Anno immatricolazione
2018/2019
SSD
ING-INF/06 (BIOINGEGNERIA ELETTRONICA E INFORMATICA)
Dipartimento
DIPARTIMENTO DI INGEGNERIA INDUSTRIALE E DELL'INFORMAZIONE
Corso di studio
BIOINGEGNERIA
Curriculum
Bioingegneria delle cellule e dei tessuti
Periodo didattico
Secondo Semestre (06/03/2019 - 14/06/2019)
Ore
54 ore di attività frontale
Lingua insegnamento
Italiano
Tipo esame
SCRITTO E ORALE CONGIUNTI
Prerequisiti
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.
Obiettivi formativi
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
Programma e contenuti
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.
Metodi didattici
Lezioni (ore/anno in aula): 45
Esercitazioni (ore/anno in aula): 0
Attività pratiche (ore/anno in aula): 0
Testi di riferimento
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.
Modalità verifica apprendimento
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.
Altre informazioni
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.
Obiettivi Agenda 2030 per lo sviluppo sostenibile