Registro delle lezioni tenute nell`anno accademico 2015/16

Anno Accademico 2015/2016
Registro dell'insegnamento di:
Periodo:
Codice:
Intelligenza artificiale
2
01BITOV
Suddivisione alfabetica:
Stato Registro:
AA - ZZ
CONFERMATO
Organizzazione del Corso
L
Tipologia di didattica
Lingua
Lezioni
IT
Totale ore studente:
Docente/Coadiutore Tipologia di
Didattica
PICCOLO ELIO
L - Lezioni
N.ore
61.5
61.5
Lingua N.ore N.squadre Videostreaming
IT
61.5
Totale: 61.5
Firmato con firma elettronica ai sensi dell'Art.21 del Decreto legislativo n. 85/2005 Codice dell'Amministrazione digitale
nome procedura : Registro Elettronico delle lezioni
data: 14/06/2016 00:00:00
indirizzo IP : 94.34.227.185
Autenticato con : certificato
Identificativo : D865
N.squadre N.doc.compr. Totale
1
1
61.5
Totale ore: 61.5
1
N
01/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Presentazione del corso, programma, testi, materiale didattico in WEB, modalità di svolgimento
dell''esame. Risoluzione dei problemi e intelligenza artificiale.
I giochi come esempi di problemi - Stati e operatori del problema - Riduzione di problemi a sottoproblemi - L''uso
della logica nella risoluzione dei problemi. Rappresentazione e ricerca - Descrizione degli stati - Gli operatori - Gli
stati finali.
01/03/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Terminologia per i grafi. Esempi di rappresentazione di problemi: il problema del commesso viaggiatore.
Il problema dell''analisi sintattica - Torre di Hanoi - La scelta di una "buona" rappresentazione - Esempio: il problema
della scimmia e della banana - Il problema del contorno (frame problem) - Alberi, grafi, ragionamento come ricerca Ragionamento in avanti (forward) e all''indietro (backward).
04/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Introduzione alla scomposizione in sottoproblemi. I grafi AND-OR. Gli operatori di riduzione a
sottoproblemi. La soluzione in un grafo AND/OR come sottografo.
Esempio: la torre di Hanoi risolta col metodo della scomposizione in sottoproblemi. I regimi di controllo (irrevocabile,
backtracking, ricerca su grafi). Esempio applicativo della rappresentazione nello spazio degli stati: il problema del
pastore, del lupo, della capra e del cavolo. Metodi di ricerca: la ricerca in ampiezza, la ricerca a costo uniforme.
Metodi euristici per la ricerca.
08/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Ricerca in ampiezza con potatura (beam search). Esempi di applicazione dell''algoritmo beam search: il
riconoscimento di parole. Ricerca a costo minimo. Metodi di ricerca in profondità. Il problema dell''incompletezza.
L''implementazione della ricerca in profondità: la funzione backtrack e backtrack1. Backtracking cronologico e con
hindsight - Frog-leap cronologico e con hindsight. Modifiche richieste dalla ricerca sui grafi.
08/03/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Conoscenza euristica - Esempi applicativi degli algoritmi esposti. Uso delle funzioni di valutazione.
Algoritmo di ricerca ordinata (best first): l''algoritmo A. Implementazio-ne: graphsearch. Un algoritmo ottimo di
ricerca. Dimostrazione dell'ammissibilità di A*. Realizzazione dell''algoritmo A*. Il potere euristico di - L''importanza
di - Esempi di applicazione dell'algoritmo.
11/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Considerazioni sulle funzioni di valutazione . Esercizio: applicazione degli algoritmi di ricerca al
problema della determinazione di un percorso stradale (Romania): ricerca in ampiezza, a costo uniforme, A*.
Rappresentazione per la riduzione a sottoproblemi. Descrizione dei problemi - Operatori di riduzione a sottoproblemi
- Descrizione dei problemi primitivi - I grafi AND/OR: il problema dell''integrazione simbolica. Meccanismi di
pianificazione: analisi MEZZI-FINI - Gli operatori chiave - Le differenze - Metodi di ricerca per la riduzione a
sottoproblemi. Applicazione del metodo MEZZI-FINI al problema della scimmia e della banana.
Anno Acc. 2015/2016 - periodo 2 - Intelligenza artificiale (01BITOV) - report prodotto il 14/06/2016 alle ore 10:30 da PICCOLO ELIO
15/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Seminario su "ISMB: Artificial Intelligence for IoT applications - MSc Thesis proposals" (ing. E. Ferrera).
