unimore/triennale-appunti-steffo
unimore/triennale-appunti-steffo
1
Fork 0
mirror of https://github.com/Steffo99/unisteffo.git synced 2024-11-25 09:24:21 +00:00
Code Activity

✨ Port OLI

Browse source
This commit is contained in:
Steffo 2021-03-25 20:44:45 +01:00
parent b7aca397ea
commit 5adc23cf4c
Signed by: steffo
GPG key ID: 6965406171929D01
4 changed files with 1338 additions and 166 deletions
Show stats Download patch file Download diff file Expand all files Collapse all files

4
src/App.js
View file

@ -11,6 +11,7 @@ import Apprendimento from "./routes/Apprendimento"
import Statistica from "./routes/Statistica" import Statistica from "./routes/Statistica"
import Arzigogoli from "./routes/Sistemioperativi/Arzigogoli" import Arzigogoli from "./routes/Sistemioperativi/Arzigogoli"
import Cheatsheet from "./routes/Algebra/Cheatsheet" import Cheatsheet from "./routes/Algebra/Cheatsheet"
import Oli from "./routes/Oli"
export default function App() { export default function App() {
@ -44,6 +45,9 @@ export default function App() {
<Route path={"/algebra/cheatsheet"}> <Route path={"/algebra/cheatsheet"}>
<Cheatsheet/> <Cheatsheet/>
</Route> </Route>
<Route path={"/oli"}>
<Oli/>
</Route>
<Route path={"*"}> <Route path={"*"}>
<Error404/> <Error404/>
</Route> </Route>

326
src/routes/Apprendimento/index.js
View file

@ -10,8 +10,8 @@ import {
} from "bluelib/lib/components" } from "bluelib/lib/components"
import LatexMath from "bluelib/lib/components/LatexMath" import LatexMath from "bluelib/lib/components/LatexMath"
import Box, { default as Panel } from "../../components/Box" import Box from "../../components/Box"
import Split, { default as Section } from "../../components/Split" import Split from "../../components/Split"
import Todo from "../../components/Todo" import Todo from "../../components/Todo"
@ -19,7 +19,7 @@ const r = String.raw
const BLatex = ({ children, ...props }) => <LatexMath {...props} block={true}>{children}</LatexMath> const BLatex = ({ children, ...props }) => <LatexMath {...props} block={true}>{children}</LatexMath>
const ILatex = ({ children, ...props }) => <LatexMath {...props} block={false}>{children}</LatexMath> const ILatex = ({ children, ...props }) => <LatexMath {...props} block={false}>{children}</LatexMath>
const PLatex = ({ children, ...props }) => <BLatex style={{marginTop: "8px", marginBottom: "8px"}} {...props}>{children}</BLatex> const PLatex = ({ children, ...props }) => <BLatex style={{marginTop: "8px", marginBottom: "8px"}} {...props}>{children}</BLatex>
const Example = ({ children, ...props }) => <Color builtin={"magenta"}><Panel {...props}>{children}</Panel></Color> const Example = ({ children, ...props }) => <Color builtin={"magenta"}><Box {...props}>{children}</Box></Color>
const Tick = ({children}) => <Help text={"Un quanto di tempo del sistema."}>{children ?? "tick"}</Help> const Tick = ({children}) => <Help text={"Un quanto di tempo del sistema."}>{children ?? "tick"}</Help>
@ -50,8 +50,8 @@ export default function Apprendimento() {
</ul> </ul>
</Box> </Box>
</Split> </Split>
<Section title={"NetLogo"}> <Split title={"NetLogo"}>
<Panel title={"Cos'è?"}> <Box title={"Cos'è?"}>
<P> <P>
NetLogo è un software di modellazione sistemi multiagente, da noi usato per le lezioni di NetLogo è un software di modellazione sistemi multiagente, da noi usato per le lezioni di
laboratorio. laboratorio.
@ -68,10 +68,10 @@ export default function Apprendimento() {
href={"https://ccl.northwestern.edu/netlogo/docs/dictionary.html"} href={"https://ccl.northwestern.edu/netlogo/docs/dictionary.html"}
>documentazione</Anchor>. >documentazione</Anchor>.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Sistemi dinamici"}> <Split title={"Sistemi dinamici"}>
<Panel title={"Cosa sono?"}> <Box title={"Cosa sono?"}>
<P> <P>
Sistemi naturali o artificiali che si basano su <B>leggi reversibili e deterministiche</B>. Sistemi naturali o artificiali che si basano su <B>leggi reversibili e deterministiche</B>.
