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): ,

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

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

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

Linguaggio del calcolatore. Algebra di Boole AND, OR, NOT. Notazione. And e or. Circuiti e reti combinatorie. Appendice A + dispense

Linguaggio del calcolatore. Algebra di Boole AND, OR, NOT. Notazione. And e or. Circuiti e reti combinatorie. Appendice A + dispense Linguaggio del calcolatore Circuiti e reti combinatorie ppendice + dispense Solo assenza o presenza di tensione: o Tante componenti interconnesse che si basano su e nche per esprimere concetti complessi

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

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

Descrizioni VHDL Behavioral

Descrizioni VHDL Behavioral 1 Descrizioni VHDL Behavioral In questo capitolo vedremo come la struttura di un sistema digitale è descritto in VHDL utilizzando descrizioni di tipo comportamentale. Outline: process wait statements,

Dettagli

Lezione 12: La visione robotica

Lezione 12: La visione robotica Robotica Robot Industriali e di Servizio Lezione 12: La visione robotica L'acquisizione dell'immagine L acquisizione dell immagine Sensori a tubo elettronico (Image-Orthicon, Plumbicon, Vidicon, ecc.)

Dettagli

Guida ai Parametri di negoziazione dei mercati regolamentati organizzati e gestiti da Borsa Italiana

Guida ai Parametri di negoziazione dei mercati regolamentati organizzati e gestiti da Borsa Italiana Guida ai Parametri di negoziazione dei mercati regolamentati organizzati e gestiti da Borsa Italiana Versione 04 1/28 INTRODUZIONE La Guida ai Parametri contiene la disciplina relativa ai limiti di variazione

Dettagli

e-spare Parts User Manual Peg Perego Service Site Peg Perego [Dicembre 2011]

e-spare Parts User Manual Peg Perego Service Site Peg Perego [Dicembre 2011] Peg Perego Service Site Peg Perego [Dicembre 2011] 2 Esegui il login: ecco la nuova Home page per il portale servizi. Log in: welcome to the new Peg Perego Service site. Scegli il servizio selezionando

Dettagli

Rapida Introduzione all uso del Matlab Ottobre 2002

Rapida Introduzione all uso del Matlab Ottobre 2002 Rapida Introduzione all uso del Matlab Ottobre 2002 Tutti i tipi di dato utilizzati dal Matlab sono in forma di array. I vettori sono array monodimensionali, e così possono essere viste le serie temporali,

Dettagli

Zeroshell come client OpenVPN

Zeroshell come client OpenVPN Zeroshell come client OpenVPN (di un server OpenVpn Linux) Le funzionalità di stabilire connessioni VPN di Zeroshell vede come scenario solito Zeroshell sia come client sia come server e per scelta architetturale,

Dettagli

Introduzione agli algoritmi e alla programmazione in VisualBasic.Net

Introduzione agli algoritmi e alla programmazione in VisualBasic.Net Lezione 1 Introduzione agli algoritmi e alla programmazione in VisualBasic.Net Definizione di utente e di programmatore L utente è qualsiasi persona che usa il computer anche se non è in grado di programmarlo

Dettagli

Catalogo Trattamento dell Aria - Collezione 2009

Catalogo Trattamento dell Aria - Collezione 2009 Catalogo Trattamento dell Aria - Collezione 2009 SECCOTECH & S 8 SeccoTech & Secco Tecnologia al servizio della deumidificazione Technology at dehumidification's service Potenti ed armoniosi Seccotech

Dettagli

Gi-Gi Art. 859 - User's Guide Istruzioni d'uso

Gi-Gi Art. 859 - User's Guide Istruzioni d'uso doc.4.12-06/03 Gi-Gi Art. 859 - User's Guide Istruzioni d'uso A belaying plate that can be used in many different conditions Una piastrina d'assicurazione che può essere utilizzata in condizioni diverse.

Dettagli

Architetture CISC e RISC

Architetture CISC e RISC FONDAMENTI DI INFORMATICA Prof. PIER LUCA MONTESSORO Facoltà di Ingegneria Università degli Studi di Udine Architetture CISC e RISC 2000 Pier Luca Montessoro (si veda la nota di copyright alla slide n.

