È obiettivo del corso fornire agli studenti della laurea magistrale le opportune conoscenze sul calcolo scientifico e sui metodi di sintesi per applicazioni elettriche ed elettroniche, al fine di introdurre i corsisti alla comprensione e alla progettazione di software di simulazione.
scheda docente
materiale didattico
• introduzione all’ambiente di programmazione (Matlab)
• rappresentazione al calcolatore dei numeri reali
• considerazioni su modelli ed errori numerici
• calcolo degli zeri di una funzione
• approssimazione di funzioni e dati
• derivazione numerica
• integrazione numerica
• risoluzione numerica di equazioni differenziali ordinarie
---- seconda parte:
• algoritmi e modelli di ottimizzazione
• introduzione ai sistemi
• sistemi lineari e non lineari
• modelli di ottimizzazione matematica
• algoritmi di ottimizzazione
• introduzione al machine learning
• teoria e programmazione degli algoritmi di addestramento di reti neurali artificiali
• teoria e programmazione di reti neurali artificiali fully-connected
• teoria e programmazione di reti neurali convolutive (CNN)
• teoria e programmazione di reti neurali generative (GAN)
• teoria e programmazione di reti neurali ricorrenti (RNN)
• esempio di applicazioni del machine learning all'Ingegneria
Dispense del docente
Programma
Prima parte: strumenti di calcolo• introduzione all’ambiente di programmazione (Matlab)
• rappresentazione al calcolatore dei numeri reali
• considerazioni su modelli ed errori numerici
• calcolo degli zeri di una funzione
• approssimazione di funzioni e dati
• derivazione numerica
• integrazione numerica
• risoluzione numerica di equazioni differenziali ordinarie
---- seconda parte:
• algoritmi e modelli di ottimizzazione
• introduzione ai sistemi
• sistemi lineari e non lineari
• modelli di ottimizzazione matematica
• algoritmi di ottimizzazione
• introduzione al machine learning
• teoria e programmazione degli algoritmi di addestramento di reti neurali artificiali
• teoria e programmazione di reti neurali artificiali fully-connected
• teoria e programmazione di reti neurali convolutive (CNN)
• teoria e programmazione di reti neurali generative (GAN)
• teoria e programmazione di reti neurali ricorrenti (RNN)
• esempio di applicazioni del machine learning all'Ingegneria
Testi Adottati
QUARTERONI ALFIO; SALERI FAUSTO - CALCOLO SCIENTIFICO. ESERCIZI E PROBLEMI RISOLTI CON MATLAB E OCTAVE - ED. SPRINGER VERLAGDispense del docente
Bibliografia Di Riferimento
---Modalità Erogazione
Lezioni frontali Simulazioni al calcolatoreModalità Valutazione
Presentazione di una ricerca su temi paralleli quelli trattati nel corso. Colloquio orale