Ottimizzazione ELABORAZIONE DI SEGNALI E IMMAGINI MEDIANTE TECNICHE DI CALCOLO EVOLUTIVO. Ottimizzazione e Apprendimento Automatico

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Ottimizzazione ELABORAZIONE DI SEGNALI E IMMAGINI MEDIANTE TECNICHE DI CALCOLO EVOLUTIVO. Ottimizzazione e Apprendimento Automatico"

Transcript

1 Ottimizzazione ELABORAZIONE DI SEGNALI E IMMAGINI MEDIANTE TECNICHE DI CALCOLO EVOLUTIVO Stefano Cagnoni L approccio a problemi pratici per i quali non esistono (o sono solo parzialmente note) soluzioni dirette può essere riformulato in termini di ottimizzazione di una funzione obiettivo che rappresenta il costo o la qualità della soluzione. La soluzione, in questi casi, può essere definita in modo generale, con molti parametri. totalmente sconosciuta Spesso è l unica metodologia di progetto possibile! Ottimizzazione e Apprendimento Automatico Tipicamente la funzione da ottimizzare: rappresenta le specifiche di un problema da risolvere viene ottimizzata attraverso procedure automatiche sulla base delle prestazioni ottenute su un certo numero di esempi rappresentativi del problema, o comunque emulando un comportamento desiderato Si realizza quindi un processo di apprendimento induttivo Problema Soluzione incognita Funz. costo f(p 1 p n ) Esempi Metodo di ottimizzazione Soluzione Il problema della progettazione si sposta dalla definizione di una soluzione esatta e giustificata da una teoria alla Un diverso approccio alla progettazione ricerca di una soluzione che funziona bene, attraverso: definizione di un criterio per valutare la bontà (costo) della soluzione cercata scelta del metodo da utilizzare per massimizzarlo (minimizzarlo). 1

2 Quando ricorrere all ottimizzazione? Ottimizzazione e calcolo evolutivo assenza di soluzioni dirette specifiche del problema esprimibili solamente in modo qualitativo. comportamenti o fenomeni descrivibili o misurabili in modo impreciso (es. segnali affetti da rumore) scarsa conoscenza a priori sul problema da affrontare necessità di integrare moduli per i quali singolarmente valgono le precedenti condizioni Il calcolo evolutivo comprende metodi utili nei casi in cui: la soluzione è del tutto sconosciuta - l algoritmo evolutivo definisce forma e parametri della soluzione (ad es. Programmazione Genetica) la soluzione è definita a priori in forma parametrica - l algoritmo evolutivo ottimizza la funzione qualità (costo) agendo sui valori dei parametri che definiscono il comportamento della soluzione (ad es. Algoritmi Genetici, Strategie Evolutive, ecc.) Application frameworks Optimization of parameters of specific objective (fitness) functions related with a well-defined task. Optimization of parameters of specific objective (fitness) functions for a whole system. Optimization of qualitative performances based on comparisons between solutions (tournaments). Generation of solutions from scratch. Applications to signal and image processing and pattern recognition Optimization of filter/detector AND algorithm parameters for event detection and image segmentation. Qualitative optimization of image processing algorithms. Design of implicitly parallel binary classifiers and image operators.

3 Applications Optimization of a QRS detector of ECG signals. Optimization of the 3D segmentation of tomographic images based on an elastic contour model. GP optimization of color palettes for color processing of MR images. Low-level image processing and low-resolution character recognition. OTTIMIZZAZIONE DI FILTRI Typical problems: event detection image segmentation Basic structure of a detection / segmentation algorithm Filter => signal (contrast) enhancement Detector => event (feature) detection SIGNAL PROCESSING Signal Enhancement and Event Detection Linear filter: DESIGN OF QRS DETECTORS THROUGH PARAMETER OPTIMIZATION Given: Filter/detector layout Training set Fitness function Optimize: Filter coefficients Detector threshold Other parameters regulating the adaptive behaviour of the detector 3

4 FILTER LAYOUT ALTRI PARAMETRI DELLA SOLUZIONE Linear: Linear with selected samples: Quadratic with selected samples: EXPERIMENTAL SETUP TRAINING SET second tracts of the ECG from each of the minute records of the MIT-BIH Arrhythmia Database (5981 beats out of about 110,000). FITNESS FUNCTION f = f max - (FP + FN ), f max such that f>0 RESULTS 99.5% average sensitivity (100% on most normal recordings) Much faster detection with respect to published algorithms yielding comparable results FP = False Positives, FN = False Negatives 4

5 IMAGE SEGMENTATION Region based RATIONALE Pre-defined routines seldom work, so: Contour based GA optimisation of a specific edge detector, via interactive specification of a few training contours, followed by extraction of the contours of the structure of interest from the whole data set The problem can be reduced to 1D contour detection. CONTOUR EXTRACTION c 0, c k c k,l FILTER = filter coefficients of 0th, 1st, and nd order terms. d k = offsets along the scan line 5

6 DETECTOR possible detection schemes: Thresholding of filter output O(x i ) = 0 if o(x i )>T 1 otherwise where T = threshold Detection of the threshold-crossings of the filter output where Z= threshold O (x i ) = 1 if (o(x i ) - Z) ( o(xi-1) Z ) < 0 0 otherwise T and Z are also optimised by the GA SEGMENTATION Definition of a starting contour Iterate: Application of the GA-designed filter to the next contour Elastic contour model-based interpolation (also optimised by the GA) of the edge points extracted by the filter RESULTS TRAINING SET One slice following the one which is used to seed the iterative segmentation process FITNESS FUNCTION d yk = distance, along scan line L h, between the actual edge point and the one detected, K = constant 6

7 Evoluzione interattiva di tavole di lookup Scopo: date due immagini I 1 (x,y) e I (x,y), ottenere, evolvendola tramite GP, una immagine a colori I C (x,y) = F (I 1 (x,y), I (x,y) ) interessante dal punto di vista di una specifica applicazione. Fitness implicitamente definita dall utente che è l arbitro del torneo (di dimensione ) utilizzato nella fase di selezione. Dim. popolazione: 15 N. generazioni : Perc. Crossover: 0.7 No Mutazione: Risultati di 3 diversi esperimenti Sub-machine code Genetic Programming Sub-machine code Genetic Programming Variante di GP: si evolvono programmi che usano operatori logici bit a bit che operano su una codifica impacchettata di più dati binari. Programmi eseguibili su calcolatori sequenziali: realizzano implicitamente un paradigma SIMD (Single Instruction Multiple Data) Realizzazione software delle estensioni multimediali degli attuali processori (es. MMX, 3DNow). Tipicamente si usano variabili di tipo unsigned long (a 3 o 64 bit a seconda del compilatore o delle architetture su cui si lavora) per contenere la codifica della stringa di bit di input. La stringa può contenere la codifica di campioni consecutivi di una sequenza temporale, oppure una riga o una finestra di un immagine, ecc. Con una singola operazione binaria bit a bit si opera su un intero blocco di dati. 7