Dettagli

STRUTTURE (O COSTRUTTI) DI CONTROLLO

STRUTTURE (O COSTRUTTI) DI CONTROLLO Le strutture di controllo Le strutture di controllo STRUTTURE (O COSTRUTTI) DI CONTROLLO determinano l ordine con cui devono essere eseguite le istruzioni sono indipendenti dalla natura delle istruzioni

Dettagli

MIPS Instruction Set 2

MIPS Instruction Set 2 Laboratorio di Architettura 15 aprile 2011 1 Architettura Mips 2 Chiamata a Funzione 3 Esercitazione Registri MIPS reference card: http://refcards.com/docs/waetzigj/mips/mipsref.pdf 32 registri general

Dettagli

Esercizio di Sincronizzazione tra Processi: Ponte a Senso Unico Alternato con Capacità Limitata

Esercizio di Sincronizzazione tra Processi: Ponte a Senso Unico Alternato con Capacità Limitata Esercizio di Sincronizzazione tra Processi: Ponte a Senso Unico Alternato con Capacità Limitata Supponiamo sempre di avere un ponte stretto che permette il passaggio delle auto solo in un verso per volta,

Dettagli

Accordo su chiavi. (key agreement) Alfredo De Santis. Marzo 2015. Dipartimento di Informatica Università di Salerno

Accordo su chiavi. (key agreement) Alfredo De Santis. Marzo 2015. Dipartimento di Informatica Università di Salerno Accordo su chiavi (key agreement) Alfredo De Santis Dipartimento di Informatica Università di Salerno ads@dia.unisa.it http://www.dia.unisa.it/professori/ads Marzo 2015 Accordo su una chiave Alice Bob??

Dettagli

MODULO DI ISCRIZIONE - ENROLMENT FORM

MODULO DI ISCRIZIONE - ENROLMENT FORM Under the Patronage of Comune di Portofino Regione Liguria 1ST INTERNATIONAL OPERA SINGING COMPETITION OF PORTOFINO from 27th to 31st July 2015 MODULO DI ISCRIZIONE - ENROLMENT FORM Direzione artistica

Dettagli

Istruzione N. Versione. Ultima. modifica. Funzione. Data 18/12/2009. Firma. Approvato da: ASSEMBLAGGIO COLLAUDO TRAINING IMBALLO. service 07.

Istruzione N. Versione. Ultima. modifica. Funzione. Data 18/12/2009. Firma. Approvato da: ASSEMBLAGGIO COLLAUDO TRAINING IMBALLO. service 07. Istruzione N 62 Data creazione 18/ 12/2009 Versione N 00 Ultima modifica TIPO ISTRUZIONE ASSEMBLAGGIO COLLAUDO TRAINING MODIFICA TEST FUNZIONALE RIPARAZIONE/SOSTITUZIONE IMBALLO TITOLO DELL ISTRUZIONE

Dettagli

PerformAzioni International Workshop Festival 22nd February 3rd May 2013 LIV Performing Arts Centre Bologna, Italy APPLICATION FORM AND BANK DETAILS

PerformAzioni International Workshop Festival 22nd February 3rd May 2013 LIV Performing Arts Centre Bologna, Italy APPLICATION FORM AND BANK DETAILS PerformAzioni International Workshop Festival 22nd February 3rd May 2013 LIV Performing Arts Centre Bologna, Italy APPLICATION FORM AND BANK DETAILS La domanda di partecipazione deve essere compilata e

Dettagli

Qual è l errore più comune tra i Trader sul Forex e come possiamo evitarlo? David Rodriguez, Quantitative Strategist drodriguez@dailyfx.

