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, ...). Video. (Ultima modifica: 02.10.2015). | |
| Fuzzy system | |
| 2. Gli insiemi fuzzy. I sistemi fuzzy. (Ultima modifica: 05.10.2015). | |
| 09.10.2015 | E1. Applicazioni dei sistemi fuzzy. Software del controllore fuzzy del cart-pole.Video da Youtube: Video 1 (doppio pendolo), Video 2 (Apprendimento), Video 3 (doppio pendolo su macchina) (Ultima modifica: 09.10.2015). |
| Apprendimento statistico | |
| 12.10.2015 | 3. Inferenza Statistica. Il teorema di Bayes. Stima a-posteriori. (Ultima modifica: 13.10.2015). |
| 16.10.2015 | Lezione sospesa per missione all'estero del docente. |
| 19.10.2015 | 4. Esercizi (SW matlab). Distribuzioni di probabilità. Massima verosimiglianza e risoluzione dei sistemi lineari. Software in Matlab available. (Ultima modifica: 05.01.2016). |
| 23.10.2015 | 5. Relazione tra stima a massima verosimiglianza e soluzione dei sistemi lineari ai minimi quadrati. (Ultima modifica: 05.01.2016). |
| 26.10.2015 | 6. Valutazione dell'incertezza sulla stima. Linearizzazione di funzioni. Ottimizzazione non-lineare: metodo di Gauss-Newton e metodo del gradiente (Ultima modifica: 05.01.2016). |
|
30.10.2015 |
7. Stima a massima posteriori e regolarizzazione. Applicazione al filtraggio. Ruolo del parametro di regolarizzazione (Ultima modifica: 05.01.2016). |
| Apprendimento con rinforzo | |
| 8. Apprendimento in un setting non associativo. Caso stazionario e non stazionario. Tecniche greedy ed epsilon-greedy, prusuit. (Ultima modifica: 02.11.2015). | |
| 06.11.2015 | 9. L'apprendimento con rinforzo nel caso di setting associativo (video1, video2) I modelli Markoviani. Calcolo della Q Function. La formulazione ricorsiva del calcolo della Q function. Software. Esempio. (Ultima modifica: 09.11.2015). |
| 09.11.2015 | 10. Miglioramento della stima della Value function. Iterative policy evaluation. SW (Ultima modifica: 11.12.2015). |
| 16.11.2015 | 11. Teorema del miglioramento della policy. Policy iteration. SW (Ultima modifica: 16.11.2015). |
| 23.11.2015 | 12. Learning from temporal differences. Esempi. SARSA. Progetti. The robocode framework. (Ultima modifica: 23.11.2015). |
| 27.11.2015 | 13. Off-policy learning. Q-learning. Esempi. SW-Labirinto. SW-Cat&Mouse (Ultima modifica: 27.11.2015). |
| 14. Ampliamento dell'orizzonte delle differenze temporali: l'elegibility trace e TD(lambda). Come incorporare l'informazione a-priori. Fuzzy RL and the PacMan game (SW available). (Ultima modifica: 30.11.2015). | |
| Intelligenza Biologica | |
| 04.12.2015 | 18. Algoritmi genetici: introduzione. Codifica genetica della soluzione. Il ciclo genetico: selezione, ricombinazione e mutazione. Applicazione alla genetic art. Ottimizzazione evolutiva con adattamento dei parametri. Applicazione alla computer vision. (Ultima modifica: 04.12.2015). |
| 19. L'intelligenza biologica. Il neurone e la sua struttura. Funzionamento del neurone sottosoglia. Generazione del potenziale d'azione. I circuiti neurali biologici. FES (Ultima modifica: 11.12.2015). | |
| 20. 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. I mirror neurons (video 1, video 2). I robot sociali. (Ultima modifica: 15.12.2015). | |
| Planning | |
| 18.12.2015 | 15. Planning (Dott. Basilico) e progetti. |
| 21.12.2015 | 16. Cooperative planning (Dott. Basilico) |
| 08.01.2016 | 17. Optimized plans (Dott. Basilico) |
| Machine learning | |
| 11.01.2016 | 21. L'apprendimento superivisionato e non supervisionato. Il clustering. Metriche di valutazione. Quad-tree decomposition and K-means (Ultima modifica: 11.01.2016). |
|
22. Clustering mediante apprendimento competitivo. Altre applicazioni: le mappe di Kohonen. Software available. Esempi. Modelli parametrici e modelli lineari (Ultima modifica: 17.01.2016). |
|
| 18.01.2016 |
23. Apprendimento supervisionato: predictive regression. Approccio multi-scala adattativo e scanner. Classificazione: boosting e SVM (Ultima modifica: 17.01.2016). |
| 22.01.2016 | 24. Le reti neurali artificiali. Perceptroni lineari e non-lineari. Appendimento. Esempi. (Ultima modifica: 22.01.2016). |
| Realtà Virtuale | |
| 13.11.2015 | S1. La realtà Virtuale: input systems and trackers. Motion capture a marker passivi e a marker attivi. Videos (217 MByte) (Ultima modifica: 19.11.2015). |
|
S2. La realtà Virtuale: generatori di mondi, motore grafico, dispositivi di output e applicazioni. Videos (115 MByte) (Ultima modifica: 27.11.2015). |