</P> </P>
@ -84,24 +84,24 @@ export default function Apprendimento() {
due urne con N palline; estraggo una pallina da una urna casuale ad ogni passo e la sposto due urne con N palline; estraggo una pallina da una urna casuale ad ogni passo e la sposto
nell'altra; con tante palline il sistema appare irreversibile. nell'altra; con tante palline il sistema appare irreversibile.
</Example> </Example>
</Panel> </Box>
<Panel title={"Fasi"}> <Box title={"Fasi"}>
<P> <P>
<B>Stati</B> in cui si può trovare un sistema dinamico. <B>Stati</B> in cui si può trovare un sistema dinamico.
</P> </P>
<P> <P>
Tutte insieme formano lo <I>(iper)<B>spazio delle fasi</B></I>. Tutte insieme formano lo <I>(iper)<B>spazio delle fasi</B></I>.
</P> </P>
</Panel> </Box>
<Panel title={"Attrattore"}> <Box title={"Attrattore"}>
<P> <P>
Lo <B>stato finale</B> di un sistema dinamico. Lo <B>stato finale</B> di un sistema dinamico.
</P> </P>
<P> <P>
Tutte le fasi tendono a uno specifico attrattore. Tutte le fasi tendono a uno specifico attrattore.
</P> </P>
</Panel> </Box>
<Panel title={"Elaborazione di informazione"}> <Box title={"Elaborazione di informazione"}>
<P> <P>
I sistemi dinamici <B>elaborano informazione</B> attraversando fasi e raggiungendo un I sistemi dinamici <B>elaborano informazione</B> attraversando fasi e raggiungendo un
attrattore. attrattore.
@ -118,15 +118,15 @@ export default function Apprendimento() {
>Qual è il suo >Qual è il suo
attrattore?</Anchor> attrattore?</Anchor>
</Example> </Example>
</Panel> </Box>
</Section> </Split>
<Section title={"Sistemi lineari"}> <Split title={"Sistemi lineari"}>
<Panel title={"Cosa sono?"}> <Box title={"Cosa sono?"}>
<P> <P>
Sistemi dinamici i cui cambiamenti sono descritti da <B>funzioni lineari</B>. Sistemi dinamici i cui cambiamenti sono descritti da <B>funzioni lineari</B>.
</P> </P>
</Panel> </Box>
<Panel title={"Nodi"}> <Box title={"Nodi"}>
<P> <P>
<B>Situazioni iniziali</B> di un sistema lineare. <B>Situazioni iniziali</B> di un sistema lineare.
</P> </P>
@ -157,8 +157,8 @@ export default function Apprendimento() {
Mai sentito parlare di <Anchor href={"https://en.wikipedia.org/wiki/Mersenne_Twister"}>Mersenne Mai sentito parlare di <Anchor href={"https://en.wikipedia.org/wiki/Mersenne_Twister"}>Mersenne
Twister</Anchor>? Twister</Anchor>?
</Example> </Example>
</Panel> </Box>
<Panel title={"Potenziale"}> <Box title={"Potenziale"}>
<P> <P>
Funzione che rappresenta lo stato attuale del sistema. Funzione che rappresenta lo stato attuale del sistema.
</P> </P>
@ -168,10 +168,10 @@ export default function Apprendimento() {
<P> <P>
Il suo complementare è la <B>funzione energia</B>. Il suo complementare è la <B>funzione energia</B>.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Agenti"}> <Split title={"Agenti"}>
<Panel title={"Secondo il paradigma debole"}> <Box title={"Secondo il paradigma debole"}>
<P> <P>
Sono <B>sistemi</B> con le seguenti caratteristiche: Sono <B>sistemi</B> con le seguenti caratteristiche:
</P> </P>
@ -183,8 +183,8 @@ export default function Apprendimento() {
<LI><B>Proattività</B>: agiscono in maniera tale da portare a termine i loro obiettivi</LI> <LI><B>Proattività</B>: agiscono in maniera tale da portare a termine i loro obiettivi</LI>
<LI><B>Socialità</B>: comunicano con gli altri agenti, scambiando informazioni</LI> <LI><B>Socialità</B>: comunicano con gli altri agenti, scambiando informazioni</LI>
</ul> </ul>
</Panel> </Box>
<Panel title={"Secondo il paradigma forte"}> <Box title={"Secondo il paradigma forte"}>
<P> <P>
Hanno anche caratteristiche di <B>livello più alto</B> derivate dalle quattro precedenti: Hanno anche caratteristiche di <B>livello più alto</B> derivate dalle quattro precedenti:
</P> </P>
@ -199,8 +199,8 @@ export default function Apprendimento() {
<Example> <Example>
Gli umani possono benissimo essere considerati agenti del sistema universo. Gli umani possono benissimo essere considerati agenti del sistema universo.
