Revisione dei modelli di Intelligenza Artificiale per la previsione del traffico urbano. Attraverso l'analisi delle architetture di Deep Learning (GNN, MARL) e dei relativi limiti, il presente lavoro dimostra l'applicabilità delle metodologie descritte anche nell'ambito della logistica 4.0 (magazzini automatizzati).
STUDIO ED ANALISI DI METODOLOGIE DI INTELLIGENZA ARTIFICIALE PER LA PREVISIONE DELLA CONGESTIONE DEL TRAFFICO
CALO', NICOLAS
2025/2026
Abstract
Revisione dei modelli di Intelligenza Artificiale per la previsione del traffico urbano. Attraverso l'analisi delle architetture di Deep Learning (GNN, MARL) e dei relativi limiti, il presente lavoro dimostra l'applicabilità delle metodologie descritte anche nell'ambito della logistica 4.0 (magazzini automatizzati).File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Calò_Nicolas.pdf
File consultabile da postazioni biblioteca
Dimensione
2.29 MB
Formato
Adobe PDF
|
2.29 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14253/110524