Anno di corso: 1

Anno di corso: 2

Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 12
Tipo: A scelta dello studente
Crediti: 33
Tipo: Lingua/Prova Finale

SISTEMI COMPLESSI E INCERTI

Scheda dell'insegnamento

Anno accademico di regolamento: 
2016/2017
Anno di corso: 
2
Anno accademico di erogazione: 
2017/2018
Tipo di attività: 
Obbligatorio a scelta
Crediti: 
6
Ciclo: 
Secondo Semestre
Ore di attivita' didattica: 
52
Prerequisiti: 

Conoscenze acquisite nei corsi base della Laurea Triennale in Informatica.

Moduli

Metodi di valutazione

Tipo di esame: 
Scritto e Orale Separati
Modalita' di verifica dell'apprendimento: 

La verifica dell'apprendimento è basata su un colloquio orale.

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso fornisce gli strumenti per trattare in modo formale i modelli che descrivono sistemi complessi e sistemi incerti. Lo studente sarà, inoltre, in grado di affrontare problemi concreti anche con tecniche tipiche della soft computing

Contenuti

Trattamento formale e applicazioni dei sistemi complessi e incerti. Automi cellulari, dinamica simbolica, logiche a più valori di verità, logiche epistemiche, fuzzy sets, rough set.

Programma esteso

1 Introduzione
- cosa è un sistema complesso, cosa è l’incertezza e da quali diverse fonti deriva
- ripasso di logica proposizionale classica, insiemi parzialmente ordinati e algebra booleana
2 Automi Cellulari come modelli di sistemi complessi:
- proprietà formali e classificazioni
- algoritmi di decisione per proprietà formali
3 Dinamica simbolica:
- subshifts e linguaggi
- subshifts di tipo finito
4 Applicazioni:
- crittografia (secret sharing schemes e generazione di numeri pseudo-casuali) mediante AC
- simulazione di un fluido, del traffico veicolare, ... mediante AC
- Reaction Systems come modello per simulare reazioni biochimiche
- l'algoritmo PageRank di Google e data storage (subshifts)
5 Tilings:
- Domino Problem
- proprietà indecidibili in Automi Cellulari
6 Logiche Multivalore e Fuzzy Sets
- Logiche a tre valori e loro applicazioni (valore NULL in database)
- Logiche a valori di verità nell'intervallo [0,1]
- Fuzzy sets, variabili linguistiche e controllo fuzzy"
7 Introduzione alle rappresentazione della conoscenza con logiche modali ed epistemiche
8 Rough Sets:
- Approssimazione di concetti

- Apprendimento di regole e applicazione al data mining
- Legame con logiche modali e multivalore

Bibliografia consigliata

P. Kurka. Topological and symbolic dynamics. Société Mathématique de France, 2004.
D. Lind, B. Marcus. An introduction to Symbolic dynamics and coding. Cambridge University Press, 1995.
D. Palladino, C. Palladino, “Logiche non classiche. Un’introduzione”, Carocci, 2007
G. Gerla, “Logica fuzzy. I paradossi della vaghezza”, 2011
D. Ciucci, "Rough Sets and Non-Classical Logics”, Dispense

Metodi didattici

Lezioni ed esercitazioni in aula. Supporto in e-learning allo studio individuale con materiale fornito dai docenti.