Qual è l errore più comune tra i Trader sul Forex e come possiamo evitarlo? David Rodriguez, Quantitative Strategist drodriguez@dailyfx. Qual è l errore più comune tra i Trader sul Forex e come possiamo evitarlo? David Rodriguez, Quantitative Strategist drodriguez@dailyfx.com Avvertenza di Rischio: Il Margin Trading su forex e/o CFD comporta

Dettagli

Lezione 20: Strutture di controllo di robot. avanzati

Lezione 20: Strutture di controllo di robot. avanzati Robotica Mobile Lezione 20: Strutture di controllo di robot Come costruire un architettura BARCS L architettura BARCS Behavioural Architecture Robot Control System Strategie Strategie Obiettivi Obiettivi

Dettagli

IL LINGUAGGIO C++ Configurazione di Dev-C++

IL LINGUAGGIO C++ Configurazione di Dev-C++ IL LINGUAGGIO C++ Note sull'uso di DevC++ Requisiti di sistema per Dev-C++ - Sistema operativo Microsoft Windows 95, 98, Millenium Edition, NT 4, 2000 o XP - RAM: 8 Mb (consigliati almeno 32 Mb) - CPU:

Dettagli

Ministero della Salute Direzione Generale della Ricerca Scientifica e Tecnologica Bando Giovani Ricercatori - 2007 FULL PROJECT FORM

Ministero della Salute Direzione Generale della Ricerca Scientifica e Tecnologica Bando Giovani Ricercatori - 2007 FULL PROJECT FORM ALLEGATO 2 FULL PROJECT FORM FORM 1 FORM 1 General information about the project PROJECT SCIENTIFIC COORDINATOR TITLE OF THE PROJECT (max 90 characters) TOTAL BUDGET OF THE PROJECT FUNDING REQUIRED TO

Dettagli

Così come le macchine meccaniche trasformano

Così come le macchine meccaniche trasformano DENTRO LA SCATOLA Rubrica a cura di Fabio A. Schreiber Il Consiglio Scientifico della rivista ha pensato di attuare un iniziativa culturalmente utile presentando in ogni numero di Mondo Digitale un argomento

Dettagli

Aggiornamenti CIO Rivista ufficiale del Club Italiano Osteosintesi

Aggiornamenti CIO Rivista ufficiale del Club Italiano Osteosintesi Aggiornamenti CIO Rivista ufficiale del Club Italiano Osteosintesi Istruzioni per gli Autori Informazioni generali Aggiornamenti CIO è la rivista ufficiale del Club Italiano Osteosintesi e pubblica articoli

Dettagli

Introduzione al linguaggio C Gli array

Introduzione al linguaggio C Gli array Introduzione al linguaggio C Gli array Vettori nome del vettore (tutti gli elementi hanno lo stesso nome, c) Vettore (Array) Gruppo di posizioni (o locazioni di memoria) consecutive Hanno lo stesso nome

Dettagli

RUP (Rational Unified Process)

RUP (Rational Unified Process) RUP (Rational Unified Process) Caratteristiche, Punti di forza, Limiti versione del tutorial: 3.3 (febbraio 2007) Pag. 1 Unified Process Booch, Rumbaugh, Jacobson UML (Unified Modeling Language) notazione

Dettagli

Process mining & Optimization Un approccio matematico al problema

Process mining & Optimization Un approccio matematico al problema Res User Meeting 2014 con la partecipazione di Scriviamo insieme il futuro Paolo Ferrandi Responsabile Tecnico Research for Enterprise Systems Federico Bonelli Engineer Process mining & Optimization Un

Dettagli

Mod. VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES

Mod. VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES Mod VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES Mod VS/AM 65 1 2 VS/AM 65 STANDARD VS/AM 65 CON RACCORDI VS/AM 65

Dettagli

ENERGY-EFFICIENT HOME VENTILATION SYSTEMS

ENERGY-EFFICIENT HOME VENTILATION SYSTEMS SISTEMI DI RECUPERO RESIDENZIALE HOME RECOVERY SYSTEMS RECUPERO DI CALORE AD ALTA EFFICIENZA HIGH EFFICIENCY HEAT RECOVERY VENTILAZIONE A BASSO CONSUMO LOW ENERGY VENTILATION SISTEMI DI RICAMBIO CONTROLLATO

Dettagli

Il compilatore Dev-C++

Il compilatore Dev-C++ Il compilatore Dev-C++ A cura del dott. Marco Cesati 1 Il compilatore Dev-C++ Compilatore per Windows: http://www.bloodshed.net/devcpp.html Installazione Configurazione Utilizzazione 2 1 Requisiti di sistema

Dettagli

1. Che cos è. 2. A che cosa serve

1. Che cos è. 2. A che cosa serve 1. Che cos è Il Supplemento al diploma è una certificazione integrativa del titolo ufficiale conseguito al termine di un corso di studi in una università o in un istituto di istruzione superiore corrisponde

Dettagli

INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 DHCP Dynamic Host Configuration Protocol Fausto Marcantoni fausto.marcantoni@unicam.

INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 DHCP Dynamic Host Configuration Protocol Fausto Marcantoni fausto.marcantoni@unicam. Laurea in INFORMATICA INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 Dynamic Host Configuration Protocol fausto.marcantoni@unicam.it Prima di iniziare... Gli indirizzi IP privati possono essere

Dettagli

Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale.

Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale. Modal 2 Modulo Analisi modale Modulo per l Analisi della dinamica strutturale. L analisi modale è un approccio molto efficace al comportamento dinamico delle strutture, alla verifica di modelli di calcolo

Dettagli

Arduino: Programmazione

Arduino: Programmazione Programmazione formalmente ispirata al linguaggio C da cui deriva. I programmi in ARDUINO sono chiamati Sketch. Un programma è una serie di istruzioni che vengono lette dall alto verso il basso e convertite

Dettagli

24V DC ±10% 0.5... 1 W. Fluido Fluid. 15 Nl/min

24V DC ±10% 0.5... 1 W. Fluido Fluid. 15 Nl/min elettropiloti 0 mm 0 mm solenoids Elettropilota Solenoid valve 0 mm 00.44.0 ACCESSORI - ACCESSORIES 07.049.0 Connettore per elettropilota 0 mm con cavetto rosso/nero, lunghezza 400 mm - connector for 0

Dettagli

SciPy. Programmazione Orientata agli Oggetti e Scripting in Python

SciPy. Programmazione Orientata agli Oggetti e Scripting in Python SciPy Programmazione Orientata agli Oggetti e Scripting in Python SciPy: Informazioni di Base Libreria di algoritmi e strumenti matematici Fornisce: moduli per l'ottimizzazione, per l'algebra lineare,

Dettagli

Il Concetto di Processo

Il Concetto di Processo Processi e Thread Il Concetto di Processo Il processo è un programma in esecuzione. È l unità di esecuzione all interno del S.O. Solitamente, l esecuzione di un processo è sequenziale (le istruzioni vengono

Dettagli

Potenze di 10 e il SI

Potenze di 10 e il SI Le potenze di 10 e il SI - 1 Potenze di 10 e il SI Particolare importanza assumono le potenze del numero 10, poiché permettono di semplificare la scrittura di numeri grandissimi e piccolissimi. Tradurre

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello della Web Application 5 3 Struttura della web Application 6 4 Casi di utilizzo della Web

Dettagli

group HIGH CURRENT MULTIPLEX NODE

group HIGH CURRENT MULTIPLEX NODE HIGH CURRENT MULTIPLEX NODE edizione/edition 04-2010 HIGH CURRENT MULTIPLEX NODE DESCRIZIONE GENERALE GENERAL DESCRIPTION L'unità di controllo COBO è una centralina elettronica Multiplex Slave ; la sua

Dettagli

Editoriale VALUTAZIONE PER L E.C.M.: ANALISI DEI QUESTIONARI DI GRADIMENTO

Editoriale VALUTAZIONE PER L E.C.M.: ANALISI DEI QUESTIONARI DI GRADIMENTO Lo Spallanzani (2007) 21: 5-10 C. Beggi e Al. Editoriale VALUTAZIONE PER L E.C.M.: ANALISI DEI QUESTIONARI DI GRADIMENTO IL GRADIMENTO DEI DISCENTI, INDICATORE DI SODDISFAZIONE DELLE ATTIVITÀ FORMATIVE

Dettagli

Informazioni su questo libro

Informazioni su questo libro Informazioni su questo libro Si tratta della copia digitale di un libro che per generazioni è stato conservata negli scaffali di una biblioteca prima di essere digitalizzato da Google nell ambito del progetto

