Deep Learning & Alpha Go – Maurizio Parton

Maurizio Parton – Professore associato – Dipartimento di Economia – Università di Chieti – Pescara “G. d’Annunzio”
“Deep Learning e AlphaGo”
In questo intervento parlerò del successo del Deep Learning nell’affrontare l’ultimo baluardo dei giochi combinatori, il Go. Dopo aver descritto perché il Go è stato fino al 2016 impossibile da affrontare per i computer, parlerò di AlphaGo – il software che ha conquistato il Go -, della rete neurale alla base del successo di AlphaGo, e delle sue evoluzioni in AlphaGo Zero e AlphaZero, i software che hanno superato AlphaGo grazie al *non*-aiuto umano 🙂

Capsule Networks – Daniele D’Armiento

Daniele D’Armiento – Physicist presso Samsung
“Analisi di una rete neurale capsulare nella Computer Vision”
L’attuale stato dell’arte per la classificazione d’immagini, introdotte nell’ottobre 2017, sta aprendo nuove strade inesplorate nel mondo del Deep Learning non più basate sull’ormai comune prassi di aumentare la profondità della rete o aumentare i dati a nostra disposizione per raggiungere performance migliori ma contrariamente su una struttura capsulare ed un processo definito “routing-by-agreement” in grado di superare la perdita delle informazioni spaziali delle reti convoluzionali ed al tempo stesso di ottenere simil-analoghe performance con una quantità di dati inferiore.

Analysis of Deep Learning Models by Deep Echo State Networks – Luca Pedrelli

Luca Pedrelli – Dottorando in Deep Learning – Dipartimento d’Informatica, Università di Pisa
“Sviluppo ed Analisi di Reti Neurali nel Deep Learning”
Negli ultimi anni le reti neurali “profonde”, che sono caratterizzate da un’architettura multistrato, hanno suscitato un grande interesse nell’ambito dell’Intelligenza Artificiale. Attualmente la ricerca si sta focalizzando su una grande quantità di diverse tipologie di reti neurali. Tuttavia, l’analisi e la comprensione di questi modelli lasciano ancora molti problemi aperti. A seconda della tipologia dei dati, le reti neurali implementano diversi modi di elaborare e di rappresentare l’informazione. Dopo una breve introduzione alle varie tipologie di modelli, in questo seminario introduciamo le Deep Echo State Networks (DeepESNs) come strumento per lo studio delle proprietà intrinseche delle reti neurali; in particolare ci concentriamo sulla funzione della stratificazione nelle reti neurali ricorrenti per l’elaborazione di serie temporali.

Deep Learning and the “Deep Learning Italia Project” – Francesco Pugliese

Francesco Pugliese – Ricercatore ISTAT
“Il Deep Learning e la community Deep Learning Italia”.
Prima parte: descrizione introduttiva del modello del neurone artificiale. L’avvento delle Convolutional Neural Networks e delle Long Short Term Memories. Seconda parte: Illustrazione della community Deep Learning Italia e degli strumenti oggi sviluppati.