Un meccanismo di apprendimento basato su echo state network per sistemi cyber-fisici

I sistemi cyber fisici (Cyber-Physical Systems o CPS) sono sistemi in cui la parte cyber, che contempla capacità computazionale e comunicazione e la parte fisica sono strettamente integrate tra loro. Le prestazioni e il comportamento di un CPS sono influenzate dalle condizioni reali (anche ostili) dell'ambiente in cui il CPS si trova ad operare, come ad esempio guasti nell'unità del CPS o cambiamenti nell'ambiente in cui il CPS si trova. Per questo motivo, si sono sviluppate negli ultimi anni dei CPS dotati di meccanismi intelligenti che permettono al sistema stesso di adattarsi a nuove condizioni di funzionamento. Spesso alla base di questi meccanismi intelligenti vi è un meccanismo di learning, il cui compito principale è quello di catturare le informazioni sull'ambiente (condizione nominale) creandone un modello e, a fronte di un cambiamento (nell'ambiente o nel CPS), aggiornare tale modello in modo da mantenere le prestazioni dell'applicazione che si appoggia al CPS intelligente. In questa tesi viene presentato un meccanismo di apprendimento per sistemi dinamici non lineari nel contesto dei CPS. La soluzione proposta sfrutta l'eterogeneità tipica di un CPS per raggiungere gli obiettivi di accuratezza in fase di predizione ma rispettando i vincoli su hardware, potenza computazionale, capacità di memoria e consumi energetici, tipici delle unità CPS/sistemi embedded. L'architettura della soluzione ideata e proposta in questo lavoro prende il nome di ESN embed. Tale architettura prende spunto dalla teoria delle reti neurali ricorrenti, metodologia in grado di catturare lo stato di un sistema dinamico, per raggiungere l'obiettivo di avere un metodo di apprendimento per sistemi dinamici non lineari in uno scenario tecnologico basato si CPS. Oltre la formulazione metodologica di ESN embed, si propone anche un implementazione che si appoggia su un sistema reale dedicato ST NUCLEO. Inoltre la soluzione proposta è stata integrata in un framework intelligente per CPS chiamato Just-In-Time (JIT). Sono stati condotti esperimenti atti a valutare la soluzione ESN embed sia in termini di accuratezza del modello creato che di prestazioni (tempo di esecuzione, memoria occupata e consumo di potenza). Inoltre l'analisi sperimentale ha permesso di valutare i benefici che ESN emebd può fornire ad una soluzione intelligente per CPS, come il JIT framework.