Giacomo Ziffer e Federico Giannini, studenti del corso di dottorato in Ingegneria dell’Informazione sotto la supervisione del Prof. Emanuele Della Valle del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano, hanno vinto il Best Student Runner-Up Paper Award alla conferenza internazionale IEEE Big Data 2024, tenutasi a Washington dal 15 al 18 dicembre 2024.

Il loro lavoro, intitolato “Tenet: Benchmarking Data Stream Classifiers in Presence of Temporal Dependence”, è stato premiato in un contesto altamente competitivo. La conferenza ha infatti ricevuto 661 articoli da 2505 autori provenienti da 53 paesi, con un tasso di accettazione complessivo del 18%.

L’articolo esamina i limiti dell’assunzione tradizionale di campioni indipendenti e identicamente distribuiti (i.i.d.) e sottolinea come la mancata considerazione delle dipendenze temporali nei flussi di dati possa influire negativamente sulle prestazioni e sull’affidabilità dei modelli di Streaming Machine Learning (SML). In particolare, evidenzia il rischio di errori sia nella progettazione che nella valutazione di questi modelli.

Per affrontare questo problema, il lavoro presenta Tenet, un framework di benchmarking progettato per valutare i classificatori di flussi di dati in scenari caratterizzati da campioni non indipendenti e non identicamente distribuiti. Tenet include un generatore di flussi di dati che introduce dipendenze temporali e un algoritmo di riferimento basato su una versione continua della memoria a lungo termine (cLSTM). I risultati sperimentali dimostrano che cLSTM supera i classificatori SML all'avanguardia nei flussi di dati con dipendenze temporali, evidenziando la necessità di ulteriori ricerche in questo campo e affermando Tenet come il primo benchmark pubblico di riferimento per tali studi.