Formazione e ricerca

Attività Formative del Corso di Dottorato - 2023/2024

This page shows the courses and classes of the PhD programme for the academic year 2023/2024. Additional courses and classes will be added during the year. Please check for updates regularly!

Non monotonic reasoning

Crediti: 3

Lingua di erogazione: English

Docente:  Matteo Cristani

Sustainable Embodied Mechanical Intelligence

Crediti: 3

Lingua di erogazione: English

Docente:  Giovanni Gerardo Muscolo

Brain Computer Interfaces

Crediti: 3

Lingua di erogazione: English

Docente:  Silvia Francesca Storti

A practical interdisciplinary PhD course on exploratory data analysis

Crediti: 4

Lingua di erogazione: Inglese

Docente:  Prof. Vincenzo Bonnici (Università di Parma)

Multimodal Learning and Applications

Crediti: 5

Lingua di erogazione: Inglese

Docente:  Cigdem Beyan

Introduction to Blockchain

Crediti: 3

Lingua di erogazione: English

Docente:  Sara Migliorini

Autonomous Agents and Multi-Agent Systems

Crediti: 5

Lingua di erogazione: English

Docente:  Alessandro Farinelli

Cyber-Physical System Security

Crediti: 3

Lingua di erogazione: English/Italian

Docente:  Massimo Merro

Foundations of quantum languages

Crediti: 3

Lingua di erogazione: English

Docente:  Margherita Zorzi

Advanced Data Structures for Textual Data

Crediti: 3

Lingua di erogazione: English

Docente:  Zsuzsanna Liptak

AI and explainable models

Crediti: 5

Lingua di erogazione: English

Docente:  Gloria Menegaz, Lorenza Brusini

Automated Software Testing

Crediti: 4

Lingua di erogazione: English

Docente:  Mariano Ceccato

Elements of Machine Teaching: Theory and Appl.

Crediti: 3

Lingua di erogazione: English

Docente:  Ferdinando Cicalese

Introduction to Quantum Machine Learning

Crediti: 4

Lingua di erogazione: English

Docente:  Alessandra Di Pierro

Laboratory of quantum information in classical wave-optics analogy

Crediti: 3

Lingua di erogazione: English

Docente:  Claudia Daffara

Crediti

3

Lingua di erogazione

English

Frequenza alle lezioni

Scelta Libera

Sede

VERONA

Obiettivi di apprendimento

L'obiettivo di questo corso è offrire un'introduzione ai principi base delle Interfacce Cervello-Computer (BCI), principalmente focalizzandosi sullo studio dell’attività oscillatoria EEG da un punto di vista di elaborazione del segnale. Durante il corso verranno presentati i principali metodi di elaborazione dei dati che consentono di decodificare l'attività cerebrale in tempo reale e trasformarla in un segnale di controllo per una BCI. Nella prima parte, gli studenti acquisiranno conoscenze riguardanti: il modello BCI, i principali tipi di BCI con le relative tecniche di elaborazione del segnale per l'estrazione delle feature e classificazione, le performance dei sistemi, i limiti dei paradigmi attuali e le molteplici applicazioni delle BCI. La seconda parte del corso si concentrerà sulla progettazione pratica e sull'utilizzo delle BCI, con un'introduzione all'elaborazione in tempo reale delle registrazioni EEG. Sarà promossa la collaborazione tra gli studenti con differenti background attraverso progetti pratici di gruppo orientati alla ricerca.

Prerequisiti e nozioni di base

Area del Corso: Bioingegneria/Neuroscienze
Prerequisiti del corso: i prerequisiti consigliati del corso sono una conoscenza di base dell'elaborazione dei segnali e di programmazione in Matlab.

Programma

Argomenti trattati:
- Introduzione al modello BCI e al suo contesto storico
- BCI invasivi e non invasivi
- BCI evocati vs. auto-regolati
- Elaborazione del segnale e interpretazione dei dati (filtraggio, estrazione delle feature, classificazione)
- La tecnologia BCI
- Esempi di applicazioni e valutazione delle prestazioni
- Applicazioni e casi studio
Laboratorio. Analisi dei dati - preelaborazione (estrazione delle epoche e riduzione del rumore), elaborazione nel dominio delle frequenze, addestramento di un classificatore SVM per decodificare il movimento immaginato di singole prove, test del classificatore tramite cross-validazione.

Bibliografia

Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità didattiche

Orario:
Aula: T.04 - Borgo Roma - Ca' Vignal 3
Orario: 12:30-14:30
Lunedì 11 marzo 2024
• Lunedì 18 marzo 2024
• Lunedì 25 marzo 2024
• Lunedì 08 aprile 2024
• Lunedì 15 aprile 2024
• Lunedì 22 aprile 2024
Modalità di erogazione della didattica. Lezioni frontali alla lavagna e con ausilio di diapositive a supporto, esercitazioni e progetto in laboratorio. Il corso adotta un approccio "hands-on", incoraggiando gli studenti a sperimentare direttamente la progettazione e l'implementazione delle metodologie di analisi più appropriate per risolvere problemi reali di interesse medico-clinico.

