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 />
--- Swarm Intelligence<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
- - -