Le conferenze si terranno nei giorni
– mercoledì 6 settembre presso il Polo Carmignani, Aula 2
– giovedì 7 settembre presso il Polo Carmignani, Aula 2
– venerdì 8 settembre presso il Polo Fibonacci, Aula F1

Gianluca Amato Università di Chieti-Pescara Deep Reinforcement Learning for Theorem Proving ore 12.00-12.20, mercoledì 6 settembre
Claudio Canuto Politecnico di Torino Variational Physics-Informed Neural Networks in the discretization of elliptic problems ore 14.30-15.10, venerdì 8 settembre
Silvia Crafa Università di Padova Power and limits of Formal Methods in AI ore 12.20-12.40, mercoledì 6 settembre
Ernesto De Vito Università di Genova Understanding Neural Networkswith Reproducing Kernel Banach Spaces ore 15.30-16.10, venerdì 8 settembre
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 ore 12.00-12.20, giovedì 7 settembre
Silvio Ghilardi Università di Milano Insegnare Logica per l’Intelligenza Artificiale: un’esperienza didattica ore 12.40-13.00, mercoledì 6 settembre
Gian Paolo Leonardi Università di Trento Rate-convergence, smoothing schedules, and the training of quantised DNNs ore 16.10-16.30, venerdì 8 settembre
Francesco Morandin Università di Parma MCTS, AlphaGo and Mathematics ore 11.00-11.40, giovedì 7 settembre
Sara Negri Università di Genova Proofs and refutations by construction ore 11.00-11.40, mercoledì 6 settembre
Maurizio Parton Università di Chieti-Pescara deep reinforcement learning and mathematics ore 11.40-12.00, giovedì 7 settembre
Silvia Villa Università di Genova Zeroth order optimization with structured directions ore 12.20-12.40, giovedì 7 settembre
Luca Zanni Università di Modena e Reggio Emilia Metodi del gradiente stocastico per problemi di ottimizzazione nel machine learning ore 12.40-13.00, giovedì 7 settembre
Margherita Zorzi Università di Verona Modalità, conoscenza e teoria della dimostrazione ore 11.40-12.00, mercoledì 6 settembre
Paolo Zunino MOX, Politecnico di Milano A deep learning approach to reduced order modelling of parameter dependent PDEs ore 15.10-15.30, venerdì 8 settembre