Vai al contenuto principale
Oggetto:
Oggetto:

Reti neurali

Oggetto:

Neural networks

Oggetto:

Anno accademico 2019/2020

Codice attività didattica
MFN0824
Docente
Dott. Matteo Osella (Titolare del corso)
Corso di studio
008510-101 Laurea Magistrale in Fisica ind. Fisica Nucleare e Subnucleare e Biomedica
008510-102 Laurea Magistrale in Fisica ind. Fisica Biomedica
008510-104 Laurea Magistrale in Fisica ind. Fisica delle Tecnologie Avanzate
Anno
1° anno
Periodo didattico
Terzo periodo didattico
Tipologia
B=Caratterizzante
Crediti/Valenza
6
SSD attività didattica
FIS/02 - fisica teorica, modelli e metodi matematici
Erogazione
Tradizionale
Lingua
Italiano
Frequenza
Facoltativa
Tipologia esame
Orale
Prerequisiti
Non è necessario alcun requisito specifico:
sono sufficienti le conoscenze acquisite nel corso della laurea triennale.

No specific requirement is needed: knowledge at first degree level is enough
Propedeutico a
Oggetto:

Sommario del corso

Oggetto:

Obiettivi formativi

Introduzione alla teoria delle reti neurali biologiche ed artificiali. Applicazioni alla modellizzazione di sistemi neurali biologici ed alla risoluzione di problemi fisici.

Introduction to the theory of biological and artificial neural networks and applications

Oggetto:

Risultati dell'apprendimento attesi

A )Conoscenza e capacità di comprensione (knowledge and understanding )

Dimestichezza con  principali modelli di reti neurali bilogiche ed artificiali e delle dinamiche che determinano le loro proprietà di codifica e apprendimento.

B) Capacità di applicare conoscenza e comprensione (applying knowledge and understanding)

Capacità di analizzare le equazioni che determinano la dinamica delle reti neurali.

Capacità di elaborare e simulare semplici modelli di reti neurali.

Knowledge and understanding. 

Knowledge of the more important models of neural networks and  of their dynamics as concerns acitvity and learning

Applying knowledge and understanding

Students should be able to analise the equations determining the dynamics of neural networks and to model  simple neural nets for specific appliations

Oggetto:

Programma

 

[work in progress...]

Basics of information theory and probabiity

Introduction to Neural Networks 

Shallow and deep feedforward networks

Learning process and backpropagation

Regularization

Convolutional networks

Autoencoders and Boltzman machines

Elements of Reinforcement learning

 

 

Oggetto:

Modalità di insegnamento

Oggetto:

Modalità di verifica dell'apprendimento

The exam is in two parts: 1) the student presents a short project of a simulation of a neural network for a specific problem of his/her choice   2) Questions on the theoretical part of the course at the blackboard.  .

Oggetto:

Attività di supporto

Oggetto:

Testi consigliati e bibliografia

Oggetto:

Note

Nessuna propedeuticità obbligatoria. Frequenza non obbligatoria, ma fortemente consigliata.

Attendance is not compulsory,  but students are stongly advised to attend 

Oggetto:

Corsi che mutuano questo insegnamento

Oggetto:

Altre informazioni

http://personalpages.to.infn.it/%7eferraro/retineurali/retineurali.html
Oggetto:

Orario lezioniV

GiorniOreAula
Martedì11:00 - 13:00Aula D Dipartimento di Fisica
Mercoledì11:00 - 13:00Aula D Dipartimento di Fisica
Giovedì11:00 - 13:00Aula D Dipartimento di Fisica

Lezioni: dal 10/04/2019 al 14/06/2019

Registrazione
  • Aperta
    Oggetto:
    Ultimo aggiornamento: 17/09/2019 17:26
    Non cliccare qui!