Docente: Francesco Delli Priscoli
Pagina web dell'insegnamento: www.diag.uniroma1.it/~dellipri/ccen
Crediti: 6
Codice Infostud: 1041429

Obiettivi formativi

Il corso mira ad applicare metodologie avanzate di controllo dinamico a reti/sistemi adottando un approccio astratto tecnologicamente indipendente che affronta il problema del controllo di rete/sistema, tralasciando le specifiche tecnologie di rete/sistema. Gli studenti saranno in grado di progettare azioni di controllo adatte alle reti/sistemi di comunicazione, energia, trasporto, sicurezza, salute.

Programma

La prima parte del corso dettaglia le seguenti metodologie: Markov Decision Process, Dynamic Programming, Reinforcement Learning (in particolare, TD learning, Sarsa, Q-learning), Machine Learning (k-means, clustering). Oltre l'aspetto teorico, si considera l'utilizzo pratico di tali metodologie per il controllo di reti/sistemi di comunicazione, energia, trasporto, sicurezza, salute.
La seconda parte del corso, tenuta in costante sinergia con i progetti di ricerca finanziati dall'Unione Europea, (i) fornisce una panoramica sulle attuali problematiche di controllo relative a comunicazione, energia, trasporti, sicurezza e salute, (ii) dettaglia come i metodi di controllo considerati nella prima parte del corso, così come altri metodi di controllo introdotti nei corsi precedenti (es. Model Predictive Control) possono essere utilizzati per risolvere i problemi sopra menzionati.

Modalità d'esame: Domanda scritta su aspetti teorici più valutazione di un progetto.

Testi di riferimento

• R.S. Sutton and A.G. Barto, "Reinforcement Learning: An Introduction," MIT Press, 1998.
• Cristopher M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2006.
• Dispense derivanti dai Deliverables prodotti nell'ambito dei progetti di ricerca della UE. In particolare, progetti Dispense derivanti dai Deliverables prodotti nell'ambito dei progetti di ricerca della UE. In particolare, progetti ATENA (UE FP8), SESAME (UE FP8), 5G ALLSTAR (UE FP8), 5G SOLUTIONS (UE FP8), ARIES (ESA), VADUS (ESA).