Obiettivi Formativi: Ci si propone di dare agli studenti sia fondamenti teorici sia capacità di sviluppo di applicazioni. In particolare, di raggiungere: 1) un adeguato livello di conoscenza delle basi teoriche dei principali modelli computazionali per l'apprendimento. 2) La capacità di utilizzare alcuni di tali modelli per la soluzione di classici problemi di clustering, classificazione e regressione. 3) La capacità di utilizzare e/o implementare sistemi basati su tali modelli.
Contenuto: In una prima parte del modulo A si introdurranno alcuni dei principali modelli di reti ricorrenti, focalizzando l'attenzione sulle reti neurali ricorrenti a tempo continuo e sugli algoritmi di apprendimento ad esse relative. Nella seconda parte del modulo si focalizzerà l'attenzione sulle reti neurali artificiali nell'ambito dell'apprendimento automatico. Si studiaranno le reti neurali feed-forward e i principali algoritmi di apprendimento per tali reti. Il modulo B consisterà nella trattazione sia teorica sia applicativa di alcuni concetti di base della teoria dell'apprendimento statistico. Tale modulo si concluderà con lo studio di metodi kernel, support vector machine e feature selection.
1. Informazioni generali sul corso
3. Un modello computazionale del neurone biologico
4. Possibili problemi risolvibili con Reti Neurali
5. Problemi di Classificazione ed approccio probabilistico
7. Capacità rappresentativa delle reti neurali - parte prima
8. Capacità rappresentativa delle reti neurali - Parte seconda
9. Apprendimento e generalizzazione
10. Discesa del gradiente e backpropagation
11. Back-Propagation
13. Interpretazione output di una rete neural feed-forward
14. Complessità della rete, generalizzazione e termini di regolari...
15. Cross-entropy e variazioni sulla discesa del gradiente
16. Verso le reti neurali RBF: interpolazione esatta.
17. Reti neurali RBF
18. Addestramento di una rete RBF
19. Parametri delle funzioni a base radiale
20. Un primo modello di reti neurali ricorrenti: formalismo di Caia...
Mi sono laureato in Fisica presso l’Università degli Studi di Napoli Federico II nel 1994 ed ho conseguito, sempre presso tale Università, il Dottorato in Matematica Applicata ed Informatica nel 1999. Dal settembre 2002 sono ricercatore nel settore disciplinare INF/01 (Informatica), presso l’Università degli Studi di Napoli Federico II, confermato nel settembre 2005. Sempre presso tale Università, dal 2001 al 2008 ho tenuto il corso di “Laboratorio di Algoritmi e strutture dati”, del corso di Laurea in Informatica. Dal 2002 al 2008 sono stato docente del corso di “Reti Neurali”. Durante l’ultimo a.a. 2008-2009 sono stato, invece, docente dei corsi di “Programmazione I” e di “Reti Neurali e Machine Learning”.
I miei interessi di ricerca si focalizzano su:
- Computational and cognitive neuroscience;
- Mirror neurons and action recognition;
- Neural networks;
- Medical image analysis.