TITINS_CORSODILAUREAINCyberpsychology

Fondamenti di Intelligenza Artificiale

Video Professor: Francesco Mannella - Ricercatore c/o Istituto di Scienze e Tecnologie della Cognizione (ISTC) del CNR, Stefano Nolfi - Ricercatore c/o Istituto di Scienze e Tecnologie della Cognizione (ISTC) del CNR, Vieri Giuliano Santucci - Ricercatore c/o Istituto di Scienze e Tecnologie della Cognizione (ISTC) del CNR

Lesson n. 1: Introduzione all’intelligenza artificiale La preistoria dell'AI La nascita dell'AI Scopi dell'AI Strumenti dell'AI		Vieri Giuliano Santucci
Lesson n. 2: Introduzione alle reti neurali Cosa sono le reti neurali artificiali Struttura delle reti Apprendimento Scopo della ricerca sulle reti: Cenni storici		Francesco Mannella
Lesson n. 3: Reti neurali: il percettrone Il percettrone di Rosemblatt Widrow e Hoff: La discesa di gradiente e la regola delta Limiti delle reti ad uno strato		Francesco Mannella
Lesson n. 4: Reti neurali: retropropagazione dell'errore L’inverno delle reti neurali La retropropagazione dell’errore: discesa di gradiente La retropropagazione dell’errore: apprendimento degli strati nascosti		Francesco Mannella
Lesson n. 5: Reti neurali: deep learning Cenni storici: La seconda rivoluzione delle reti neurali Caratteristiche delle reti ‘deep’ Deep belief networks Reti convoluzionali Reti ricorrenti		Francesco Mannella
Lesson n. 6: L’apprendimento per rinforzo L'importanza dell'apprendimento Apprendere per prove ed errori L'apprendimento per rinforzo nell'intelligenza artificiale		Vieri Giuliano Santucci
Lesson n. 7: Apprendimento per rinforzo: problemi di scelta multipla Il problema della scelta Bandit problems Exploration VS Exploitation Contextual bandits		Vieri Giuliano Santucci
Lesson n. 8: Apprendimento per rinforzo: temporal-difference learning Dai contextual bandits ai Markov decision process TD-Learning Q-Learning Metodi Attore-Critico		Vieri Giuliano Santucci
Lesson n. 9: Apprendimento per rinforzo: policy search Problemi dei metodi RL standard Policy continue Policy gradients Policy search senza gradiente		Francesco Mannella
Lesson n. 10: Le neuroscienze computazionali: introduzione Nascita delle neuroscienze computazionali Livelli di analisi, di organizzazione e di processamento I modelli computazionali sono ipotesi		Francesco Mannella
Lesson n. 11: Neuroscienze computazionali: modelli neurofisiologici Il neurone come sistema dinamico Il modello LIF Modelli complessi del neurone		Francesco Mannella
Lesson n. 12: Neuroscienze computazionali: modelli algoritmici Percezione: le mappe topologiche Memoria: auto-associatori Percepire e riprodurre il tempo: colonne corticali e reti ricorrenti		Francesco Mannella

Menu secondario

TITINS_CORSODILAUREAINCyberpsychology

Fondamenti di Intelligenza Artificiale

Videolesson