XIX Stage: Programma didattico

  1. "Metodi di Ottimizzazione per l‘Ingegneria Elettrica"
    Prof. Maurizio Repetto, Politecnico di Torino
    Programma:
    1. Introduzione ai problemi di ottimizzazione: terminologia e classificazione.
    2. Algoritmi deterministici: definizione delle principali tecniche per problemi non vincolati e vincolati, esempi di applicazione (problemi di scheduling della produzione energetica, sintesi di conduttori per strutture magnetiche).
    3. Algoritmi stocastici: definizione dei principali concetti operativi.
    4. Algoritmi genetici.
    5. Algoritmi immuni.
    6. Ottimizzazione multi-obiettivo: definizione del problema e criterio di Pareto.
    7. implementazione di tecniche multi-obiettivo all'interno di algoritmi stocastici.
  2. "Sistemi Tempo-discreti e Tempo continui. Le Reti Neurali Spiking"
    Prof. Mario Salerno, Università di Roma “Tor Vergata”.
    Programma:
    1. Parte prima. Dopo una breve introduzione relativa ai circuiti analogici, sono considerati i circuiti unidirezionali a ritardo costante (URC), a partire da quelli di tipo senza memoria. A partire dai circuiti URC con memoria, viene definita la funzione di trasferimento e la risposta impulsiva. Vengono introdotti la trasformata z e i circuiti digitali, sulla base delle relazioni ingresso-uscita e del software del circuito. Vengono definiti i filtri trasversali, le celle di secondo ordine e i filtri di ordine superiore. Sono poi descritti i procedimenti di trasformazione dei filtri analogici nei corrispondenti filtri digitali.
    2. Parte seconda. Sono definite le reti neurali, introducendo il neurone artificiale e effettuando il confronto con i sistemi classici di elaborazione. Dopo aver descritto il procedimento della Backpropagation, sono introdotte le reti neurali supervisionate e non supervisionate. Sono esaminati vari tipi di reti neurali classiche, come la Rete di Jordan, la Rete di Elman, la Rete di Kohonen e le Cellular Neural Networks. Sono introdotte le “reti neurali spiking”, descrivendo alcuni modelli classici di neuroni spiking e confrontandone le caratteristiche dai punti di vista della plausibilità biologica e del costo di implementazione. Sono descritti vari tipi di metodi realizzativi, come l’ “Integrate and Fire” e quelli introdotti da Izhikevich e Hodgkin-Huxley . Con riferimento ai processi di apprendimento, sono definiti i processi supervisionati e non supervisionati. Sono introdotti gli algoritmi di simulazione Clock-Driven e Event-Driven. Quest’ultimo viene sviluppato in dettaglio come tipico esempio di simulazione asincrona su dispositivo digitale, introducendo il concetto di latenza.
    3. Parte terza. Le reti neurali sono considerate sia come sistemi di elaborazione innovativi, sia come modelli del sistema nervoso centrale. Nei riguardi del primo punto di vista, sono descritte varie topologie in grado di utilizzare le proprietà computazionali dei modelli introdotti, in modo da implementare funzioni specifiche. Sono descritti vari esempi applicativi con riferimento a dispositivi bio-ispirati, analizzandone il funzionamento. Dal punto di vista dei modelli neuroispirati, sono illustrati alcuni aspetti di connettività cerebrale, quali la connettività anatomica, funzionale ed effettiva. Su queste basi, alcuni fenomeni che caratterizzano l'attività neurocerebrale sono confrontati con i comportamenti relativi ad alcuni specifici modelli artificiali.
  3. "Problemi Inversi e Imaging Elettromagnetico"
    Prof. Antonello Tamburrino, Università di Cassino e del Basso Lazio.
    Programma:
    1. Part I: regularization of ill-posed problem; Direct and iterative regularization methods.
    2. Part II: Electromagnetic imaging; Inverse source problem, inverse obstacle problem and inverse medium problem, Iterative and non-iterative methods, X-ray tomography and Radon transform