SRAE: Sustainable Regressive Auto Encoder


Autoria(s): Preite, Riccardo
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