Programma del Corso
Reti Neurali: Laboratorio di Sistemi Ibridi
Anno Accademico 2001/2002
Prof. Alessandro Sperduti, Dr. Darya Majidi
Il contenuto del corso copre essenzialmente concetti di estrazione della
conoscenza e di costruzione di sistemi ibridi. Per sistemi ibridi si intendono
quei sistemi che combinano sistemi sub-simbolici, quali reti neurali, logica
fuzzy, etc., con sistemi simbolici, ad esempio sistemi basati su conoscenza
o sistemi esperti. In particolare il laboratorio si preoccupa di affrontare
tale argomento con un taglio pratico.
Il corso è organizzato nel seguente modo:
-
Introduzione ai sistemi ibridi (4 ore);
-
Estrazione della conoscenza e sua rappresentazione in un sistema
esperto (14 ore);
-
Presentazione del problema su cui svolgere il progetto finale ( 2/4
ore);
-
Studio pratico della Back-Propagation e/o di Reti di Kohonen (16
ore);
-
Discussione sul progetto (4 ore);
Per quanto riguarda i sistemi basati su conoscenza, verranno affrontati
tutti gli aspetti implicati nella progettazione e nell' implementazione
di sistemi esperti e di sistemi di supporto alla decisione. Il corso avrà
un carattere prevalentemente pratico, con lo scopo di far familiarizzare
gli studenti non solo con le basi teoriche sottostanti all' argomento trattato,
ma soprattutto con gli aspetti pratici, metodologie, progettazione, analisi
e sviluppo, propri di questa area della Intelligenza Artificiale.
Durante il corso saranno affrontati, attraverso esercitazioni pratiche,
i temi propri della ingegneria della conoscenza:
-
i sistemi basati su conoscenza: sistemi di supporto alla decisione e sistemi
esperti;
-
definizione del dominio;
-
definizione del contesto operativo: l' utenza, gli user needs, il
campo, il linguaggio;
-
conoscenza: privata, pubblica, dichiarativa, procedurale;
-
estrazione della conoscenza: tecniche di acquisizione;
-
formalizzazione e rappresentazione della conoscenza: grafi concettuali,
frames, reti semantiche;
-
approccio strutturato KADS (Knowledge Acquisition and Data Structuring)
per la realizzazione di sistemi basati su conoscenza;
-
approccio basato su Object Orientation (UML)
-
modalità dei sistemi: assistenziali e tutoriali;
-
caratteristiche necessarie: modalità, espansibilità,
consistenza, robustezza, trasportabilità;
-
architettura di sistemi basati su conoscenza: la base di conoscenza,
il motore inferenziale, il modulo linguistico, l' interfaccia utente;
-
strumenti di realizzazione: programmazione logica, shell di sistemi;
-
sviluppo di prototipi di sistemi basati su conoscenza;
-
validazione dei prototipi;
-
il 24 life-cycle dei sistemi;
La parte riguardante le Reti Neurali si occuperà principalmente
di descrivere aspetti pratici (organizzazione dati di allenamento, formato
dei dati, scelta dei parametri di apprendimento, etc.) nell'utilizzo di
reti neurali di tipo Back-Propagation e Kohonen, e di alcune tecniche per
l'analisi dei dati, come la PCA.
L'esame finale consiste nella realizzazione di un progetto su un problema
presentato a lezione da un esperto del settore (tipicamente un medico).
Lezioni:
Giorno
|
Ora
|
Aula
|
Mercoledì |
9-11 |
I |
Giovedì |
16-18 |
I |
Lez 1: introduzione generale (3/10, ore 9-11), Lez 2: introduzione alle
architetture di integrazione (4/10, ore 16-18).
Alessandro Sperduti