Modalità di verifica dell'apprendimento

La valutazione avviene attraverso un progetto assegnato durante il laboratorio.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Valutazione

-

Criteri di composizione del voto finale

-

Lezioni Programmate

Quando Aula Docente Argomenti
lunedì 11 marzo 2024
12:30 - 14:30
Durata: 2.00
Ca' Vignal 3 - T.04 [04 - T] Silvia Francesca Storti Introduction to Brain-Computer Interfaces (BCIs): definition of BCI; how BCIs work; motivation for BCIs; the BCI model; the role of feedback; types of BCIs (active, reactive, and passive). Current neuroimaging-based BCI modalities. The role of machine learning in BCIs. Offline training and online testing. History of BCIs and recent approaches.
lunedì 18 marzo 2024
12:30 - 14:30
Durata: 2.00
Ca' Vignal 3 - T.04 [04 - T] Silvia Francesca Storti Applications of BCIs: medical applications (communication, rehabilitation and restoration, detection and diagnosis); prevention of risk situations (passive BCI), smart environments, neuromarketing, educational, gaming, military use. Design and implementation of BCIs. Signal acquisition methods (invasive and non-invasive BCIs). Focus on non-invasive EEG-based BCIs.
lunedì 25 marzo 2024
12:30 - 14:30
Durata: 2.00
Ca' Vignal 3 - T.04 [04 - T] Silvia Francesca Storti EEG-based BCI control signals: slow cortical potentials; evoked potentials (SSVEP, P300 speller), motor-imagery systems based on sensorimotor desynchronization. Kinesthetic motor imagery and introduction to a typical architecture of EEG-based MI-BCI (experimental paradigm, signal acquisition, signal preprocessing).
lunedì 08 aprile 2024
12:30 - 14:30
Durata: 2.00
Ca' Vignal 3 - T.04 [04 - T] Silvia Francesca Storti Study of a typical architecture of EEG-based MI-BCI: signal preprocessing methods for the removal of physiological and extraphysiological artifacts (temporal and spatial filtering), feature extraction methods based on spectral information (calibration phase), and time-frequency methods for online usage phase, event-related potentials (ERS/ERD), feature storage, the classification problem for MI-BCI systems (training data, predictor function, empirical risk, overfitting, and underfitting problems).
lunedì 15 aprile 2024
12:30 - 14:30
Durata: 2.00
Ca' Vignal 3 - T.04 [04 - T] Silvia Francesca Storti Laboratory. The laboratory involves implementing a simple offline MI-BCI interface in Matlab following the architecture explained during the lectures. The laboratory is structured into two main parts: preprocessing+feature extraction and classification. Initially, students receive a description of the experimental paradigm of the provided EEG data with an explanation of the key functions for scripting via EEGLAB (Matlab toolbox). Students uses a draft code and are required to implement some crucial processing steps. The features to extract are: power spectral density, coherence, and correlation for the alpha and beta frequency bands.
lunedì 22 aprile 2024
12:30 - 14:30
Durata: 2.00
Ca' Vignal 3 - T.04 [04 - T] Silvia Francesca Storti Laboratory. This second part involves training a support vector machine (SVM) classifier to decode imagined movement of single trials and testing the classifier with cross-validation. Explanation is provided on how to assess the classifier's performance and optimize the algorithm's hyperparameters. The main challenges in BCI classification are highlighted: insufficient quantity of data, poor data quality, non-representative training data, irrelevant features requiring dimensionality reduction (channel/feature selection). Model evaluation involves considerations such as overfitting and underfitting the training data. In this part as well, students use a code template and are tasked with implementing crucial processing steps, focusing on the interpretation of the obtained results. As a small project, students are assigned the processing of new EEG-BCI data.

Sustainable Development Goals - SDGs

Questa iniziativa contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.
Maggiori informazioni su www.univr.it/sostenibilita

Attività Formative della Scuola di Dottorato - 2023/2024

Please note: Additional information will be added during the year. Currently missing information is labelled as “TBD” (i.e. To Be Determined).

1. PhD students must obtain a specified number of CFUs each year by attending teaching activities offered by the PhD School.
First and second year students must obtain 8 CFUs. Teaching activities ex DM 226/2021 provide 5 CFUs; free choice activities provide 3 CFUs.
Third year students must obtain 4 CFUs. Teaching activities ex DM 226/2021 provide 2 CFUs; free choice activities provide 2 CFUs.
More information regarding CFUs is found in the Handbook for PhD Students: https://www.univr.it/phd-vademecum

2. Registering for the courses is not required unless explicitly indicated; please consult the course information to verify whether registration is required or not. When registration is actually required, no confirmation e-mail will be sent after signing up. Please do not enquiry: if you entered the requested information, then registration was silently successful.

3. When Zoom links are not explicitly indicated, courses are delivered in presence only.

4. All information we have is published here. Please do not enquiry for missing information or Zoom links: as soon as we get new information, we will promptly publish it on this page.

Teaching Activities ex DM 226/2021: Linguistic Activities

Teaching Activities ex DM 226/2021: Research management and Enhancement

Teaching Activities ex DM 226/2021: Statistics and Computer Sciences

Teaching Activities: Free choice

Lezioni del Corso
Lezioni della Scuola di Dottorato

Loading...

Linee guida percorso formativo

Di seguito i file che contengono le Linee guida per il percorso formativo e il regolamento per l'acquisizione dei crediti formativi (CFU) per l'Anno Accademico 2023/2024.

Documenti

Titolo Info File
File pdf Dottorandi: linee guida generali (2024/2025) pdf, it, 104 KB, 29/10/24
File pdf PhD students: general guidelines (2024/2025) pdf, en, 107 KB, 29/10/24