Computazione Biologica e Simulazione Neurale
|
|
- Norberto Galli
- 5 anni fa
- Visualizzazioni
Transcript
1
2 2009 Neuroscienze.net Journal of Neuroscience, Psychology and Cognitive Science On-line date: Computazione Biologica e Simulazione Neurale Neurone Biologico nei Paradigmi delle Reti Neurali Artificali di Francesco Carlino Keywords: Rete Neurale Artificiale, ANN, Neurotech,neurone, sinapsi Permalink: Abstract Questi ultimi anni sono stati caratterizzati da un sempre maggiore interesse verso la simulazione (software ed hardware) dei processi computazionali biologici ed è ormai dimostrato che un automa può acquisire nuove esperienze e generalizzarle. Una macchina può quindi essere liberata dall'eseguire in maniera rigida e schematica regole in essa programmate. Attraverso l'implementazione di algoritmi di simulazione neurale è possibile impartire ad una macchina un apprendimento per esempi e poi constatare che a fronte di nuovi target l'automa è in grado di classificarli secondo una delle categorie già apprese. La simulazione (in genere software) delle reti neurali rappresenta un approccio relativamente recente alle questioni cognitive legate all'intelligenza. Quando si parla di reti neurali ci si riferisce ad un mondo di teorie ed applicazioni assai vasto del quale è difficile descriverne gli aspetti comuni. Sicuramente il minimo comun denominatore tra le tante tipologie di reti neurali va ricercato nel tentativo di simulare matematicamente alcuni "aspetti" della computazione biologica così da poter replicare quelle caratteristiche, connesse all'intelligenza, come l'apprendimento, la memoria ecc. Ovviamente l'enorme complessità dei sistemi nervosi animali ed in particolare dell'uomo con 1011 neuroni e 1015 connessioni, costituisce un limite ancora insuperato della simulazione, ma anche muovendosi in scale assai più ridotte è possibile replicare vari aspetti, interessanti ed utili, della plasticità del cervello. Tale plasticità neuronale, pur essendo sempre legata ad una impalcatura epigenetica, si manifesta nell'apprendimento che l'individuo sperimenta Page 2/5
3 nel confronto continuo con il mondo. Il cervello, continuamente stimolatodal mondo degli agenti, dimostra la propria plasticità sia con variazioni strutturali, connesse alla crescita di nuove fibre nervose e nuove ramificazioni, sia con modificazioni chimiche legate alla variazione di accoppiamento sinaptico. Le reti neurali artificiali simulano quasi esclusivamente la variazione chimica dell'accoppiamento sinaptico attraverso la variazione dei pesi del neurone matematico, anche se in qualità di ricercatore e direttore tecnico dellaneurotech, ho (assieme al gruppo da me coordinato)iniziato la sperimentazione di algoritmi neurali in grado di simulare la crescita di nuove fibre nervose ritenendo questo aspetto fondamentale alla creazione di reti neurali di nuova generazione. Ma il livello di simulazione matematica costituisce solamente la teoria delle reti neurali, ad essa deve seguire la simulazione software ed hardware che si svolge su di un terreno altrettanto complesso e spesso paradossale. Infatti i calcolatori digitali, legati alle regole della logica digitale, vengono impiegati per simulare l'attività del neurone matematico che svolge, sul segnale dell'input, un'operazione di trasformazione analogica ovvero un filtraggio additivo del segnale. Quindi partendo dal concetto di neurone, che costituisce l'oggetto elementare, si costruisce una grande complessità di interconnessione nella quale viene simulata la distribuzione dei processi di retroazione. Ciò che viene realizzato è quindi un algoritmo connessionista che simula la non linearitàdella trasformazione dell'informazione. Questo significa che l'informazione nella simulazione delle reti neurali viene distribuita e scomposta ad un livello sub simbolico, diversamente dalla logica dei calcolatori digitali che hanno un approccio simbolico con la conoscenza ed il mondo. L'approccio storico delle reti neurali si basa quindi sulle leggi di attivazione e modificazione del neurone biologico codificate dalla ricerca neurofisiologica. Sulla base dei risultati sperimentali delle neuroscienze, sono stati sviluppati, negli anni,modelli matematici in grado di simulare alcune caratteristiche elementari dei tessuti neuronali quali l'apprendimento, la memoria, il riconoscimento ecc. Basandosi su concetti d'ispirazione biologica, la struttura dei modelli di simulazione neurale si è differenziata profondamente dagli algoritmi di calcolo tradizionale. I calcolatori digitali basati sugli assiomi di Von Neumann, interpretano il calcolo come un processo sequenziale e fortemente centralizzato, ma la struttura celebrale altamente connessionista ha suggerito un'idea di calcolo parallelo. Il neurone matematico in similitudine alle cellule nervose distribuisce e memorizza l'informazione attraverso una funzione di trasferimento non lineare all'interno dell'intero sistema delle interconnessioni. Il primo approccio alle questioni connesse all'intelligenza artificiale si era ispirato alla struttura del calcolatore come modello di funzionamento del cervello. Il risultato di un siffatto parallelismo sottintendeva l'idea di un centro di elaborazione delle attività celebrali in similitudine al Central Processing Unit. Ma la negazione di tale assunto, da parte delle ricerche neurofisiologiche, ha aperto le porte ad un approccio totalmente nuovo e rivoluzionario alla questione. Lo studio delle reti neurali artificiali sta portando avanti l'idea che il cervello possa costituire da modello per il calcolatore. L'informazione nel cervello non è centralizzata in una specifica area ma viene distribuita in ogni suo componente. Seguendo questo schema, le unità di elaborazione artificiali si differenziano negli strati d'ingresso e di uscita in quanto utilizzano pesi di connessione sinaptica variabili. In questa variabilità dei pesi di accoppiamento viene distribuita l'informazione ed elaborata attraverso le funzioni di trasferimento che propagano e retropropagano l'input sino a trasformarlo in output. Sicuramente l'utilizzo più importante delle reti neurali è legato al riconoscimento di pattern sia visivi che acustici. Questo genere di applicazioni hanno primariamente mostrato i limiti della programmazione tradizionale e successivamente hanno dimostrato le potenzialità della simulazione neurale. Attraverso il modo in cui è affrontato il problema del riconoscimento dei pattern, in relazione all'apprendimento di tali forme, è possibile distinguere le reti neurali artificiali in due famiglie. Abbiamo da un lato le reti neurali ad apprendimento supervisionato e dall'altro le reti neurali ad apprendimento non supervisionato. Nelle reti supervisionate l'apprendimento è vincolato ad un supervisore, ovvero ad un istruttore esterno in grado di pianificare Page 3/5
4 l'apprendimento sotto forma di esempi. Il supervisore fornisce un esempio di pattern ed un target ovvero l'uscita ideale che la rete dovrebbe avere su quel pattern ad apprendimento ultimato. Nella fase di apprendimento il supervisore non fornisce regole (che potrebbe non conoscere) ma esempi la cui correttezza è nota. L'eventuale distanza tra la risposta della rete e il target proposto viene rielaborata dalla rete attraverso un processo di retroazione che ha lo scopo di far avvicinare, in successive iterazioni, l'uscita al target. Nelle reti non supervisionate è la rete stessa che forma delle associazioni tra i pattern creandosi delle rappresentazioni interne. Il neurone è l'unità cellulare fondamentale del sistema nervoso e la sua simulazione rappresenta la struttura fondamentale delle reti neurali artificiali. La struttura fisiologica del neurone è costituita da una corpo centrale, il "soma", (nel quale è contenuto il citoplasma) che può assumere forma piramidale, rotondeggiante ecc. e dimensioni variabili tra 5 e 120 µm. Il neurone è dotato di due tipologie di diramazioni dette rispettivamente dendriti ed assone. I dendriti ampliano la superficie cellulare aumentando le possibilità di connessioni afferenti con altre cellule; l'assone porta ad altre cellule l'impulso nervoso generato tra i dendriti ed il soma. L'interconnessione tra neurone e neurone è infine mediato dalla sinapsi: una struttura in grado di trasmettere l'impulso nervoso tramite lo scambio biochimico di neurotrasmettitori. Il neurone tipicamente simulato nelle reti neurali artificiali è la cellula piramidale. Tale cellula è composta da un corpo cellulare di forma triangolare (da cui il nome piramidale), da un lungo assone ed un albero di ramificazioni dendritiche. Il corpo della cellula è rivestito da una membrana che, attraverso numerosi canali microscopici, consente la comunicazione di ioni positivi e negativi tra l'interno e l'esterno della cellula. L'apertura e la chiusura di tali canali dipende principalmente dagli input ricevuti dalle altre cellule. Tramite le diramazioni dendritiche, la cellula riceve i segnali provenienti da altre cellule. Questi segnali, come già accennato, non sono inviati direttamente alla cellula ma mediati dalle sinapsi che connettono agli assoni delle altre cellule. L'albero dendritico ha il compito quindi di raccogliere gli input provenienti da molte cellule e di integrarli per trasmetterli all'interno della cellula. Gli input che la cellula riceve possono essere sia di tipo eccitatorio che di tipo inibitorio. Molto genericamente si può schematizzare il fenomeno dicendo che se la cellula viene eccitata dagli stimoli oltre una certa soglia allora scaricherà il segnale lungo l'assone alle cellule interconnesse. Tale segnale sarà costituito da una serie di brevi impulsi elettrici con frequenza proporzionale all'eccitazione della cellula, in genere tra i 100 e i 500 impulsi al secondo. I neuroni mantengono comunque un'attività spontanea di 10 impulsi al secondo anche