Soluzione del problema del pastore, lupo, capra e cavolo con gli algoritmi di ricerca nello spazio degli stati. Grafi
AND/OR: la torre di Hanoi risolto da un secondo punto di vista. Ricerca in ampiezza e ricerca in profondità su grafi
AND/OR.
15/03/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Ricerca euristica nei grafi AND-OR: l''algoritmo AO*. Spazi degli stati a livelli superiori - Giochi - Grafi
AND/OR applicati ai giochi . Il gioco come dimostrazione: l''esempio del Grundy. La procedura del minimassimo
(MINIMAX) per la ricerca sugli alberi di gioco. Applicazione di minimax al gioco del filetto (TRIS).
18/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Implementazione dell''algoritmo minimax. La potatura alfa-beta. L''efficienza di ricerca della procedura
alfa-beta. Strategie di gioco- Ulteriori raffinamenti: attesa della quie-te, ricerca secondaria, mosse tratte dai manuali Limitazioni del metodo. Il passaggio da minimax ad alfa-beta. Introduzione alla logica: cenni introduttivi.
22/03/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Gli operatori logici. La sintassi e la semantica - Semantica nella logica proposizionale - Decidibilità.
L''implicazione logica. Le funzioni logiche e la tavola di verità. Tautologie e contraddizioni. Semantica nella logica
proposizionale e decidibilità - Formalizzazione di termine, atomo, fbf. La traduzione di fatti in formule ben formate.
La traduzione di fatti in formule ben formate - La dimostrazione per sostituzione: forechaining e backchaining - Il
"modus ponens".
22/03/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Validità e soddisfacibilità - Dimostrazione come "conseguenza logica". La risoluzione nella logica
proposizionale. Trasformazione in forma a clausole. Esempi di trasformazione in clausole.
01/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Esercizio sulla conversione in clausole. Esercizio sul backward chaining usando la trasformazione in
clausole. La macchina sottostante il linguaggio Prolog. La base della risoluzione nella logica dei predicati. L'Universo
di Herbrand. La base di Herbrand - Alberi semantici e i nodi di refutazione.
05/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : La risoluzione nella logica dei predicati. La sostituzione e l''unificazione. L''unificatore più generale
(mgu) - Algoritmo per l''unificazione. Esempi di mgu. Algoritmo di risoluzione. nella logica dei predicati. La necessità
di più sostituzioni. Risoluzione estesa a predicati computabili. Strategie per la risoluzione - Metodo dell''insieme di
supporto - strategia di preferenza per le clausole unitarie - eliminazione delle clausole sussunte. Necessità di provare
più sostituzioni e di differenziare le variabili.
Anno Acc. 2015/2016 - periodo 2 - Intelligenza artificiale (01BITOV) - report prodotto il 14/06/2016 alle ore 10:30 da PICCOLO ELIO
05/04/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Esempi di risoluzione: il problema di modellare "nessun A è B". Il frame problem affrontato nella logica.
La risoluzione e le risposte alle domande - Esempi di dimostrazione logica. Applicazione della risoluzione a problemi
di pianificazione: il problema della scimmia e della banana risolto mediante la logica. Il problema del bugiardo e del
veritiero.
08/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Esempi di risoluzione di problemi mediante la logica del primo ordine (Club Alpino). Problemi connessi
alla traduzione di frasi espresse in linguaggio naturale nella logica dei predicati. Le frasi dubitative e l'inadeguatezza
della logica del primo ordine. Cenni ad altri tipi di logica: logiche modali, logiche del secondo ordine. I paradossi delle
logiche superiori. Traduzione in logica di frasi del linguaggio naturale.
12/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Verifica formale di un circuito elettronico digitale mediante la logica del primo ordine. Problemi connessi
alla traduzione di frasi espresse in linguaggio naturale nella logica dei predicati: approfondimento. Soluzione di un
esercizio di logica. Il ragionamento non monotono - Inadeguatezza della logica classica. L''assunzione di "mondo
chiuso" nei data-base. Il frame-problem riconsiderato nella logica non monotona.
12/04/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Logiche non monotone: la default logic e le default teories. TMS: sistema per il ra-gionamento non
monotono. Le liste di supporto, le prove condizionali. Esempio applicativo. Ragionamento probabilistico: motivazioni.
Problemi deterministici trattati in modo probabilistico.
15/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Problematiche connesse all''uso di modelli probabilistici. Un sistema basato su regole che usa il
ragionamento inesatto: MYCIN. La composizione delle prove e delle evi-denze. Sistemi Esperti: il modello "a
lavagna". I moduli (Knowledge Source) e l''algoritmo Delta-Min.