</Example> </Example>
</Panel> </Box>
<Panel title={"Caratteristiche aggiuntive"}> <Box title={"Caratteristiche aggiuntive"}>
<P> <P>
Gli agenti si distinguono anche in: Gli agenti si distinguono anche in:
</P> </P>
@ -229,20 +229,20 @@ export default function Apprendimento() {
</Example> </Example>
</LI> </LI>
</ul> </ul>
</Panel> </Box>
</Section> </Split>
<Section title={"Benefici degli agenti"}> <Split title={"Benefici degli agenti"}>
<Panel title={"Emergenza"}> <Box title={"Emergenza"}>
<P> <P>
Lo sviluppo negli agenti di nuove capacità per cui non erano stati programmati. Lo sviluppo negli agenti di nuove capacità per cui non erano stati programmati.
</P> </P>
<Example> <Example>
Ad esempio, la Swarm Intelligence, descritta dopo! Ad esempio, la Swarm Intelligence, descritta dopo!
</Example> </Example>
</Panel> </Box>
</Section> </Split>
<Section title={"Architetture di agente"}> <Split title={"Architetture di agente"}>
<Panel title={"Classe"}> <Box title={"Classe"}>
<P> <P>
Classificazione in base a <B>come prende le decisioni</B> un agente: Classificazione in base a <B>come prende le decisioni</B> un agente:
</P> </P>
@ -257,8 +257,8 @@ export default function Apprendimento() {
decisione decisione
</LI> </LI>
</ul> </ul>
</Panel> </Box>
<Panel title={"Comportamento"}> <Box title={"Comportamento"}>
<P> <P>
Classificazione in base a <B>come sono definiti gli obiettivi</B> di un agente: Classificazione in base a <B>come sono definiti gli obiettivi</B> di un agente:
</P> </P>
@ -268,8 +268,8 @@ export default function Apprendimento() {
percezioni interne percezioni interne
</LI> </LI>
</ul> </ul>
</Panel> </Box>
<Panel title={"Conoscenze"}> <Box title={"Conoscenze"}>
<P> <P>
Classificazione in base a <B>quanto conosce dell'ambiente</B> un agente: Classificazione in base a <B>quanto conosce dell'ambiente</B> un agente:
</P> </P>
@ -277,10 +277,10 @@ export default function Apprendimento() {
<LI><B>Cognitivo</B>: l'agente è immediatamente a conoscenza di <B>tutto l'ambiente</B></LI> <LI><B>Cognitivo</B>: l'agente è immediatamente a conoscenza di <B>tutto l'ambiente</B></LI>
<LI><B>Reattivo</B>: l'agente deve scoprire l'ambiente con le sue capacità sensoriali</LI> <LI><B>Reattivo</B>: l'agente deve scoprire l'ambiente con le sue capacità sensoriali</LI>
</ul> </ul>
</Panel> </Box>
</Section> </Split>
<Section title={"Sistemi multi-agente"}> <Split title={"Sistemi multi-agente"}>
<Panel title={"Vantaggi"}> <Box title={"Vantaggi"}>
<ul> <ul>
<LI><B>Distribuzione</B>: più agenti possono coprire aree di ambiente più vaste, o elaborare più <LI><B>Distribuzione</B>: più agenti possono coprire aree di ambiente più vaste, o elaborare più
in fretta zone più dense di informazione in fretta zone più dense di informazione
@ -288,8 +288,8 @@ export default function Apprendimento() {
<LI><B>Rappresentazione</B>: i sistemi multi-agente modellano più accuratamente il mondo reale <LI><B>Rappresentazione</B>: i sistemi multi-agente modellano più accuratamente il mondo reale
</LI> </LI>
</ul> </ul>
</Panel> </Box>
<Panel title={"Feedback"}> <Box title={"Feedback"}>
<P> <P>
Influenza esercitata dal sistema sugli agenti per guidarli verso il loro obiettivo. Influenza esercitata dal sistema sugli agenti per guidarli verso il loro obiettivo.
</P> </P>
@ -300,8 +300,8 @@ export default function Apprendimento() {
<LI><B className={"lime"}>Positivo</B>: incentiva gli agenti ad avere un dato comportamento</LI> <LI><B className={"lime"}>Positivo</B>: incentiva gli agenti ad avere un dato comportamento</LI>
<LI><B className={"red"}>Negativo</B>: disincentiva gli agenti ad avere un dato comportamento</LI> <LI><B className={"red"}>Negativo</B>: disincentiva gli agenti ad avere un dato comportamento</LI>
</ul> </ul>
</Panel> </Box>
<Panel title={"Swarm intelligence"}> <Box title={"Swarm intelligence"}>
<P> <P>
Comportamento <B>emergente</B> che si manifesta nei sistemi multiagente con tantissimi agenti. Comportamento <B>emergente</B> che si manifesta nei sistemi multiagente con tantissimi agenti.