quando non sono eccitati o inibiti. Il segnale viene trasmesso dall'assone del neurone al dendrite di un altro neurone tramite le sinapsi il cui numero può variare da alcune centinaia a molte migliaia. La sinapsi modula la trasmissione dell'impulso al neurone ricevente in modo tale che il segnale ricevuto dipenderà dall'intensità dell'impulso afferente per il valore dell'efficacia sinaptica. Numerose osservazioni sulla neurofisiologia del neurone hanno dimostrato che le variazioni dell'efficacia sinaptica gioca un ruolo importante nel fenomeno della memoria. Sulla base delle osservazioni sperimentali nate in seno alla neurofisiologia si vennevia,via affermando una modellizzazione che sembrava suggerire che tra le due cellule nervose interconnesse l'impulso nervoso fosse sempre completo o nullo. Sulla base di questa modellizzazione, nel 1943 McCulloch e Pitts proposero una schematizzazione della cellula nervosa che è tutt'ora (nonostante i molti contributi al riguardo) alla base dell'equazione di attivazione utilizzata nella simulazione neurale. Il neurone veniva matematicamente descritto come un sistema a soglia binaria con uscita a due stadi 0 ed 1. Bibliografia Rosenblatt, F. (1962). Principles of Neurodynamics, New York, Spartan Books. Minsky, M. & Papert, S. (1969), Perceptrons. Cambridge, MA: MIT Press. Page 4/5
5 Haykin, S. (1998). Neural Network: A Comprehensive Foundation. Prentice Hall, Englewood Cliffs, NJ. Nilsson, N.J. (1998). Intelligenza Artificiale. Milano: APOGEO Page 5/5
Livelli di spiegazione e modelli per l interazione
Livelli di spiegazione e modelli per l interazione Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2019.html
DettagliUn breve viaggio nella mente e nel cervello (parte 2)
Un breve viaggio nella mente e nel cervello (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliUn breve viaggio nella mente e nel cervello (parte 2)
Un breve viaggio nella mente e nel cervello (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2014.html
DettagliReti neurali. una breve introduzione
Reti neurali una breve introduzione Idea Con un solo neurone non posso fare molto... Con molti neuroni connessi posso ottenere un sistema di elaborazione nasce una nuova proprietà emergente del sistema
DettagliReti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
DettagliComunicazione tra cellule
Comunicazione tra cellule I segnali-messaggi possono essere: elettrici o chimici Il messaggio deve avere le seguenti caratteristiche: 1. Contenere informazione 2. Essere indirizzato 3. Essere trasmesso
DettagliSistemi Adattativi e Reti Neurali
2009 Neuroscienze.net Journal of Neuroscience, Psychology and Cognitive Science On-line date: 2009-04-24 Sistemi Adattativi e Reti Neurali Un parallelismo tra Ingegneria e Biologia di Giovanni Vecchiato
DettagliSimulazione di sistemi neuronali dell ippocampo
Simulazione di sistemi neuronali dell ippocampo - Marco Piersanti - Relatore: prof. Brunello Tirozzi Introduzione introduzione» Obiettivo: sviluppo di un modello di neurone piramidale CA1 dell ippocampo.
DettagliLa trasmissione dell Impulso Nervoso
La trasmissione dell Impulso Nervoso Il Neurone Neuroni: cellule specializzate per la trasmissione degli impulsi. Dendriti prolungamenti riccamente ramificati e un lungo Assone fibroso. La parte terminale
Dettagli1. Il cognitivismo classico 2. L approccio innatistamodulare. 3. L approccio connessionista 4. Il neurocostruttivismo
Lezione 3 Connessionismo MODULO 3 Le teorie dell elaborazione delle informazioni 1. Il cognitivismo classico 2. L approccio innatistamodulare 3. L approccio connessionista 4. Il neurocostruttivismo Argomenti
DettagliLivelli di spiegazione
Livelli di spiegazione Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html Teorie naturali
Dettaglinuove prestazioni ottenibili: tempo reale in problemi complessi, autoapprendimento, resistenza a guasti ed errori, degradazione graduale
RETI NEURALI Reti Neurali Sono una nuova tecnologia informatica: architettura innovativa (non Von Neumann): molti semplici processori paralleli fortemente integrati da una rete di connessioni che realizzano
DettagliMachine Learning:Reti Neurali. Sommario. Storia Il Sistema Nervoso Il Neurone Formale di Mc Culloch and Pitts Esempi
Machine Learning:Reti Neurali Sommario Storia Il Sistema Nervoso Il Neurone Formale di Mc Culloch and Pitts Esempi Storia - 1 3000 a.c. Ippocrate: primi tentativi di studio del cervello umano. Vengono
DettagliUn breve viaggio nella mente e nel cervello (parte 2)
Un breve viaggio nella mente e nel cervello (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliIndice Prefazione 1 Il diritto e la società dell informazione La società dell informazione Un nuovo paradigma soc
Indice Prefazione 1 Il diritto e la società dell informazione 1 1.1 La società dell informazione....................... 1 1.1.1 Un nuovo paradigma socio-tecnologico............. 2 1.1.2 Realtà e rappresentazione
