Offerta Didattica
INFORMATICA
DEVICES AND CIRCUITS FOR ARTIFICIAL INTELLIGENCE
Classe di corso: L-31 - Scienze e tecnologie informatiche
AA: 2021/2022
Sedi: MESSINA
SSD | TAF | tipologia | frequenza | moduli |
---|---|---|---|---|
ING-IND/31 | Affine/Integrativa | Libera | Libera | No |
CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
---|---|---|---|---|---|---|---|
6 | 4 | 0 | 2 | 48 | 24 | 0 | 24 |
LegendaCFU: n. crediti dell’insegnamento CFU LEZ: n. cfu di lezione in aula CFU LAB: n. cfu di laboratorio CFU ESE: n. cfu di esercitazione FREQUENZA:Libera/Obbligatoria MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli ORE: n. ore programmate ORE LEZ: n. ore programmate di lezione in aula ORE LAB: n. ore programmate di laboratorio ORE ESE: n. ore programmate di esercitazione SSD:sigla del settore scientifico disciplinare dell’insegnamento TAF:sigla della tipologia di attività formativa TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio
Obiettivi Formativi
Il corso si propone di fornire gli strumenti concettuali per realizzare soluzioni di Intelligenza Artificiale basate su componenti elettronici, dando così una panoramica degli approcci tecnologici alla base dello sviluppo di soluzioni intelligenti.Learning Goals
Metodi didattici
Lezioni frontali ed esercitazioni in aula. Esercitazioni in aula. Seminari.Teaching Methods
Prerequisiti
Conoscenze di base di matematica (numeri complessi, derivate).Prerequisites
Verifiche dell'apprendimento
Prova scritta contenente 2 esercizi (20/30). Prova orale (10/30).Assessment
Programma del Corso
Carica. Campo Elettrico. Potenziale e Corrente elettrica. Bipoli e loro caratterizzazione. Resistenze. Legge di Ohm. Generatori di tensione e di corrente. Legge di Ohm generalizzata. Leggi di Kirchhoff. Condensatori. Induttori. Circuiti elettrici in continua. Principio di sovrapposizione degli effetti. Metodi sistematici per la risoluzione di circuiti. Teoremi per la risoluzione di circuiti. Corrente alternata. Fasori. Circuiti in alternata. Introduzione all’intelligenza artificiale. Modelli neurone/sinapsi. MAC. Reti neurali supervisionate, non-supervisionate ed a insegnamento rinforzato. Reti convoluzionali. Deep learning. Modello fisiologico dei neuroni. Modelli dinamici neuronali. Reti neurali spiking. Introduzione alle tecnologie hardware per la realizzazione di dispositivi e circuiti per l’intelligenza artificiale. Spintronica. Oscillatori. Diodi. Memristori. Sinapsi. Neuroni. Sincronizzazione. Implementazione della convoluzione e reti convoluzionali. Reti binarie. Ising Machines. Generazione di numeri random. Calcolo probabilistico.Course Syllabus
Testi di riferimento:
Appunti delle lezioni.
Spiking Neuron Models Single Neurons, Populations, Plasticity Wulfram Gerstner and Werner M. Kistler Cambridge University Press, 2002.
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
Docente: GIOVANNI FINOCCHIO
Orario di Ricevimento - GIOVANNI FINOCCHIO
Giorno | Ora inizio | Ora fine | Luogo |
---|---|---|---|
Lunedì | 15:00 | 17:00 | Ex Facoltà di Ingegneria Corpo B 8° Piano |
Martedì | 15:00 | 17:00 | Ex Facoltà di Ingegneria Corpo B 8° Piano |
Note: