Contatti

Community

Cerca

IT | EN | FR | عربي | GR

Corso Vittorio Emanuele II, 39 - Roma 0669207671

Contatti

Community

IT | EN | FR | عربي | GR

Re-Generation Enel (Anno Accademico 2022/2023) - SLP (IT e Digital Technologies) - Intelligenza artificiale

Intelligenza Artificiale

Lezione n. 1: Introduzione all’intelligenza artificiale La preistoria dell'AI La nascita dell'AI Scopi dell'AI Strumenti dell'AI		Vieri Giuliano Santucci
Lezione 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
Lezione 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
Lezione 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
Lezione 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
Lezione 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
Lezione n. 7: Apprendimento per rinforzo: problemi di scelta multipla Il problema della scelta Bandit problems Exploration VS Exploitation Contextual bandits		Vieri Giuliano Santucci
Lezione 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
Lezione n. 9: Apprendimento per rinforzo: policy search Problemi dei metodi RL standard Policy continue Policy gradients Policy search senza gradiente		Francesco Mannella
Lezione 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