</P> </P>
@ -309,40 +309,40 @@ export default function Apprendimento() {
Indica la capacità di risoluzione di problemi complessi attraverso la collaborazione di più Indica la capacità di risoluzione di problemi complessi attraverso la collaborazione di più
agenti semplici. agenti semplici.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Evoluzione"}> <Split title={"Evoluzione"}>
<Panel title={"Algoritmi genetici"}> <Box title={"Algoritmi genetici"}>
<P> <P>
Meccanismi simili a quelli evolutivi umani che permettono ai tratti degli agenti Meccanismi simili a quelli evolutivi umani che permettono ai tratti degli agenti
di <B>convergere</B> verso un valore. di <B>convergere</B> verso un valore.
</P> </P>
</Panel> </Box>
<Panel title={"Fitness"}> <Box title={"Fitness"}>
<P> <P>
Inizialmente definita come <B>numero di discendenti fertili</B>, solitamente indica quanto è Inizialmente definita come <B>numero di discendenti fertili</B>, solitamente indica quanto è
probabile che i tratti di un individuo siano passati alla generazione successiva. probabile che i tratti di un individuo siano passati alla generazione successiva.
</P> </P>
</Panel> </Box>
<Panel title={"Cromosoma"}> <Box title={"Cromosoma"}>
<P> <P>
<B>Sequenza di valori</B> che definisce uno o più tratti di un individuo. <B>Sequenza di valori</B> che definisce uno o più tratti di un individuo.
</P> </P>
</Panel> </Box>
<Panel title={"Popolazione"}> <Box title={"Popolazione"}>
<P> <P>
Un <B>insieme di individui</B> aventi tutti gli stessi cromosomi. Un <B>insieme di individui</B> aventi tutti gli stessi cromosomi.
</P> </P>
</Panel> </Box>
<Panel title={"Mutazione"}> <Box title={"Mutazione"}>
<P> <P>
Fenomeno che causa una <B>piccola variazione casuale nei cromosomi</B> dei figli. Fenomeno che causa una <B>piccola variazione casuale nei cromosomi</B> dei figli.
</P> </P>
<P> <P>
Previene la <B>convergenza prematura</B> in un sistema. Previene la <B>convergenza prematura</B> in un sistema.
</P> </P>
</Panel> </Box>
<Panel title={"Crossover"}> <Box title={"Crossover"}>
<P> <P>
Meccanismo di <B>costruzione dei cromosomi</B> in un figlio: i cromosomi dei genitori vengono Meccanismo di <B>costruzione dei cromosomi</B> in un figlio: i cromosomi dei genitori vengono
tagliati nello stesso punto scelto a caso, e per costruire quelli del figlio viene presa una tagliati nello stesso punto scelto a caso, e per costruire quelli del figlio viene presa una
@ -352,8 +352,8 @@ export default function Apprendimento() {
Può portare al miglioramento di un individuo e allo sviluppo di nuovi tratti, ma solo nelle Può portare al miglioramento di un individuo e allo sviluppo di nuovi tratti, ma solo nelle
parti di cromosoma che sono diverse tra i due genitori. parti di cromosoma che sono diverse tra i due genitori.
</P> </P>
</Panel> </Box>
<Panel title={"Schema"}> <Box title={"Schema"}>
<P> <P>
<B>Sequenza di valori</B> all'interno di un cromosoma, che può includere anche sezioni in cui il <B>Sequenza di valori</B> all'interno di un cromosoma, che può includere anche sezioni in cui il
valore è <B>irrilevante</B>. valore è <B>irrilevante</B>.
@ -363,8 +363,8 @@ export default function Apprendimento() {
assoluto</B> in un tempo relativamente breve: il sistema <I>generalmente</I> favorisce gli assoluto</B> in un tempo relativamente breve: il sistema <I>generalmente</I> favorisce gli
schemi corti con fitness alta. schemi corti con fitness alta.
</P> </P>
</Panel> </Box>
<Panel title={"Convergenza prematura"}> <Box title={"Convergenza prematura"}>
<P> <P>
Situazione in cui si è raggiunta una soluzione non-ottimale a causa dell'assenza di novità nel Situazione in cui si è raggiunta una soluzione non-ottimale a causa dell'assenza di novità nel
sistema. sistema.
@ -373,10 +373,10 @@ export default function Apprendimento() {
Si può impedire con vari metodi: con la <B>mutazione</B>, introducendo <B>requisiti di Si può impedire con vari metodi: con la <B>mutazione</B>, introducendo <B>requisiti di
località</B> per l'accoppiamento, scegliendo diversamente i genitori, etc... località</B> per l'accoppiamento, scegliendo diversamente i genitori, etc...
