skip to Main Content
Tarantino
Nome: Ernesto
Cognome: Tarantino
Data di nascita: 27/05/1961
Ruolo: Ricercatore
Laboratorio tematico di riferimento: Intelligenza Computazionale (CI Lab)
Matricola: 516
Telefono Fisso: +39 0816139525
Sede di lavoro: Napoli
Fax: +39 0816139531
Tematiche e attività di ricerca:
L’attivita’ scientifica e’ stata inizialmente orientata allo studio delle problematiche relative al calcolo parallelo, sia da un punto di vista teorico che sperimentale. In particolare sono state approfondite le tematiche riguardanti le architetture parallele e le metodologie di progettazione di algoritmi paralleli per la soluzione di problemi scientifici. In seguito, l’attività di ricerca ha riguardato lo studio degli aspetti teorici ed applicativi di Tecniche di Intelligenza Artificiale. In particolare sono state implementate tecniche di Machine Learning e di Soft Computing basate su approccio complesso, quali gli Algoritimi Evolutivi, e sono state analizzate ed applicate tecniche di ottimizzazione stocastiche di funzioni multimodali e multidimensionali, anch’esse di tipo evolutivo, quali la Particle Swarm Optimization e la Differential Evolution. Di tutti questi approcci sono stati investigati i modelli paralleli per la soluzione di problemi reali di ottimizzazione, di previsione, di data mining e di mapping. Per quanto attiene gli aspetti più strettamente teorici, sono stati definiti e sperimentati nuovi operatori evolutivi e sono state condotte analisi per lo studio di meccanismi di migrazione nella versione distribuita della Differential Evolution, basata sul modello ad isole. Tale analisi ha permesso di definire un modello innovativo di migrazione adattivo basato sull’invasione biologica. Per quanto riguarda invece l’aspetto applicativo, tali modelli evolutivi sono stati utilizzati per la soluzione di problemi di ottimizzazione combinatoria e multivariabile e multiobiettivo del mondo reale, quali ad esempio problemi classici di ricerca operativa e l’ottimizzazione di profili alari. Tali tecniche sono state anche usate per la previsione di serie temporali di funzioni test e di complessi fenomeni naturali. Sono state impiegate per il data mining su basi di dati in campo medico per risolvere problemi di classificazione, clusterizzazione e feature extraction, per la classificazione unsupervised di immagini multispettrali telerilevate. Il loro utilizzo ha consentito l’estrazione di regole intelligibili di classificazione. Modelli evolutivi, sia sequenziali che paralleli, sono stati implementati per la registrazione di immagini trovando la migliore trasformazione affine in termini di mutua informazione tra un’immagine e la trasformata della seconda, usando un’implementazione distribuita di Differential Evolution e senza usare, a differenza di precedenti approcci, punti di controlli. Tali modelli sono stati testati su immagini satellitari e mediche. Inoltre, si sono studiate ed implementate alcune tecniche evolutive per la risoluzione del problema del mapping su griglie e cloud con risorse geograficamente distribuite. E’ autore di circa 100 lavori a conferenze e riviste internazionali. Ha fatto parte di numerosi comitati di programma di conferenze internazionali nell’ambito della computazione evolutiva.
Back To Top