DettagliPrincipali differenze tra sinapsi neuromuscolare e sinapsi centrali
Sinapsi centrali ed Integrazione sinaptica Principali differenze tra sinapsi neuromuscolare e sinapsi centrali Le sinapsi neuromuscolari utilizzano come neurotrasmettitore Ach Le sinapsi centrali utilizzano
DettagliModelli di Reti neurali
Università di Firenze Facoltà di Psicologia Dario Aversa Rosapia Lauro Grotto Modelli di Reti neurali ARACNE Copyright MMVIII ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele
DettagliUniversità di Pisa Facoltà di Scienze Matematiche Fisiche e Naturali
Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea Specialistica in Informatica (classe 23/S: Informatica) Corso di Laurea Specialistica in Tecnologie Informatiche (classe 23/S: Informatica)
DettagliEVOLUZIONE DEL MODELLO NEURALE
EVOLUZIONE DEL MODELLO NEURALE 1 RETI A DECISIONE BINARIA (McCulloch e Pitts, 1943) Per la prima volta viene proposto un modello di elaborazione dell informazione la cui singola unità è il neurone 2 IL
DettagliSISTEMA NERVOSO. Prof.ssa S. Di Giulio
Prof.ssa S. Di Giulio Il Sistema Nervoso coordina le attività della vita di relazione e svolge le seguenti funzioni: riceve stimoli ed elabora risposte; memorizza informazioni; elabora ragionamenti. Il
DettagliUniversità degli Studi di Pisa
Università degli Studi di Pisa Corso di specializzazione per l attività di sostegno didattico agli alunni con disabilità Prof. Bruno Sales Modelli integrati di intervento psico-educativo per la disabilità
DettagliIl neurone. I neuroni trasmettono l informazione ad altri neuroni o alle cellule effettrici (cellule muscolari) attraverso le sinapsi.
Il neurone I neuroni trasmettono l informazione ad altri neuroni o alle cellule effettrici (cellule muscolari) attraverso le sinapsi. Trasmissione sinaptica Ingresso: segnali sinaptici Integrazione: segnali
DettagliJay Phelan, Maria Cristina Pignocchino. Scopriamo la biologia
Jay Phelan, Maria Cristina Pignocchino Scopriamo la biologia Capitolo 12 Il sistema nervoso e gli organi di senso 3 1. La struttura e le funzioni del sistema nervoso /1 Il sistema nervoso è composto da
DettagliINTELLIGENZA ARTIFICIALE: INTRODUZIONE
INTELLIGENZA ARTIFICIALE: INTRODUZIONE 1 AI: Preistoria Filosofia Logica, metodi di ragionamento,, la mente, l apprendimento,, la razionalità Matematica rappresentazione formale,dimostrazioni, computazioni,
DettagliSISTEMA NERVOSO! Prof.ssa A. Biolchini Prof.ssa S. Di Giulio Prof. M. Montani
! SISTEMA NERVOSO! Prof.ssa A. Biolchini Prof.ssa S. Di Giulio Prof. M. Montani Il Sistema Nervoso coordina le attività della vita di relazione e svolge le seguenti funzioni:! riceve stimoli ed elabora
DettagliPOTENZIALE D AZIONE FGE AA
POTENZIALE D AZIONE FGE AA.2016-17 OBIETTIVI ORGANIZZAZIONE GENERALE SN POTENZIALE DI AZIONE: DESCRIZIONE DELLE FASI E DETERMINANTI FISICO-CHIMICI ANDAMENTO DELLE CONDUTTANZE DEL SODIO E DEL POTASSIO NEL
DettagliAnalogia con le macchine e con i programmi. Esempi di applicazioni hardware e software con evidente base logica
Analogia con le macchine e con i programmi. Esempi di applicazioni hardware e software con evidente base logica Prof. Gianni Cartocci Liceo Scienze Applicate G. Marconi - Grosseto Marzo 2019 Lo studio
DettagliSpazio e trasformazioni sensorimotorie
Università degli studi di Padova Dipartimento di Psicologia Generale Spazio e trasformazioni sensorimotorie Michele De Filippo De Grazia Simone Cutini Outline Trasformazioni sensorimotorie Basi anatomo-fisiologiche
DettagliIl calcolatore universale, origini e nuovi paradigmi
Il calcolatore universale, origini e nuovi paradigmi Lucia Pomello Università degli studi di Milano Bicocca Dipartimento di Informatica, Sistemistica e Comunicazione 24 febbraio 2017 L evoluzione dell
DettagliMemoria associativa e dinamica del riconoscimento: introduzione al modello di Hopfield
Verona - 25 Maggio 2007 (Seminario integrativo del corso di MMB, titolare M. Squassina, A.A. 2006/2007) Memoria associativa e dinamica del riconoscimento: introduzione al modello di Hopfield Antonio Ponno
Dettagli[Giuseppe Alessandri, Appunti]
Partendo da una differenziazione, oramai assodata, fra progettazione sul versante della razionalità tecnica e quello della complessità (Cristianini, tecnodid, 2001), è possibile sviluppare dei parallelismi
DettagliReti Neurali (Parte I)
Reti Neurali (Parte I) Corso di AA, anno 2017/18, Padova Fabio Aiolli 30 Ottobre 2017 Fabio Aiolli Reti Neurali (Parte I) 30 Ottobre 2017 1 / 15 Reti Neurali Artificiali: Generalità Due motivazioni diverse
DettagliDal connessionismo classico ai modelli genearativi gerarchici
European Research Council http://ccnl.psy.unipd.it Dal connessionismo classico ai modelli genearativi gerarchici Marco Zorzi Computational Cognitive Neuroscience Lab Università di Padova 1 Connessionismo
DettagliReti Neurali. Corso di AA, anno 2016/17, Padova. Fabio Aiolli. 2 Novembre Fabio Aiolli Reti Neurali 2 Novembre / 14. unipd_logo.