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Sistema a classificatori"}> <Split title={"Sistema a classificatori"}>
<Panel title={"Cosa sono?"}> <Box title={"Cosa sono?"}>
<P> <P>
Programmi che dati tanti esempi sono in grado di classificare un elemento in una o più Programmi che dati tanti esempi sono in grado di classificare un elemento in una o più
categorie. categorie.
@ -385,10 +385,10 @@ export default function Apprendimento() {
Sono formati da <I>classificatori</I>, liste Sono formati da <I>classificatori</I>, liste
di <I>messaggi</I>, <I>detettori</I> e <I>effettori</I>. di <I>messaggi</I>, <I>detettori</I> e <I>effettori</I>.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section> <Split>
<Panel title={"Classificatori"}> <Box title={"Classificatori"}>
<P> <P>
Strutture logiche che <B>elaborano</B> i messaggi. Strutture logiche che <B>elaborano</B> i messaggi.
</P> </P>
@ -399,28 +399,28 @@ export default function Apprendimento() {
<Example> <Example>
Condizione e azione possono essere considerati come due cromosomi di un algoritmo genetico! Condizione e azione possono essere considerati come due cromosomi di un algoritmo genetico!
</Example> </Example>
</Panel> </Box>
<Panel title={"Messaggi"}> <Box title={"Messaggi"}>
<P> <P>
<B>Unità di informazione</B> di un sistema a classificatori: <B>Unità di informazione</B> di un sistema a classificatori:
sono <B>generati</B> da <I>detettori</I> e <I>classificatori</I>, sono <B>generati</B> da <I>detettori</I> e <I>classificatori</I>,
e <B>consumati</B> da <I>classificatori</I> ed <I>effettori</I>. e <B>consumati</B> da <I>classificatori</I> ed <I>effettori</I>.
</P> </P>
</Panel> </Box>
<Panel title={"Detettori"}> <Box title={"Detettori"}>
<P> <P>
<B>Sensori</B> che percepiscono lo stato dell'ambiente esterno e lo riportano sotto forma <B>Sensori</B> che percepiscono lo stato dell'ambiente esterno e lo riportano sotto forma
di <I>messaggi</I>. di <I>messaggi</I>.
</P> </P>
</Panel> </Box>
<Panel title={"Effettori"}> <Box title={"Effettori"}>
<P> <P>
<B>Motori</B> che rispondono ai <I>messaggi</I> effettuando una qualche azione nell'ambiente. <B>Motori</B> che rispondono ai <I>messaggi</I> effettuando una qualche azione nell'ambiente.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section> <Split>
<Panel title={"Forza"}> <Box title={"Forza"}>
<P> <P>
Un <B>punteggio</B> associato ad ogni classificatore. Un <B>punteggio</B> associato ad ogni classificatore.
</P> </P>
@ -430,16 +430,16 @@ export default function Apprendimento() {
<Example> <Example>
I classificatori più deboli vengono lentamente eliminati! I classificatori più deboli vengono lentamente eliminati!
</Example> </Example>
</Panel> </Box>
<Panel title={"Specificità"}> <Box title={"Specificità"}>
<P> <P>
Il <B>numero di condizioni che devono essere soddisfatte</B> perchè il classificatore si attivi. Il <B>numero di condizioni che devono essere soddisfatte</B> perchè il classificatore si attivi.
</P> </P>
<P> <P>
</P> </P>
</Panel> </Box>
<Panel title={"Bid"}> <Box title={"Bid"}>
<P> <P>
<B>Prodotto</B> di specificità e forza di un classificatore. <B>Prodotto</B> di specificità e forza di un classificatore.
</P> </P>
@ -450,24 +450,24 @@ export default function Apprendimento() {
<Example> <Example>
È la fitness degli algoritmi genetici applicata ai classificatori. È la fitness degli algoritmi genetici applicata ai classificatori.
</Example> </Example>
</Panel> </Box>
</Section> </Split>
<Section> <Split>
<Panel title={"Cover Detector"}> <Box title={"Cover Detector"}>
<P> <P>
Se l'input non soddisfa nessun classificatore esistente, se ne crea uno nuovo soddisfatto Se l'input non soddisfa nessun classificatore esistente, se ne crea uno nuovo soddisfatto
dall'input attuale con una azione casuale. dall'input attuale con una azione casuale.
