche di apprendimento di reti Bayesiane con variabili nascoste per apprendere un LPAD
• Process mining: il process mining si occupa di scoprire descrizioni dei processi di business. Obiettivo della tesi sarà confrontare un algoritmo di apprendimento sviluppato presso le Università di Ferrara e Bologna con uno sviluppato presso l'Università della Calabria. Il confronto prevede l'esecuzione di esperimenti su insiemi di dati.

Tesi su Vincoli e CLP

• diffn Si hanno N contenitori rettangolari ed m oggetti rettangolari. Vogliamo costruire un vincolo per un linguaggio CLP che mi aiuti a risolvere il problema di assegnare ciascun oggetto ad un contenitore, senza che gli oggetti rettangolari si debbano sovrapporre.
• intelligent backtracking per bound-consistency Bound-consistency è meno costosa di Arc-Consistency, ma effettua meno pruning, che può portare a fallimenti nella computazione successiva. Questi fallimenti possono essere ripetuti più e più volte, rendendo inefficiente l'esplorazione dell'albero di ricerca. Si intende studiare un algoritmo di backtracking intelligente che eviti di ripetere i fallimenti.
• Ottimizzazione Multi-Obiettivo In molti problemi reali ci sono più obiettivi che sarebbe auspicabile ottenere, spesso in conflitto fra loro. Si può pensare di visualizzare tutte le soluzioni che sono non-dominate, cioè per cui non esiste un'altra soluzione che è migliore rispetto a tutte le funzioni obiettivo. Varie tesi sono disponibili su questo argomento, fra cui:
  • Integrazione di metodi di ricerca operativa (linear programming, local search) con CLP
  • Applicazione di ottimizzazione multiobiettivo alla pianificazione dell'orario delle lezioni
  • Inserimento di preferenze nell'ottimizzazione multi-obiettivo
• Implementazione dell'algoritmo alfa-beta in CLP. L'algoritmo alfa-beta puo` essere visto come ricorsione attraverso minimize. Si vuole implementare l'algoritmo in questo modo e confrontarlo sperimentalmente con l'alfa-beta originale. Gli esperimenti saranno su un gioco reale e su alberi di gioco generati casualmente.
• Implementazione di vincoli probabilistici.
• Pianificazione con l'abduzione. L'abduzione è quel meccanismo di inferenza che serve a ragionare dalle conclusioni verso le cause. Un classico esempio è la diagnosi: a partire dai sintomi (conseguenze) si vuole ottenere le possibili malattie (cause). La pianificazione può essere realizzata con l'abduzione:
  • lo stato goal è la conseguenza
  • le possibili cause sono le azioni che si possono compiere
  • il piano è l'insieme delle cause che generano lo stato finale.
  Questa tesi può essere integrata con quella sull'algoritmo alfa-beta. Una possibilità è di avere due tesi che collaborano per risolvere giochi che prevedono sia pianificazione che avversari, quali RoboRally oppure Magic.

Tutti gli anni l'AI*IA (Associazione Italiana per l'Intelligenza Artificiale) indice un premio per la miglior tesi di laurea sull'Intelligenza Artificiale