Dettagli

DDS elettronica srl si riserva il diritto di apportare modifiche senza preavviso /we reserves the right to make changes without notice

DDS elettronica srl si riserva il diritto di apportare modifiche senza preavviso /we reserves the right to make changes without notice Maccarone Maccarone Maccarone integra 10 LED POWER TOP alta efficienza, in tecnologia FULL COLOR che permette di raggiungere colori e sfumature ad alta definizione. Ogni singolo led full color di Maccarone

Dettagli

Ricorsione. Corso di Fondamenti di Informatica

Ricorsione. Corso di Fondamenti di Informatica Dipartimento di Informatica e Sistemistica Antonio Ruberti Sapienza Università di Roma Ricorsione Corso di Fondamenti di Informatica Laurea in Ingegneria Informatica (Canale di Ingegneria delle Reti e

Dettagli

COMINCIAMO A SENTIRCI UNA FAMIGLIA

COMINCIAMO A SENTIRCI UNA FAMIGLIA COMINCIAMO A SENTIRCI UNA FAMIGLIA IL PRIMO GIORNO CON LA FAMIGLIA OSPITANTE FIRST DAY WITH THE HOST FAMILY Questa serie di domande, a cui gli studenti risponderanno insieme alle loro famiglie, vuole aiutare

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

Il Form C cartaceo ed elettronico

Il Form C cartaceo ed elettronico Il Form C cartaceo ed elettronico Giusy Lo Grasso Roma, 9 luglio 2012 Reporting DURANTE IL PROGETTO VENGONO RICHIESTI PERIODIC REPORT entro 60 giorni dalla fine del periodo indicato all Art 4 del GA DELIVERABLES

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

Informatica Applicata

Informatica Applicata Ing. Irina Trubitsyna Concetti Introduttivi Programma del corso Obiettivi: Il corso di illustra i principi fondamentali della programmazione con riferimento al linguaggio C. In particolare privilegia gli

Dettagli

Gli algoritmi. Gli algoritmi. Analisi e programmazione

Gli algoritmi. Gli algoritmi. Analisi e programmazione Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata

Dettagli

Esercitazione 7. Procedure e Funzioni

Esercitazione 7. Procedure e Funzioni Esercitazione 7 Procedure e Funzioni Esercizio Scrivere un programma che memorizza in un array di elementi di tipo double le temperature relative al mese corrente e ne determina la temperatura massima,

Dettagli

Castello di San Donato in Perano Matrimoni nel Chianti Weddings in Chianti

Castello di San Donato in Perano Matrimoni nel Chianti Weddings in Chianti Castello di San Donato in Perano Matrimoni nel Chianti Weddings in Chianti Sede di Rappresentanza: Castello di San Donato in Perano 53013 Gaiole in Chianti (Si) Tel. 0577-744121 Fax 0577-745024 www.castellosandonato.it

Dettagli

Altri cifrari a blocchi

Altri cifrari a blocchi Altri cifrari a blocchi Barbara Masucci Dipartimento di Informatica ed Applicazioni Università di Salerno masucci@dia.unisa.it http://www.dia.unisa.it/professori/masucci RC2 [1989] IDEA (International

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak

5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak Tipo: Type: 5 cabine (1 main deck+ 4 lower deck) 5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak Tessuti: Dedar Fanfara, Paola Lenti Fabrics: Dedar Fanfara,

Dettagli

Teoria della misurazione e misurabilità di grandezze non fisiche

Teoria della misurazione e misurabilità di grandezze non fisiche Teoria della misurazione e misurabilità di grandezze non fisiche Versione 12.6.05 Teoria della misurazione e misurabilità di grandezze non fisiche 1 Il contesto del discorso (dalla lezione introduttiva)

Dettagli

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione Processi (di sviluppo del) software Fase di Analisi dei Requisiti Un processo software descrive le attività (o task) necessarie allo sviluppo di un prodotto software e come queste attività sono collegate

