Studio di un modello di Deep Learning per la classificazione di segnali su strutture dati irregolari

Il Deep Learning e le reti neurali rappresentano uno step importante nell'ambito dell'intelligenza artificiale, rivoluzionando il mondo del machine learning. L'obiettivo dello studio ਠquello di sviluppare l'architettura di una rete neurale convolutiva specializzata nel task della classificazione di grafi. Il progetto prevede l'utilizzo di un metodo innovativo, basato sulla classificazione del vettore di feature di un nodo contenente le informazioni relative all'architettura del grafo e alle feature dei nodi. Il dataset di riferimento ਠuna trasposizione delle immagini del dataset MNIST su delle strutture a grafo. I risultati ottenuti riguardanti la performance della rete sono stati confrontati con quelli raggiunti da altri metodi di classificazione sul medesimo dataset.