Sistemi Intelligenti
Contenuto e Struttura del corso
(Ultimo aggiornamento: 16 GIUGNO 2004 [inseriti link su: reti neurali])
Docente: Alessandro
Sperduti
Note introduttive
Il corso si propone di fornire le nozioni fondamentali per la comprensione
e la progettazione di sistemi che utilizzano tecniche di Intelligenza Artificiale,
Apprendimento Automatico e tecniche di Soft-computing.
I principali riferimenti bibliografici al corso sono i seguenti:
-
S. Russell & P. Norvig, "Artificial Intelligence:
A Modern Approach", Prentice Hall, seconda edizione (2002).
-
T. Mitchell , "Machine Learning", McGraw Hill, 1998.
Calendario delle lezioni
Il corso si tiene su 56 ore, con il seguente calendario: dal lunedi
al mercoledii 11:30-13:00 (lunedi 10:25-13:00) in aula
P160 nel periodo 19 Aprile -
18 Giugno 2004
Ricevimento studenti
Il ricevimento studenti si svolge, tranne diverso avviso, con il
seguente calendario:
-
giovedi 15:00 - 16:00 in stanza 115
Modalita' di esame
Progetto + orale
Appelli di esame
Primo Appello: da definire
Secondo Appello: da definire
LUCIDI DELLE LEZIONI:
Introduzione
(19/04/04)
Richiami
ricerca non informata (19/04/04)
Richiami
ricerca informata (21/04/04)
Giochi
(21,26,27/04/04)
Agenti
Logici (parte 1 e 2) (27,28/04/04)
FOL
(03,04,10,12/05/04)
Pianificazione
I (17,18,19/05/04)
Pianificazione
II (24/05/04)
Incertezza
(24,25/05/04 )
Reti Bayesiane
(25,26/05/04)
Inferenza
in Reti Bayesiane (26/05/04,
01/06/04 FARE RELOAD DEL FILE)
Apprendimento
parte1 (07/06/04)
Apprendimento
parte2 (08,09,14/06/04)
Visione
(15,16/06/04)
Reti Neurali (parte
1) (16/06/04)
Reti Neurali (parte
2) (16/06/04)
Struttura e contenuti del corso
- Agenti Intelligenti
- Richiami su Problemi e Algoritmi di Ricerca
- Giochi come Problemi di Ricerca
- Rappresentazione della conoscenza e ragionamento: calcolo
proposizionale, soddisfacibilita', calcolo dei predicati, deduzione automatica,
introduzione alla programmazione logica
- Rappresentazioni strutturate (reti semantiche, rappresentazioni
a frame) NON FATTO
- Pianificazione
- Trattamento dell'incertezza: reti bayesiane
- Apprendimento Automatico: VC-dimension, Structural
Risk Minimization, Support Vector Machines
- Elementi di percezione (se c'e' tempo ...).