| | | corso | | | |
Reti Neurali 2
Codice: | AA285 | Crediti: | 6 | Semestre: | 2 | Sigla: | RN2 | |
|
Settore disciplinare: | INF/01 - Informatica |
Docente
Francesco Masulli
Tel. +39 010 353 6604Prerequisiti
Elementi di analisi matematica e di calcolo delle probabilità. Alcuni
contenuti del corso Reti Neurali I
Obiettivi di apprendimento
Capacità di sviluppare ed applicare metodologie di Soft Computing, con
particolare riferimento alla Bioinformatica.
Descrizione
Il corso presenta gli aspetti principali del Calcolo Evoluzionario, degli
Insiemi sfumati, dei Sistemi Logici Fuzzy, e approfondisce due classi di
importanti macchine ad apprendimento: le Macchine a supporto vettoriale, e
le Reti Neurali Ricorrenti. Per ogni argomento vengono presentate alcune
applicazioni, con particolare riferimento alla Bioinformatica.
English Description
The course presents the principal topics of Evolutionary Computation, of Fuzzy
Sets, of Fuzzy Logical Systems, and goes into the Support Vector Machines and
Recurrent Neural Networks. For each topics some applications are shown, with
special reference to Bioinformatics.
Programma
Calcolo Evoluzionario
Metodi di ricerca analitici, enumerativi e casuali - Steepest Ascend/Descent
Procedures - Simulated Annealing - Applicazione al problema TSP - Algoritmi
Genetici - Teorema degli schemi - Funzioni GA-hard - Minimal Deceptive
Problem - Convergenza prematura - Stagnazione - Operatori avanzati di
selezione - Operatori avanzati di crossover - GA per ottimizzazione
combinatoria - Stategie Evolutive .
Insiemi sfumati
Insiemi sfumati - Principio di estensione - Operazioni su insiemi fuzzy -
Aritmetica Fuzzy - Fuzzy Clustering.
Sistemi Logici Fuzzy
Relazioni fuzzy - Teoria della possibilità - Variabili linguistiche -
Ragionamento approssimato - Modus ponens generalizzato - Regola
composizionale dell'inferenza - Sistemi logici fuzzy - Sistemi neuro-fuzzy
-Applicazioni in Bioinformatica
Macchine a supporto vettoriale
Macchine lineari - Nuclei - Teoria della generalizzazione - Macchine a
supporto vettoriale - Aspetti implementativi - Applicazioni in
Bioinformatica.
Corso Integrativo: Reti Neurali Ricorrenti (Alessio Micheli)
Introduzione al problema ed alla metodologia: Il dominio dei dati e i compiti
di apprendimento. Rappresentazione del tempo in reti neurali: forma esplicita
ed implicita. - Modelli ed architetture. - Algoritmi di apprendimento: BPTT,
RTRL. - Estensioni, Approcci relati ed argomenti di ricerca. - Applicazioni
in Bioinformatica.
Bibliografia
Libri di testo
* D.E. Goldberg. Genetic Algorithms in Search, Optimization and Machine
Learning, Addison Wesley, 1989
* H.J. Zimmermann, Fuzzy set theory and its applications, 2ed., Kluwer
Academic Publishers, 1996
Altri testi consigliati
* S. Haykin: Neural Networks: a comprehensive foundation, IEEE Press,
1998.
* V. Kechman, Learning and Soft Computing, MIT Press, Cambridge, MA, 2001
* W.H. Press, S. A. Teukolsky, W.T. Vetterling, B.P. Flannery, Numerical
Recepies in C: the art of scientific computing (2nd ed.), Cambridge
University Press, 1992 Vedi anche sito web NUMERICAL RECEPIES.
* J.R. Koza, Genetic Programming, MIT Press, 1992 (MAT 68-1992-038IN).
* M. Mitchell, An Introduction to Genetic Algoritms, MIT Press, 1996 (MAT
68-1996-197).
* H.P. Schwefel, Evolution and Optimum Seeking, J. Wiley & Sons, 1995.
* J.C. Bezdek, Pattern recognition with fuzzy objective function
algorithms, Plenum Press, 1987.
* B. Bouchon-Meunier, La logique Flue, Presses Universitarie de France,
1993.
* G.J. Klir & B. Yuan, Fuzzy Sets and Fuzzy Logic - Theory and
Applications, Prentice Hall, 1995.
* V.S. Cherkassky & F. Mulier, Learning from data : concepts, theory, and
methods, Wiley, 1998.
* N. Cristianini, J. Shawe,Taylor, An Introduction to Support Vector
Machines : And Other Kernel-Based Learning Methods, Cambridge University
Press, 2000.
* V. Vapnik, The Nature of Statistical Learning Theory, Springer-Verlag,
1995. D.B. Fogel, Evolutionary Computation, IEEE Press, 1995.
* J.F. Kolen e S. C. Kremer (curatori), A Field Guide to Dynamical
Recurrent Networks, John Wiley & Sons, 2001
* Baldi, Brunak: Bioinformatics: The Machine Learning Approach (Second
Edition).
Ulteriore materiale didattico sarà reso disponibile agli studenti durante il
corso.
Modalità di esame
Scritto e orale