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: 02.10.2017). | |
| Fuzzy system | |
| 2. Gli insiemi fuzzy. I sistemi fuzzy. (Ultima modifica: 05.10.2017). | |
| 09.10.2017 | 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: 09.10.2017). |
| Apprendimento statistico | |
| 12.10.2017 | 3. Inferenza Statistica. Il teorema di Bayes. Stima a-posteriori. Esercizi (SW matlab). (Ultima modifica: 12.10.2017). |
| 16.10.2017 |
4. Distribuzioni di probabilità. Stima alla massima verosimiglianza in distribuzioni Gaussiane. Esempi (Ultima modifica: 17.10.2017). |
| 19.10.2017 | 5. Relazione tra stima a massima verosimiglianza e soluzione dei sistemi lineari ai minimi quadrati. (Ultima modifica: 19.10.2017). |
| 23.10.2017 | 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: 23.10.2017). |
| 7. Stima a massima posteriori e regolarizzazione. Applicazione al filtraggio. Ruolo del parametro di regolarizzazione (Ultima modifica: 26.10.2017). | |
| Planning | |
| 30.10.2017 | 8. Introduction to agents and robots (Dott. Basilico). |
| 02.11.2017 | 9. An introduction to Planning I (Dott. Basilico) |
| 06.11.2017 | 10. An introduction to Planning II (Dott. Basilico) |
| 09.11.2017 | 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:13.11.2017). | |
| 16.11.2017 | 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: 16.11.2017). |
| 20.11.2017 | 14. Miglioramento della stima della Value function. Iterative policy evaluation. Ottimizzazione della policy: policy improvement. SW1, SW2 (Ultima modifica: 22.11.2017). |
| 23.11.2017 | Lezione sospesa per missione all'estero del docente. |
| 27.11.2017 | 15. Learning from temporal differences. Esempi. SARSA. (Ultima modifica: 27.11.2017). |
| 30.11.2017 | 16.Q-learning. Esempi. SW-Labirinto. SW-Cat&Mouse. La traccia e il suo ruolo (Ultima modifica: 30.11.2017). |
| 04.12.2017a 04.12.2017b |
17. Come creare un agente con intelligente emotiva mediante macchine a stati finiti probabilistiche. Come incorporare l'informazione a-priori. Fuzzy RL and the PacMan game (SW available). (Ultima modifica: 04.12.2017). |
| Intelligenza Biologica | |
| 07.12.2017 | Festività di S. Ambrogio |
|
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: 11.12.2017). |
|
| 19. L'intelligenza biologica. Struttura del sistema nervoso centrale. Il linguaggio. Le areee corticali e la spina dorsale. Le trasformazioni visuo-motorie. I mirror neurons (video 1). I robot sociali. (Ultima modifica: 14.12.2017). | |
| 17.12.2017 | 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: 18.12.2017). |
| Machine learning | |
| 21.12.2017 | 21. L'apprendimento superivisionato e non supervisionato. Il clustering. Metriche di valutazione. Quad-tree decomposition and K-means (Ultima modifica: 08.01.2018). |
|
22. Modelli parametrici e modelli lineari. Apprendimento supervisionato: predictive regression. Approccio multi-scala adattativo e on-line applicato a scanner 3D . (Ultima modifica: 08.01.2018). |
|
| 11.01.2018 |
23. Le reti neurali artificiali. Perceptroni lineari e non-lineari. Appendimento. Esempi. (Ultima modifica: 11.01.2018). |