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
27
23
views
downloads
All versions This version
Views 2722
Downloads 2318
Data volume 86.2 MB66.7 MB
Unique views 2019
Unique downloads 1817

Share

Cite as