• accelerazione grafica
• apprendimento automatico
• echo state network
• GPU computing
• machine learning
• recurrent neural network
• reservoir computing
• rete neurale ricorrente
• software

La tesi propone lo sviluppo di una libreria software per la creazione, l'addestramento, il test e la validazione di un particolare tipo di rete neurale ricorrente, ovvero la Echo State Network, su un qualsiasi task temporale. Il modello implementato rientra in un contesto più generico chiamato Reservoir Computing, da cui il nome della libreria prende spunto. Gli obiettivi conseguiti sono: fornire un supporto tecnologico al background scientifico costruitosi negli anni tramite i vari studi di ricerca; fornire una libreria facilmente estendibile per consentire di sperimentare variazioni passate o future del modello Echo State Network; coprire un ragionevole range di architetture target, consentendo cioè l'esecuzione di una ESN in dispositivi da molto limitati, come i nodi-sensore di una rete wireless di sensori, a molto potenti, come i calcolatori dotati di architettura many-core e con più schede grafiche da usare in parallelo.