Reti Neurali 1 (una unita') - a.a. 1999-2000

Ultima modifica: 21 Feb 2000 . Commenti a Francesco Masulli.

http://www.disi.unige.it/person/MasulliF/RN199

Docente: Francesco Masulli.

Corso:

Prerequisiti

Programmazione in linguaggio C o C++ . Elementi di analisi matematica, algebra lineare e di calcolo delle probabilita'.

Obiettivi

Conoscenza delle basi teoriche del calcolo evoluzionario e delle reti neurali e capacita' di applicare questi strumenti a problemi concreti.

Programma del Corso

Introduzione.

Soft Computing e Applicazioni Industriali. Simulatori e implementazioni hardware di sistemi di Soft Computing.

Calcolo Evoluzionario

Metodi di ricerca - Generazione numeri casuali - Algoritmi Genetici - Stategie Evolutive .

Reti Neurali

Macchine ad appredimento - Percettroni semplici e multistrato - Riconoscimento delle forme e reti neurali - Reti neurali ricorrenti - Memorie Associative Neurali - Rete di Hopfield - Modelli di classificazione non-supervisionata.

Ulteriori dettagli del programma sono presenti sul Syllabus

Laboratorio

Gli studenti lavoreranno organizzati in gruppi di laboratorio e implementeranno alcuni algoritmi sui seguenti teanno alcuni algoritmi sui seguenti temi:

Discesa a gradiente.

Studio di generatori di numeri casuali.

Simulated annealing.

SGA e sua applicazione all'ottimizzazione di funzioni.

GA e ottimizzazione combinatoria.

Classificatori parametrici.

Classificatori non parametrici.

Percettrone semplice.

Percettrone multistrato.

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).

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 68-1attern 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).

V. Cherkassky e F. Mulier, Learning from data : concepts, theory, and methods, Wiley, 1998 (MAT 68-1998-229)

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 (2nd ed.) , IEEE Press, 1998 (MAT 68-1994-037IN).

J.R. Koza, Genetic Programming, MIT Press, 1992 (MAT 68-1992-038IN).
< (MAT 68-1992-038IN).

M. Mitchell, An Introduction to Genetic Algoritms, MIT Press, 1996 (MAT 68-1996-197).
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.
nd Optimum Seeking, J. Wiley & Sons, 1995.

Ulteriore materiale didattico sara' reso disponibile agli studenti durante il corso.