SRAE: Sustainable Regressive Auto Encoder
Contribuinte(s) |
Gabbrielli, Maurizio |
---|---|
Data(s) |
13/07/2022
|
Resumo |
Al giorno d’oggi viviamo in una realtà dove lo sviluppo economico, l’innovazione tecnologica, la qualità della vita e l’impatto ambientale sono i protagonisti assoluti. Tutti, persino gli Stati del mondo, si trovano a fare i conti con varie problematiche riguardanti i quattro aspetti sopracitati e qui possiamo dire che la sostenibilità ne è il punto chiave e che al momento non sembra esistere ancora una metrica riconosciuta e approvata per consigliare, a chi di interesse, come modificare certi aspetti per crescere in modo sostenibile. Le Nazioni Unite hanno deciso, di comune accordo, di stilare una lista di obiettivi da raggiungere entro il 2030 dove è possibile trovare argomenti in linea con quanto descritto finora. Questa raccolta è principalmente divisa in aspetti economici, sociali e ambientali che sono le stesse categorie di dati impiegate per il calcolo del Sustainable Development Index. In questo elaborato ci si propone di progettare e sviluppare una rete neurale predittiva da affiancare a un sistema di feedback per realizzare un prodotto che sia abile di: descrivere il contesto di partenza tramite l’SDI e/o consigliare comportamenti per migliorare la situazione in modo sostenibile. |
Formato |
application/pdf |
Identificador |
http://amslaurea.unibo.it/26202/1/tesi_magistrale_Preite_0000983698.pdf Preite, Riccardo (2022) SRAE: Sustainable Regressive Auto Encoder. [Laurea magistrale], Università di Bologna, Corso di Studio in Informatica [LM-DM270] <http://amslaurea.unibo.it/view/cds/CDS8028/> |
Idioma(s) |
it |
Publicador |
Alma Mater Studiorum - Università di Bologna |
Relação |
http://amslaurea.unibo.it/26202/ |
Direitos |
cc_by_nc_sa4 |
Palavras-Chave | #Sistema di feedback,Sostenibilità,Machine learning,Agenda 2030,SDI #Informatica [LM-DM270] |
Tipo |
PeerReviewed info:eu-repo/semantics/masterThesis |