N.B.: Il diritto di scaricare il materiale accessibile da questa pagina
è riservato solamente agli studenti regolarmente iscritti al corso.
Notice: The right to download the material accessible from this page
is granted only to the students regularly enrolled in the hereabove University
course.
| Intelligenza Simbolica | |
| 1. Introduzione al corso. L'intelligenza simbolica. La macchina di Turing e gli algoritmi. Il test di Turing e la stanza cinese di Searle. Altre forme di intelligenza (flock e particle, automi cellulari, ...) (Ultima modifica: 15.10.2010). | |
| 21.10.2010 | 2. Matrici. Sistemi lineari. Stima dei parametri ai minimi quadrati. Ottimizzazione non-lineare: metodo di Gauss-Newton e metodo del gradiente (Ultima modifica: 21.10.2010). |
| Apprendimento statistico e fuzzy system | |
| 22.10.2010 (ore13.30) |
3. Apprendimento statistico. Massima verosimiglianza e stima ai minimi quadrati. La stima Bayesiana. (Dott. Frosio). |
| 28.10.2010 | 4. Gli insiemi fuzzy. I sistemi fuzzy. (Ultima modifica: 31.10.2010). |
| 29.10.2010 | E1. Applicazioni dei sistemi fuzzy. Software del controllore fuzzy del cart-pole. (Ultima modifica: 31.10.2010). |
| 05.11.2010 | 6. L'algoritmo di Expectation Maximization (software in Matlab). Applicazioni ad immagini mediche. (Dott. Frosio). |
| 12.11.2010 | 8. Mixture models. Modelli basati su statistica dell'immagine per il filtraggio in tempo reale di radiografie digitali in ambiente industriale: edge preserving noise removal. (Dott. Frosio). |
| 19.11.2010 | 10. Filtraggio Bayesiano. I metodi Bayesiani. Confronto con la regolarizzazione. Applicazione al filtraggio. Software in Matlab available. (Dott. Frosio). |
| 26.11.2010 | E2. Esercitazione sulla stima Bayesiana (Dott. Frosio) |
| Apprendimento con rinforzo e apprendimento statistico | |
| 04.11.2010 | 5. L'apprendimento con rinforzo. Apprendimento in un setting non associativo. Caso stazionario e non stazionario. Tecniche greedy ed epsilon-greedy. (Ultima modifica: 05.11.2010). |
| 11.11.2010 | 7. L'apprendimento con rinforzo nel caso di setting non associativo. I modelli Markoviani. Calcolo della Value Function. Esempio: gioco del Tris. (Ultima modifica: 05.11.2010). |
| 18.11.2010 | 9. La formulazione ricorsiva del calcolo della Value function: le equazioni di Bellman. Esempio. La Value Function ottimale. (Ultima modifica: 23.11.2010). |
| 25.11.2010 | 11. Iterative policy evaluation. Esempi. Apprendimento per trial e per epoche. Esempi. (Ultima modifica: 25.11.2010). |
| 02.12.2010 | 12. Miglioramento della policy. Value iteration. SW available. Esempi. Generalized policy evaluation. (Ultima modifica: 02.12.2010). |
| 03.12.2010 | 13. Learning from temporal differences. Esempi. (Ultima modifica: 02.12.2010). |
| 09.12.2010 |
14. On-policy and off-policy learning. SARSA e Q-learning. Esempi. SW1 available. SW2 available (Ultima modifica: 10.12.2010). |
| 10.12.2010 | 15. Ampliamento dell'orizzonte delle differenze temporali: l'elegibility trace e TD(l). (10.12.2010). |
| Intelligenza biologica, Algoritmi genetici, automi stocastici | |
| 16.12.2010 | 16. L'intelligenza biologica. Il neurone. Funzionamento del neurone sottosoglia. Generazione del potenziale d'azione. La struttura del neurone. I circuiti neurali biologici. Il ruolo della struttura del circuito. (Ultima modifica: 17.12.2010). |
| 17.12.2010 | 17. L'intelligenza biologica. Struttura del sistema nervoso centrale. Il linguaggio. Le areee corticali e la spina dorsale. Le trasformazioni visuo-motorie. Il codice di popolazione come esempio di processing corticale. (Ultima modifica: 17.12.2010). |
| 13.01.2011 | 18. Algoritmi genetici: introduzione. Codifica genetica della soluzione. Il ciclo genetico: selezione, ricombinazione e mutazione.Ottimizzazione evolutiva con adattamento dei parametri. Applicazione alla computer vision. Sala lauree (Ultima modifica: 16.01.2010). |
| Clustering | |
| 14.01.2011 |
19. L'apprendimento superivisionato e non supervisionato. Il clustering. Metriche di valutazione. K-means (SW), decomposizione a quad-tree (SW) e clustering gerarchico. (Ultima modifica: 16.01.2011). Inizio ore 13.30. |
| 19.01.2011 | 20. Lezione di recupero. Ore 8.30-10.30. Aula Beta. Le reti neurali artificiali. Perceptroni lineari e non-lineari. Appendimento. Esempi. (Ultima modifica: 19.01.2011). |
| 20.01.2011 |
21. La realtà Virtuale: input, trackers, kinect, motori grafici, HMD, applicazioni (Ultima modifica: 19.01.2011). |
| 12.11.2010 | 22. Le mappe di Kohonen. Apprendimento competitivo. Applicazioni, esempi: 1, 2, 3, 4. Software available. |