Docente/i: Stefano Ramat  

Denominazione del corso: Sistemi Biomimetici()
Codice del corso: 503003
Corso di laurea: Bioingegneria
Sede: Pavia
Settore scientifico disciplinare: ING-INF/06
L'insegnamento è caratterizzante per: Bioingegneria
Crediti formativi: CFU 6
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 metodologici 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 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

Percezione e movimento

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

Reti neurali artificiali

• Neurone di McCulloch e Pitts.
• Reti feed-forward e retroazionate.
• Percettrone multistrato.
• Reti Radial Basis Function
• Self Organizing Maps.

Addestramento di reti neurali

• separabilità lineare
• principio di Hebb
• regola delta
• simulated annealing
• propagazione inversa dell’errore.
• Altri algoritmi neurali.

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.

Intelligenza nei sistemi sensoriali e applicazioni

• Sistemi visivo e tattile
• Sensori e rilevamento delle informazioni
• Modelli di elaborazione dei dati acquisiti
• Identificazione di oggetti
• Riconoscimento di pattern e caratteri
• Scansione
• Stereognosi di oggetti.

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): 45
Esercitazioni (ore/anno in aula): 0
Attività pratiche (ore/anno in aula): 0

Materiale didattico consigliato

S. Haykin. Neural Networks (2nd edition). Prentice Hall, 1999. M. Mitchell. An introduction to genetic algorithms. MIT Press, 1996. F. Purgh. Metodi di Psicofisica e Scaling unidimensionale. Bollati Boringhieri, 1997. A. Berthoz. Il senso del movimento. Mc Graw Hill, 1998.

Modalità di verifica dell'apprendimento