8 Sub-machine code Genetic Programming Vantaggi operare in parallelo su più dati e quindi rendere più efficiente la valutazione della funzione di fitness, valutare, con una singola sequenza di operazioni, la fitness su più casi contemporaneamente. Limiti Non è possibile applicare operazioni diverse (o pesi diversi) a dati appartenenti ad uno stesso blocco: il long int è visto come un array di dati indipendenti su cui viene applicata la stessa operazione. Aims of the application To test SmcGP effectiveness on a real-world problem (car license plate recognition) To compare results achieved by the SmcGP-evolved programs with the corresponding algorithms used in the APACHE license-plate recognition system Experimental test bed (APACHE plate-recognition system) Pre-processing Main task: car licenseplate recognition Data: 130 images of running cars Low-level tasks: plate extraction and character recognition Input image Grey-level image H.gradient image The horizontal-gradient image is then thresholded to obtain a binary image showing only the strongest edges. 8

9 Plate Extraction Character recognition Characters are extracted from the plate and an LVQ neural net is used to recognize them The plate region is the region where the horizontal edge density is highest Riconoscimento di caratteri Criteri di qualità per un classificatore binario Riconoscimento di cifre rappresentate da pattern binari bidimensionali: 10 classificatori binari che hanno in ingresso il pattern bidimensionale e in uscita: 1 se il pattern appartiene alla classe corrispondente al classificatore 0 se il pattern appartiene ad un altra classe Veri Positivi: output 1, risposta corretta 1 Veri Negativi: output 0, risposta corretta 0 Falsi Positivi: output 1, risposta corretta 0 Falsi Negativi: output 0, risposta corretta 1 Sensibilità: VP/(VP+FN) * 100 percentuale dei casi con output=1 in presenza del target Specificità: VN/(VN+FP) * 100 percentuale dei casi con output=0 in assenza del target Predittività positiva: VP/(VP+FP) * 100 percentuale dei casi in cui il target è presente in corrispondenza di output =1 9

10 Classificazione con classificatori indipendenti Vantaggi Ogni classificatore è specializzato e quindi ha prestazioni generalmente molto elevate. realizzazione particolarmente compatta, non richiede di tenere conto, in un unica funzione, delle caratteristiche di più classi. Svantaggi Casi limite (indecidibili): - tutti i classificatori rispondono 0 - più di un classificatore risponde 1. E necessario un meccanismo di disambiguazione. Codifica degli ingressi Pattern di ingresso: caratteri binari di dimensione 13x8 104 bit possono essere rappresentati su 4 (3x4=18) unsigned long. 7 bit del pattern sono impacchettati nei 4 bit meno significativi dei primi 3 long I restanti 3 sono impacchettati nel quarto long. Operatori utilizzati Operatori binari bitwise: AND OR NOT XOR Shift circolari : SHR, SHR, SHR4, SHL, SHL, SHL4 Funzione di fitness funzioni di fitness sperimentate FIT1 = numero di classificazioni corrette (VP + VN) FIT = sqrt ( Sensibilità + Specificità ) NB Se il training set è caratterizzato da una distribuzione uniforme degli esempi nelle 10 classi, allora i casi negativi per ogni classificatore sono 9 volte maggiori dei positivi. Costanti effimere (ERC) unsigned long su 3 bit => FIT1 privilegia la specificità FIT mantiene equilibrio fra le due proprietà 10

11 Parametri evoluzione Dati a disposizione Popolazione : 1000 Perc. Sopravvivenza : 17 % Perc. Crossover : 80% Perc. Mutazione : 3% Selezione tramite torneo con dimensione del torneo = 7 Database Soc. Autostrade circa caratteri 13x8 estratti da targhe reali binarizzati con soglia = 0.5 (0 = nero; 1 = bianco) 604 per il training set 5010 per il test set Da 300 a 000 iterazioni Singolo classificatore Metodo di classificazione Ingresso : unsigned long pattern[4] Uscita : unsigned long out Si considera come uscita del classificatore binario il bit di out che massimizza la fitness sul training set. Classificazione: si applicano i 10 classificatori e si guardano le risposte. Se la risposta è ambigua si applica un classificatore di emergenza (il classificatore LVQ attualmente in uso nel sistema APACHE). In caso di risposta nulla unica possibilità, in caso di più classi riconosciute è possibile specializzare altri classificatori nello spareggio fra classi. Scelta della fitness Con la strategia utilizzata, è stata scelta FIT1. Specificità molto elevata => quando il classificatore risponde 1, sbaglia molto raramente. I casi in cui non ci sono risposte sono meno del 5% I casi ambigui meno dell 1 % Circa il 95% dei caratteri può essere classificato direttamente (accuratezza train 99.98%, test 98.7%). Il restante 5% viene classificato tramite il classificatore LVQ. 11

12 Training set Risultati 99.65% di classificazioni corrette (99.98% sul 99% dei casi classificato direttamente) Test Set 97.43% di classificazioni corrette (98.7% sul 95.3% dei casi classificato direttamente) Circa 0.5 microsecondi per classificatore (.5 microsecondi per pattern) su un Pentium III 600MHz compilando i programmi genetici risultanti. Implementazione: notazione prefissa (AND (AND (NOT (SHR (OR PAT3 PAT))) (SHL4 (SHL4 (NOR (SHR PAT) (AND PAT3 (SHL4 (SHL4 (NOR (SHL (SHL4 PAT3)) (NOR (SHR4 (SHL PAT1)) PAT1)))))) (OR (OR (SHR PAT3) (AND (NOR PAT (AND (SHR PAT) (SHL PAT3)) (SHR (SHR4 (NOT (SHR PAT3)))))) (SHR (SHR4 PAT3))))))) Notazione infissa e listato C ( ( ( NOT ( SHR ( ( PAT3 ) OR ( PAT ) ) ) ) AND ( SHL4 ( SHL4 ( NOT ( ( SHR ( PAT ) ) OR (( PAT3 ) AND ( NOT ( ( SHR4 ( SHL ( PAT1 ) ) ) OR ( PAT1 ) ) ) ) ) ) ) ) ) AND ( SHL4 ( SHL4 ( NOT ( (SHL ( SHL4 ( PAT3 ) ) ) OR ( ( ( SHR ( PAT3 ) ) OR ( ( NOT ( ( PAT ) OR ( SHL ( PAT3 ) ) ) ) AND ( SHR ( SHR4 ( NOT ( SHR ( PAT3 ) ) ) ) ) ) ) OR ( ( SHR ( PAT ) ) AND ( SHR ( SHR4 ( PAT3 ) ) ) ) ) ) ) ) ) ) unsigned long class0 (unsigned long p1, unsigned long p, unsigned long p3, unsigned long p4) { return ( ( ( ~ ( SHR ( ( p3 ) ( p ) ) ) ) & ( SHL4 ( SHL4 ( ~ ( ( SHR ( p ) ) ( ( p3 ) & ( ~ ( ( SHR4 ( SHL ( p1 ) ) ) ( p1 ) ) ) ) ) ) ) ) ) & ( SHL4 ( SHL4 ( ~ ( ( SHL ( SHL4 ( p3 ) ) ) ( ( ( SHR ( p3 ) ) ( ( ~ ( ( p ) ( SHL ( p3 ) ) ) ) & ( SHR ( SHR4 ( ~ ( SHR ( p3 ) ) ) ) ) ) ) ( ( SHR ( p ) ) & ( SHR ( SHR4 ( p3 ) ) ) ) ) ) ) ) ) ); } SmcGP-based plate extraction Input data: 4 unsigned long words encoding a window, of size 3x4 pixels, from the binarized gradient image Desired SmcGP-evolved binary classifier output: 1 if the window belongs to the plate 0 otherwise 1

13 Training set Parametri dell evoluzione 80/130 images Input data: gradient image 100 samples/image: 60 from the plate area, 30 from around the plate, 10 from anywhere else in the image 366 negative positive = 5190 training samples Empty samples (that can be found both inside and outside the plate) have been purged. Popolazione = 1000 individui Selezione tramite torneo di dimensione 7 80% crossover 17% sopravvivenza 3% mutazione Fitness F' = ( nneg FP) ( n + nneg Pos FN ) n Pos = F'' = Dim _ Programma / F = F' + F'' Specificità + Sensibilità Results (training set) Typical results Performance of the best program: Specificity = 33/366 (88.5%) Sensitivity = 4045/484 (83.85%) Program size : 1087 Fitness: The same algorithm that APACHE directly applies to the gradient image can be applied to this image to improve plate localization 13

14 Results When several edges are present outside the plate, the basic algorithm may fail. Filling the gaps in the plate increases robustness The evolved algorithm produces a 10-fold increase in the density of detected pixels within the plate. Sample cases (comparison with APACHE) Both algorithms detect the plate correctly GRADIENT (%) GENETIC (%) PLATE PIXELS AVERAGE 367 (6.48%) 3513 (6.05%) 5661 The increase in the number of false detections is limited and mostly harmless. GRADIENT (%) GENETIC (%) BACKGROUND PIXELS AVERAGE 470 (0.1%) 8157 (.00%) Sample cases (comparison with APACHE) Apache fails, the genetic program detects the plate Quasi-ideal results Other results 14

15 Other results The plate is detected, despite a lot of noise Other results No edges are detected in the plate region: failure Sommario dei risultati Conclusioni Riconoscimento di caratteri: Prestazioni analoghe ad un classificatore LVQ con una riduzione del carico computazionale di circa 10 volte Individuazione della targa: Miglioramento in termini di accuratezza con limitato decremento dell efficienza computazionale L efficienza computazionale dei classificatori evoluti con SmcGP limita l overhead introdotto dal modulo aggiuntivo Nei molti casi in cui un problema di elaborazione/analisi di segnali/immagini è riconducibile ad un problema di ottimizzazione, gli algoritmi evolutivi forniscono strumenti potenti ed efficaci per la ricerca di buone soluzioni ai problemi da risolvere. PROVARE PER CREDERE!!! 15

16 BIBLIOGRAFIA Poli R., Cagnoni S., Valli G., ``Genetic design of optimum linear and non-linear QRS detectors'', IEEE Trans. on Biomedical Engineering, 4(11): ,1995. Poli R., Cagnoni S. ``Genetic programming with user-driven selection: experiments on the evolution of algorithms for image enhancement'', in Koza J.R., Deb K., Dorigo M., Fogel D.B., Garzon M., Iba H., and Riolo R.L. (editors), Genetic Programming 1997: Proceedings of the Second Annual Conference, July 13-16, 1997, Stanford University. San Francisco, CA: Morgan Kaufmann, pp , Cagnoni S., Dobrzeniecki A.B., Poli R., Yanch J.C. ``Genetic-algorithm-based interactive segmentation of 3D medical images'', Image and Vision Computing Journal, 17(1): , Cagnoni S., Bergenti F., Mordonini M., Adorni G., "Evolving binary classifiers through parallel computation of multiple fitness cases". IEEE Transactions on Systems, Man and Cybernetics Part B-Cybernetics, 35(3): ,

ELABORAZIONE DI SEGNALI E IMMAGINI MEDIANTE TECNICHE DI CALCOLO EVOLUTIVO. Stefano Cagnoni

ELABORAZIONE DI SEGNALI E IMMAGINI MEDIANTE TECNICHE DI CALCOLO EVOLUTIVO. Stefano Cagnoni ELABORAZIONE DI SEGNALI E IMMAGINI MEDIANTE TECNICHE DI CALCOLO EVOLUTIVO Stefano Cagnoni Ottimizzazione L approccio a problemi pratici per i quali non esistono (o sono solo parzialmente note) soluzioni

Dettagli

LA PROPRIETA INTELLETTUALE

LA PROPRIETA INTELLETTUALE LA PROPRIETA INTELLETTUALE Problemi Specifici nella Brevettazione 20 Gennaio 2010 Seminario Ufficio Brevetti ed Innovazione Tecnologica Camera di Commercio di Genova DR. Giorgio A. Karaghiosoff La protezione

Dettagli

Data Alignment and (Geo)Referencing (sometimes Registration process)

Data Alignment and (Geo)Referencing (sometimes Registration process) Data Alignment and (Geo)Referencing (sometimes Registration process) All data aquired from a scan position are refered to an intrinsic reference system (even if more than one scan has been performed) Data

Dettagli

Implementazione parallela di algoritmi genetici per la stima di HMM

Implementazione parallela di algoritmi genetici per la stima di HMM Università degli Studi di Trieste Implementazione parallela di algoritmi genetici per la stima di HMM Relatore Enzo Mumolo Candidato Nicola Timeus 14 marzo 2014 Motivazioni Pattern recognition mediante

Dettagli

Introduzione a Matlab

Introduzione a Matlab Introduzione a Matlab Ruggero Donida Labati Dipartimento di Tecnologie dell Informazione via Bramante 65, 26013 Crema (CR), Italy ruggero.donida@unimi.it Perché? MATLAB is a high-level technical computing

Dettagli

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre Machine Learning -1 Seminari di Sistemi Informatici Sommario Problemi di apprendimento Well-Posed Esempi di problemi well-posed Progettazione di un sistema di apprendimento Scelta della Training Experience

Dettagli

Combinazioni serie IL-MIL + MOT

Combinazioni serie IL-MIL + MOT Combinazioni tra riduttori serie IL-MIL e MOT Combined series IL-MIL + MOT reduction units Combinazioni serie IL-MIL + MOT Sono disponibili varie combinazioni tra riduttori a vite senza fine con limitatore

Dettagli

Ingegneria del Software Testing. Corso di Ingegneria del Software Anno Accademico 2012/2013

Ingegneria del Software Testing. Corso di Ingegneria del Software Anno Accademico 2012/2013 Ingegneria del Software Testing Corso di Ingegneria del Software Anno Accademico 2012/2013 1 Definizione IEEE Software testing is the process of analyzing a software item to detect the differences between

Dettagli

drag & drop visual programming appinventor storia appinventor un esempio di drag & drop programming: Scratch

drag & drop visual programming appinventor storia appinventor un esempio di drag & drop programming: Scratch drag & drop visual programming appinventor realizzazione app per Google Android OS appinventor è un applicazione drag & drop visual programming Contrariamente ai linguaggi tradizionali (text-based programming

Dettagli

F ORMATO EUROPEO INFORMAZIONI PERSONALI. Data di nascita 21 GENNAIO 1966 ESPERIENZA LAVORATIVA PER IL CURRICULUM VITAE

F ORMATO EUROPEO INFORMAZIONI PERSONALI. Data di nascita 21 GENNAIO 1966 ESPERIENZA LAVORATIVA PER IL CURRICULUM VITAE F ORMATO EUROPEO PER IL CURRICULUM VITAE INFORMAZIONI PERSONALI Nome ARMANDO STERNIERI Nazionalità Italiana Data di nascita 21 GENNAIO 1966 ESPERIENZA LAVORATIVA Principali mansioni e responsabilità Principali

Dettagli

F O R M A T O E U R O P E O P E R

F O R M A T O E U R O P E O P E R F O R M A T O E U R O P E O P E R I L C U R R I C U L U M V I T A E INFORMAZIONI PERSONALI Nome Indirizzo ARMANDO STERNIERI VIA SIROTTI, 19 42121 REGGIO EMILIA- ITALIA Telefono 0522/455141 Fax 0522/451382

Dettagli

Cristian Randieri. www.intellisystem.it

Cristian Randieri. www.intellisystem.it Cristian Randieri www.intellisystem.it Gli algoritmi genetici (GA = Genetic Algorithms) furono proposti inizialmente da J.H. Holland nel 1975. Da allora sono stati oggetto di molti studi e recentemente

Dettagli

Gruppo di lavoro 1 Metadati e RNDT. Incontro del 22 luglio 2014

Gruppo di lavoro 1 Metadati e RNDT. Incontro del 22 luglio 2014 Gruppo di lavoro 1 Metadati e RNDT Incontro del 1 Piano di lavoro 1. Condivisione nuova versione guide operative RNDT 2. Revisione regole tecniche RNDT (allegati 1 e 2 del Decreto 10 novembre 2011) a)

Dettagli

Sommario. Esempio di Modellazione mediante DASM: Grid OGSA. Grid secondo OGSA. Definizione Grid per OGSA. Stati di un Job e Requisiti DASM

Sommario. Esempio di Modellazione mediante DASM: Grid OGSA. Grid secondo OGSA. Definizione Grid per OGSA. Stati di un Job e Requisiti DASM Sommario Esempio di Modellazione mediante DASM: Grid Definizione Grid per OGSA Funzionalità JEMS Stati di un Job e Requisiti DASM DASM per Grid 1 DASM per Grid 2 OGSA Grid secondo OGSA OGSA = Open Grid

Dettagli

Corso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO. G. Di Pillo, S. Lucidi, L. Palagi

Corso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO. G. Di Pillo, S. Lucidi, L. Palagi Corso di Ottimizzazione MODELLI MATEMATICI PER IL PROBLEMA DELLO YIELD MANAGEMENT FERROVIARIO G. Di Pillo, S. Lucidi, L. Palagi in collaborazione con Datamat-Ingegneria dei Sistemi s.p.a. YIELD MANAGEMENT

Dettagli

Computazione Naturale AA. 2011-2012

Computazione Naturale AA. 2011-2012 Computazione Naturale AA. 2011-2012 Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica mpavone@dmi.unict.it http://www.dmi.unict.it/mpavone/ INDICE Obiettivi formativi Cos

Dettagli

POLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI

POLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI POLITECNICO DI BARI FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA TESI DI LAUREA IN CALCOLATORI ELETTRONICI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI Relatore:

Dettagli

Regressione non lineare con un modello neurale feedforward

Regressione non lineare con un modello neurale feedforward Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale

Dettagli

Radio Frequency Identification Systems

Radio Frequency Identification Systems Work--Tag passiivii Miinii--Conttrrollllerr USB CPR..PR50 & CPR..MR50 Manualle iinsttallllaziione Come tutti i dispositivi della Famiglia Work-Tag i controller operano con transponders di frequenza operativa

Dettagli

Sistemi Operativi II Corso di Laurea in Ingegneria Informatica

Sistemi Operativi II Corso di Laurea in Ingegneria Informatica www.dis.uniroma1.it/~midlab Sistemi Operativi II Corso di Laurea in Ingegneria Informatica Prof. Roberto Baldoni Complementi: Deadlock Tecniche di gestione del deadlock: 1. Caratterizzazione del deadlock

Dettagli

M257SC. Scanner per lastre Scanner for slabs

M257SC. Scanner per lastre Scanner for slabs M257SC Scanner per lastre Scanner for slabs M257SC Scanner per lastre utilizzato per la creazione di foto digitali a colori ad alta defi nizione e per il rilevamento dei dati dimensionali. Per ogni lastra

Dettagli

Dry clutch for automated manual transmissions. University of Salerno Department of Industrial Engineering. Mechanical Engineering

Dry clutch for automated manual transmissions. University of Salerno Department of Industrial Engineering. Mechanical Engineering European Union University of Salerno University of Salerno Department of Industrial Engineering Ph.D. Thesis in Mechanical Engineering Cycle XII (2011-2013) Dry clutch for automated manual transmissions

Dettagli

API e socket per lo sviluppo di applicazioni Web Based

API e socket per lo sviluppo di applicazioni Web Based API e socket per lo sviluppo di applicazioni Web Based Cosa sono le API? Consideriamo il problema di un programmatore che voglia sviluppare un applicativo che faccia uso dei servizi messi a disposizione

Dettagli

Ricerca Operativa A.A. 2007/2008

Ricerca Operativa A.A. 2007/2008 Ricerca Operativa A.A. 2007/2008 9. Cenni su euristiche e metaeuristiche per ottimizzazione combinatoria Motivazioni L applicazione di metodi esatti non è sempre possibile a causa della complessità del

Dettagli

Universita' di Ferrara Dipartimento di Matematica e Informatica. Algoritmi e Strutture Dati. Rappresentazione concreta di insiemi e Hash table

Universita' di Ferrara Dipartimento di Matematica e Informatica. Algoritmi e Strutture Dati. Rappresentazione concreta di insiemi e Hash table Universita' di Ferrara Dipartimento di Matematica e Informatica Algoritmi e Strutture Dati Rappresentazione concreta di insiemi e Hash table Copyright 2006-2015 by Claudio Salati. Lez. 9a 1 Rappresentazione