19/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Applicazione dei sistemi a regole basati sui fattori di certezza: un sistema per le previsioni
meteorologiche. I Sistemi Esperti: principi architetturali, i sistemi di produzione, le strategie di controllo, sviluppo di un
sistema esperto. Esempi di sistemi esperti (Mycin, R1).
19/04/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Approfondimenti sul ragionamento probabilistico: la regola di Bayes. La normalizzazione. La
combinazione delle prove: l''aggiornamento bayesiano. Esempi applicativi. Reti di credenze (reti bayesiane). La
semantica delle reti bayesiane. Metodo per la costruzione di reti di credenze. Esercizi esemplificativi sulle reti
bayesiane. Il ragionamento dalle cause agli effetti e viceversa.
Anno Acc. 2015/2016 - periodo 2 - Intelligenza artificiale (01BITOV) - report prodotto il 14/06/2016 alle ore 10:30 da PICCOLO ELIO
22/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Esercizi sulle reti di credenze. Alcuni casi di deduzioni controintuitive e motivazioni. La semplificazione
dei calcoli nelle reti complesse. Considerazioni su indipendenza condizionale e ortogonalità. Ragionamento
Bayesiano. Caratteristiche dell''apprendimento bayesiano. L''ipotesi maximum a posteriori (MAP). Ipotesi maximum
likelihoof (ML). Esempio: diagnosi medica.
26/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Il problema Monty Hall (Capre ed auto) risolto con una rete bayesiana. Approfondimenti su reti
bayesiane. Apprendimento di concetti a forza bruta. Evoluzione delle probabilità legate a delle ipotesi.
Apprendimento di una funzione a valori reali (minimi quadrati visti come scelta dell''ipotesi che spiega meglio i dati).
Classificatore bayesiano ottimo. Esempio applicativo. Algoritmo di Gibbs.
26/04/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Classificatore Naive Bayes. Esempio illustrativo. La stima delle probabilità e il problema dello smoothing
(m-estimate of probabilità, add-one smoothing, linear interpolation). La classificazione di documenti testuali.
L''algoritmo. Junk mail filtering: problematiche, l''approccio bayesiano, selezione degli attributi, classificazione,
risultati. Esercizi esemplificativi sull''apprendimento bayesiano.
29/04/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Rappresentazione della conoscenza strutturata - Strutture di conoscenza comuni (re-lazioni IS-A e
PART-OF). Scelta del livello di rappresentazione. L''adeguatezza delle rappresentazioni. Accesso alle
rappresentazioni - Rappresentazioni dichiarative e procedurali - La scelta delle primitive. Le reti semantiche - Il
problema delle quantificazioni e le reti semantiche partizionate. Algoritmi per l''eredità di proprietà: la distanza
inferenziale.
03/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Esercizi sull''apprendimento bayesiano: classificazione naive Bayes, revisione delle ipotesi in base ai
dati. Applicazioni delle reti semantica: Wordnet. La dipendenza concettuale. Uso della dipendenza concettuale.
Applicazione delle reti semantiche e della dipendenza concettuale al problema di creare un''interfaccia "friendly" per
l''MSDOS o Linux.
03/05/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : I frame e i sistemi di frame - I frame come rappresentazioni che conciliano l''aspetto descrittivo e quello
procedurale. Cenni a FrameNet (Lowe, Baker, Fillmore). Gli script. Esempio di script: il ristorante. Metodi per
ragionare con la conoscenza con gli script.
Anno Acc. 2015/2016 - periodo 2 - Intelligenza artificiale (01BITOV) - report prodotto il 14/06/2016 alle ore 10:30 da PICCOLO ELIO
06/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Le reti semantiche ad ereditarietà strutturata: le reti KL-ONE. Le motivazioni e i formalismi di KL-ONE.
Concetti generici e concetti individuali. I ruoli, la restrizione di valore e la restrizione di numero. Concetti primitivi e
definiti. Il classificatore. La sussunzione. La traslazione delle reti KL-ONE nella logica dei predicati. Cenni alle
applicazioni attuali: le Ontologie e le ricerche sul Web. Pattern recognition: i problemi connessi. Il concetto di
"features".
10/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Le funzioni di decisione - Funzioni di decisioni lineari: il caso di una classe separabile da tutte le altre. Il
caso delle classi separabili a due a due, il caso di funzione di decisione massimizzante per ogni data classe.
Funzioni di decisione generalizzate. Lo spazio dei dati e lo spazio dei pesi - Dicotomie - Realizzazione di funzioni di
decisione. Classificazione basata sulla distanza: generalità. Classificazione a minima distanza.
