Le metodologie di Explainable Artificial Intelligence (XAI) sono in grado di spiegare il funzionamento di modelli di Artificial Intelligence (AI)/Machine Learning (ML). In particolare, nell’ottica della telemedicina e del cloud continuum, il lavoro di tesi analizzale prestazioni e i vantaggi in ambito networking derivanti dell’integrazione di XAI in reti 6G tramite dataset sul diabete e su malattie cardiache.
METODOLOGIE DI EXPLAINABLE ARTIFICIAL INTELLIGENCE NELL’AMBITO BIOMEDICALE ED IMPLEMENTATE NEL CLOUD CONTINUUM
DIMALTA, ALESSIA
2023/2024
Abstract
Le metodologie di Explainable Artificial Intelligence (XAI) sono in grado di spiegare il funzionamento di modelli di Artificial Intelligence (AI)/Machine Learning (ML). In particolare, nell’ottica della telemedicina e del cloud continuum, il lavoro di tesi analizzale prestazioni e i vantaggi in ambito networking derivanti dell’integrazione di XAI in reti 6G tramite dataset sul diabete e su malattie cardiache.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Dimalta_definitivo_pdf.pdf
File consultabile da postazioni biblioteca
Descrizione: ELABORATO FINALE, TESI, DEFINITIVO DIMALTA
Dimensione
4.42 MB
Formato
Adobe PDF
|
4.42 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/20.500.14253/64485