Reti Neurali Corso di AA, anno 2016/17, Padova Fabio Aiolli 2 Novembre 2016 Fabio Aiolli Reti Neurali 2 Novembre 2016 1 / 14 Reti Neurali Artificiali: Generalità Due motivazioni diverse hanno spinto storicamente
DettagliVerso una teoria dell apprendimento
Verso una teoria dell apprendimento Giacomo Stella Università di Modena e Reggio Emilia apprendimento Processo esperienza-dipendente (Parisi, 1989) Incremento di efficienza di un atto in seguito all esperienza
DettagliLaboratorio di Elettronica Dispositivi elettronici e circuiti Linee di trasmissione Proprieta' e fenomenologia dei semiconduttori. Dispositivi a semiconduttore: * diodo a giunzione * transistor bjt * transistor
DettagliDifferenze tra sinapsi neuromuscolare e sinapsi centrali
Sinapsi centrali ed Integrazione sinaptica Differenze tra sinapsi neuromuscolare e sinapsi centrali Le sinapsi neuromuscolari utilizzano come neurotrasmettitore solo Ach. Le sinapsi centrali utilizzano
DettagliReti Neurali (Parte I)
Reti Neurali (Parte I) Corso di AA, anno 2018/19, Padova Fabio Aiolli 07 Novembre 2018 Fabio Aiolli Reti Neurali (Parte I) 07 Novembre 2018 1 / 16 Reti Neurali Artificiali: Generalità Due motivazioni diverse
DettagliSistemi di elaborazione delle informazioni
Sistemi di elaborazione delle informazioni Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Informazioni Utili Docente: Luca Bortolussi Dipartimento di Matematica
DettagliLo sviluppo neurale e la plasticità
Convegno nazionale Musica è apprendimento Parma, 28-29 Ottobre 2016 L effetto della pratica musicale sulle competenze cognitive degli alunni: abilità cognitive di base (attenzione e memoria), letto-scrittura
DettagliNEUROSCIENZE SCIENZA DEL CERVELLO. Una introduzione per giovani studenti
NEUROSCIENZE SCIENZA DEL CERVELLO Una introduzione per giovani studenti Titolo originale: Neuroscience - Science of the Brain British Neuroscience Association The Dana Alliance for Brain Initiatives Traduzione
DettagliLaboratorio di Elettronica: Dispositivi elettronici e circuiti
Laboratorio di Elettronica: Dispositivi elettronici e circuiti Linee di trasmissione Misure su linee di trasmissione (1). Semiconduttori meccanismi di trasporto di carica nei semiconduttori giunzione PN
DettagliMODULO 3: CENNI SULLE RETI NEURALI
MODULO 3: 1 CENNI SULLE RETI NEURALI Bibliografia: D. Floreano, Manuale sulle reti neurali, Bologna, Il Mulino, 1996. 2 1. Sistemi di calcolo seriale e intelligenza naturale Malgrado il fatto che i computer
DettagliConoscenza e simulazione mentale
Conoscenza e simulazione mentale Aspetti storici: cognitivismo, mente computazionale, mente modulare Mente simulativa, mente situata e radicata nel corpo (grounding cognition) Mappe cerebrali e mappe mentali
DettagliInformatica A. Allievi Gestionali A.A Nozioni di Base
Informatica A Allievi Gestionali A.A. 2015-16 Nozioni di Base Nell immaginario collettivo Ingegnere Meccanico 2 Nell immaginario collettivo Ingegnere Fisico/Matematico 3 Nell immaginario collettivo Ing.
DettagliLa più nota proprietà del neurone è quella di ricevere e trasmettere segnali costituiti principalmente da eventi elettro-chimici.