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

Fondamenti di Informatica e Laboratorio T-AB T-16 Progetti su più file. Funzioni come parametro. Parametri del main

Fondamenti di Informatica e Laboratorio T-AB T-16 Progetti su più file. Funzioni come parametro. Parametri del main Fondamenti di Informatica e Laboratorio T-AB T-16 Progetti su più file. Funzioni come parametro. Parametri del main Paolo Torroni Dipartimento di Elettronica, Informatica e Sistemistica Università degli

Dettagli

RICORSIONE - schema ricorsivo (o induttivo) si esegue l'azione S, su un insieme di dati D, mediante eventuale esecuzione di

RICORSIONE - schema ricorsivo (o induttivo) si esegue l'azione S, su un insieme di dati D, mediante eventuale esecuzione di RICORSIONE - schema ricorsivo (o induttivo) si esegue l'azione S, su un insieme di dati D, mediante eventuale esecuzione di esempio CERCA 90 NEL SACCHETTO = estrai num Casi num 90 Effetti CERCA 90 NEL

Dettagli

UML Component and Deployment diagram

UML Component and Deployment diagram UML Component and Deployment diagram Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it Dipartimento di Ingegneria Informatica e delle Telecomunicazioni Università di Catania I diagrammi UML Classificazione

Dettagli

Informatica. Scopo della lezione

Informatica. Scopo della lezione 1 Informatica per laurea diarea non informatica LEZIONE 1 - Cos è l informatica 2 Scopo della lezione Introdurre le nozioni base della materia Definire le differenze tra hardware e software Individuare

Dettagli

Analisi di massima: L utente dovrà inserire un numero limite, e tramite vari calcoli verrà stampato a video la sequenza.

Analisi di massima: L utente dovrà inserire un numero limite, e tramite vari calcoli verrà stampato a video la sequenza. Relazione tecnica Fibonacci ANDENA GIANMARCO Traccia: Creare un algoritmo che permetta, dato un valore intero e positivo, di stabilire la sequenza utilizzando la regola di fibonacci dei numeri fino al

Dettagli

MODBUS-RTU per. Specifiche protocollo di comunicazione MODBUS-RTU per controllo in rete dispositivi serie. Expert NANO 2ZN

MODBUS-RTU per. Specifiche protocollo di comunicazione MODBUS-RTU per controllo in rete dispositivi serie. Expert NANO 2ZN per Expert NANO 2ZN Specifiche protocollo di comunicazione MODBUS-RTU per controllo in rete dispositivi serie Expert NANO 2ZN Nome documento: MODBUS-RTU_NANO_2ZN_01-12_ITA Software installato: NANO_2ZN.hex

Dettagli

Matlab: Funzioni. Informatica B. Daniele Loiacono

Matlab: Funzioni. Informatica B. Daniele Loiacono Matlab: Funzioni Informatica B Funzioni A cosa servono le funzioni? 3 x = input('inserisci x: '); fx=1 for i=1:x fx = fx*x if (fx>220) y = input('inserisci y: '); fy=1 for i=1:y fy = fy*y A cosa servono

Dettagli

Sistemi di gestione dei dati e dei processi aziendali. Information Technology General Controls

Sistemi di gestione dei dati e dei processi aziendali. Information Technology General Controls Information Technology General Controls Indice degli argomenti Introduzione agli ITGC ITGC e altre componenti del COSO Framework Sviluppo e manutenzione degli applicativi Gestione operativa delle infrastrutture

Dettagli

Tecnologia personale per l autonomia di persone con disabilità nel calcolo del resto

Tecnologia personale per l autonomia di persone con disabilità nel calcolo del resto Tecnologia personale per l autonomia di persone con disabilità nel calcolo del resto Giovanni Dimauro 1, Marzia Marzo 2 1 Dipartimento di Informatica, Università degli Studi di Bari, dimauro@di.uniba.it

Dettagli

INTRODUZIONE, LINGUAGGIO, HANDS ON. Giuseppe Cirillo g.cirillo@unina.it

INTRODUZIONE, LINGUAGGIO, HANDS ON. Giuseppe Cirillo g.cirillo@unina.it INTRODUZIONE, LINGUAGGIO, HANDS ON Giuseppe Cirillo g.cirillo@unina.it Il linguaggio C 1972-Dennis Ritchie 1978-Definizione 1990-ANSI C 1966 Martin Richars (MIT) Semplificando CPL usato per sviluppare