Dettagli

Appunti di Informatica 1. Gianluca Rossi

Appunti di Informatica 1. Gianluca Rossi Appunti di Informatica 1 Gianluca Rossi Versione maggio 2011 Indice 1 Algoritmi, macchine e linguaggi di programmazione 3 1.1 La macchina di Von Neumann........................ 5 1.2 Dal linguaggio macchina

Dettagli

info teoresi studi&ricerche

info teoresi studi&ricerche Individuazione automatica di segmenti rettilinei nelle immagini SAR basata sull uso congiunto della trasformata WAVELET e della trasformata di HOUGH Francesco Carlo Morabito, Giovanni Simone DIMET, Facoltà

Dettagli

Work flow Elettronica di acquisizione

Work flow Elettronica di acquisizione Work flow Elettronica di acquisizione USB INTERFACE rej DAQ rej DAQ y in y in 1b 4b 2b 3b rej y in DAQ rej y in DAQ 9 vs 9 moduli di rivelazione FPGA COINCIDENCE UNIT TTL I/O rej DAQ y in 1a 2a rej y in

Dettagli

Definizione e sintesi di modelli del traffico di rete per la rilevazione in tempo reale delle intrusioni in reti di calcolatori

Definizione e sintesi di modelli del traffico di rete per la rilevazione in tempo reale delle intrusioni in reti di calcolatori Definizione e sintesi di modelli del traffico di rete per la rilevazione in tempo reale delle intrusioni in reti di calcolatori Francesco Oliviero folivier@unina.it Napoli, 22 Febbraio 2005 ipartimento

Dettagli

Ingegneria del Software T. 2. Analisi orientata agli oggetti

Ingegneria del Software T. 2. Analisi orientata agli oggetti Ingegneria del Software T 2. Analisi orientata agli oggetti Per effettuare correttamente l analisi, è necessario Comunicare con l utente Ottenere una buona conoscenza dell area applicativa Determinare

Dettagli

La fase di progetto. UniRoma2 - Ingegneria del Software 1 1

La fase di progetto. UniRoma2 - Ingegneria del Software 1 1 La fase di progetto Fase in cui si decidono le modalità di passaggio da "che cosa" deve essere realizzato nel sistema software a "come" la realizzazione deve aver luogo La fase di progetto prende in input

Dettagli

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Ingegneria del Software L-A 2.1. 2. Analisi orientata agli oggetti

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Ingegneria del Software L-A 2.1. 2. Analisi orientata agli oggetti Ingegneria del Software L-A 2. orientata agli oggetti Per effettuare correttamente l analisi, è necessario Comunicare con l utente Ottenere una buona conoscenza dell area applicativa Determinare in dettaglio

Dettagli

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Analisi e gestione dei rischi. Analisi e gestione dei rischi. Ingegneria del Software L-A 2.

Analisi. Ingegneria del Software L-A. Analisi. Analisi. Analisi e gestione dei rischi. Analisi e gestione dei rischi. Ingegneria del Software L-A 2. Ingegneria del Software L-A 2. orientata agli oggetti Per effettuare correttamente l analisi, è necessario Comunicare con l utente Ottenere una buona conoscenza dell area applicativa Determinare in dettaglio

Dettagli

Guida all installazione del prodotto 4600 in configurazione plip

Guida all installazione del prodotto 4600 in configurazione plip Guida all installazione del prodotto 4600 in configurazione plip Premessa Questo prodotto è stato pensato e progettato, per poter essere installato, sia sulle vetture provviste di piattaforma CAN che su

Dettagli

Progetto POLAF - Master di II livello Tecnologie, Applicazioni e Servizi in Reti Eterogenee

Progetto POLAF - Master di II livello Tecnologie, Applicazioni e Servizi in Reti Eterogenee UNIVERSITÀ DEGLI STUDI DELL AQUILA Progetto POLAF - Master di II livello Tecnologie, Applicazioni e Servizi in Reti Eterogenee Sistemi Embedded Esempi di applicazione 14-03-2008 Luca Di Addario AGENDA

Dettagli

no. SIC04053.03 Rev. 00 Dated 2008.10.02

no. SIC04053.03 Rev. 00 Dated 2008.10.02 TECHNICAL REPORT RAPPORTO TECNICO no. SIC04053.03 Rev. 00 Dated 2008.10.02 This technical report may only be quoted in full. Any use for advertising purposes must be granted in writing. This report is

Dettagli

Copyright 2012 Binary System srl 29122 Piacenza ITALIA Via Coppalati, 6 P.IVA 01614510335 - info@binarysystem.eu http://www.binarysystem.

Copyright 2012 Binary System srl 29122 Piacenza ITALIA Via Coppalati, 6 P.IVA 01614510335 - info@binarysystem.eu http://www.binarysystem. CRWM CRWM (Web Content Relationship Management) has the main features for managing customer relationships from the first contact to after sales. The main functions of the application include: managing

Dettagli

Corsi di Laurea Magistrale/ Master Degree Programs

Corsi di Laurea Magistrale/ Master Degree Programs Corsi di Laurea Magistrale/ Master Degree Programs Studenti iscritti al I anno (immatricolati nell a.a. 2014-2015 / Students enrolled A. Y. 2014-2015) Piano di studi 17-27 Novembre 2014 (tramite web self-service)

Dettagli

Logica e codifica binaria dell informazione

Logica e codifica binaria dell informazione Politecnico di Milano Corsi di Laurea in Ingegneria Matematica e Ingegneria Fisica Dipartimento di Elettronica ed Informazione Logica e codifica binaria dell informazione Anno Accademico 2002 2003 L. Muttoni

Dettagli

L accesso alla Cochrane è consentito solo dal PC collegati alla rete della struttura tramite controllo dell indirizzo IP.

L accesso alla Cochrane è consentito solo dal PC collegati alla rete della struttura tramite controllo dell indirizzo IP. La Cochrane Library è il principale prodotto della Cochrane Collaboration. Si tratta di un Database che raccoglie tutte le revisioni sitematiche (RS) prodotte dalla Cochrane Collaboration ed i protocolli

Dettagli

Intelligenza Computazionale

Intelligenza Computazionale Intelligenza Computazionale A.A. 2009/10 Docente: Francesco Masulli masulli@disi.unige.it L'Intelligenza Computazionale (o Soft Computing o Natural Computing): insieme di metodologie di elaborazione dell'informazione

Dettagli

Algoritmi Genetici. e programmazione genetica

Algoritmi Genetici. e programmazione genetica Algoritmi Genetici e programmazione genetica Algoritmi Genetici Algoritmi motivati dall analogia con l evoluzione biologica Lamarck: le specie trasmutano nel tempo Darwin e Wallace: variazioni consistenti

Dettagli

Telecontrol systems for renewables: from systems to services

Telecontrol systems for renewables: from systems to services ABB -- Power Systems Division Telecontrol systems for renewables: from systems to Adrian Timbus - ABB Power Systems Division, Switzerland Adrian Domenico Timbus Fortugno ABB - Power ABB Power Systems Systems

