Dott. Maciel ZORTEA 1. TEMATICHE DI RICERCA
|
|
- Gennaro Farina
- 8 anni fa
- Visualizzazioni
Transcript
1 Dott. Maciel ZORTEA RELAZIONE SULL'ATTIVITA' E LE RICERCHE SVOLTE ALLA CONCLUSIONE DEL TERZO ANNO DEL XIX CICLO DEL CORSO DI DOTTORATO DI RICERCA IN SCIENZE E TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE, INDIRIZZO: SCIENZE ED INGEGNERIA DELLO SPAZIO 1. TEMATICHE DI RICERCA Le tematiche da me sviluppate hanno avuto per oggetto: 1) Sviluppo di un metodo basato su regressione Support Vector Machine (SVM) per la stima della temperatura superficiale del mare da dati remoti ottenuti da sensori passivi; 2) Sviluppo di un metodo basato su classificatori multipli SVM per la classificazione di dati telerilevati ottici ad elevata risoluzione spaziale Sviluppo di un metodo basato su regressione Support Vector Machine (SVM) per la stima della temperatura superficiale del mare da dati remoti ottenuti da sensori passivi L attività relativa all'applicazione di schemi di regressione SVM su problemi di analisi di immagini satellitari è stata proseguita e completata con lo sviluppo di una architettura di regressione basata su SVM per la stima della temperatura superficiale del mare (Sea Surface Temperature, SST) da dati AVHRR (sensore ottico, in banda infrarosso). La temperatura della superficie del mare (SST) è un parametro di grande rilevanza ed interesse scientifico. La SST svolge un importante ruolo nel capire numerosi processi naturali, è, per esempio, un potenziale indicatore dei cambiamenti climatici. Inoltre, la SST è una variabile chiave nello studio degli scambi di umidità, calore e flussi energetici oceani. Una stima di parametri superficiali che sia basata su dati misurati da sensori remoti offre vantaggi in quanto le misure in situ sono limitate e l eterogeneità spaziale è elevata. Da oltre 20 anni, i dati acquistati dai sensori a bordo di piattaforme satellitari permettono misure relativamente accurate di SST a livello globale. In questo contesto, dati telerilevati acquisiti da sensori passivi, ad esempio il sensore ottico Advanced Very High Resolution Radiometer (AVHRR), presentano potenzialità rilevanti per la misurazione remota della temperatura superficiale del mare. L obiettivo primario è stato lo sviluppo e validazione, tramite utilizzo di misure in situ (a livello globale) di temperatura (acquisite da boe), di una metodologia che consente il miglioramento delle stime di SST ottenute rispetto alle prestazioni ottenibili con metodi classici proposti in letteratura (tipicamente approcci di tipo split window ). Si è cercata un alternativa che fosse meno dipendente da una particolare scelta ad doc di una equazione di stima. A tal fine, è stato condotta una serie di sperimentazioni per valutare la possibilità di utilizzare, al posto dei metodi classici impiegati per la stima della SST, un'architettura di regressione innovativa basata su Support Vector Machine (ε-svr). L'approccio SVM esprime la soluzione di un problema di regressione come combinazione lineare di funzioni-kernel centrate sui campioni di training, con coefficienti non-nulli solo per un numero limitato di campioni (detti "support vector"), ottimizzati mediante procedure di programmazione quadratica, dalla strategia di regolarizzazione adottata in fase di apprendimento. Per la valutazione sperimentale della tecnica sono state utilizzate le misure disponibili nella versione 19 del data set NOAA/NASA SST Pathfinder Match-up, disponibile on-line in Nel data set è disponibile una serie di informazioni, fra queste la temperatura acquisita da boe e le corrispondenti misure ( match-ups ) di radianza nei canali 3, 4, 5 rilevate dal sensore AVHRR/2, a bordo del satellite NOAA14, in una finestra di 5x5 pixel centrata sulla boa. Il periodo di analisi comprende tutto il periodo di 1998 e La distribuzione spaziale delle boe è globale (in generale fra le latitudini comprese tra il 60ºN e 45ºS). Le feature che sono state considerate come ingresso allo stimatore SVM sono: f1 = secante del angolo di scansione Θ del sensore; f2 = T4; f3 = T4-T5;
2 f4 = T3; f5 = SST first guess, la Reynolds Weekly Optimally Interpolated SST (OISST) [3], con risoluzione spaziale 1 x 1 grado, si è considerato il valore corrispondente al punto della griglia più vicino alla boa. dove T3, T4 e T5 sono la mediana dei 9 pixel all interno di una finestra 3x3, centrata nella finestra di estrazione delle temperature di brillanza dei canali 3, 4, e 5, rispettivamente, e rappresentano una statistica robusta delle radianze acquisite dal sensore AVHRR. Nel valutare l utilizzo della feature f5, lo stimatore SVM viene costruito considerando non soltanto le misure radiometriche acquisite dal sensore AVHRR, ma anche una stima first guess della SST da stimare (dato ancilary ). In termini applicativi, questa first guess può essere generata da un algoritmo che utilizza il dato AVHRR come partenza (ad esempio, tramite uno degli algoritmi classici split windows proposti in letteratura) oppure, generato da dati acquisiti da altri sensori, ad esempio, quelli a microoonde passive. L utilizzo della feature f5 è ispirato nell approccio split windows non lineare utilizzato dal algoritmo NOAA/NASA AVHRR Pathfinder SST [3], la cui formulazione risulta: SST = a + bt4 + c(t4-t5)sstguess + d(t4-t5)(sec(θ)-1) La non linearità dell algoritmo NOAA/NASA avviene mediante l introduzione del termine first guess (SSTguess) del pixel la cui temperatura si desidera stimare e dall utilizzo di quattro costanti (a,b,c,d) che vengono ottimizzate tramite procedure di regressione [3] a livello mensile (utilizzando le misure delle boe), per due regimi atmosferici diversi: (T4-T5) 0.7 e (T4-T5)>0.7. Si è focalizzata la selezione dei kernel (lineare e gaussiano) e diverse combinazioni di insiemi di feature fornite all ingresso dello stimatore. La ricerca dei parametri ottimali per i kernel è stata eseguita mediante procedura di ricerca a griglia. Nella Tab. 1 vengono presentati alcuni dei risultati ottenuti al variare il numero di campioni di training e test (disgiunti), acquisiti nel Tab. 1. Accuratezze di SST utilizzando campioni di training e test (disgiunti) nel Nella Tab. 1 vengono presentati l errore quadratico medio (RMSE), l errore medio assoluto (MAE), e la percentuale di campioni con errore di stima inferiore a 0.25 K fino a 1.00 K. Nella maggioranza delle combinazioni di feature esaminate, il kernel gaussiano (RBF) fornisce accuratezze di SST superiori all SVM con kernel lineare (Linear). Inoltre, si osserva che con la presenza della feature f5 (OISST) e utilizzando il Kernel RBF, le prestazione superano quelle ottenute con l approccio non lineare utilizzato nel algoritmo NOAA/NASA. Gli altri algoritmi classici utilizzati come confronto, in particolare il Multi-Channel Sea Surface Temperature (MCSST) [3] e il OISST [3], forniscono prestazioni inferiori a quelle del NOAA/NASA. I risultati suggeriscono che la feature f4 (T3) (non utilizzata negli algoritmi classici presentati) apporta un contributo valido alla miglioria delle stime di SST. I risultati riguardanti l analisi dell influenza del numero di campioni di traning utilizzati per generare gli stimatori SVM e la possibilità di utilizzo degli stimatori ottenuti su un orizzonte temporale più ampio (ma senza riadestramento dello stimatore SVM, ossia, un approccio non supervisionato ) vengono presentati nelle Fig. 1 e 2. A titolo di brevità, le accuratezze ottenute con gli algoritmi MCSST e OISST, e il kernel Lineare, essendo inferiori a quelle del NOAA/NASA, non vengono presentate.
3 Fig. 1. RMSE utilizzando i campioni di test corrispondente all anno 1999 (disgiunti). I risultati sono ottenuti usando il Kernel RBF, al variare le feature di ingresso. Il numero di campioni di training è variabile (come indicato) e corrisponde ai campioni di Le accuratezze sono valutate utilizzando campioni (quando f5 = 0, [ 111*0]) e 3789 (quando f5 = 1, [ 111*1]) di Fig. 2. Percentuale di campioni di test con errore assoluto inferiore a 0.25K-1K. Risultati ottenuti utilizzando il Kernel RBF e l'insieme di features [11101]. Il numero di campioni di training è variabile (come indicato) e corrisponde ai campioni dall'anno Le prestazioni sono valutate utilizzando 3789 campioni di test acquisiti in dicembre del 1999 (spazialmente e temporaneamente disgiunti). In particolare, si verifica che le accuratezze di stima SST, ottenute con l architettura SVM, non sono fortemente dipendenti dal numero di campioni di training considerati. L approccio SVM richiede pochi parametri da ottimizzare (tre parametri per il kernel RBF: C, ε, σ). I risultati suggeriscono che lo stimatore può essere applicato ad orizzonti temporali più ampi, senza il riaddestramento o modifiche dello stimatore. Nello specifico, per ottenere le stime SST per i due anni (1998 e 1999), l algoritmo NOAA/NASA utilizza 2 anni x 12 mesi x 8 parametri al mese = 192 parametri. Per lo stesso periodo di analisi, il metodo SVM proposto utilizza soltanto 3 parametri (senza utilizzo di dati di training corrispondenti all 1999). I buoni risultati ottenuti, utilizzando dati AVHRR, acquisiti a livello globale, suggeriscono l efficacia del metodo proposto Sviluppo di un metodo basato su classificatori multipli SVM per la classificazione di dati telerilevati ottici ad elevata risoluzione spaziale Nel corso del terzo anno di dottorato, è stata introdotta un'ulteriore linea di ricerca, dedicata alla classificazione di immagini ottiche ad alta risoluzione spaziale. I dati satellitari ad elevata risoluzione spaziale (HR), commercialmente disponibili (ad esempio, i sensori IKONOS, Quickbird) presentano elevata potenzialità per la discriminazione di piccole strutture e dettagli all interno dell immagine. Tale particolarità risulta molto interessante, ad esempio, nel contesto dell analisi delle aree urbane. Ad esempio, per integrare questi dati HR nella pianificazione urbana, fornire una risposta in situazioni di emergenza, o per la sorveglianza di un area, le strutture presenti in una immagine devono essere accuratamente classificate. Rispetto ai dati ottenuti da sensori a bassa e moderata risoluzione spaziale (Landsat, Spot, Aster, ecc.), i dati HR presentano classi tematiche fortemente eterogenee. All interno di una stessa classe tematica, si possono trovare diverse sottoclassi con differenti risposte spettrali. Nel contesto HR, i metodi di classificazione basati sulla risposta spettrale dei singoli pixel risultano poco efficienti, mentre acquista maggiore rilevanza l informazione contestuale.
