Reti Neurali 1 (una unita') - a.a. 1998-99
Ultima modifica: 4 Novembre 1998. Commenti a Francesco
Masulli.
Prerequisiti
Programmazione in linguaggio (consigliati C e/o C++). Elementi di analisi
matematica, algebra lineare e di calcolo delle probabilita'.
Obiettivi
Conoscenza delle basi teoriche degli algoritmi genetici e delle reti neurali
e capacita' di applicare questi strumenti a problemi concreti.
Programma del Corso
Introduzione.
Soft Computing e Applicazioni Industriali. Analisi di serie temporali non
lineari. Riconoscimento automatico delle forme. Controllo adattativo. Simulatori
e implementazioni hardware di sistemi di Soft Computing.
Algoritmi genetici.
Metodig di ricerca locali. Discesa (salita) a gradiente. Simulated Anealing.
Generazione di numeri e bit casuali. Fondamenti Matematici dei GA. Simulazione
al Calcolatore. Applicazioni. Operatori Avanzati e Tecniche di Ricerca.
Apprendimento Automatico Basato su Algoritmi Genetici e Applicazioni.
Reti Neurali.
Paradigmi di Apprendimento. Percettrone ad uno strato. Percettrone Multistrato.
Apprendimento e generalizzazione. Approssimazione di funzioni. Approssimazione
della funzione discriminante di Bayes. Reti di Funzioni a base radiale.
Modelli probabilistici. Reti a Moduli di esperti. Reti Ricorrenti. Macchine
di Boltzmann. Apprendimento non supervisionato. Reti autoorganizzanti.
Quantizzazione vettoriale. Apprendimento con rinforzo. Memorie associative.
Multi-classificatori. Ottimizzazione.
Laboratorio
-
1. Discesa a gradiente.
-
2. Studio di generatori di numeri casuali.
-
3. Simulated annealing
-
3. SGA e sua applicazione all'ottimizzazione di funzioni.
-
4. GA e ottimizzazione combinatoria.
-
5. Classificatori parametrici.
-
5. Classificatori non parametrici.
-
6. Percettrone semplice.
-
7. Percettrone multistrato.
-
8. Mappe auto-organizzanti.
Testi di riferimento
Libri di testo
-
D.E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning,
Addison Wesley, 1989 (MAT 68-1989-48IN, CHI1 M.9, ING1 A.ELE.T.0264).
-
C. Domeniconi & M. Jordan, Reti Neurali e Apprendimento, in corso di
stampa.
Altri testi consigliati
-
H.D.I Abarbanel, Analysis of Observed Chaotic Data, Springer, 1996 (MAT
68-1996-198,IFI BIBL.DOC.53).
-
C.M. Bishop, Neural Networks for Pattern Recognition, Oxford U.P., 1995
(MAT 68-1995-190, ING2 AI.0135. ARC C.3673, SAV 006.3 BIS).
-
C. Chatfield, The Analysis of Time Series-An Introduction, Chapmann and
Hall, 1996 (MAT 68-1996-196).
-
R.O. Duda e P.E. Hart, Pattern Classification and Scene Analysis, J. Wiley
& Sons, 1973, (MAT 68-1973-03IN, ING2 EL.0069).
-
D. Floreano, Manuale sulle Reti Neurali, Il Mulino, 1996 (ARC C.3475, ECO
006.3/001).
-
D.B. Fogel, Evolutionary Computation, IEEE Press, 1995 (MAT 68-1995-191).
-
J. Hertz, A. Krogh, & R.G. Palmer, Introduction to the Theory of Neural
Computation, Addison Wesley, 1991 (MAT 68-1991-118, FIS 577.27 HER 70,
ING2 EL.0666, ING2 EL.0665, ING2 EL.0994 ).
-
S. Haykin, Neural Networks-A Comprehensive Foundation, IEEE Press, 1994
(MAT 68-1994-037IN).
-
J.R. Koza, Genetic Programming, MIT Press, 1992 (MAT 68-1992-038IN).
-
M. Mitchell, An Introduction to Genetic Algoritms, MIT Press, 1996 (MAT
68-1996-197).
-
A. Papoulis Probalility, random variables and stochastic processes, McGraw-Hill,
1991 (IMI MM:0259, ING2 GE.0925, ING2 MAN.04.0038, ING1 A.MAT.T.0252, ING2
MAN.04.0026).
-
T.S. Parker & L.O. Chua, Practical Numerical Algorithms for Chaotic
Systems, Springer Verlag, 1989 (MAT 68-1989-49IN, IID 32.2.006).
-
W.H. Press, S. A. Teukolsky, W.T. Vetterling, B.P. Flannery Numerical Recepies
in C: the art of scientific computing (2nd ed.), Cambridge University Press,
1992 (MAT 68-1992-094, NG2 EL.O1.0151, DISEG F.0796) Vedi anche sito
web NUMERICAL RECEPIES.
-
H.P. Schwefel, Evolution and Optimum Seeking, J. Wiley & Sons, 1995.
Ulteriore materiale didattico sara' reso disponibile agli studenti durante
il corso.