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: 03.10.2016). | |
| Fuzzy system | |
| 2. Gli insiemi fuzzy. I sistemi fuzzy. (Ultima modifica: 05.10.2016). | |
| 10.10.2016 | 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: 09.10.2016). |
| Apprendimento statistico | |
| 13.10.2016 | 3. Inferenza Statistica. Il teorema di Bayes. Stima a-posteriori. (Ultima modifica: 17.10.2016). |
| 17.10.2016 |
4. Distribuzioni di probabilità. Esercizi (SW matlab). Stima alla massima verosimiglianza in distribuzioni Gaussiane (Ultima modifica: 17.10.2016). |
| 20.10.2016 | Lezione sospesa per missione all'estero del docente. |
| 24.10.2016 | 5. Relazione tra stima a massima verosimiglianza e soluzione dei sistemi lineari ai minimi quadrati. (Ultima modifica: 24.10.2016). |
| 27.10.2016 | 6. Valutazione dell'incertezza sulla stima. Linearizzazione di funzioni. Ottimizzazione non-lineare: metodo di Gauss-Newton e metodo del gradiente Software in Matlab available.(Ultima modifica: 27.10.2016). |
| 31.10.2016 | Sospensione delle lezioni |
| 7. Stima a massima posteriori e regolarizzazione. Applicazione al filtraggio. Ruolo del parametro di regolarizzazione (Ultima modifica: 03.11.2016). | |
| Planning | |
| 07.11.2016 | 8. Introduction to agents and robots (Dott. Basilico). |
| 10.11.2016 | 9. An introduction to Planning I (Dott. Basilico) |
| 14.11.2016 | 10. An introduction to Planning II (Dott. Basilico) |
| 17.11.2016 | 11. An introduction to Planning III (Dott. Basilico) |
| Apprendimento con rinforzo | |
| 12. Apprendimento in un setting non associativo. Caso stazionario e non stazionario. Tecniche greedy ed epsilon-greedy, prusuit. (Ultima modifica: 22.11.2016). | |
| 24.11.2016 | 13. 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: 24.11.2016). |
| 27.11.2016 | 14. Miglioramento della stima della Value function. Iterative policy evaluation. Ottimizzazione della policy: policy improvement. SW1, SW2(Ultima modifica: 28.11.2016). |
| 01.12.2016 | 15. Learning from temporal differences. Esempi. SARSA. (Ultima modifica: 01.12.2016). |
| 05.12.2016 | 16. Off-policy learning. Q-learning. Esempi. SW-Labirinto. SW-Cat&Mouse (Ultima modifica: 05.12.2016). |
| 08.12.2016 | Festività di Sant'Ambrogio |
| 12.12.2016 12.12.2016a |
17. 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: 13.12.2016). |
| Intelligenza Biologica | |
| 18. 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: 16.12.2016). | |
| 19. 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: 20.12.2016). | |
| 09.01.2017 | 20. 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: 09.01.2017). |
| Machine learning | |
| 12.01.2017 | 21. L'apprendimento superivisionato e non supervisionato. Il clustering. Metriche di valutazione. Quad-tree decomposition and K-means (Ultima modifica: 12.01.2017). |
|
22. Modelli parametrici e modelli lineari. Apprendimento supervisionato: predictive regression. Approccio multi-scala adattativo e scanner. Classificazione: boosting e SVM (Ultima modifica: 17.01.2017). (Ultima modifica: 17.01.2016). |
|
| 19.01.2017 |
Lezione sospesa per missione all'estero del docente. [Clustering mediante apprendimento competitivo. Altre applicazioni: le mappe di Kohonen. Software available. Esempi. Questo materiale non è programma d'esame] |
| 23.01.2017 | 23. Le reti neurali artificiali. Perceptroni lineari e non-lineari. Appendimento. Esempi. (Ultima modifica: 23.01.2017). |