Machine Learning. Introduzione al modellamento data driven: soft computing, intelligenza computazionale.
Definizione dei problemi di clustering classificazione, modellamento non supervisionato, approssimazione funzionale, predizione. Capacità di generalizzazione. Deduzione ed induzione. Principio di induzione su spazi normati. Modelli ed algoritmi di apprendimento. La scelta di una metrica ed il preprocessamento dei dati.
Problemi di ottimizzazione. Condizioni di ottimalità. Regressione lineare: algoritmo LSE, RLSE. Algoritmi numerici di ottimizzazione; algoritmi basati sulla discesa al gradiente. Metodo di Newton.
Principi di logica fuzzy: definizioni, operazioni elementari. Principio di induzione fuzzy. Regole fuzzy
Sistemi di classificazione: misure di prestazione e di sensibilità. Classificatore k-NN. Il neurone biologico ed il sistema nervoso centrale. Perceptron. Reti Feedforward: multi layer perceptron. Algoritmo Error Back Propagation. Macchine a vettori di supporto (SVM).
Algoritmi di apprendimento automatici. Sensibilità rispetto ai parametri strutturali. Algoritmi costruttivi e di pruning. Ottimizzazione della capacità di generalizzazione: cross-validation e Criterio del Rasoio di Occam.
Classificatori neurofuzzy Min-Max; algoritmo di apprendimento classico e regolarizzato. ARC; PARC; Principal Component Analysis. Reti neuro-fuzzy generalizzate. GPARC.
Swarm Intelligence. Evolutionary Computation. Algoritmi genetici, Particle Swarm Optimization, Ant Colony Optimization. Selezione automatica delle caratteristiche.
Ragionamento fuzzy. Modus ponens generalizzato; sistemi FIS; procedure di fuzzyficazione e defuzzyficazione. Sistemi ANFIS. Algoritmi di training canonici. Algoritmi avanzati per la sintesi di reti ANFIS: clustering nello spazio congiunto, clustering nello spazio degli iperpiani.
Problemi di predizione e cross-predizione; embedding basato su algoritmi genetici.
Applicazioni e casi di studio: modellamento e controllo dei flussi energetici nelle micro-grids, ottimizzazione e controllo delle Smart Grids, classificazione di flussi di traffico TCP/IP.
Ricerca di pattern regolari ed estrazione di regole in grandi basi di dati (Big Data Analytics).

Kruse, R., Borgelt, C., Braune, C., Mostaghim, S., & Steinbrecher, M. (2016). Computational intelligence: a methodological introduction. Springer.

Dispense e lucidi delle lezioni disponibili sul sito del docente