Reti Neurali: Laboratorio di Sistemi Ibridi

Alessandro Sperduti

Reti Neurali I

Il corso ha come obiettivo quello di far conoscere allo studente tecniche e strumenti per la costruzione di sistemi che trattano ambiti applicativi dove coesistono sia informazione simbolica che numerica. In particolare, si fa riferimento a problemi la cui soluzione passa attraverso l'integrazione di sistemi simbolici (come i sistemi esperti) con sistemi sub-simbolici (ad esempio, le Reti Neurali).

Il corso copre essenzialmente concetti di estrazione della conoscenza e di costruzione di sistemi ibridi. Per sistemi ibridi si intendono quei sistemi che combinano sistemi sub-simbolici, quali reti neurali, logica fuzzy, etc., con sistemi simbolici, ad esempio sistemi esperti. In particolare il laboratorio si preoccupa di affrontare tale argomento con un taglio pratico.

The aim of the course is to describe how different technologies can be exploited to solve complex problems involving both discrete (i.e., symbolic) and numerical (i.e., sub-symbolic) information. Different ways of combining symbolic approaches, such as expert systems, with sub-symbolic techniques, such as Neural Networks, are discussed. The final examination consists of a project involving a real-world application.

Il corso è organizzato nel seguente modo:

• Introduzione ai sistemi ibridi (2 ore);
• Estrazione della conoscenza e sua rappresentazione in un sistema esperto (16 ore);
• Presentazione del problema su cui svolgere il progetto finale ( 2/4 ore);
• Implementazione di Back-Propagation e di Reti di Kohonen (16 ore);
• Discussione sul progetto (4 ore);

Per quanto riguarda i sistemi basati su conoscenza, verranno affrontati tutti gli aspetti implicati nella progettazione e nell' implementazione di sistemi esperti e di sistemi di supporto alla decisione. Il corso avrà un carattere prevalentemente pratico, con lo scopo di far familiarizzare gli studenti non solo con le basi teoriche sottostanti all' argomento trattato, ma soprattutto con gli aspetti pratici, metodologie, progettazione, analisi e sviluppo, propri di questa area della Intelligenza Artificiale. Durante il corso saranno affrontati, attraverso esercitazioni pratiche, i temi propri della ingegneria della conoscenza:

• i sistemi basati su conoscenza: sistemi di supporto alla decisione e sistemi esperti;
• definizione del dominio;
• definizione del contesto operativo: l' utenza, gli user needs, il campo, il linguaggio;
• conoscenza: privata, pubblica, dichiarativa, procedurale;
• estrazione della conoscenza: tecniche di acquisizione;
• formalizzazione e rappresentazione della conoscenza: grafi concettuali, frames, reti semantiche;
• approccio strutturato KADS (Knowledge Acquisition and Data Structuring) per la realizzazione di sistemi basati su conoscenza;
• modalità dei sistemi: assistenziali e tutoriali;
• caratteristiche necessarie: modalit\`a, espansibilit\`a, consistenza, robustezza, trasportabilit\`a;
• architettura di sistemi basati su conoscenza: la base di conoscenza, il motore inferenziale, il modulo linguistico, l' interfaccia utente;
• strumenti di realizzazione: programmazione logica, shell di sistemi;
• sviluppo di prototipi di sistemi basati su conoscenza;
• validazione dei prototipi;
• il 24 life-cycle dei sistemi;

La parte riguardante le Reti Neurali si occuperà principalmente di descrivere aspetti implementativi (organizzazione dati di allenamento, formato dei dati, strutture dati, calcolo fase forward, calcolo fase backward, calcolo dell'intorno, etc.) nella realizzazione di reti neurali di tipo Back-Propagation e Kohonen. I linguaggi utilizzati durante il corso sono: Prolog, C/C++.

Materiale fornito dal docente.

Scritto e orale