</P> </P>
</Panel> </Box>
<Panel title={"Cover Effector"}> <Box title={"Cover Effector"}>
<P> <P>
Se i classificatori emettono in output un messaggio non valido, si crea un nuovo classificatore Se i classificatori emettono in output un messaggio non valido, si crea un nuovo classificatore
che trasforma quel messaggio in un output valido. che trasforma quel messaggio in un output valido.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Reti neurali"}> <Split title={"Reti neurali"}>
<Panel title={"Neuroni"}> <Box title={"Neuroni"}>
<P> <P>
Agenti che possono <B>collegarsi tra loro</B> tramite <I>sinapsi</I> (dirette) Agenti che possono <B>collegarsi tra loro</B> tramite <I>sinapsi</I> (dirette)
e <B>ricevere</B> ed <B>emettere</B> <I>impulsi</I> lungo di esse. e <B>ricevere</B> ed <B>emettere</B> <I>impulsi</I> lungo di esse.
@ -480,10 +480,10 @@ export default function Apprendimento() {
Se la somma dei valori di tutti gli impulsi ricevuti è <B>maggiore di una certa soglia</B>, Se la somma dei valori di tutti gli impulsi ricevuti è <B>maggiore di una certa soglia</B>,
allora il neurone <B>emetterà</B> un impulso. allora il neurone <B>emetterà</B> un impulso.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Modello booleano"}> <Split title={"Modello booleano"}>
<Panel title={"Cos'è?"}> <Box title={"Cos'è?"}>
<P> <P>
Un modello semplificato di rete neurale in cui vengono considerati <B>solo tempi Un modello semplificato di rete neurale in cui vengono considerati <B>solo tempi
discreti</B> (<Tick>ticks</Tick>), e non è presente la memorizzazione degli impulsi nel tempo. discreti</B> (<Tick>ticks</Tick>), e non è presente la memorizzazione degli impulsi nel tempo.
@ -499,40 +499,40 @@ export default function Apprendimento() {
È importante perchè dimostra che le reti neurali <B>possono elaborare qualsiasi cosa</B>, ma È importante perchè dimostra che le reti neurali <B>possono elaborare qualsiasi cosa</B>, ma
incompleto perchè non descrive nessun metodo per la loro creazione automatica. incompleto perchè non descrive nessun metodo per la loro creazione automatica.
</Example> </Example>
</Panel> </Box>
<Panel title={"Neuroni"}> <Box title={"Neuroni"}>
<P> <P>
I neuroni <B>si attivano</B> in un dato <Tick/> se la <B>somma dei loro I neuroni <B>si attivano</B> in un dato <Tick/> se la <B>somma dei loro
impulsi</B> nel <Tick/> precedente è <B>maggiore o uguale a 1</B>. impulsi</B> nel <Tick/> precedente è <B>maggiore o uguale a 1</B>.
</P> </P>
</Panel> </Box>
<Panel title={"Intensità sinaptica"}> <Box title={"Intensità sinaptica"}>
<P> <P>
Le sinapsi hanno una <I>intensità</I>: è un <B>moltiplicatore</B> che viene applicato a tutti Le sinapsi hanno una <I>intensità</I>: è un <B>moltiplicatore</B> che viene applicato a tutti
gli impulsi transitanti la sinapsi. gli impulsi transitanti la sinapsi.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Funzioni logiche nel modello booleano"}> <Split title={"Funzioni logiche nel modello booleano"}>
<Panel title={"NOT"}> <Box title={"NOT"}>
<P> <P>
Un neurone con una sinapsi entrante con intensità <ILatex>{r`-1`}</ILatex>. Un neurone con una sinapsi entrante con intensità <ILatex>{r`-1`}</ILatex>.
</P> </P>
</Panel> </Box>
<Panel title={"OR"}> <Box title={"OR"}>
<P> <P>
Un neurone con due o più sinapsi entranti con intensità <ILatex>{r`1`}</ILatex>. Un neurone con due o più sinapsi entranti con intensità <ILatex>{r`1`}</ILatex>.
</P> </P>
</Panel> </Box>
<Panel title={"AND"}> <Box title={"AND"}>
<P> <P>
Un neurone con due o più sinapsi entranti con Un neurone con due o più sinapsi entranti con
intensità <ILatex>{r`\frac{1}{numero\ sinapsi}`}</ILatex>. intensità <ILatex>{r`\frac{1}{numero\ sinapsi}`}</ILatex>.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Modello di Hopfield"}> <Split title={"Modello di Hopfield"}>
<Panel title={"Cos'è?"}> <Box title={"Cos'è?"}>
<P> <P>
Un'estensione del modello booleano per permettere l'apprendimento automatico delle Un'estensione del modello booleano per permettere l'apprendimento automatico delle
configurazioni giuste di neuroni. configurazioni giuste di neuroni.