LA TRASMISSIONE SINAPTICA Il neurone : unità elementare responsabile dei messaggi nervosi La più nota proprietà del neurone è quella di ricevere e trasmettere segnali costituiti principalmente da eventi
DettagliCenni su comportamentismo, cognitivismo e connessionismo cenni (general-generici) sui sistemi complessi
Cenni su comportamentismo, cognitivismo e connessionismo cenni (general-generici) sui sistemi complessi Seminario in preparazione al corso autogestito anna Bologna, 17 dicembre 2007 1 Indice 1. Il comportamentismo
DettagliIntelligenza Artificiale. Soft Computing: Reti Neurali Generalità
Intelligenza Artificiale Soft Computing: Reti Neurali Generalità Neurone Artificiale Costituito da due stadi in cascata: sommatore lineare (produce il cosiddetto net input) net = S j w j i j w j è il peso
Dettagligiunzioni comunicanti connessone cellule gliali, muscolo liscio e cardiaco, neuroni del SNC negli stadi embrionali precoci veloci bidirezionali
La sinapsi Sinapsi elettriche giunzioni comunicanti ioni attraversano il canale centrale detto connessone presenti tra cellule gliali, muscolo liscio e cardiaco, neuroni del SNC negli stadi embrionali
DettagliArchitettura di un Computer
Architettura di un Computer Corso Informatica Generale (matr. Dispari) Dott.ssa Rossella Aiello Dipartimento di Informatica 2 Bibliografia Curtin, Foley, Sen, Morin Informatica di base, Mc Graw Hill IV
DettagliTeorie e modelli nelle scienze cognitive (parte 2)
Teorie e modelli nelle scienze cognitive (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2018.html
DettagliGeo-scienze e Rischi Naturali
Università degli studi della Basilicata Geo-scienze e Rischi Naturali Potenza, 4 5 Marzo 2009 Pericolosità spaziale di frana e reti neurali artificiali: alcuni casi di studio. Stefania Pascale e Francesco
DettagliIntelligenza Computazionale INSEGNAMENTO ANNO ACCADEMICO Informatica Magistrale CORSO DI LAUREA IN Anna Maria Fanelli DOCENTE II
Intelligenza Computazionale INSEGNAMENTO 2016-17 ANNO ACCADEMICO Informatica Magistrale CORSO DI LAUREA IN Anna Maria Fanelli DOCENTE II I ANNO DI CORSO SEMESTRE 4 N CREDITI LEZIONI FRONTALI: 32 68 N ORE
DettagliReti neuronali: applicazioni biomediche. Anno Accademico Prof. Mauro Giacomini
Reti neuronali: applicazioni biomediche Anno Accademico 2007-2008 Prof. Mauro Giacomini Sommario Cenni storici Percettroni multi-strato Apprendimento competitivo Applicazioni biomediche Identificazione
DettagliMemoria associativa e dinamica del riconoscimento: introduzione al modello di Hopfield
Verona - 10 Giugno 2008 (Seminario integrativo del corso di MMB, titolare M. Squassina, A.A. 2007/2008) Memoria associativa e dinamica del riconoscimento: introduzione al modello di Hopfield Antonio Ponno
DettagliIl potenziale di membrana
Il potenziale di membrana Nel citoplasma della cellula, così come nel liquido extracellulare sono disciolti diversi tipi di ioni. La loro concentrazione non è però uguale dai due lati della membrana citoplasmatica
DettagliStoria delle reti neurali artificiali
Storia delle reti neurali artificiali Laura Labonia Cos è una Artificial Neural Network? E una macchina progettata per simulare il funzionamento del cervello umano, implementata fisicamente utilizzando
DettagliHardware, software e periferiche. Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre
Hardware, software e periferiche Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre Riepilogo - Concetti di base dell informatica L'informatica è quel settore scientifico disciplinare
DettagliStimolazione artificiale del cuore
Stimolazione artificiale del cuore Il ciclo del cuore: Impulso elettrico di stimolazione da parte di un gruppo di fibre nervose il nodo sinoatriale, Stimolatori artificiali Pacemaker impiantati chirurgicamente
DettagliArchitettura di Von Neumann. Architettura di Von Neumann. Architettura di Von Neumann INFORMATICA PER LE DISCIPLINE UMANISTICHE 2 (13042)
INFORMATICA PER LE DISCIPLINE UMANISTICHE 2 (13042) Computer elaboratore di informazione riceve informazione in ingresso (input) elabora questa informazione restituisce informazione ottenuta elaborando
Dettagliotenziali graduati (elettrotonici) potenziale d azione
I segnali elettrici che si generano nei neuroni: potenziali graduati (elettrotonici) potenziale d azione sono modificazioni del potenziale di riposo determinate dall apertura o chiusura di canali ionici.
DettagliPresentazione dell'edizione italiana...xi
Indice generale Presentazione dell'edizione italiana...xi Prefazione... xiii Capitolo 1 Concetti fondamentali... 1 1.1 Introduzione... 1 1.2 Terminologia relativa ai sistemi di controllo... 1 1.3 Funzionamento
DettagliCorso di Fisica Medica 1
a.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Conduzione nervosa 30/3/2006 Terminazioni pre-sinaptiche Mitocondri Sintesi dei neuro trasmettitori (NT) Attività enzimatica Trasporto
DettagliUn breve viaggio nella mente e nel cervello (parte 2)
Un breve viaggio nella mente e nel cervello (parte 2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliDSA l'origine e la necessità di compensare
DSA l'origine e la necessità di compensare Giacomo Stella Università di Modena e Reggio Emilia Dipartimento Educazione e Scienze Umane AID, SOS Dislessia Cos è l apprendimento? Cos'è L'apprendimento?
