Questo sito utilizza cookie tecnici e di terze parti. Se vuoi saperne di più o negare il consenso consulta l'informativa sulla privacy. Proseguendo la navigazione o cliccando su "Chiudi" acconsenti all'uso dei cookie. Chiudi
vai al contenuto vai al menu principale vai alla sezione Accessibilità vai alla mappa del sito
Login  Docente | Studente | Personale | Italiano  English
 
Home page

Principi di Ingegneria neurale

Corso Ingegneria Elettronica
Curriculum Curriculum unico
Orientamento Orientamento unico
Anno Accademico 2017/2018
Crediti 6.00
Settore Scientifico Disciplinare ING-IND/31
Anno Primo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative affini ed integrative

Canale Unico

Docente FRANCESCO CARLO MORABITO
Obiettivi Il corso si propone di completare la preparazione dello studente magistrale in ambito machine learning, focalizzando sugli aspetti più collegati alle neuroscienze. Applicazioni all'elaborazione di segnali elettroencefalografici (EEG) sia per discriminazione di stati cerebrali che per il brain computer interface vengono proposte. Lo studente, in autonomia, svolgerà una propria applicazione suggerita dal docente.
Programma
1) Introduction (0.5 CFU)
Overview of Course. Overview of Neural Engineering Applications. Need for a novel perspective in model-based approaches. Description of Exam and Student’s Project.
2) Neural Networks (2.5 CFU)
General properties of neural processing systems. Biological model. Synaptic links and strength. Models of a neuron. McCulloch-Pitts formal neuron. Nonlinearities: sigmoidal, hyperbolic tangent, ReLu activation functions. Network architectures: feedforward and feedback models. Competitive and Self-Organizing models. Knowledge representation. Visualization of processes in Neural Networks.
Learning process. Error-Correction. Widrow-Hopf Rule. Hebbian Learning. Competitive Learning. Supervised and Unsupervised learning. Reinforcement Learning. Statistical Nature of the Learning Process.
Perceptrons. Multilayer Perceptrons. Radial-Basis Function Networks. Recurrent Networks. Self-Organizing Systems. Information-Theoretic Models. Temporal processing. Neurodynamics.
Deep Learning.
3) Electrophysiological Signal Processing (1.5 CFU)
Introduction to EEG. Electric fields of the brain. Neural activities. EEG generation. Brain rhythms. EEG recording and acquisition. Normal vs. abnormal EEG patterns. Mental disorders (Epilepsy, Psychogenic crisis, Creutzfeldt-Jacob disease, Alzheimer’s disease, Depression, Mental states).
Fundamentals of EEG signal processing. Linear and nonlinear modelling. Signal analysis and transformation. Spectral and time-frequency analysis. Dynamical analysis and chaos. Entropic analysis. Different types of complexity.
PCA/ICA and sparse component analysis. Classification of brain states through Neural Networks/SVM. Seizure signal analysis. EEG source localization. LORETA algorithm.
Brain-Computer Interfacing. ERD/ERS.
Multidimensional EEG decomposition.
4) Laboratory Experiments (1 CFU)
Use of Neural Works Professional II/+ code and CAD; Matlab Neural Networks toolbox.
5) Project Organization, Preparation, and Discussion (0.5 CFU)
Testi docente Simon Haykin, Neural Networks, IEEE Press
Sani-Chambers, EEG Signal Processing, IEEE- Wiley
Neural-Works Professional II/+ Manual.
Dispense ed esercizi preparati dal docente.
Erogazione tradizionale Si
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale Si
Valutazione test attitudinale No
Valutazione progetto Si
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Salita Melissari - 89124 Reggio Calabria - CF 80006510806 - Fax 0965 332201 - URP:Indirizzo di posta elettronica dell'ufficio relazioni con il pubblico- PEC:Indirizzo di posta elettronica certificata dell'amministrazione
Feed RSS Facebook Twitter YouTube Google+

PRIVACY - NOTE LEGALI - ELENCO SITI TEMATICI