Thesis Open Access

Apprendimento e codifica neurale di comportamenti multipli

Andrea de Giorgio

Thesis supervisor(s)

Roberto Prevete; Guglielmo Tamburrini; Carlo Sansone

Obiettivo della mia tesi è studiare come la presenza di circuiti neurali programmabili possa rendere l’apprendimento di differenti comportamenti, da parte di una singola struttura, più efficace. A tal fine, ho messo a confronto due architetture, una programmabile e l’altra non programmabile, come parte di uno scenario robotico appositamente progettato per testare la possibilità di apprendere ed esibire comportamenti multipli. Più in particolare, ho supposto che un robot possa imparare, tramite la sua architettura di controllo, programmabile o meno, a raggiungere, su richiesta, ciascuna delle otto terminazioni differenti di un labirinto costituito da una serie di tre biforcazioni e di dimensioni variabili. Fondamentale, in tale scenario, la necessità per l’architettura di controllo di apprendere, e poi esibire, comportamenti e non semplici traiettorie. In tal modo, ho potuto raccogliere dati sufficienti per realizzare un’opportuna analisi.

Files (3.7 MB)
Name Size
deGiorgio2013.pdf
md5:0c49ac7f40615769272579cc0a075bf2
3.7 MB Download
34
28
views
downloads
All versions This version
Views 3426
Downloads 2819
Data volume 105.5 MB70.4 MB
Unique views 2723
Unique downloads 2318

Share

Cite as