2018/2019

2018/2019

DM270

ING-INF/06 (BIOINGEGNERIA ELETTRONICA E INFORMATICA)

DIPARTIMENTO DI INGEGNERIA INDUSTRIALE E DELL'INFORMAZIONE

BIOINGEGNERIA

Bioingegneria delle cellule e dei tessuti

1°

Secondo Semestre (06/03/2019 - 14/06/2019)

6

54 ore di attività frontale

Italiano

SCRITTO E ORALE CONGIUNTI

RAMAT STEFANO (titolare) - 6 CFU

Conoscenze di analisi matematica e di fisica (meccanica e elettromagnetismo), fisiologia umana di base, controlli automatici, elaborazione numerica dei segnali, tecnologie di base dei sensori. Programmazione in ambiente Matlab.

L’obiettivo del corso è di fornire allo studente alcuni strumenti metodologici per la progettazione e la realizzazione di sistemi sensorimotori artificiali in grado di emulare i corrispondenti sistemi biologici. Lo studente dovrà acquisire nozioni di fisiologia e di psicofisica relative alla percezione e alla motricità, insieme a competenze tecnologiche e metodologiche per la realizzazione di sistemi robotici life-like. Per focalizzare in un corso queste ampie problematiche si farà riferimento alla visione e a semplici compiti motori relativi al puntamento e/o alla prensione di un oggetto nello spazio prossimale. Alla fine del corso lo studente dovrà essere in grado di utilizzare strumenti di machine learning, quali i vari paradigmi di apprendimento neurale e gli algoritmi genetici, ed avere alcune conoscenze tecnologiche su sensori, attuatori e dispositivi utilizzati nel campo della robotica antropomorfa

Percezione e movimento

Sistema nervoso. Sistemi sensoriali e motorio.
Reti neuronali biologiche.
Modelli descrittivi ed estrazione di parametri.
Il Controllo Motorio: un approccio computazionale.

Reti neurali artificiali

Neurone di McCulloch e Pitts.
Reti feed-forward e retroazionate.
Percettrone multistrato.
Reti Radial Basis Function
Self Organizing Maps.
Rete di Hopfield discreta
Reti dinamiche: Recurrent Layer Networks

Addestramento di reti neurali
separabilità lineare
principio di Hebb
regola delta
propagazione inversa dell’errore.
Deep learning.

Fuzzy logic
Introduzione alla logica fuzzy.
Il ragionamento fuzzy ed i FIS (Fuzzy Inference System).
ANFIS Sugeno.

Algoritmi evolutivi

Introduzione agli algoritmi evolutivi.
Algoritmi genetici.
Operatori genetici.
Applicazioni a problemi di ottimizzazione
Apprendimento nelle reti neurali.

Biomimetica nei sistemi sensoriali e applicazioni robotiche

Sistemi visivo e vestibolare
Sensori e rilevamento delle informazioni
Modelli di elaborazione delle informazioni sensoriali
Identificazione di oggetti
Riconoscimento di pattern, caratteri e immagini.

Lezioni (ore/anno in aula): 45
Esercitazioni (ore/anno in aula): 0
Attività pratiche (ore/anno in aula): 0

S. Haykin. Neural Networks (2nd edition). Prentice Hall, 1999.
M. Mitchell. An introduction to genetic algorithms. MIT Press, 1996.
A. Berthoz. Il senso del movimento. Mc Graw Hill, 1998. Lettura.

L'esame finale consiste in una prova scritta da svolgersi in aula ed un progetto consistente nella preparazione di un elaborato scritto ed un programma in Matlab. Il voto finale sarà dato dalla media dei voti conseguiti nelle due parti.

L'esame finale consiste in una prova scritta da svolgersi in aula ed un progetto consistente nella preparazione di un elaborato scritto ed un programma in Matlab. Il voto finale sarà dato dalla media dei voti conseguiti nelle due parti.