Motivazioni
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.
Prerequisiti
Elementi
di analisi matematica, algebra lineare, calcolo numerico, probabilita'
e statistica.
Obiettivi
Il corso di Intelligenza Computazionale copre gli Insiemi e i Sistemi
Fuzzy, il Clustering e gli Ensemble di Macchine di Apprendimento e lo
studio delle loro applicazioni in settore significativo come la
Bioinformatica e/o la teoria delle reti.
Il corso di propone di far acquisire la capacita' di sviluppare ed
applicare metodologie complesse di Intelligenza Computazionale e di
Apprendimento Automatico.
Organizzazione del Corso
Il corso e' organizzato in lezioni
teoriche, esercitazioni di laboratorio e seminari degli studenti. Al
corso puo' essere collegato un
Laboratorio Specialistico per un'attivita' di implentazione e
applicazione degli algoritmi studiati.
Programma del Corso
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).
Testi di riferimento
- [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.
Ulteriore materiale didattico sara' reso disponibile agli studenti
durante il corso.
E-mail del docente: mailto:masulli@disi.unige.it
Home page del corso:
http://www.disi.unige.it/person/MasulliF/didattica/sc-home