Modelli neuromorfi per la rappresentazione e l’elaborazione distribuita di segnali multidimensionali. Primitive computazionali e schemi architetturali. Elementi di scienze cognitive e di robotica cognitiva per lo sviluppo di comportamenti autonomi in sistemi complessi e in ambienti naturali.
L'insegnamento si propone di informare lo studente sui moderni approcci integrati allo studio dei sistemi cognitivi che tengono conto (1) dei principi di organizzazione e sviluppo del sistema nervoso, (2) della coesistenza del sistema nervoso in un corpo e quindi del loro reciproco condizionamento (problema dell’embodiment), (3) della complessità dell’ambiente esterno. In questo quadro, l’insegnamento propone metodi, tecniche e strumenti per l’analisi, la simulazione e la sintesi di perceptual engines ad architettura neuromorfa per (1) la rappresentazione ed elaborazione sub-simbolica e distribuita delle informazioni sensoriali e (2) per la loro integrazione funzionale con il comportamento motorio. La percezione visuo-spaziale e la capacità di coordinamento visuomotorio sono presi come ambito di riferimento. L’approccio seguito combina i principi propri dell’elaborazione del segnale, delle reti connessioniste e dell’embodied cognition.
Lezioni in aula. Seminari di approfondimento. Journal club.
PARTE 1 - MODELLI DI ELABORAZIONE DEL SEGNALE VISIVO
PARTE 2 - CIRCUITI E ARCHITETTURE NEUROMORFE
PARTE 3 - INGEGNERIA PERCETTIVA
Materiale disponibile su aulaweb o distribuito a lezione (copia dei lucidi e note).
Ulteriori riferimenti, esclusivamente a titolo di consultazione:
Ricevimento: Lunedì 11:00-13:00 Giovedì 16:00-17:00 Ufficio: pad. E, Via Opera Pia 13 (III piano) Lab: “Bioengineering - SyNaPSI”, pad. E, Via Opera Pia 13, (I piano)
SILVIO PAOLO SABATINI (Presidente)
FABIO SOLARI
NEUROMORPHIC COMPUTING AND INTEGRATIVE COGNITIVE SYSTEMS
50% sviluppo di un esempio/applicazione/approfondimento di un argomento visto a lezione.
50% esame orale. La prova consiste nell’inquadrare in modo appropriato e discutere due argomenti assegnati (tipicamente, un “modello teorico” e una “soluzione computazionale di un problema percettivo”).
Al termine dell’insegnamento lo studente dovrà dimostrare capacità di analisi e di sintesi di paradigmi di elaborazione neuromorfa a livello cellulare, circuitale e di sistema.
Costituiscono propedeuticità l’insegnamento di "Perceptual systems and interaction” e conoscenze di base di algebra lineare e di elaborazione del segnale.