Dettagli

Dalla Computer Vision alle interfacce naturali

Dalla Computer Vision alle interfacce naturali Dalla Computer Vision alle interfacce naturali METODI E MODELLI DI INTERAZIONE Social Q&A @vs_ar #askvisionary www.vision-ary.net 14/11/2014 TWITTER @VS_AR 2 Obiettivi del seminario 1. Fornire gli elementi

Dettagli

Workflow nella pubblica amministrazione: BPR e simulazione dei workflow inter-organizzativi

Workflow nella pubblica amministrazione: BPR e simulazione dei workflow inter-organizzativi Workflow nella pubblica amministrazione: BPR e simulazione dei workflow inter-organizzativi E.Casalicchio, S.Tucci Corso di Governo Digitale, a.a. 10/11 1 Obiettivi re-ingegnerizzazione dei processi (BPR)

Dettagli

Metodologie di progettazione

Metodologie di progettazione Metodologie di progettazione 1 Metodologie di progettazione Una procedura per progettare un sistema Il flusso di progettazione può essere parzialmente o totalmente automatizzato. Un insieme di tool possono

Dettagli

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale Esperienze di Apprendimento Automatico per il corso di lippi@dsi.unifi.it Dipartimento Sistemi e Informatica Università di Firenze Dipartimento Ingegneria dell Informazione Università di Siena Introduzione

Dettagli

Un sistema di Vision Inspection basato su reti neurali

Un sistema di Vision Inspection basato su reti neurali Un sistema di Vision Inspection basato su reti neurali Ludovico Buffon 1, Evelina Lamma 1, Fabrizio Riguzzi 1, Davide Formenti 2 1 Dipartimento di Ingegneria, Via Saragat 1, 44122 Ferrara (FE), Italia

Dettagli

Algoritmi di Ottimizzazione: Parte B gli Algoritmi Genetici

Algoritmi di Ottimizzazione: Parte B gli Algoritmi Genetici Identificazione e Controllo Intelligente Algoritmi di Ottimizzazione: Parte B gli Algoritmi Genetici David Naso A.A. 2006-2007 Identificazione e Controllo Intelligente 1 Algoritmi Evolutivi Nell ultimo

Dettagli

/. ^y^cr-^a. Bandwidth and Energy Efficiency. Continuous-Phase Modulation. and Coding for. 2?.g. g& presented by Bixio E. Rimoldi. dipl. El. Ing.

/. ^y^cr-^a. Bandwidth and Energy Efficiency. Continuous-Phase Modulation. and Coding for. 2?.g. g& presented by Bixio E. Rimoldi. dipl. El. Ing. Diss. ETH No.8629 /. ^y^cr-^a 2?.g. g& Continuous-Phase Modulation and Coding for Bandwidth and Energy Efficiency A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZÜRICH for the degree

Dettagli

Facoltà di Ingegneria Corso di Studi in Ingegneria Informatica. Metodologie e strumenti per il reengineering del workflow management

Facoltà di Ingegneria Corso di Studi in Ingegneria Informatica. Metodologie e strumenti per il reengineering del workflow management Descrizione di Macchine a Stati finiti in VHDL Descrizioni di Macchine a Stati finiti in VHDL In questa lezione vedremo come un sistema digitale sequenziale può essere descritto in VHDL. Outline: Macchine

Dettagli

13-03-2013. Introduzione al Semantic Web Linguaggi per la rappresentazione di ontologie. L idea del Semantic Web.

13-03-2013. Introduzione al Semantic Web Linguaggi per la rappresentazione di ontologie. L idea del Semantic Web. Corso di Ontologie e Semantic Web Linguaggi per la rappresentazione di ontologie Prof. Alfio Ferrara, Prof. Stefano Montanelli Definizioni di Semantic Web Rilievi critici Un esempio Tecnologie e linguaggi

Dettagli

UNIVERSITÀ DEGLI STUDI DI TORINO. Instructions to apply for exams ONLINE Version 01 updated on 17/11/2014

UNIVERSITÀ DEGLI STUDI DI TORINO. Instructions to apply for exams ONLINE Version 01 updated on 17/11/2014 Instructions to apply for exams ONLINE Version 01 updated on 17/11/2014 Didactic offer Incoming students 2014/2015 can take exams of courses scheduled in the a.y. 2014/2015 and offered by the Department

Dettagli

Cerveri Pietro Dipartimento di Bioingegneria Politecnico di Milano. 25,27 Ottobre 2005. Evoluzione

Cerveri Pietro Dipartimento di Bioingegneria Politecnico di Milano. 25,27 Ottobre 2005. Evoluzione Computazione evoluzionistica: algoritmi genetici e strategie evolutive - Fondamenti ed esempi di applicazione nel campo della Computer-Vision, Biomeccanica ed Elaborazione di Immagini Biomediche" Cerveri

Dettagli

CONFIGURATION MANUAL

CONFIGURATION MANUAL RELAY PROTOCOL CONFIGURATION TYPE CONFIGURATION MANUAL Copyright 2010 Data 18.06.2013 Rev. 1 Pag. 1 of 15 1. ENG General connection information for the IEC 61850 board 3 2. ENG Steps to retrieve and connect

Dettagli

Definizione di segnale

Definizione di segnale Signal detection Laura Sottosanti Ugo Moretti Definizione di segnale Information that arises from one or multiple sources (including observations and experiments), which suggests a new potentially causal

Dettagli

SLIM LINE ACU Slim solutions

SLIM LINE ACU Slim solutions SLIM LINE ACU Slim solutions I condizionatori della serie KSL Slim line sono studiati per installazione verticale interna o esterna al quadro.questa nuova linea di prodotto è il risultato tecnico più evoluto

Dettagli

Cos è un Calcolatore?

Cos è un Calcolatore? Cos è un Calcolatore? Definizione A computer is a machine that manipulates data according to a (well-ordered) collection of instructions. 24/105 Riassumendo... Un problema è una qualsiasi situazione per

Dettagli

Appunti del corso di Informatica 1 (IN110 Fondamenti) 6 Introduzione al linguaggio C

Appunti del corso di Informatica 1 (IN110 Fondamenti) 6 Introduzione al linguaggio C Università di Roma Tre Facoltà di Scienze M.F.N. Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN110 Fondamenti) 6 Introduzione al linguaggio C Marco Liverani (liverani@mat.uniroma3.it)

Dettagli

SOA!= OO. Andrea Saltarello Software Architect @ Managed Designs S.r.l. andrea.saltarello@manageddesigns.it http://blogs.ugidotnet.

SOA!= OO. Andrea Saltarello Software Architect @ Managed Designs S.r.l. andrea.saltarello@manageddesigns.it http://blogs.ugidotnet. SOA!= OO Andrea Saltarello Software Architect @ Managed Designs S.r.l. andrea.saltarello@manageddesigns.it http://blogs.ugidotnet.org/pape http://creativecommons.org/licenses/by-nc-nd/2.5/ Chi sono Solution

Dettagli

Area Sistemi Sicurezza Informatica

Area Sistemi Sicurezza Informatica InfoCamere Società Consortile di Informatica delle Camere di Commercio Italiane per azioni Note sull installazione di CardOS API 2.2.1 Funzione emittente 70500 Area Sistemi Sicurezza Informatica NOTE su

Dettagli

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Università degli Studi di Perugia Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Basi di Dati Avanzate e Tecniche di Data Mining Prof. G. Cecconi, Prof.

