Programma SS3

Matematica per l’Intelligenza Artificiale e il Machine Learning

Congresso UMI, Pisa, Settembre 2023

Mercoledì 6 settembre

11:00–11:40   Sara Negri, Università di Genova
Proofs and refutations by construction

11:40–12:00   Margherita Zorzi, Università di Verona
Modalità, conoscenza e teoria della dimostrazione

12:00–12:20   Gianluca Amato, Università di Chieti–Pescara
Deep Reinforcement Learning for Theorem Proving

12:20–12:40   Silvia Crafa, Università di Padova
Power and limits of Formal Methods in AI

12:40–13:00   Silvio Ghilardi, Università di Milano
Insegnare Logica per l’Intelligenza Artificiale: un’esperienza didattica

Giovedì 7 settembre

11:00–11:40   Francesco Morandin, Università di Parma
MCTS, AlphaGo and Mathematics

11:40–12:00   Maurizio Parton, Università di Chieti–Pescara
Deep reinforcement learning and mathematics

12:00–12:20   Patrizio Frosini, Università di Bologna
Dallo studio dell’insieme dei dati all’analisi dello spazio degli osservatori: come la geometria degli operatori equivarianti non espansivi può aiutarci nell’interpretazione delle informazioni

12:20–12:40   Silvia Villa, Università di Genova
Zeroth order optimization with structured directions

12:40–13:00   Luca Zanni, Università di Modena–Reggio Emilia
Metodi del gradiente stocastico per problemi di ottimizzazione nel machine learning

16:35–18:20   Riunione Gruppi UMI (Polo Carmignani, Aula Bianchi, Azzurra, e Dini)

Venerdì 8 settembre

14:30–15:10   Claudio Canuto, Politecnico di Torino
Variational Physics-Informed Neural Networks in the discretization of elliptic problems

15:10–15:30   Paolo Zunino, Politecnico di Milano
A deep learning approach to reduced order modelling of parameter dependent PDEs

15:30–16:10   Ernesto De Vito, Università di Genova
Understanding Neural Networkswith Reproducing Kernel Banach Spaces

16:10–16:30   Gian Paolo Leonardi, Università di Trento
Rate-convergence, smoothing schedules, and the training of quantised DNNs