Dettagli

PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI

PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI PROBLEMA DELLA RICERCA in termini generali: Dati in input un insieme S di elementi (numeri, caratteri, stringhe, ) e un elemento

Dettagli

/*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i, giusto,len;

/*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i, giusto,len; /* Date in ingresso una frase, dire se una è palindroma */ #include #define MAX 100 int main() /*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i,

Dettagli

Introduzione alle applicazioni di rete

Introduzione alle applicazioni di rete Introduzione alle applicazioni di rete Definizioni base Modelli client-server e peer-to-peer Socket API Scelta del tipo di servizio Indirizzamento dei processi Identificazione di un servizio Concorrenza

Dettagli

Intrusion Detection System

Intrusion Detection System Capitolo 12 Intrusion Detection System I meccanismi per la gestione degli attacchi si dividono fra: meccanismi di prevenzione; meccanismi di rilevazione; meccanismi di tolleranza (recovery). In questo

Dettagli

Verifica che una grammatica sia Context Free nel GrammaReader

Verifica che una grammatica sia Context Free nel GrammaReader Verifica che una grammatica sia Context Free nel GrammaReader Sommario Dispensa di Linguaggi di Programmazione Corrado Mencar Pasquale Lops In questa dispensa si descrivono alcune soluzioni per verificare

Dettagli

Il vostro sogno diventa realtà... Your dream comes true... Close to Volterra,portions for sale of "typical tuscan"

Il vostro sogno diventa realtà... Your dream comes true... Close to Volterra,portions for sale of typical tuscan Il vostro sogno diventa realtà... Vicinanze di Volterra vendita di porzione di fabbricato "tipico Toscano" realizzate da recupero di casolare in bellissima posizione panoramica. Your dream comes true...

Dettagli

Mario Rotta. eportfolio e altre strategie di personalizzazione per l'apprendimento continuo

Mario Rotta. eportfolio e altre strategie di personalizzazione per l'apprendimento continuo eportfolio e altre strategie di personalizzazione per l'apprendimento continuo Quali strategie possono essere applicate con successo nel Life Long Learning, tenendo conto degli scenari attuali? Emerge

Dettagli

Rational Unified Process Introduzione

Rational Unified Process Introduzione Rational Unified Process Introduzione G.Raiss - A.Apolloni - 4 maggio 2001 1 Cosa è E un processo di sviluppo definito da Booch, Rumbaugh, Jacobson (autori dell Unified Modeling Language). Il RUP è un

Dettagli

Le funzioni. Funzioni. Funzioni. Funzioni. Funzioni. Funzioni

Le funzioni. Funzioni. Funzioni. Funzioni. Funzioni. Funzioni Funzioni Le funzioni Con il termine funzione si intende, in generale, un operatore che, applicato a un insieme di operandi, consente di calcolare un risultato, come avviene anche per una funzione matematica

Dettagli

APPLICATION FORM 1. YOUR MOTIVATION/ LA TUA MOTIVAZIONE

APPLICATION FORM 1. YOUR MOTIVATION/ LA TUA MOTIVAZIONE APPLICATION FORM Thank you for your interest in our project. We would like to understand better your motivation in taking part in this specific project. So please, read carefully the form, answer the questions

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Oncologici: Iniziative e sostenibilità della Regione. Valeria Fadda Unità di HTA di ESTAV centro, Regione Toscana

Oncologici: Iniziative e sostenibilità della Regione. Valeria Fadda Unità di HTA di ESTAV centro, Regione Toscana Oncologici: Iniziative e sostenibilità della Regione Valeria Fadda Unità di HTA di ESTAV centro, Regione Toscana 2.760.000.000 Euro 14.4% della spesa farmaceutica 32.8% della spesa farmaceutica ospedaliera

