TEORIA E SISTEMI DI INTELLIGENZA ARTIFICIALE

Prof. Rosapia Lauro Grotto

Dipartimento di Psicologia

I Modulo (3 CFU)

Argomento
Introduzione all'I.A. classica.

Obiettivi formativi
Definizione delle problematiche di base: hard and soft computation, modularità, computazione simbolica e subsimbolica, problem solving, rappresentazione della conoscenza, sistemi esperti. Logica Fuzzy.

Testi d'esame

Modalità d'esame
Colloquio orale.

II Modulo (3 CFU)

Argomento
Un nuovo approccio computazionale allo studio della mente: la computazione soft.

Obiettivi formativi
Introdurre i fondamenti dell'Algebra lineare. Introdurre ai fondamenti dell'approccio connessionista alla computazione neurale; illustrare nel dettaglio i principali algoritmi supervisionati e alcune loro applicazioni notevoli.

Testi d'esame

Modalità d'esame
Scritta per i fondamenti di algebra. Orale per il rimanente programma.

III Modulo (3 CFU)

Argomento
Una rete in azione. Algoritmi di apprendimento non supervisionato. Algoritmi genetici.

Obiettivi formativi
Porre lo studente in grado di realizzare una simulazione originale utilizzando un software dedicato. Introdurre alle principali tecniche di neurocomputazione di derivazione non connessionista e descrivere i fondamenti teorici dei principali algoritmi. Fornire gli elementi conoscitivi necessari alla valutazione critica ed autonoma di risultati ottenuti con metodologie di neurocomputazione connessionista e non connessionista.

Testi d'esame

Modalità d'esame
Colloquio orale.

Didattica assistita

Seminari

Modulo di riferimento: I modulo

Argomenti: Formalismi logici classici

Obiettivi formativi: Introdurre alla struttura formale della logica classica ed illustrare i principali risultati notevoli.

Modalità di verifica: Colloquio orale

Esercitazioni

Modulo di riferimento: III modulo

Argomenti: L'algoritmo di backpropagation

Obiettivi formativi: Familiarizzazione con i dettagli dell'algoritmo di backpropagation e analisi dei vantaggi offerti dalle sue principali varianti; applicazione pratica ad una tematica di interesse dello studente. Familiarizzazione con un software di programmazione di reti neurali.

Modalità di verifica: Colloquio orale.