CdSCOMPUTER ENGINEERING
Codice595II
CFU6
PeriodoSecondo semestre
LinguaInglese
Al termine del corso lo studente avrà acquisito conoscenze in merito ai concetti fondamentali delle tecniche computazionali ispirate alla natura, come le reti neurali artificiali, i sistemi fuzzy e gli algoritmi genetici, e alla loro applicazione in una vasta gamma di aree applicative.
At the end of the course the student will acquire knowledge about the basic concepts of nature-inspired computational techniques, such as artificial neural networks, fuzzy systems and genetic algorithms, and their application to a wide variety of application areas.
La verifica delle conoscenze sarà oggetto della valutazione del progetto di laboratorio e di un esame orale al termine del corso. Nel progetto di laboratorio lo studente dovrà progettare e realizzare un sistema intelligente per risolvere un problema particolare. Durante l'esame orale lo studente deve dimostrare la conoscenza dei concetti di base sui sistemi intelligenti e la capacità di sviluppare tali sistemi.
The assessment of the knowledge will be the subject of the evaluation of the laboratory project and of an oral exam at the end of the course. In the lab project the student will have to design and implement an intelligent system to solve a particular problem. During the oral exam the student must demonstrate knowledge of the basic concepts about intelligent systems and the ability to develop intelligent systems.
Al termine del corso, lo studente sarà in grado di sviluppare ed utilizzare sistemi intelligenti per affrontare problemi non facilmente risolvibili con approcci tradizionali.
At the end of the course, the student will be able to develop and use intelligent systems to tackle problems not easily solved by traditional approaches to computing.
Durante l'attività di laboratorio sarà sviluppato un progetto. Al termine del corso, lo studente dovrà preparare e presentare una relazione scritta che descriva le scelte fatte nel progetto e i risultati ottenuti.
A project will be developed during the laboratory activity. At the end of the course, the student will have to prepare and present a written report describing the choices made in the project and the results achieved.
Lo studente potrà acquisire e sviluppare sensibilità alle problematiche coinvolte nella gestione e nell’analisi di dati sperimentali (ad esempio, dati eterogenei, dati mancanti, dati imprecisi e vaghi, ecc.).
The student can acquire and develop sensitivity to the issues involved in the management and analysis of experimental data (for example, eterogeneous data, missing data, inaccurate and vague data, etc.).
Durante la discussione del progetto saranno valutate la sensibilità ai problemi affrontati e l’accuratezza ed efficienza delle soluzioni proposte.
During the discussion of the project, the sensitivity to the problems faced and the accuracy and efficiency of the proposed solutions will be evaluated.
Nessuno
None
Lezioni frontali con ausilio di lucidi.
Frequenza: Consigliata.
Attività di apprendimento:
- lezioni
- studio individuale
- lavoro di gruppo
- attività di laboratorio
Metodi di insegnamento:
- lezioni
- laboratorio
Delivery: face to face with slides.
Attendance: Advised.
Learning activities:
- attending lectures
- individual study
- group work
- laboratory work
Teaching methods:
- lectures
- laboratory
Concetti fondamentali delle reti neurali artificiali. Perceptron. Multilayer Perceptron. Error backpropagation. Reti neurali RBF. Reti neurali competitive. Mappe auto-organizzanti (SOM). Cenni di Deep learning. Fuzzy sets e Fuzzy Logic. Regole fuzzy. Ragionamento approssimato. Sistemi basati su regole fuzzy. Tipi di regole fuzzy. Adaptive-network-based fuzzy inference systems (ANFIS). Algoritmi genetici. Sistemi intelligenti ibridi. Risoluzione di problemi con sistemi intelligenti: regressione, classificazione, clustering, previsione, supporto decisionale, data mining, data fusion.
Basic concepts of artificial neural networks. Perceptron. Multilayer Perceptron. Error backpropagation. Radial-Basis Function (RBF) networks.. Self-organizing maps (SOM). Basics of Deep learning. . Fuzzy sets and Fuzzy Logic. Fuzzy rules. Approximate reasoning. Fuzzy rule-based systems. Types of fuzzy rules. Adaptive-network-based fuzzy inference systems (ANFIS). Genetic algorithms. Hybrid intelligent systems. Problem solving with intelligent systems: regression, classification, clustering, forecasting, decision support, data mining, data fusion.
Il docente fornirà slides e dispense.
The teacher will provide lecture slides and handouts.
Esame orale e sviluppo di un progetto in laboratorio.
L’esame è composto dalla presentazione del progetto pratico e da un test scritto su aspetti teorico/pratici. La prova orale consiste in un colloquio tra il candidato e il docente.
Per sostenere l’orale è necessario aver ottenuto una valutazione positiva sul progetto pratico.
Oral exam and lab project.
The exam consists of the presentation of the practical project and a written test on theoretical issues.
A positive evaluation of the practical project is needed to take the oral exam.