"Soft Computing: un approccio sinergico"
Il soft computing si distingue dal calcolo tradizionale (hard) per il fatto di rinunciare all'esattezza dei risultati e alla precisione degli algoritmi in cambio della possibilità di risolvere problemi che altrimenti sarebbero intrattabili. Una possibile definizione del soft computing, e quella sulla quale questo seminario si concentra, è come combinazione di tre tecniche che hanno già trovato individualmente un ampio riscontro applicativo: algoritmi evolutivi, logica sfumata e reti neurali. Questa combinazione avviene in modo non competitivo, ma sinergico, nel senso che ciascuna tecnica aiuta ad ovviare ai punti deboli delle altre e concorre ad ottenere risultati globali superiori a quelli ottenibili con ciascuna delle tecniche costituenti utilizzata da sola. Il seminario fornirà un inquadramento di tipo metodologico di questa disciplina sinergica, e ne dimostrerà l'applicazione su un caso di studio in apprendimento automatico."Paesaggi di Fitness e Difficoltà dei Problemi in Programmazione Genetica"
In questo seminario viene presentato uno studio della difficoltà dei problemi in Programmazione Genetica (GP) basato su studi statistici dei paesaggi di fitness e vengono presentate due misure algebriche in grado di quantificare la capacità della GP a trovare soluzioni di buona qualità per un problema dato. La prima di queste misure è detta fitness distance correlation (fdc) ed è già stata usata in passato per studi analoghi nel campo degli algoritmi genetici. Estendere questa misura alla GP pone non pochi problemi, non ultima la definizione di una metrica in grado di rappresentare la distanza tra due individui composti da cromosomi di taglia variabile e dotati di una struttura complessa. L'opportunità della fdc come misura per quantificare la difficoltà dei problemi in GP viene mostrata tramite una serie di esperimenti condotti su una serie di benchmark costruiti "ad hoc" in modo che il paesaggio di fitness risultante abbia determinate caratteristiche. La seconda misura presentata si chiama negative slope coefficient (nsc) e, a differenza della fdc, à una misura "predittiva", nel senso che è possibile calcolarla senza avere una conoscenza "a priori" del problema. In linea di principio, quindi, la nsc può essere applicata a tutti i problemi della GP. Il seminario si conclude analizzando i pro e i contro di queste due misure."Segmentazione di immagini mediante contorni attivi e reti neurali"
Il problema dell'identificazione di un oggetto all'interno di una immagine è uno dei più comuni nel campo dell'image processing e le tecniche disponibili per risolvere questo problema sono numerose. Tra queste, una delle più note si basa sull'utilizzo di modelli dell'oggetto da identificare. Quando il modello è costituito da un anello elastico il metodo è noto come metodo degli snakes, o contorni attivi. Questi, attraverso un processo simile ad una deformazione elastica, vengono adattati all'immagine in esame, in modo da massimizzare la corrispondenza fra modello ed immagine, ma contemporaneamente minimizzando l'energia necessaria per deformare il modello. Oltre ad una panoramica dei metodi di ottimizzazione più diffusi, verranno presentati esempi applicativi, che mostrano come il modello possa essere adattato a diverse situazioni pratiche. Inoltre, verrà mostrato un algoritmo ibrido, intermedio tra un contorno attivo ed una rete neurale autoorganizzante, per la rilevazione di strutture complesse presenti all'interno di una serie di immagini."Tecniche automatiche per la generazione di programmi di test per microprocessori"
La tecnologia dei semiconduttori progredisce oggi ad un ritmo molto sostenuto. Empiricamente, il numero di componenti elementari per circuito integrato raddoppia ogni 18 mesi, mentre la velocità complessiva raddoppia ogni 36 mesi (legge di Moore). Verificare, in fase di progetto, e collaudare, a fine produzione, questi oggetti è sempre più difficile: attualmente le attività di verifica e collaudo assorbono circa il 70% del costo di un processore. Una parte significativa di queste attività è basata su opportuni programmi di test che, quando eseguiti, eccitano specifici comportamenti all'interno dell'unità sotto esame. Recentemente è stata proposta una metodologia evolutiva per generare automaticamente tali programmi denominata μGP. La metodologia è stata applicata con successo su diversi microprocessori: DLX, MIPS, i8051, SPARC v8, Pentium 4.I seminari si svolgono presso la sede Scientifica
della Facoltà di Ingegneria.
Per ulteriori informazioni
contattare Stefano Cagnoni