logo-polimi
Loading...
Risorse bibliografiche
Risorsa bibliografica obbligatoria
Risorsa bibliografica facoltativa
Scheda Riassuntiva
Anno Accademico 2014/2015
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Insegnamento 089218 - ARTIFICIAL INTELLIGENCE AND SOFT COMPUTING
  • 089217 - SOFT COMPUTING
Docente Bonarini Andrea
Cfu 5.00 Tipo insegnamento Modulo Di Corso Strutturato

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (Mag.)(ord. 270) - MI (401) INGEGNERIA BIOMEDICA* AZZZZ089216 - SOFT COMPUTING
Ing Ind - Inf (Mag.)(ord. 270) - MI (434) INGEGNERIA INFORMATICA* AZZZZ089218 - ARTIFICIAL INTELLIGENCE AND SOFT COMPUTING
089216 - SOFT COMPUTING
Ing Ind - Inf (Mag.)(ord. 270) - MI (471) BIOMEDICAL ENGINEERING - INGEGNERIA BIOMEDICA* AZZZZ089216 - SOFT COMPUTING
Ing Ind - Inf (Mag.)(ord. 270) - MI (481) COMPUTER SCIENCE AND ENGINEERING - INGEGNERIA INFORMATICA* AZZZZ089216 - SOFT COMPUTING
089218 - ARTIFICIAL INTELLIGENCE AND SOFT COMPUTING

Programma dettagliato e risultati di apprendimento attesi

Goals

Soft Computing includes technologies (Fuzzy Systems, Neural Networks, Stochastic Algorithms and models) to model complex systems and offers powerful modeling tools for engineers and in general people needing to model phenomena. Among the application areas, we mention: data analysis, automatic control, modeling of artificial and natural phenomena, modeling of behaviors (e.g., of users and devices), decision support. The course will introduce rigorously the fundamentals of the different modeling approaches, will put in evidence the application possibilities, by comparing different models, examples and application cases, will introduce design techniques for systems based on these technologies. No specific background is required.

Contents

What is Soft Computing: fuzzy systems, neural networks, stochastic algorithms and models - Fuzzy models: fuzzy sets, fuzzy logic, fuzzy rules, motivations for fuzzy modeling -Neural networks: basics, supervised and unsuprvised learning, main models, selection and evaluation. Stochastic models: basics, optimization of models, fitness function, model definition, genetic algorithms, reinforcement learning, bayesian networks.  Applications: motivations, choices, models, case studies.


Note Sulla Modalità di valutazione

The evaluation consists in a written exam where both theoreticalcompetence  and design skills will be tested.


Bibliografia
Risorsa bibliografica obbligatoriaSlides , links to free material, book suggestions will be provided through the course web page on BEEP https://beep.metid.polimi.it

Mix Forme Didattiche
Tipo Forma Didattica Ore didattiche
lezione
30.0
esercitazione
20.0
laboratorio informatico
0.0
laboratorio sperimentale
0.0
progetto
0.0
laboratorio di progetto
0.0

Informazioni in lingua inglese a supporto dell'internazionalizzazione
Insegnamento erogato in lingua --
Disponibilità di materiale didattico/slides in lingua inglese
Disponibilità di libri di testo/bibliografia in lingua inglese
Possibilità di sostenere l'esame in lingua inglese
Disponibilità di supporto didattico in lingua inglese
schedaincarico v. 1.6.1 / 1.6.1
Area Servizi ICT
22/02/2020