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.
• Rete di Hopfield discreta
• Reti dinamiche: Recurrent Layer Networks

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.

Biomimetica nei sistemi sensoriali e applicazioni robotiche

• Sistemi visivo e vestibolare
• Sensori e rilevamento delle informazioni
• Modelli di elaborazione delle informazioni sensoriali
• Identificazione di oggetti
• Riconoscimento di pattern e caratteri

Prerequisiti

Conoscenze di analisi matematica e di fisica (meccanica e elettromagnetismo), fisiologia umana di base, controlli automatici, 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.

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

Modalità di verifica dell'apprendimento

L'esame finale consiste in una prova scritta da svolgersi in aula ed un progetto consistente nella preparazione di un elaborato scritto ed un programma in Matlab. Il voto finale sarà dato dalla media dei voti conseguiti nelle due parti.