N.B.: Il diritto di scaricare il materiale accessibile da questa pagina
e' 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 | |
| 30.09.2019 | Lezioni sospese per presentazione dei corsi di laurea. |
| 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: 10.10.2019). | |
| Fuzzy system | |
| 2. Gli insiemi fuzzy. I sistemi fuzzy. (Ultima modifica: 10.10.2019). | |
| 09.10.2019 | E1. Applicazioni dei sistemi fuzzy. Software del controllore fuzzy del cart-pole.Video da Youtube: Video 1 (doppio pendolo), Video 2 (Apprendimento) (Ultima modifica: 10.10.2019). |
| Alberi di decisione e robotica | |
| 14.10.2019 | 3. I sistemi multi-agente (Dott. N. Basilico) |
| 16.10.2019 | 4. Path planning (Dott. N. Basilico) |
| 21.10.2019 | 5.Ottimizzazione del path e riceca su albero (Dott. N. Basilico) |
| 23.10.2019 |
6. Introduzione alla programmazione robotica (Dott. N. Basilico e Dott. M. Luperto) |
| 28.10.2019 |
7. Il middle-ware ROS (Dott. N. Basilico e Dott. M. Luperto) |
| 30.10.2019 | Visita al laboratorio di Sistemi Intelligenti Applicati (AIS-Lab) |
| 18.12.2019 | 13. Pianificazione stocastica (Dott. N. Basilico). |
| Apprendimento statistico | |
| 04.11.2019 | 8. Inferenza Statistica. Il teorema di Bayes. Stima a-posteriori. Esercizi (SW matlab). (Ultima modifica: 04.11.2019). |
| 06.11.2019 |
9. Modelli. Soluzione di problemi lineari sovra-determinati. Distribuzioni di probabilità. (Ultima modifica: 27.11.2019). |
| 11.11.2019 | 10. Stima alla massima verosimiglianza. Esempi. Relazione tra stima a massima verosimiglianza e soluzione dei sistemi lineari ai minimi quadrati. (Ultima modifica: 27.11.2019). |
| 13.11.2019 | 11. 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: 27.11.2019). |
| 12. Stima a massima posteriori e regolarizzazione. Applicazione al filtraggio. Ruolo del parametro di regolarizzazione. Stima ai minimi quadrati pesati. Markov Random Fields (Ultima modifica: 27.11.2019). | |
| Apprendimento con rinforzo | |
| 14. Apprendimento in un setting non associativo. Caso stazionario e non stazionario. Tecniche greedy ed epsilon-greedy, prusuit. (Ultima modifica:23.11.2019). | |
| 25.11.2019 | 15. 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: 27.11.2019). |
| 27.11.2019 | 16. Miglioramento della stima della Value function. Iterative policy evaluation. Ottimizzazione della policy: policy improvement. SW1, SW2 (Ultima modifica: 27.11.2019). |
| 02.12.2019 | 17.Value iteration. Learning from temporal differences. Esempi. (Ultima modifica: 09.12.2019). |
| 04.12.2019 | 18. SARSA. Q-learning. Esempi. SW-Labirinto. SW-Cat&Mouse. (Ultima modifica: 09.12.2019). |
| 09.12.2019 |
19. La traccia e il suo ruolo nel RL. Applicazione di RL e Sistemi Fuzzy a Pacman (Ultima modifica: 09.12.2019). |
| Machine learning | |
|
20. I diversi paradigmi di apprendimento.. Il clustering. Metriche di valutazione. Quad-tree decomposition and K-means (Ultima modifica: 11.12.2019). |
|
|
21. Apprendimento supervisionato: learning with a teacher. Modelli parametrici e modelli lineari. Apprendimento supervisionato: predictive regression. Approccio multi-scala adattativo e on-line applicato a scanner 3D . (Ultima modifica: 10.01.2020). |
|
| Intelligenza Biologica | |
| 08.01.2020 | 22. L'intelligenza biologica. Il neurone e la sua struttura. Funzionamento del neurone sottosoglia. Generazione del potenziale d'azione. I circuiti neurali biologici. FES. I mirror neurons (video 1). I robot sociali.(Ultima modifica: 10.01.2020). |
| 13.01.2020 | 23. Le reti neurali artificiali. Perceptroni lineari e non-lineari. Appendimento. Esempi. (Ultima modifica: 14.01.2019). |
| 15.01.2020 | 24. 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: 15.01.2020). |