Dettagli

Linguaggio C: introduzione

Linguaggio C: introduzione Linguaggio C: introduzione Il linguaggio C è un linguaggio general purpose sviluppato nel 1972 da Dennis Ritchie per scrivere il sistema operativo UNIX ed alcune applicazioni per un PDP-11. Il linguaggio

Dettagli

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com WWW.TINYLOC.COM CUSTOMER SERVICE T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com GPS/ RADIOTRACKING DOG COLLAR MANUALE DI ISTRUZIONI ACCENSIONE / SPEGNERE DEL TAG HOUND Finder GPS Il TAG HOUND

Dettagli

User guide Conference phone Konftel 100

User guide Conference phone Konftel 100 User guide Conference phone Konftel 100 Dansk I Deutsch I English I Español I Français I Norsk Suomi I Svenska Conference phones for every situation Sommario Descrizione Connessioni, accessoires, ricambi

Dettagli

CMMI-Dev V1.3. Capability Maturity Model Integration for Software Development, Version 1.3. Roma, 2012 Ercole Colonese

CMMI-Dev V1.3. Capability Maturity Model Integration for Software Development, Version 1.3. Roma, 2012 Ercole Colonese CMMI-Dev V1.3 Capability Maturity Model Integration for Software Development, Version 1.3 Roma, 2012 Agenda Che cos è il CMMI Costellazione di modelli Approccio staged e continuous Aree di processo Goals

Dettagli

Esercizi per il recupero del debito formativo:

Esercizi per il recupero del debito formativo: ANNO SCOLASTICO 2005/2006 CLASSE 3 ISC Esercizi per il recupero del debito formativo: Disegnare il diagramma e scrivere la matrice delle transizioni di stato degli automi a stati finiti che rappresentano

Dettagli

Gestione delle Architetture e dei Servizi IT con ADOit. Un Prodotto della Suite BOC Management Office

Gestione delle Architetture e dei Servizi IT con ADOit. Un Prodotto della Suite BOC Management Office Gestione delle Architetture e dei Servizi IT con ADOit Un Prodotto della Suite BOC Management Office Controllo Globale e Permanente delle Architetture IT Aziendali e dei Processi IT: IT-Governance Definire

Dettagli

Minimo sottografo ricoprente. Minimo sottografo ricoprente. Minimo albero ricoprente. Minimo albero ricoprente

Minimo sottografo ricoprente. Minimo sottografo ricoprente. Minimo albero ricoprente. Minimo albero ricoprente Minimo sottografo ricoprente Minimo sottografo ricoprente Dato un grafo connesso G = (V, E) con costi positivi sugli archi c e, un minimo sottografo ricoprente è un insieme di archi E E tale che: G = (V,

Dettagli

Energy risk management

Energy risk management Il sistema di supporto alle tue decisioni Energy risk management Un approccio orientato agli attori M.B.I. Srl, Via Francesco Squartini 7-56121 Pisa, Italia - tel. 050 3870888 - fax. 050 3870808 www.powerschedo.it

Dettagli

PMI. Management Maturity Model, OPM3 Second Edition 2008

PMI. Management Maturity Model, OPM3 Second Edition 2008 Nuovi standard PMI, certificazioni professionali e non solo Milano, 20 marzo 2009 PMI Organizational Project Management Maturity Model, OPM3 Second Edition 2008 Andrea Caccamese, PMP Prince2 Practitioner

Dettagli

Abstract Data Type (ADT)

Abstract Data Type (ADT) Abstract Data Type Pag. 1/10 Abstract Data Type (ADT) Iniziamo la nostra trattazione presentando una nozione che ci accompagnerà lungo l intero corso di Laboratorio Algoritmi e Strutture Dati: il Tipo

Dettagli

FASE DEBUGGING: Compiler Linker. controllando che la voce Genera le informazioni per il debug cioè. "Generate debugging information"

FASE DEBUGGING: Compiler Linker. controllando che la voce Genera le informazioni per il debug cioè. Generate debugging information FASE DEBUGGING: Prima della compilazione, si devono inserire 1 nel progetto informazioni per il debug cioè si devono visualizzare le opzioni di progetto seguendo il percorso: controllando che la voce Genera

Dettagli