Obiettivi formativi
<br />Finalità<br /> <br />Il corso si propone di introdurre gli studenti a quei metodi adattativi, in parte ispirati a modelli di tipo biologico, che consentono di realizzare/simulare su computer processi di apprendimento da esempi finalizzati all'ottimizzazione/generazione di soluzioni a problemi reali. <br />
Prerequisiti
- - -
Contenuti dell'insegnamento
<br />Programma<br /> <br />Apprendimento biologico e apprendimento automatico<br />Richiami sulle tecniche di apprendimento automatico dell'Intelligenza Artificiale classica<br />Tecniche di Soft Computing <br /> - Reti Neurali<br /> - Calcolo Evoluzionistico<br /> --- Algoritmi Genetici<br /> --- Programmazione Genetica<br /> --- Strategie Evolutive<br /> - Cenni di logica fuzzy<br /> - Sistemi Ibridi<br /><br />Esempi di applicazioni<br /><br /><br /><br />Attività d'esercitazione<br /> <br />Esercitazioni in laboratorio su problemi reali.
Programma esteso
- - -
Bibliografia
<br />Testi consigliati<br /> <br />Appunti del corso (pubblicati in rete) e materiale distribuito durante il corso stesso.<br /> <br /><br />Testi d'approfondimento<br /> <br />Tettamanzi Tomassini - Soft computing : integrating evolutionary, neural, and fuzzy systems. Springer, 2001 <br /><br />Haykin - Neural Networks. US Imports & PHIPEs, 1998 <br /><br />Eiben - Smith, Introduction to Evolutionary Computing, Springer, 2003 <br /><br />Banzhaf Nordin Keller Francone - Genetic Programming, Morgan Kaufmann, 1998 <br />
Metodi didattici
<br />Modalità d'esame<br /> <br />Valutazione intermedia sugli esercizi svolti in laboratorio e progetto finale
Modalità verifica apprendimento
- - -
Altre informazioni
- - -