DettagliProgramma del corso. Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori
Programma del corso Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori Cos è un Calcolatore? Un computer (calcolatore) è una macchina
DettagliCriteri alternativi all Entropia
Sistemi Intelligenti 94 Criteri alternativi all Entropia Altri criteri suggeriti al posto dell Entropia: - Variance Impurity (per due classi) - (Weighted) Gini Impurity (generalizzazione di Variance Impurity
DettagliPsicologia cognitiva
Psicologia cognitiva Principali correnti nello sviluppo della psicologia STRUTTURALISMO FUNZIONALISMO TEORIA PSICODINAMICA DI FREUD COMPORTAMENTISMO PSICOLOGIA UMANISTICA RIVOLUZIONE COGNITIVISTA RIVOLUZIONE
DettagliMATERIALI PER LA DISCUSSIONE
SETTORE TECNOLOGICO MATERIALI PER LA DISCUSSIONE ISTITUTO TECNICO INDIRIZZO ARTICOLAZIONE TELECOMUNICAZIONI INFORMATICA E TELECOMUNICAZIONI ESITI DI APPRENDIMENTO Regolamento, Art. 5 comma 1 Nota: Le Competenze,
DettagliCIRCUITI CORTICALI. Cell. stellata
CIRCUITI CORTICALI Cell. stellata Le cellule della corteccia sono organizzate in moduli. All interno di ogni modulo esistono dei circuiti che permettono la trasmissione dalle cellule stellate dello strato
DettagliElettricità cellulare
a.a. 2005/2006 Laurea Specialistica in Fisica Corso di Fisica Medica 1 Elettricità cellulare 30/3/2006 Sistemi biologici Essenzialmente costituiti da acqua (solvente) e da differenti soluti (molti dei
DettagliLaboratorio di Elettronica Dispositivi elettronici e circuiti Linee di trasmissione. Misure su linee di trasmissione. Amplificatore operazionale e reazione. Applicazioni dell'amplificatore operazionale.
DettagliIntroduzione alle Reti Neurali
Introduzione alle Reti Neurali Maurizio Palesi Introduzione alle Reti Neurali 1 Applicazioni dell I.A. n Giochi di strategia è Scacchi, dama, otello n Comprensione del parlato è Analisi sintattica e semantica
DettagliCorso di SISTEMI INTELLIGENTI M. Prof. Michela Milano" Anno accademico 2011/2012
Università degli Studi di Bologna Facoltà di Ingegneria" Corso di SISTEMI INTELLIGENTI M! Corso di Laurea in Ingegneria Informatica! Prof. Michela Milano" Anno accademico 2011/2012 CONTENUTI (Fondamenti
DettagliIl Sistema Nervoso. Il Sistema Nervoso coordina le attività della vita di relazione e svolge le seguenti funzioni:
Il Sistema Nervoso Il Sistema Nervoso Il Sistema Nervoso coordina le attività della vita di relazione e svolge le seguenti funzioni: riceve stimoli ed elabora risposte; memorizza informazioni; elabora
DettagliPsiche e complessità. 2. Modelli della mente
Psiche e complessità 2. Modelli della mente Un computer può pensare? SI NO Pensare in che senso? Perché no? Tullio Tinti 2 Secondo Hegel, gli epistemologi dell età moderna si possono dividere in: Razionalisti
DettagliSISTEMA NERVOSO SISTEMA NERVOSO CENTRALE (SNC) SISTEMA NERVOSO PERIFERICO (SNP) ENCEFALO: CERVELLO CERVELLETTO MIDOLLO ALLUNGATO (TRONCO ENCEFALICO)
IL SISTEMA NERVOSO SISTEMA NERVOSO SISTEMA NERVOSO CENTRALE (SNC) SISTEMA NERVOSO PERIFERICO (SNP) ENCEFALO: CERVELLO CERVELLETTO MIDOLLO ALLUNGATO (TRONCO ENCEFALICO) MIDOLLO SPINALE VOLONTARIO: NERVI
DettagliSistema nervoso. Il sistema nervoso controlla e regola tutte le funzioni dell organismo.
