Salta al contenuto principale della pagina

SOFT COMPUTING

CODICE 105144
ANNO ACCADEMICO 2022/2023
CFU
  • 6 cfu al 1° anno di 9011 MATEMATICA(LM-40) - GENOVA
  • 6 cfu al 2° anno di 9011 MATEMATICA(LM-40) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE MAT/08
    SEDE
  • GENOVA
  • PERIODO 2° Semestre
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    Soft Computing intende introdurre una famiglia di tecniche computazionali proprie dell'Intelligenza Artificiale che sono basate sull'emulazione di processi biologici.

    Si introdurranno, in particolare, le reti neurali che emulano la capacità del cervello umano di apprendere e genetralizzare, il calcolo evolutivo che emula le capacità di adattamento delle specie biologiche e la swarm intelligence che emula la capacità di cooperare in maniera organizzata di comunità animali. Per ciascuno degli argomenti trattati è prevista una esercitazione di laboratorio in ambiente MATLAB.

    Compatibilmente con l'evolvere dell'emergenza epidemiologica da COVID-19 ed eventuali misure in materia di contenimento, le lezioni si terranno in presenza.

    OBIETTIVI E CONTENUTI

    OBIETTIVI FORMATIVI

    Il corso intende introdurre alcune tecniche computazionali di base per l'elaborazione di segnali. In particolare, verranno illustrati il ruolo della Trasformata di Fourier e della Trasformata Wavelet nell'analisi dei dati e delle serie temporali, con particolare attenzione agli algoritmi computazionalmente efficaci che ne permettono l'implementazione. Il corso, quindi, considererà, sempre dal punto di vista computazionale, tre ulteriori argomenti teorici: la compressione del segnale, la riduzione della ridondanza del segnale e il clustering automatico dei dati. Infine, verranno studiate due applicazioni: l'esaltazione della sparsità in uno spazio wavelet nel caso di un problema di imaging in astronomia solare, e la stratificazione automatica di pazienti oncologici sulla base di segnale radiomico ridondante.

    OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

    L’obiettivo generale dell’insegnamento è fornire moderni strumenti computazionali, basati sull’emulazione di vincenti processi biologici, per la soluzione di problemi di classificazione, clustering, ottimizzazione, previsione. In particolare, obiettivi specifici degli argomenti trattati e delle esercitazioni di laboratorio previste, sono finalizzati all'acquisizione di competenze nell’ambito delle:

    • Tecniche di apprendimento supervisionato e non supervisionato per problemi di  classificazione, clustering e previsione (reti neurali);
    • Tecniche di ottimizzazione globale (calcolo evolutivo, swarm intelligence)

    PREREQUISITI

    Tutti gli argomenti dell'insegnamento sono trattati in maniera autoconsistente.

    MODALITA' DIDATTICHE

    L'insegnamento prevede lezioni teoriche e tre esercitazioni in laboratorio. Compatibilmente con l'evolvere dell'emergenza epidemiologica da COVID-19 ed eventuali misure in materia di contenimento, sia le lezioni teoriche che le esercitazioni si terranno in presenza.

    PROGRAMMA/CONTENUTO

    Argomenti del corso

    • Reti neurali
      • Generalità 
      • Percettrone semplice e percettrone multistrato
      • Reti Neurali Ricorrenti
      • Mappe Auto-Organizzanti
    • Calcolo evolutivo
      • Generalità
      • Algoritmi genetici
      • Algoritmi evolutivi
    • Swarm Intelligence
      • Particle Swarm Optimization
      • Ant Colony Optimization

    TESTI/BIBLIOGRAFIA

    Verranno fornite le dispense dell'insegnamento.

    DOCENTI E COMMISSIONI

    LEZIONI

    INIZIO LEZIONI

    In accordo con il calendario accademico approvato dal Consiglio di Corsi di Studi.

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    Durante il semestre si svolgeranno tre esercitazioni di laboratorio per le quali saranno previsti termini di consegna. Valutazione positiva delle esercitazioni di laboratorio sarà requisito di ammissione ad una prova orale finale.

    MODALITA' DI ACCERTAMENTO

    Le prove di laboratorio sono volte a testare le capacità pratiche acquisite per la risoluzione dei problemi posti e verranno valutate sulla base di diversi criteri:

    • correttezza ed ottimizzazione del codice
    • correttezza ed esposizione dei risultati (immagini, grafici, tabelle ..)
    • commenti ai procedimenti seguiti e ai risultati ottenuti

    La prova orale è infine volta a valutare la capacità di comunicare in maniera chiara e competente le conoscenze acquisite.

    ALTRE INFORMAZIONI

    Si consigliano gli studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali di contattare i docenti all’inizio del corso per concordare modalità didattiche e d’esame che, nel rispetto degli obiettivi dell’insegnamento, tengano conto delle modalità di apprendimento individuali e forniscano idonei strumenti compensativi.