[ Home page corso | Home page docente | Home page DISI ]
Data/orario Ore Argomento
-------------- ------- ---------
4/ 9/05 14-16 T1 -T2 Introduzione - Cenni storici e idee di fondo
7/ 9/05 9-11 T3 -T4 Modellare il sistema nervoso. Compiti di
apprendimento automatico.
11/10/05 14-16 T5 -T6 Modelli matematici e scelte di progetto.
Neurone formale.
12/10/05 9-11 T7 -T8 Perceptron e regola di addestramento.
18/10/05 14-16 T9 -T10 Introduzione al linguaggio R.
19/10/05 9-11 T11-T12 Regole di addestramento basate su funzioni obiettivo.
Il metodo della discesa gradiente.
25/10/05 11-13 T13-T14 Reti a piu' livelli. Backpropagation (motivazioni e
introduzione).
25/10/05 14-16 L1 -L2 Esercitazione: Perceptron (1)
8/11/05 11-13 T15-T16 L'algoritmo di Error-Back Propagation: derivazione
matematica. Inizio descrizione implementazione.
8/11/05 14-17 L3 -L5 Esercitazione: Perceptron (2)
10/11/05 16-18 T17-T18 Implementazione back-propagation
15/11/05 14-17 L6 -L9 Esercitazione: Perceptron (3)
22/11/05 11-13 T19-T20 Clustering - K-means e variazioni fuzzy
22/11/05 14-17 L10-L12 Esercitazione: Multi-layer perceptron (1)
29/11/05 11-13 T21-T22 Self-Organizing maps
29/11/05 14-17 L13-L14 Esercitazione: Multi-layer perceptron (2)
13/12/05 11-13 T23-T24 Derivazione delle regole di addestramento on-line
da funzione di costo - Introduzione a Neural Gas