Modelli biologici e artificiali Richiami di meccanica statistica dell'equilibrio Modello di Curie-Weiss (CW) Transizioni di fase, rottura di ergodicità, rottura spontanea di simmetria Neurone di McCulloc-Pitts Dinamica neuronale deterministica e stocastica Il concetto di richiamo Apprendimento hebbiano Reti neurali ad attrattori Modello di Mattis Introduzione ai sistemi disordinati: frustrazione, media "quenched" ed "annealed", auto-media Modello di Hopfield Soluzione del modello di Hopfield in basso carico Stati puri e stati spuri Tecnica segnale-rumore Introduzione al modello di Sherrington-Kirkpatrick (SK) Soluzione del modello di Hopfield in alto carico ​Accoppiamento non locale con matrice di interazione pseudo-inversa Elementi di teoria dell'informazione Richiami di inferenza statistica Approccio Bayesiano (e rasoio di Occam) Massima verosimiglianza Massima entropia Massima entropia e meccanica statistica all'equilibrio Introduzione all'apprendimento automatico Il percettrone di Rosenblatt Minsky e Papert Apprendimento Bayesiano Simulated Annealing Modelli di apprendimento senza supervisore: classificazione e riduzione di dimensionalità k-medie, mistura di gaussiane Analisi delle componenti principali Analisi fattoriale Cenni agli autoencoder Cenni alle reti neuronali convoluzionali Macchine di Boltzmann Contrastive divergence Dualità Hopfield-RBM Cenni al deep learning Modelli avanzati ispirati dalla biologia Neurofisiologia del potenziale d'azione Modelli (leaky) integrate-and-fire Teoria del cavo Modello di Hodgkin-Huxley

Tra i libri suggeriti, quello con maggior sovrapposizione con il programma è A.C.C. Coolen, R. Kuhn, P. Sollich, "Theory of Neural Information Processing Systems", Oxford Press