IAML Blog


In questo articolo vengono descritti i concetti di base della Cluster Analysis ed alcuni tra gli algoritmi più importanti e rappresentativi delle tecniche principali ad oggi utilizzate. Lo scopo è quello di far comprendere la finalità della suddivisione in cluster ed i meccanismi che si celano dietro la loro costruzione.


Negli ultimi anni, il graph machine learning ha riscosso grande interesse nella communità di ricerca, grazie alla sua capacità di modellare nativamente ogni tipo di informazione espressa sotto forma di un grafo (solo per citare alcuni esempi: amicizie ed interessi sui social network, reti di sensori, citazioni fra articoli, struttura di molecole e proteine...). Tantissimi gli approcci al tema, dai graph kernel alle "italianissime"

Continue Reading...


Il sistema nervoso umano è una struttura incredibilmente complessa. In ogni istante, oltre centomila chilometri di terminazioni nervose connettono ciascuna parte del vostro corpo con il midollo spinale ed il cervello. Per ogni movimento che fate, è attraverso questa enorme "rete" che vengono trasmessi gli impulsi elettrici che coordinano e gesticono l'attività dei muscoli. E ciascuno di questi commandi ha a su…

Continue Reading...


Una delle funzionalità più discusse del nuovo iPhone X è il nuovo metodo di sblocco, il successore di TouchID: FaceID. Avendo creato un telefono senza bordi, Apple ha dovuto sviluppare un nuovo metodo per sbloccare il telefono in modo facile e veloce. Mentre alcuni concorrenti hanno continuato a utilizzare un sensore di impronte digitali, collocato in una posizione diversa, Apple ha deciso di innovare e rivoluzionare il modo in cui sblocchiamo un telefono: semplicemente guardandolo. Grazie ad un'avanzata (e …

Continue Reading...


Molti li hanno già chiamati le illusioni ottiche delle reti neurali. In realtà, gli adversarial examples (che potremmo tradurre come "esempi antagonistici") sono un problema esistente per qualsiasi tecnica di machine learning: tramite modifiche impercettibili all'occhio umano, è possibile generare esempi in grado di confondere qualsiasi classificatore, indipendentemente dalla sua accuratezza in fase di training e con altissima probabilità. In pochissimi anni, questi attacchi sono risultati essere

Continue Reading...