@ -544,8 +544,8 @@ export default function Apprendimento() {
<Example> <Example>
Non è molto avanzato, ma ha portato a ulteriori studi nel campo delle reti neurali. Non è molto avanzato, ma ha portato a ulteriori studi nel campo delle reti neurali.
</Example> </Example>
</Panel> </Box>
<Panel> <Box>
<table> <table>
<thead> <thead>
<tr> <tr>
@ -603,10 +603,10 @@ export default function Apprendimento() {
</tr> </tr>
</tbody> </tbody>
</table> </table>
</Panel> </Box>
</Section> </Split>
<Section> <Split>
<Panel title={"Emissione"}> <Box title={"Emissione"}>
<P> <P>
In ogni <Tick/>, i neuroni: In ogni <Tick/>, i neuroni:
</P> </P>
@ -621,8 +621,8 @@ export default function Apprendimento() {
attivazione attivazione
</LI> </LI>
</ul> </ul>
</Panel> </Box>
<Panel title={"Sinapsi"}> <Box title={"Sinapsi"}>
<P> <P>
<B>Tutti</B> i neuroni del modello sono intercollegati tra loro da sinapsi. <B>Tutti</B> i neuroni del modello sono intercollegati tra loro da sinapsi.
</P> </P>
@ -632,8 +632,8 @@ export default function Apprendimento() {
<P> <P>
Questo porta il <B>costo computazionale</B> del modello ad essere <ILatex>{r`O(n^2)`}</ILatex>. Questo porta il <B>costo computazionale</B> del modello ad essere <ILatex>{r`O(n^2)`}</ILatex>.
</P> </P>
</Panel> </Box>
<Panel title={"Energia"}> <Box title={"Energia"}>
<P> <P>
Una funzione dell'intero sistema che rappresenta il totale degli stati di tutti i neuroni e Una funzione dell'intero sistema che rappresenta il totale degli stati di tutti i neuroni e
tutte le connessioni. tutte le connessioni.
@ -641,10 +641,10 @@ export default function Apprendimento() {
<PLatex>{r` <PLatex>{r`
E = - \frac{1}{2} \sum_{n, m} ( w_{nm} \cdot x_n \cdot x_m ) + \sum_n ( \theta_n \cdot x_n ) E = - \frac{1}{2} \sum_{n, m} ( w_{nm} \cdot x_n \cdot x_m ) + \sum_n ( \theta_n \cdot x_n )
`}</PLatex> `}</PLatex>
</Panel> </Box>
</Section> </Split>
<Section> <Split>
<Panel title={"Apprendimento hebbiano"}> <Box title={"Apprendimento hebbiano"}>
<P> <P>
Un metodo per realizzare l'apprendimento nel modello di Hopfield. Un metodo per realizzare l'apprendimento nel modello di Hopfield.
</P> </P>
@ -663,8 +663,8 @@ export default function Apprendimento() {
<Example> <Example>
Così facendo, si insegna sia il pattern normale sia il suo complementare! Così facendo, si insegna sia il pattern normale sia il suo complementare!
</Example> </Example>
</Panel> </Box>
<Panel title={"Simmetria"}> <Box title={"Simmetria"}>
<P> <P>
Applicando l'apprendimento hebbiano al modello di Hopfield si ottengono sinapsi simmetriche. Applicando l'apprendimento hebbiano al modello di Hopfield si ottengono sinapsi simmetriche.
</P> </P>
@ -672,16 +672,16 @@ export default function Apprendimento() {
Se è valida questa proprietà, si può dimostrare che l'<B>energia del sistema è sempre Se è valida questa proprietà, si può dimostrare che l'<B>energia del sistema è sempre
decrescente</B>, e che quindi che tenderà a un punto fisso! decrescente</B>, e che quindi che tenderà a un punto fisso!
</P> </P>
</Panel> </Box>
<Panel title={"Overlap di due pattern"}> <Box title={"Overlap di due pattern"}>
<P> <P>
Il numero di neuroni attivati in entrambi i pattern. Il numero di neuroni attivati in entrambi i pattern.
</P> </P>
<PLatex>{r` <PLatex>{r`
Q(A, B) = \sum_{i = 1}^n A_i B_i Q(A, B) = \sum_{i = 1}^n A_i B_i
`}</PLatex> `}</PLatex>
</Panel> </Box>
<Panel title={"Interferenza"}> <Box title={"Interferenza"}>
<P> <P>
Più pattern vengono imparati da un modello, più è facile che essi interferiscano tra loro. Più pattern vengono imparati da un modello, più è facile che essi interferiscano tra loro.