Dettagli

EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION

EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION remond@di.unito.it Department of Computer Science University

Dettagli

Lezione 4 Workload Characterization Processo che descrive con precisione il workload globale del sistema in termini delle sue componenti principali Ciascun componente a sua volta è decomposto in termini

Dettagli

Sistemi Distribuiti AA 2005/2006. durante il corso: dopo lezione dopo il corso: mercoledì dalle 16,00 alle 18,00 per chi lavora: spedire una mail

Sistemi Distribuiti AA 2005/2006. durante il corso: dopo lezione dopo il corso: mercoledì dalle 16,00 alle 18,00 per chi lavora: spedire una mail Sistemi Distribuiti AA 2005/2006 Laurea Specialistica-Telecomunicazioni Docente: Dott.Ing. Sara Tucci Piergiovanni Il corso: informazioni utili Riferimenti del docente: sito web: www.dis.uniroma1.it/tucci

Dettagli

Utilizzo del linguaggio Basic utilizzando l interfaccia di Excel Silvia Patacchini

Utilizzo del linguaggio Basic utilizzando l interfaccia di Excel Silvia Patacchini Introduzione all utilizzo di Visual Basic for Application Utilizzo del linguaggio Basic utilizzando l interfaccia di Excel Silvia Patacchini PROGRAMMAZIONE Insieme delle attività da svolgersi per creare

Dettagli

Esercizi Programming Contest

Esercizi Programming Contest Esercizi Programming Contest Alberto Montresor 22 maggio 2012 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

Name on a passport, HANGTAG

Name on a passport, HANGTAG recagroup design architecture art cinema travel music food Name on a passport, HANGTAG A quick look at printing techniques for hangtags RECA GROUP The hangtag of a garment is its ID card, its passport,

Dettagli

Impresa e innovazione nel settore energetico europeo: il contributo della conoscenza alla creazione di valore Silvia Bruzzi

Impresa e innovazione nel settore energetico europeo: il contributo della conoscenza alla creazione di valore Silvia Bruzzi ÉTUDES - STUDIES Impresa e innovazione nel settore energetico europeo: il contributo della conoscenza alla creazione di valore Silvia Bruzzi Polo Interregionale di Eccellenza Jean Monnet - Pavia Jean Monnet

Dettagli

AA 2006-07 LA RICORSIONE

AA 2006-07 LA RICORSIONE PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella

Dettagli

VJ Flash Moble is a standalone player that enables you to mix flash files (.swf) realtime from your mobile phone, directly to your big screen*

VJ Flash Moble is a standalone player that enables you to mix flash files (.swf) realtime from your mobile phone, directly to your big screen* ENGLISH: VJ FLASH MOBILE VJ Flash Moble is a standalone player that enables you to mix flash files (.swf) realtime from your mobile phone, directly to your big screen* Created specifically for Nokia mobile

Dettagli

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Andrea Bobbio Anno Accademico 2000-2001 Algebra Booleana 2 Calcolatore come rete logica Il calcolatore può essere visto come una rete logica

Dettagli

Calcolatori Elettronici

Calcolatori Elettronici Calcolatori Elettronici ISA di riferimento: MIPS Massimiliano Giacomin 1 DOVE CI TROVIAMO Livello funzionale Livello logico Livello circuitale Livello del layout istruzioni macchina, ISA Reti logiche:

Dettagli

ARRANGEMENT FOR A STUDENT EXCHANGE between University College London and The Scuola Normale Superiore, Pisa

ARRANGEMENT FOR A STUDENT EXCHANGE between University College London and The Scuola Normale Superiore, Pisa ARRANGEMENT FOR A STUDENT EXCHANGE between and The Scuola Normale Superiore, Pisa Preamble 1. The Faculty of Arts and Humanities (FAH) of (UCL) and the Scuola Normale Superiore of Pisa (SNS) have agreed

Dettagli

Secure Code Review: dalla teoria alla pratica

Secure Code Review: dalla teoria alla pratica Secure Code Review: dalla teoria alla pratica Antonio Parata http://www.emaze.net Antonio.parata@emaze.net OWASP-Day III Centro di Competenza ICT-Puglia - Dipartimento di Informatica Università degli Studi

Dettagli

Mod. 1067 INTERFACCIA USB/KEY USB/KEY INTERFACE. Sch./Ref.1067/003

Mod. 1067 INTERFACCIA USB/KEY USB/KEY INTERFACE. Sch./Ref.1067/003 Mod. 1067 DS1067-019 LBT8388 INTERFACCIA USB/KEY USB/KEY INTERFACE Sch./Ref.1067/003 ITALIANO DESCRIZIONE GENERALE L interfaccia 1067/003 consente di collegare alla Centrale 1067/032 o 1067/042 (ver. 2.00

Dettagli

3d geological modelling and education: teaching geological sections and geological mapping with MVE Move

3d geological modelling and education: teaching geological sections and geological mapping with MVE Move 3d geological modelling and education: teaching geological sections and geological mapping with MVE Move Fabrizio Berra, Fabrizio Felletti, Michele Zucali Università degli Studi di Milano, Dip. Scienze

Dettagli

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

Progettare l'isa. Progettare l'isa. Corso di Architettura degli Elaboratori. Interpretazione

Progettare l'isa. Progettare l'isa. Corso di Architettura degli Elaboratori. Interpretazione Corso di Architettura degli Elaboratori Il livelo ISA: ISA IJVM, tipi di dati e formato delle istruzioni Matteo Baldoni Dipartimento di Informatica Università degli Studi di Torino C.so Svizzera, 185 I-10149

Dettagli

Architettura Connettore Alfresco Share

Architettura Connettore Alfresco Share Direzione Sistemi Informativi Portale e Orientamento Allegato n. 2 al Capitolato Tecnico Indice Architettura Connettore Alfresco Share 1. Architettura del Connettore... 3 1.1 Componente ESB... 4 1.2 COMPONENTE

Dettagli

Esempio. Esempio. Linguaggio di Programmazione. Linguaggi di programmazione. Linguaggio di computazione. Linguaggi di programmazione

Esempio. Esempio. Linguaggio di Programmazione. Linguaggi di programmazione. Linguaggio di computazione. Linguaggi di programmazione Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Fondamenti di Informatica Problema e metodologie di progetto Linguaggio C: Introduzione Monica Mordonini Problema e Algoritmo

Dettagli

I geni marker sono necessari per l'isolamento di piante transgeniche (efficienza di trasf. non ottimale), ma poi non servono più.