10/05/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Classificazione in base ad un unico prototipo. Prototipi multipli. Esempi applicativi: riconoscimento di
caratteri OCR, riconoscimento di caratteri multi font. Classificazione con la regola del "nearest neighbour" semplice e
multiplo. Esempi applicativi: riconoscimento di caratteri manoscritti. La formazione dei cluster - criteri di similarità:
geometrica, presenza di attributi, similarità di Tanimoto. Algoritmi di clustering. Algoritmo basato sull''euristica di una
soglia di distanza, K-MEANS, ISODATA.
13/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Seminario sugli Algoritmi Genetici (prof. G. Squillero). Inquadramento storico e metodologico degli
algoritmi evolutivi. Genetic Algorithm. Genetic Programming.
17/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : La Quantizzazione vettoriale. Esempi applicativi dei tre algoritmi K-MEANS, ISODATA, Quantizzazione
vettoriale. Un sistema deterministico per il riconoscimento di parole isolate: le problematiche associate.
17/05/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : La programmazione dinamica per l''allineamento temporale o spaziale di pattern. Applicazione della
programmazione dinamica al riconoscimento del parlato e al riconoscimento di immagini. Reti neurali - L''architettura
e i modelli delle reti neurali - Il neurone reale come ispirazione delle reti neurali. Le reti neurali come paradigma
computazionale.
Anno Acc. 2015/2016 - periodo 2 - Intelligenza artificiale (01BITOV) - report prodotto il 14/06/2016 alle ore 10:30 da PICCOLO ELIO
20/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : L''apprendimento da esempi . Un modello generale di rete neurale: le unità elaborative, lo stato di
attivazione, le funzioni di output, le connessioni e le regole di propagazione, le funzioni di attivazione. Reti Neurali: le
regole di apprendimento. L''associatore lineare. Simulazione di un associatore lineare.
27/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Seminario su "Ambient Intelligence" tenuto dall.ing. Luigi De Russis. Commessioni con l''Intelligenza
Artificiale.
27/05/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Le reti di Hopfield - Simulazione di una rete di Hopfield per il riconoscimento di caratteri. Altre
applicazioni delle reti di Hopfield: linearizzazione dell''output di un sensore, il problema del commesso viaggiatore (e
problemi di message routing).
31/05/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Reti neurale "feed-forward": il "perceptron". Limiti del perceptron. Il multilayer perceptron (MLP). Il
metodo di addestramento "back propagation": generalità. Il dimensionamento delle reti multistrato (numero di output,
numero di strati, numero di nodi hidden). Derivazione delle formule per la back propagation. Tipiche applicazioni
delle reti feed-forward. Un riconoscitore di cifre scritte col mouse.
31/05/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Approfondimento sulla derivazione delle formule per la back propagation. Tipiche applicazioni delle reti
feed-forward. Simulazione di rete MLP (l'EX-OR). Analisi del comportamento di una rete feed-forward: le rette di
separazione, la proiezione dello spazio degli input nello spazio degli hidden, di questo nello spazio degli output.
Interpretazione delle configurazioni degli hidden come features.
03/06/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Chiarimenti e approfondimenti su vari quesiti dei temi d''esame.
07/06/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Le reti MLP come approssimatori di funzione. Il comportamento "fuzzy" delle reti MLP. Reti di Kohonen Applicazioni delle reti di Kohonen come Quantizzatore Vettoriale. Una applicazioni delle reti di Kohonen come
quantizzatore vettoriale ai macrocaratteri. MLP: considerazioni sullo spazio dell''input, sul numero di nodi nello strato
di hidden, sui nodi di output. Chiarimenti e approfondimenti su vari quesiti dei temi d''esame.
Anno Acc. 2015/2016 - periodo 2 - Intelligenza artificiale (01BITOV) - report prodotto il 14/06/2016 alle ore 10:30 da PICCOLO ELIO
07/06/2016 ore 16:00 - 17:30
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Antagonismo nell''apprendimento delle reti MLP. Chiarimenti e approfondimenti su vari quesiti dei temi
d''esame. Lezione seminariale sulle Boltzman Machine e Deep NN.
10/06/2016 ore 14:30 - 16:00
Tipo : L - Lezioni
Docenti : PICCOLO ELIO
Lingua : Italiano
Argomento : Seminario dell''ing. Sandro Cumani su "Speaker Recognition: i modelli e le connessioni con le
metodologie dell''Intelligenza Artificiale". . Chiarimenti e approfondimenti su vari quesiti dei temi d''esame.