IL Sistema Nervoso Sistema nervoso In tutti gli animali, il sistema nervoso è la rete di coordinamento e controllo che riceve tutte le informazioni, le interpreta e risponde ad esse in vari modi. Il sistema
DettagliLez2 mar 7 Ottobre 2008 Op. aritmetiche/logiche arch. Elaboratore
Lezione 2 OPERAZIONI ARITMETICHE E LOGICHE ARCHITETTURA DI UN ELABORATORE Lez2 mar 7 Ottobre 2008 Op. aritmetiche/logiche arch. Elaboratore 1 OPERAZIONI BINARIE Vedremo l addizione e la sottrazione (riflettete
DettagliIIS Via Silvestri ITIS Volta Programma svolto di Tecnologie Informatiche A.S. 2016/17 Classe 1 B
IIS Via Silvestri ITIS Volta Programma svolto di Tecnologie Informatiche A.S. 2016/17 Classe 1 B Modulo n 1 - Concetti informatici di base 1.1 Introduzione allo studio del computer 1.2 Rappresentazione
DettagliTARGETS DEI FARMACI ATTUALMENTE IN USO
TARGETS DEI FARMACI ATTUALMENTE IN USO NEURONI Il corpo umano contiene circa 100 miliardi di neuroni. Sono cellule specializzate nel trasmettere e ricevere informazioni. Possono variare forma e dimensione
DettagliLa nuova biologia.blu
David Sadava, David M. Hillis, H. Craig Heller, May R. Berenbaum La nuova biologia.blu Genetica, DNA e corpo umano 2 Capitolo C9 Il sistema nervoso 3 Il sistema nervoso (SN) Il SN opera secondo un preciso
DettagliSistemi digitali. Sistema digitale
Sistemi digitali 2/ 7 Sistema digitale In un sistema digitale le informazioni vengono rappresentate, elaborate e trasmesse mediante grandezze fisiche (segnali) che si considerano assumere solo valori discreti
DettagliLista indicativa dei requisiti minimi per il primo livello di formazione nel dominio STIC&A
Lista indicativa dei requisiti minimi per il primo livello di formazione nel dominio STIC&A L acquisizione di un titolo universitario di primo livello richiede in termini di crediti ECTS, e sulla base
DettagliPsiche e complessità. 4. L approccio bottom-up ai problemi
Psiche e complessità 4. L approccio bottom-up ai problemi Complessità della mente FENOMENI LINEARI (LOGICA, RAZIONALITA, CONTENUTI ESPLICITI) FENOMENI NON LINEARI (ASSOCIAZIONI ANALOGICHE, CONTENUTI IMPLICITI)
DettagliSISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: giorno martedì, ora 12-13 Aula?? Modalità esame: scritto + tesina facoltativa 1 Obiettivi
DettagliAnno accademico
Scuola Normale Superiore Ammissione al 4 anno della Classe di Scienze Compito di fisiologia generale e neurofisiologia per l ammissione al Corso di laurea specialistica in Scienze e tecnologie biomolecolari
DettagliMembrane Biologiche. Caratteristiche delle membrane biologiche
Membrane Biologiche Caratteristiche delle membrane biologiche 1. Le membrane sono strutture a foglio che formano setti di separazione tra compartimenti con composizione diversa tra loro. 2. Sono costituite
DettagliArchitettura di un elaboratore
Informatica 1 Hardware e Software ing. Luigi Puzone 1 Architettura di un elaboratore Architettura organizzazione logica dei componenti interni della macchina modo in cui questi componenti cooperano per
DettagliL informazione nervosa si basa sulla capacità dei neuroni di generare correnti elettriche, in seguito a modificazioni del potenziale di riposo che
L informazione nervosa si basa sulla capacità dei neuroni di generare correnti elettriche, in seguito a modificazioni del potenziale di riposo che risultano dall apertura o chiusura di canali ionici. I
DettagliEsperienze motorie. e apprendimento. nell infanzia
Esperienze motorie e apprendimento nell infanzia Bruno Mantovani 1 Secondo titolo: DOBBIAMO CREDERCI 2 .. Alla nascita, un neonato è un miliardario. Tutto è possibile, il cervello è pronto a fornire prestazioni
DettagliIntelligenza artificiale
Corso di storia della scienza e della tecnica A.A. 2009/2010 Intelligenza artificiale Il problema della definizione e delle origini Viola Schiaffonati Dipartimento di Elettronica e Informazione Sommario
DettagliOtacon22 HgComo. Reti neurali artificiali
Otacon22 HgComo Reti neurali artificiali Chi sono? Daniele Iamartino ( aka Otacon22 ) Membro del team HgComo Studente/sperimentatore Futura matricola del PoliMi, ex liceale con tesina sulle reti neurali!
DettagliSistemi Neurali Artificiali applicati alla Robotica e alla BioRobotica
Sistemi Neurali Artificiali applicati alla Robotica e alla BioRobotica PhD. Ing. Michele Folgheraiter Corso di ROBOTICA2 Prof.ssa Giuseppina Gini Anno. Acc. 2005/2006 Controllo Mediante Rete-Neurale -
DettagliCorso di Informatica per Biologia
Corso di Informatica per Biologia (docente) Fabio Aiolli E-mail: aiolli@math.unipd.it Web: www.math.unipd.it/~aiolli (docente laboratorio) Giovanni Da San Martino E-mail: dasan@math.unipd.it Dipartimento
DettagliLOCATION SEMESTER LANGUAGE
CR: Crema, via Bramante 65 MI: Milano, via Celoria 18 Teleconfrence: course available both in Milan and Crema through a teleconference system LT Sicurezza dei Sistemi e delle Reti Informatiche ONLINE F1A
DettagliPOTENZIALE DI MEMBRANA A RIPOSO. Le informazioni all'interno del sistema nervoso vengono scambiate mediante SEGNALI ELETTRICI
POTENZIALE DI MEMBRANA A RIPOSO Le informazioni all'interno del sistema nervoso vengono scambiate mediante SEGNALI ELETTRICI La membrana plasmatica delle cellule è POLARIZZATA (esiste una differenza nella
Dettagli