Reti Neurali 2 (6 crediti) - A.A. 2002/03
Ultima modifica: 23 Marzo 2003. Commenti a Francesco Masulli.
Prerequisiti
Elementi di analisi matematica e di calcolo delle probabilita'.
Alcuni contenuti del corso Reti Neurali I.
Obiettivi
Capacita' di sviluppare ed applicare metodologie di Soft Computing,
con particolare riferimento alla Bioinformatica.
Programma del Corso
Calcolo Evoluzionario
Metodi di ricerca analitici, enumerativi e casuali - Steepest
Ascend/Descent Procedures - Simulated Annealing - Applicazione al problema
TSP - Algoritmi Genetici - Teorema degli schemi - Funzioni GA-hard - Minimal
Deceptive Problem - Convergenza prematura - Stagnazione - Operatori avanzati
di selezione - Operatori avanzati di crossover - GA per ottimizzazione
combinatoria - Stategie Evolutive .
Insiemi e Sitemi Fuzzy
Insiemi sfumati - Principio di estensione - Operazioni su insiemi
fuzzy - Aritmetica Fuzzy - Fuzzy Clustering - Relazioni fuzzy - Teoria
della possibilita' - Variabili linguistiche - Ragionamento approssimato
- Modus ponens generalizzato - Regola composizionale dell'inferenza -
Sistemi logici fuzzy - Sistemi neuro-fuzzy -Applicazioni in Bioinformatica
Macchine a Vettori Supporto
Macchine lineari - Nuclei - Teoria della generalizzazione - Macchine
a vettori supporto - Aspetti implementativi - Applicazioni in Bioinformatica.
Corso Integrativo: Reti Neurali Ricorrenti (Alessio Micheli)
Introduzione al problema ed alla metodologia: Il dominio dei
dati e i compiti di apprendimento. Rappresentazione del tempo in reti
neurali: forma esplicita ed implicita. - Modelli ed architetture.
- Algoritmi di apprendimento: BPTT, RTRL. - Estensioni, Approcci relati
ed argomenti di ricerca. - Applicazioni in Bioinformatica.
Testi di riferimento
Libri di testo
- D.E. Goldberg. Genetic Algorithms in Search, Optimization
and Machine Learning, Addison Wesley, 1989
- H.J. Zimmermann, Fuzzy set theory and its applications, 2ed.,
Kluwer Academic Publishers, 1996
Altri testi consigliati
- S. Haykin: Neural Networks: a comprehensive foundation, IEEE
Press, 1998.
- V. Kechman, Learning and Soft Computing, MIT Press, Cambridge,
MA, 2001
- 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 Vedi anche sito web NUMERICAL RECEPIES.
- J.R. Koza, Genetic Programming, MIT Press, 1992.
- M. Mitchell, An Introduction to Genetic Algoritms, MIT Press,
1996.
- H.P. Schwefel, Evolution and Optimum Seeking, J. Wiley &
Sons, 1995.
- J.C. Bezdek, Pattern recognition with fuzzy objective function
algorithms, Plenum Press, 1987.
- B. Bouchon-Meunier, La logique Flue, Presses Universitarie
de France, 1993.
- G.J. Klir & B. Yuan, Fuzzy Sets and Fuzzy Logic - Theory
and Applications, Prentice Hall, 1995.
- L. Kuncheva - Fuzzy Classifier Design, Physica Verlag, 2000.
- R. Fuller - Introduction to Neuro-Fuzzy Systems, Physica Verlag,
2000.
- V.S. Cherkassky & F. Mulier, Learning from data : concepts,
theory, and methods, Wiley, 1998.
- N. Cristianini, J. Shawe,Taylor, An Introduction to Support
Vector Machines : And Other Kernel-Based Learning Methods, Cambridge University
Press, 2000.
- V. Vapnik, The Nature of Statistical Learning Theory, Springer-Verlag,
1995. D.B. Fogel, Evolutionary Computation, IEEE Press, 1995.
- J.F. Kolen e S. C. Kremer (curatori),
A Field Guide to Dynamical Recurrent Networks, John Wiley
& Sons, 2001
- Baldi, Brunak: Bioinformatics: The Machine Learning Approach
(Second Edition).
Ulteriore materiale didattico sara' reso disponibile agli studenti
durante il corso.
E-mail del docente: mailto:masulli@disi.unige.it
Home page del corso: http://www.disi.unige.it/person/MasulliF/didattica/rn2-pisa-home.html