Reti neurali 1 e 2 - Dipartimento di Fisica

ECTS - EUROPEAN CREDIT TRANSFER SYSTEM
PROGRAMMA SOCRATES/ERASMUS I ROMA01
CONSIGLIO DI AREA DIDATTICA IN SCIENZE FISICHE E SCIENZE DELL’UNIVERSO
DIPARTIMENTO DI FISICA
ANNO ACCADEMICO 2009-2010
CORSO DI LAUREA
SPECIALISTICA (CdLS)
Denominazione CdLS:
Sede
"Fisica"
Dipartimento di Fisica – P.le A. Moro, 2 – 00185 Roma
Sito Web
http://www.phys.uniroma1.it
Codice CdLS 12383
Denominazione
INSEGNAMENTO
Reti neurali 1 e 2
Settore Scientifico-disciplinare (SSD)
Docente(i) titolare (i)
dell’insegnamento
Crediti ECTS
4+4
Anno di corso
2
Codice esame
MAT/07
Tipo attività formativa
Semestre
Primo (ved. Calendario didattico)
Prof. Brunello Tirozzi
Pre-requisiti
Obiettivi formativi
dell’insegnamento
(conoscenze e competenze)
Programma di massima 1) Potenziale di membrana, Modello I & F., tempi di interspike
2) Modello di Fitzhugh-Nagumo. Transizione da spike sotto-soglia a spike periodici come
conseguenza di una biforcazione di Hopf del modello.
3) Canali ionici, correnti del potassio e del sodio, connessione fra correnti ioniche e potenziali
d'azione. Modello di Hodgkin-Huxley.
4) Simulazioni di variabili aleatorie. Processi di Poisson Simulazioni della dinamica neuronale
dei neuroni con
input Poissoniani.
5) Introduzione di simulazione dei neuroni reali NEURON, esempi di neurone singolo e reti di
neuroni interagenti.
6) Modello dei neuroni dell'ipotalamo, potenziamento e depressione della memoria, effetto del
CREB.
7) Determinazione della dimensione di embedding: metodo dei falsi vicini, correlazione fra i
dati, entropia relativa.
8) Dimensione di correlazione. Dimensione di correlazione per serie caotiche e stocastiche
9) Reti neurali, errore di training ed errore di generalizzazione. Teorema di Vapnis e
Chervonenkis, funzione di crescita.
10) Algoritmi di appredimento: metodo gradiente, metodo Monte-Carlo e simulated annealing.
11) Modello di Hopfield per pattern indipendenti e binari, regola di Hebb. Memoria associativa
e dinamica a soglia. Capacità.
12) Modellizzazione della funzione di memoria dell'Ippocampo mediante reti di backpropagation.
Bibliografia: Introduction to Computational Neurobiology and Clustering, B. Tirozzi, D.
Bianchi, E. Ferraro, World Scientific, 2007 - Modelli Matematici di Reti Neurali, B. Tirozzi, Ed.
Cedam, Padova, 1995 - Neural Networks and Sea Time Series, B. Tirozzi et al., Birkhauser,
Boston 2005.
Modalita’ di apprendimento ed insegnamento
Lezioni e
Seminari
Impegno per
l’apprendimento
espresso in ORE
Modalità dell’esame e
peso %
Commissione d’esame
Prove in itinere
Attivita’
di verifica
Lavori in gruppo –
laboratori
Prova Scritta
Prova Orale
Esercitazioni
Studio
personale
Totale
ore
102
150
Tesina o relazione laboratorio
B. Tirozzi,
Orario delle lezioni
Calendario esami
100 %