Nel corso della mia attivita' scientifica mi sono occupato di diversi temi di ricerca:Ho studiato il problema del filtraggio per sistemi di equazioni alle differenze stocastiche parzialmente osservabili, ottenendo caratterizzazioni per l'esistenza di filtri di dimensione finita ([1],[2])) e risultati di convergenza e uniforme convergenza per approssimazioni con Particle Filtering ([8]).Ho studiato alcune classi di equazioni differenziali (e alle differenze) stocastiche anticipative, utilizzando le tecniche del Calcolo di Malliavin. In particolare mi sono interessato allo studio di equazioni con condizioni al bordo e delle markovianita' delle soluzioni ([3],[4],[6]).Mi sono quindi dedicato allo studio delle equazioni differenziali stocastiche con ritardo ([5]) e il caso nel quale il moto Browniano usuale venga sostituito da un moto Browniano frazionario ([7],[9],[10]).Più recentemente mi sono dedicato allo studio delle misure di rilevanza in Information Retrieval, pubblicando i lavori [11] e [12], e di alcuni modelli in biologia e epidemiologia ([13] e [14]).[1] M. FerranteOn the existence of finite dimensional filters in discrete time,Stochastics and Stochastics Reports Vol.40, 169-179, 1992.[2] M. Ferrante, P. VidoniA Gaussian-generalized inverse Gaussian finite dimensional filter,Stochastic Processes and Their Applications, Vol.84, 165-176, 1999.[3] A. Alabert, M. Ferrante, D. NualartMarkov field property of stochastic differential equations,The Annals of Probability Vol.23, No.3, 1262-1288, 1995.[4] M.C. Baccin, M. FerranteOn a stochastic delay difference equation with boundaryconditions and its Markov property,Stochastic Processes and Their Applications Vol.60, 131-146, 1995.[5] M. Ferrante, C. Rovira, M. Sanz-Sole',Stochastic delay equation with hereditarity drift: estimates of the density,Journal of Functional Analysis, Vol.72, pp. 165-176, 2000.[6] A. Alabert, M. Ferrante,Linear stochastic differential equations with functional boundary conditions,The Annals of Probability Vol.31, No.4, 2003.[7] M.Ferrante, C.Rovira,Stochastic delay differential equations driven by fractional Brownian motion with Hurst parameter H>1/2,Bernoulli, 12 (1), 85-100, 2006.[8] M.Ferrante, N.Frigo,Particle filtering approximations for a Gaussian-generalized inverse Gaussian model,Statistics and Probability Letters, 79, pp. 442-449, 2009.[9] M.Ferrante, C.Rovira, Convergence of delay differential equations driven by fractional Brownian motion, JOURNAL OF EVOLUTION EQUATIONS, vol. 10, pp. 761-783, 2010.[10] M. Ferrante, C. Rovira, Stochastic differential equations with non-negativity constraints driven by fractional Brownian motion, JOURNAL OF EVOLUTION EQUATIONS, vol. 13, pp. 617-632, 2013.[11] M. Ferrante, N. Ferro, M. Maistro,Injecting User Models and Time into Precision via Markov Chains,SIGIR2014, ACM Press, USA, pp. 597-606, 2014.[12]M. Ferrante, N. Ferro, M. Maistro,Towards a Formal Framework for Utility-oriented Measurements of Retrieval Effectiveness.ICTIR 2015, ACM Press, USA, pp. 21-30, 2015.[13]M. Ferrante, E. Ferraris, C. Rovira,On a stochastic epidemic SEIHR modeland its diffusion approximation.TEST, Vol.25, n.3, pp.482--502, 2016.[14]F. Montefusco, A. Tagliavini, M. Ferrante, M. Pedersen,The stoichiometry of the BKCa-CaV complex determines its properties: concise whole-cell modeling respecting local control,BIOPHYSICAL JOURNAL, 2017, to appear.

Download Pubblicazioni_Ferrante.pdf

The Multi-armed bandit problem and its application to Information Retrieval.

Il Multi-armed bandit (MAB) problem è noto in letteratura da molti anni e studiato dai probabilisti
sia nel caso di processi a tempo discreto che a tempo continuo.
Ultimamente ha trovato molte applicazioni pratiche soprattutto in ambito informatico.

L'argomento della presente tesi è rivolto alle recenti applicazioni dei MAB all'Information
Retrieval (IR) e in special modo alla determinazione di strategie ottimali per la formazione
delle Test Collection (Pool) di documenti utilizzati per la valutazione dei sistemi in IR [1].
Verrà richiesto di svolgere una approfondita ricerca bibliografica e quindi di provare
varianti degli algoritmi presenti in letteratura per risolvere al meglio quanto richiesto
per la creazione dei Pool in IR e non ancora pienamente ottenuto da quanto fino ad ora
proposto [2].


[1] David E. Losada, Javier Parapar, and Álvaro Barreiro. 2016.
Feeling Lucky?: Multi-armed Bandits for Ordering Judgements in
Pooling-based Evaluation. In Proceedings of the 31st Annual ACM
Symposium on Applied Computing (SAC ’16). ACM, 1027–1034.

[2] Ellen M. Voorhees, 2018. On Building Fair and Reusable Test
Collections using Bandit Techniques. In Proceeding of CIKM ’18,
October 22–26, 2018, Torino, Italy.