Intelligent systems
A.A. 2018/2019
Obiettivi formativi
Il corso studia metodologie e tecniche per la realizzazione di sistemi intelligenti per l'elaborazione di informazioni e conoscenza, cioè sistemi che operano in modo simile al cervello umano utilizzando soluzioni di intelligenza computazionale. Verranno in particolare trattate i principali approcci: le reti neurali, i sistemi fuzzy e la computazione evolutiva.
Risultati apprendimento attesi
Fondamenti teorici e uso pratico dei principali approacci di intelligenza computazionale (reti neurali, sistemi fuzzy, e computazione evolutiva).
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Linea Milano - disponibile in streaming da Crema
Responsabile
Periodo
Primo semestre
STUDENTI FREQUENTANTI
Programma
· Reti neurali: Definizioni. Neuroni: struttura, percettrone, RBF. Topologie neurali: feed-forward, feedback, SOM. Apprendimento: supervisionato, non-supervisionato. Prestazioni. Ottimizzazione. Classificazione e clustering. Memorie associative. Predizione. Approssimazione funzioni. Applicazioni.
· Logica e sistemi fuzzy: Insiemi fuzzy. Funzioni di membership. Relazioni fuzzy. Defuzzificazione. Ragionamento fuzzy. Sistemi fuzzy. Insiemi rough. Prestazioni. Applicazioni.
· Computazione evolutiva: Rappresentazione genoma. Funzioni di fitness. Selezione. Algoritmi genetici. Programmazione genetica. Programmazione evolutiva. Strategie evolutive. Evoluzione differenziale. Swarm intelligence. Sistemi immunitari artificiali.
· Sistemi ibridi
· Logica e sistemi fuzzy: Insiemi fuzzy. Funzioni di membership. Relazioni fuzzy. Defuzzificazione. Ragionamento fuzzy. Sistemi fuzzy. Insiemi rough. Prestazioni. Applicazioni.
· Computazione evolutiva: Rappresentazione genoma. Funzioni di fitness. Selezione. Algoritmi genetici. Programmazione genetica. Programmazione evolutiva. Strategie evolutive. Evoluzione differenziale. Swarm intelligence. Sistemi immunitari artificiali.
· Sistemi ibridi
Informazioni sul programma
Fondamenti teorici e uso pratico dei principali approacci di intelligenza computazionale (reti neurali, sistemi fuzzy, e computazione evolutiva).
Propedeuticità
Concetti di informatica di base, programmazione, e matematica del continuo e discreta e la capacità di leggere un testo in inglese.
Prerequisiti
Si richiede conoscenza dei concetti di informatica di base, programmazione, e matematica del continuo e discreta e la capacità di leggere un testo in inglese.
Orale e progetto
Orale e progetto
Metodi didattici
Lezioni frontali
Materiale di riferimento
STUDENTI NON FREQUENTANTI
Simon Haykin, Neural Networks: A Comprehensive Foundation, Prentice Hall
Timothy Ross, Fuzzy Logic with Engineering Applications, Wiley
A.E. Eiben, J.E. Smith, Introduction to Evolutionary Computing, Sprinter
Timothy Ross, Fuzzy Logic with Engineering Applications, Wiley
A.E. Eiben, J.E. Smith, Introduction to Evolutionary Computing, Sprinter
Prerequisiti
L'esame consiste in un progetto da concordare anticipatamente con il docente e nella discussione orale che verte sugli argomenti trattati nel corso e sul progetto.
Docente/i