Docente/i: Stefano Ramat  

Denominazione del corso: Sistemi biomimetici
Codice del corso: 064090
Corso di laurea: Ingegneria Biomedica
Settore scientifico disciplinare: ING-INF/06
L'insegnamento è affine per:
Crediti formativi: CFU 5
Sito web del corso: http://aim.labmedinfo.org/ramat/biomimetici/index.htm

Obiettivi formativi specifici

L’obiettivo del corso è di fornire allo studente alcuni strumenti di conoscenza di base e di tecnologia per la progettazione e la realizzazione di sistemi sensorimotori artificiali in grado di emulare i corrispondenti sistemi biologici. Lo studente dovrà acquisire nozioni di fisiologia e di psicofisica relative alla percezione e alla motricità, insieme a competenze tecnologiche e metodologiche per la realizzazione di sistemi robotici life-like. Per focalizzare in un corso queste ampie problematiche si farà riferimento alla visione e a semplici compiti motori relativi al puntamento e/o alla prensione di un oggetto nello spazio prossimale. Alla fine del corso lo studente dovrà essere in grado di utilizzare strumenti metodologici di machine learning, quali i vari paradigmi di apprendimento neurale e gli algoritmi genetici, ed avere alcune conoscenze tecnologiche su sensori, attuatori e dispositivi utilizzati nel campo della robotica antropomorfa.

Programma del corso

Sistemi cognitivi
Processi di percezione, discriminazione, apprendimento, memoria, vigilanza. Reti neuronali biologiche. Prove neurofisiologiche e psicofisiche. Valutazione delle sensazioni. Modelli descrittivi ed estrazione di parametri. Il Controllo Motorio: un approccio computazionale.

Connessionismo
Reti neurali artificiali. Neurone di McCulloc e Pitts. Reti feed-forward e retroazionate. Percettrone multistrato. Addestramento di reti neurali: separabilità lineare, principio di Hebb, regola delta, simulated annealing, propagazione inversa dell’errore. Reti non supervisionate. Self Organizing Maps. Altri algoritmi neurali.

Intelligenza nei sistemi sensoriali e applicazioni robotiche
Sistemi visivo e tattile: sensori e rilevamento delle informazioni, modelli di elaborazione dei dati acquisiti, segmentazione delle immagini, identificazione di oggetti, riconoscimento di pattern e caratteri, scansione, stereognosi di oggetti.

Fuzzy Logic
Introduzione alla logica fuzzy. Il ragionamento fuzzy ed i FIS (Fuzzy Inference System). ANFIS Sugeno.

Algoritmi evolutivi
Introduzione agli algoritmi evolutivi. Algoritmi genetici. Operatori genetici. Applicazioni a problemi di ottimizzazione, apprendimento nelle reti neurali. Artificial Immune Systems: un approccio avolutivo alla classificazione.

Coordinamento di braccio e mano robotici
Giunti e sistemi di coordinate. Esempi di arti robotici e sistemi di simulazione. Coordinamento occhi mano nei robot.

Prerequisiti

Conoscenze di analisi matematica e di fisica (meccanica e elettromagnetismo), fisiologia umana di base, elaborazione numerica dei segnali, tecnologie di base dei sensori. Programmazione in ambiente Matlab.

Tipologia delle attività formative

Lezioni (ore/anno in aula): 32
Esercitazioni (ore/anno in aula): 12
Laboratori (ore/anno in aula): 0
Progetti (ore/anno in aula): 0

Materiale didattico consigliato

Dispense fornite dal docente.

A. Berthoz. Il senso del movimento. Mc Graw Hill, 1998.

F. Purgh. Metodi di Psicofisica e Scaling unidimensionale. Bollati Boringhieri, 1997.

S. Haykin. Neural Networks (2nd edition). Prentice Hall, 1999.

M. Mitchell. An introduction to genetic algorithms. MIT Press, 1996.

Modalità di verifica dell'apprendimento

Un esame finale consistente in una prova scritta su esercizi ed un progetto da realizzare in Matlab.