</P> </P>
@ -691,17 +691,17 @@ export default function Apprendimento() {
<PLatex> <PLatex>
{r`0.14 \cdot N`} {r`0.14 \cdot N`}
</PLatex> </PLatex>
</Panel> </Box>
<Panel title={"Archetipi"}> <Box title={"Archetipi"}>
<P> <P>
Per minimizzare l'interferenza tra pattern, è possibile insegnare al modello un <I>archetipo</I>: Per minimizzare l'interferenza tra pattern, è possibile insegnare al modello un <I>archetipo</I>:
si insegna più volte il pattern originale applicandoci una minima quantità di interferenza si insegna più volte il pattern originale applicandoci una minima quantità di interferenza
casuale. casuale.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Modello a percettroni"}> <Split title={"Modello a percettroni"}>
<Panel title={"Cos'è?"}> <Box title={"Cos'è?"}>
<P> <P>
Un modello di rete neurale che supporta l'apprendimento e che presenta <B>più strati di Un modello di rete neurale che supporta l'apprendimento e che presenta <B>più strati di
neuroni</B>. neuroni</B>.
@ -709,8 +709,8 @@ export default function Apprendimento() {
<P> <P>
Ha costi computazionali molto più bassi del modello di Hopfield. Ha costi computazionali molto più bassi del modello di Hopfield.
</P> </P>
</Panel> </Box>
<Panel> <Box>
<table> <table>
<thead> <thead>
<tr> <tr>
@ -750,10 +750,10 @@ export default function Apprendimento() {
</tr> </tr>
</tbody> </tbody>
</table> </table>
</Panel> </Box>
</Section> </Split>
<Section> <Split>
<Panel title={"Percettrone"}> <Box title={"Percettrone"}>
<P> <P>
Una <B>rete neurale</B> che viene incapsulata all'interno di un singolo neurone. Una <B>rete neurale</B> che viene incapsulata all'interno di un singolo neurone.
</P> </P>
@ -767,8 +767,8 @@ export default function Apprendimento() {
<ILatex>{r`b`}</ILatex> è una costante configurabile, detta <I>bias</I>, che rappresenta il <ILatex>{r`b`}</ILatex> è una costante configurabile, detta <I>bias</I>, che rappresenta il
valore di partenza della somma degli input. valore di partenza della somma degli input.
</P> </P>
</Panel> </Box>
<Panel title={"Percettrone booleano"}> <Box title={"Percettrone booleano"}>
<P> <P>
Un percettrone la cui funzione di emissione è: Un percettrone la cui funzione di emissione è:
</P> </P>
@ -779,8 +779,8 @@ export default function Apprendimento() {
-1 \qquad se\ v < 0 -1 \qquad se\ v < 0
\end{cases} \end{cases}
`}</PLatex> `}</PLatex>
</Panel> </Box>
<Panel title={"Apprendimento"}> <Box title={"Apprendimento"}>
<P> <P>
Si parte da intensità casuali delle sinapsi. Si parte da intensità casuali delle sinapsi.
</P> </P>
@ -795,10 +795,10 @@ export default function Apprendimento() {
>backpropagation</Anchor>, che stima l'errore >backpropagation</Anchor>, che stima l'errore
di classificazione di ogni singolo neurone e li corregge di conseguenza. di classificazione di ogni singolo neurone e li corregge di conseguenza.
</P> </P>
</Panel> </Box>
</Section> </Split>
<Section title={"Rete feed-forward"}> <Split title={"Rete feed-forward"}>
<Panel title={"Cos'è?"}> <Box title={"Cos'è?"}>
<P> <P>
Un modello a percettroni in cui <B>non si presentano cicli</B>. Un modello a percettroni in cui <B>non si presentano cicli</B>.
</P> </P>
@ -806,8 +806,8 @@ export default function Apprendimento() {
Alcuni dei neuroni che vi sono all'interno saranno dunque dei <B>neuroni sorgente</B> e dei <B>neuroni Alcuni dei neuroni che vi sono all'interno saranno dunque dei <B>neuroni sorgente</B> e dei <B>neuroni
pozzo</B>. pozzo</B>.
</P> </P>
</Panel> </Box>
</Section> </Split>
</div> </div>
) )
} }

6
src/routes/Home.js
View file

@ -91,9 +91,9 @@ export default function Home({ skin, setSkin }) {
</Anchor> </Anchor>
</LI> </LI>
<LI> <LI>
<Anchor href={"https://old.uni.steffo.eu/#/ottimizzazionelineare"}> <BaseLink href={"/oli"}>
🕸️ Ottimizzazione lineare intera ✨ Ottimizzazione lineare intera
</Anchor> </BaseLink>
</LI> </LI>
</ul> </ul>
</Size> </Size>

1168
src/routes/Oli/index.js Normal file
View file

File diff suppressed because it is too large Load diff