Intelligenza Computazionale  (6 crediti)   A.A. 2009/10

L'Intelligenza Computazionale (o Soft Computing) e' un insieme di metodologie di elaborazione dell'informazione ispirate ai sistemi naturali che negli ultimi decenni sono state applicate con successo per la soluzione di problemi complessi.
Tra esse citiamo le Reti Neurali (modelli ispirati al sistema nervoso per la soluzione di vari compiti tra i quali laclassificazione e la regressione), gli Algoritmi Evolutivi (modelli di ottimizzazione ispirati all'evoluzione biologica), la Swarm Intelligence (modelli di ottimizzazione basati sulla simulazione del comportamento degli sciami-stormi-branchi di animali), il Simulated Annealing (modelli di ottimizzazione ispirati alla cristallizazione dei metalli), e gli Insiemi e i Sistemi Fuzzy o Sfumati (modelli in grado di elaborare l'informazione qualitativa, analogamente all'essere umano). Inoltre in molte applicazioni le tecniche di Intelligenza Artificiale si integrano con i metodi di Apprendimento Automatico.
I casi applicativi in cui l'Intelligenza Computazionale ha riscontrato i maggiori successi vanno dall'"intelligenza artificiale" di giochi elettronici, al controllo di mouse dei computer, alla detezione di spam nella posta elettronica, alla detezione di intrusioni nei sistemi informatici, al controllo di lavatrici, all'elaborazione e compressione di immagini, all'elaborazione di dati bioinformatici.

Elementi di analisi matematica, algebra lineare, calcolo numerico, probabilita' e statistica.

Insiemi e sistemi sfumati - Sistemi neuro-fuzzy - Clustering statistico, gerarchico, sfumato, possibilistico, kernel e spettrale - Biclustering - Analisi delle componenti principali - Analisi delle componenti indipendenti - Analisi delle variabili latenti - Alberi di decisione - Apprendimento con rinforzo - Ensemble di macchine ad apprendimento automatico - Applicazioni (data mining, bioinformatica, teoria delle reti).

• [BEZ87] J.C. Bezdek, Pattern recognition with fuzzy objective function algorithms, Plenum Press, 1987 (FIS 577.26 BEZ 30, ING2 006.4 BEZ 1, ING2 006.4 BEZ 2 ).
• [BOU95] B. Bouchon-Meunier, La logique Floue et ses applications,  Addison Wesley France, 1995, ISBN: 2-87908-073-8 (o anche B. Bouchon-Meunier, La logique floue, Presses Universitaire de France, 1993, ISBN: 2-13-045007-5).
  
• [FUL00] R. Fuller - Introduction to Neuro-Fuzzy Systems, Physica Verlag,  2000, ISBN: 379081256.
• [.JAIN88] A.K. Jain, R.C. Dubes.Algorithms for Clustering Data. Prentice-Hall, Inc., Upper Saddle River, NJ, 1988. (pdf)
  
• [JSM96] J.S.R. Jang, C.T. Sun, E. Mizutani, Neuro-Fuzzy and Soft Computing, Prentice Hall, 1996, ISBN: 0132610663.
• [KLIR95] G.J. Klir & B. Yuan, Fuzzy Sets and Fuzzy Logic - Theory and Applications, Prentice Hall, 1995 (ING-DIP  C 1 / 0032) (o anche  G.J. Klir, T. A. Folger, Fuzzy sets uncertainty and information, Prentice Hall, 1988, MAT 68-1988-55IN).
• [KUN00] L. Kuncheva - Fuzzy Classifier Design, Physica Verlag,  2000, ISBN: 3790812986.
• [KUN04] Ludmila I. Kuncheva Combining Pattern Classifiers. Methods and Algorithms, Wiley, 2004. MAT 68-2004-011
• [LL96] C.T. Lin, G. S. Lee, Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Intelligent Systems, Prentice Hall, 1996, ASIN: 0132351692  (ARC C.3613)
• [ZIM96] H.J. Zimmermann, Fuzzy set theory and its applications, 2ed., Kluwer Academic Publishers, 1996 (MAT 04-1996-01, MAT 04-1996-02, LETT 14.E.169) 
• [MOV02] J.R. Movellan, Introduction to Probability Theory and Statistics, Kolmogorov Project Tutorials, GNU Free Documentation License,  2005  (download here).
• [PTV92] W.H. Press, S. A. Teukolsky, W.T. Vetterling, B.P. Flannery, Numerical Recepies in C: the art of scientific computing (2nd ed.), Cambridge University Press, 1992 ( CHI 517:519/13) Vedi anche sito web NUMERICAL RECEPIES.