Docente
|
AGLIARI ELENA
(programma)
Nozioni introduttive
- Concetti base in meccanica statistica
- Concetti base in teoria dell’informazione
- Concetti base in statistica inferenziale
Introduzione alle reti neurali
- AI: contesto, contributi, aspettative
- Neuroni biologici e modelli di neuroni
- Il neurone di McCulloch-Pitts e la sua versione stocastica
La “cable-theory”
- Il modello di Hodgkin-Huxley
- Il neurone integrate-and-fire
Reti feed-forward
- Il percettrone
- Teorema di Minsky e Papert
- Reti a multistrato
Reti ricorrenti
- Memoria associativa
Il modello di Hopfield
- Soluzione esatta con un pattern (Curie-Weiss)
- Soluzione esatta in basso carico
- Soluzione in alto carico
- Problemi inversi
- Riflesso condizionato
Tecniche Bayesiane nell’apprendimento con supervisore
Macchine di Boltzmann
- Regola di apprendimento con supervisore
- Regola di apprendimento senza supervisore
- Deep learning
- Equivalenza termodinamica tra macchina di Boltzmann e modello di Hopfield
Tecniche numeriche di apprendimento
Modelli avanzati
- Diluizione
- Topologia (gerarchico, multipartito)
- Dreaming
A.C.C. Coolen, R. Kuhn, P. Sollich, "Theory of Neural Information Processing Systems", Oxford Press
|