Reti Neurali 2 (una unita')
Ultima modifica: 4 Giugno 1999. Commenti a Francesco
Masulli.
-
Docente:
Francesco
Masulli.
-
Corso (Verra' attivato nel secondo semestre dell'a.a. 1998/1999):
Prerequisiti
Programmazione in linguaggio C o C++. Elementi di analisi matematica e
di calcolo delle probabilita'. Alcuni contenuti del corso Reti Neurali
I.
Obiettivi
Capacita' di sviluppare ed applicare sistemi basati su metodologie di Soft
Computing.
Programma del Corso
Insiemi Fuzzy.
Insiemi fuzzy (o sfumati). Principio di estensione. Operazioni su insiemi
fuzzy. Aritmetica Fuzzy.
Apprendimento Non Supervisionato.
Clustering. C-Means. Fuzzy clustering. Entropia di Shannon. Entropie e
misure Fuzzy. Principio di massimizazione dell'entropia. Clustering basato
sul principio di massima entropia. C-Means possibilista. Analisi delle
componenti principali. Analisi delle componenti indipendenti. Analisi delle
variabili latenti. Applicazioni alla quantizzazione vettoriale, alla segmentazione
di immagini multimodali e alla rivelazione di rette.
Sistemi Logici Fuzzy.
Relazioni fuzzy. Teoria della possibilita'. Variabili linguistiche. Ragionamento
approssimato. Modus ponens generalizzato. Regola composizionale dell'inferenza.
Sistemi logici fuzzy. Sistemi neuro-fuzzy. Applicazioni.
Progetto di Sistemi Intelligenti.
Apprendimento automatico dai dati. Regolarizzazione. Teoria statistica
dell'apprendimento. Metodi per l'ottimizzazione nonlineare. Metodi per
la riduzione dei dati e della dimensionalita'. Metodi per la regressione.
Metodi per la classificazione. Support Vector Machines. Applicazione ai
sistemi fuzzy.
Laboratorio
Sviluppo di un progetto in linguaggio C o C++.
Testi di riferimento
Libri di testo
-
J.C. Bezdek, Pattern recognition with fuzzy objective function algorithms,
Plenum Press, 1987 (ING2 EL.O1.0059, ING2 EL.O1.0205, FIS 577.26 BEZ 30,
DISEG D.0383).
-
V.S. Cherkassky & F. Mulier, Learning from data : concepts, theory,
and methods, Wiley, 1998.
-
G.J. Klir & B. Yuan, Fuzzy Sets and Fuzzy Logic - Theory and Applications,
Prentice Hall, 1995.
Altri testi consigliati
-
C.M. Bishop, Neural Networks for Pattern Recognition, Oxford U.P., 1995
(MAT 68-1995-190, ING2 AI.0135. ARC C.3673, SAV 006.3 BIS).
-
B. Bouchon-Meunier, La logique Flue, Presses Universitarie de France, 1993.
-
C. Domeniconi & M. Jordan, Reti Neurali e Apprendimento, in corso di
stampa.
-
R.O. Duda e P.E. Hart, Pattern Classification and Scene Analysis, J. Wiley
& Sons, 1973 (MAT 68-1973-03IN, ING2 EL.0069).
-
C. Fyfe, Information Theory and Artificial Neural Networks - 1996, coursenotes
su sito web http://cis.paisley.ac.uk/staff/fyfe-ci0/teaching/course.ps.Z
-
K. Fukunaga, Keinosuke. Introduction to statistical pattern recognition,
2nd ed., Academic Press, 1990.
-
S. Haykin, Neural Networks-A Comprehensive Foundation, IEEE Press, 1994
(MAT 68-1994-037IN), 2nd ed. Prentice Hall, 1999.
-
A. Papoulis Probalility, random variables and stochastic processes, McGraw-Hill,
1991 (IMI MM:0259, ING2 GE.0925, ING2 MAN.04.0038, ING1 A.MAT.T.0252, ING2
MAN.04.0026).
-
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 (MAT 68-1992-094, NG2 EL.O1.0151, DISEG F.0796) Vedi anche
sito web NUMERICAL RECEPIES.
-
V. Vapnik, The Nature of Statistical Learning Theory, Springer-Verlag,
1995 (ING2 AI.0131).
-
H.J. Zimmermann, Fuzzy set theory and its applications, 2ed., Kluwer Academic
Publishers, 1996 (MAT 04-1996-01, LET3 14.E.169) .
-
V. Vapnik, Statistical Learning Theory, J. Wiley & Sons, 1998 (ING2
AI.0163, FIS 519.24 VAP 30).
Ulteriore materiale didattico sara' reso disponibile agli studenti durante
il corso.