I geni marker sono necessari per l'isolamento di piante transgeniche (efficienza di trasf. non ottimale), ma poi non servono più. Piante transgeniche prive di geni marker I geni marker sono necessari per l'isolamento di piante transgeniche (efficienza di trasf. non ottimale), ma poi non servono più. Possibili problemi una volta in

Dettagli

Circuiti non lineari

Circuiti non lineari Circuiti non lineari Parametri sistemi nonlineari Compressione del Guadagno PO (dbm) fondamentale db 2 a armonica Al crescere della potenza in ingresso il guadagno satura. La P I a cui la caratteristica

Dettagli

inedi Tecnica adattativa per l'interpolazione di immagini

inedi Tecnica adattativa per l'interpolazione di immagini Tesi di laurea inedi Tecnica adattativa per l'interpolazione di immagini Relatore Candidato Prof. Andrea Giachetti Nicola Asuni A.A. 2006/2007 Sommario Introduzione Il metodo di interpolazione NEDI Il

Dettagli

[2] Back T., 1996, Evolutionary algorithms in theory and practice, Oxford University.

[2] Back T., 1996, Evolutionary algorithms in theory and practice, Oxford University. Bibliografia [1] Alampalli S., Fu G., Dillon E. W., 1997, Signal versus noise in damage detection by experimental modal analisis, Journal Structural Engineering ASCE; 123(2): 237-45. [2] Back T., 1996,

Dettagli

Gestire i processi di business trasforma una organizzazione normale in una intelligente? Roberta Raimondi Professor, Sda Bocconi

Gestire i processi di business trasforma una organizzazione normale in una intelligente? Roberta Raimondi Professor, Sda Bocconi Gestire i processi di business trasforma una organizzazione normale in una intelligente? Roberta Raimondi Professor, Sda Bocconi 1) information goes to work 2) model the way Quale migliore prospettiva

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Anno accademico 2008-2009 Information Retrieval: Text Categorization Una definizione formale Sia D il dominio dei documenti Sia C = {c 1,,c C } un insieme di categorie predefinite

Dettagli

SAP PLM - DMS. SAP Document Management System integrazione con Content Server

SAP PLM - DMS. SAP Document Management System integrazione con Content Server SAP PLM - DMS SAP Document Management System integrazione con Content Server Apex assists companies increase business value by leveraging existing investments in SAP solutions SAP DMS Agenda Overview soluzione

Dettagli

Punto della Situazione. Dipartimento di Informatica e Comunicazione Università degli Studi di Milano e-mail: cazzola@dico.unimi.it

Punto della Situazione. Dipartimento di Informatica e Comunicazione Università degli Studi di Milano e-mail: cazzola@dico.unimi.it Punto della Situazione Dipartimento di Informatica e Comunicazione Università degli Studi di e-mail: cazzola@dico.unimi.it Slide 1 of 8 EOS-DUE: Informazioni Generali. L (responsabile), Lorenzo Capra e

Dettagli

Posta elettronica per gli studenti Email for the students

Posta elettronica per gli studenti Email for the students http://www.uninettunouniverstiy.net Posta elettronica per gli studenti Email for the students Ver. 1.0 Ultimo aggiornamento (last update): 10/09/2008 13.47 Informazioni sul Documento / Information on the

Dettagli

Il test valuta la capacità di pensare?

Il test valuta la capacità di pensare? Il test valuta la capacità di pensare? Per favore compili il seguente questionario senza farsi aiutare da altri. Cognome e Nome Data di Nascita / / Quanti anni scolastici ha frequentato? Maschio Femmina

Dettagli

Laboratorio di architettura degli elaboratori Progetto finale AA 2005/2006

Laboratorio di architettura degli elaboratori Progetto finale AA 2005/2006 Laboratorio di architettura degli elaboratori Progetto finale AA 2005/2006 Esercizio 1 - Heapsort Si consideri la seguente struttura dati, chiamata heap. Essa è un albero binario semi-completo (ossia un

Dettagli

Vedremo l impiego del sistema Aleph http://web.comlab.ox.ac.uk/oucl/research/areas/machle arn/aleph/aleph_toc.html Scritto in Prolog, open source

Vedremo l impiego del sistema Aleph http://web.comlab.ox.ac.uk/oucl/research/areas/machle arn/aleph/aleph_toc.html Scritto in Prolog, open source Apprendimento di regole del primo ordine: Aleph Aleph Vedremo l impiego del sistema Aleph http://web.comlab.ox.ac.uk/oucl/research/areas/machle arn/aleph/aleph_toc.html Scritto in Prolog, open source Aleph,

Dettagli

Lezione 10. La classificazione dell Intelligenza Artificiale

Lezione 10. La classificazione dell Intelligenza Artificiale Lezione 10 Intelligenza Artificiale Cosa è l Intelligenza Artificiale Elaborazione del linguaggio naturale La visione artificiale L apprendimento nelle macchine La classificazione dell Intelligenza Artificiale

Dettagli

How to use the WPA2 encrypted connection

How to use the WPA2 encrypted connection How to use the WPA2 encrypted connection At every Alohawifi hotspot you can use the WPA2 Enterprise encrypted connection (the highest security standard for wireless networks nowadays available) simply

Dettagli

Aritmetica dei Calcolatori 2

Aritmetica dei Calcolatori 2 Laboratorio di Architettura 13 aprile 2012 1 Operazioni bit a bit 2 Rappresentazione binaria con segno 3 Esercitazione Operazioni logiche bit a bit AND OR XOR NOT IN OUT A B A AND B 0 0 0 0 1 0 1 0 0 1

Dettagli

AVVISO n.17252 25 Settembre 2007

AVVISO n.17252 25 Settembre 2007 AVVISO n.17252 25 Settembre 2007 Mittente del comunicato : Borsa Italiana Societa' oggetto : dell'avviso Oggetto : Modifiche alle Istruzioni al Regolamento IDEM: Theoretical Fair Value (TFV)/Amendments

Dettagli

Esercitazione Informatica I AA 2012-2013. Nicola Paoletti

Esercitazione Informatica I AA 2012-2013. Nicola Paoletti Esercitazione Informatica I AA 2012-2013 Nicola Paoletti 4 Gigno 2013 2 Conversioni Effettuare le seguenti conversioni, tenendo conto del numero di bit con cui si rappresenta il numero da convertire/convertito.

Dettagli

EN IT. Computer Manual. Manuale computer. Console

EN IT. Computer Manual. Manuale computer. Console Computer Manual Manuale computer EN IT Console www.energetics.eu Table of contents / Indice 1. English....................................... p. 4 2. Italiano....................................... p.

Dettagli

Esercitazioni su rappresentazione dei numeri e aritmetica dei calcolatori"

Esercitazioni su rappresentazione dei numeri e aritmetica dei calcolatori Esercitazioni su rappresentazione dei numeri e aritmetica dei calcolatori" slide a cura di Salvatore Orlando & Marta Simeoni " Architettura degli Elaboratori 1 Interi unsigned in base 2" Si utilizza un

Dettagli