4 Il metodo proposto consiste nel utilizzo di un approccio basato su classificatori multipli (emsemble classifiers). Tipicamente, nella combinazione di classificatori di accuratezze moderate, non fortemente correlati, gli errori di classificazione possono essere rimossi (almeno parzialmente) utilizzando una procedura di voting, ottenendosi un risultato finale di classificazione potenzialmente elevato. Il metodo proposto, come nell approccio Random Forest [6], addestra ogni classificatore selezionando un sottoinsieme random fra i campioni di training disponibili per ogni singola classe (). Diversamente, invece di selezionare un sottoinsieme random delle feature originali per ogni classificatore (con l obbiettivo di aumentare ulteriormente la diversità dei classificatori), il metodo proposto utilizza tutta l informazione spettrale disponibile (nessuna perdita) e introduce una quantità random aggiuntiva di informazione di tipo contestuale, mediante l utilizzo di tessiture. In particolare, nel considerare le tessiture, sono state utilizzate le matrici di GLCM (Grey-Level Co-occurrence Matrix). Ci si aspetta che l informazione proveniente dalle tessiture consenta di rendere i classificatori potenzialmente diversi fra loro e, allo stesso tempo, di fornire ai singoli classificatori maggior poter discriminante. Diversamente dall approccio classico Random Forest, dove il classificatore base è un classificatore ad albero (tipicamente il CART), il metodo proposto utilizza classificatori base di tipo SVM. Gli SVM sono noti per l elevata capacità di generalizzazione e robustezza [4]. In particolare, il metodo proposto utilizza il kernel Radial Basis Function (RBF, kernel di tipo non lineare). Una ricerca esaustiva di C, parametro interno dell approcio SVM, legato alla capacità di generalizzazione del modello, e σ, la larghezza del kernel, non è computazionalmente fattibile. Una ottimizzazione tramite procedura classica di ricerca a griglia dei parametri anche renderebbe il tempo di calcolo particolarmente elevato. La soluzione adottata consiste nella definizione ed utilizzo di una stratified mini grid. Nello specifico, per ridurre il tempo di calcolo senza una perdita significativa di accuratezza, definito un intervallo accettabile delle possibili variazioni dei parametri del kernel, lo spazio dei parametri (in questo caso bidimensionale, C e σ) viene diviso uniformemente in i x j = i.j cellule. Un punto selezionato random all interno di ogni cellula della griglia viene considerato (stratified random sampling). Selezionata la combinazione di parametri che massimizza le prestazioni di accuratezza all interno della mini griglia, tramite una procedura di tipo K-fold cross-validation, ci si aspetta un classificatore SVM parzialmente ottimizzato, comunque, con accuratezze accettabili. I campioni di training out of sono utilizzati per valutare l accuratezza media delle classi (ρ); utilizzata per valutare il peso del contributo di ogni singolo classificatore (pa di classificazione). Diversamente dell approccio Random Forest, la pa finale viene generata mediante combinazione pesata delle n pe (weighted majority voting). Ogni pa viene pesata come log(ρ/(1 ρ)) [8]. La Fig. 3 presenta il diagramma a blocchi del metodo proposto. training all spectral textures SVM # 1 ρ1 # 1 weighted voting final SVM # n # n prob. ρn Fig. 3. Diagramma a blocchi del metodo proposto. Date m possibili features GLCM, k bande spettrali originali e w un vettore con possibili dimensioni delle finestre di tessitura, con l obbiettivo di aumentare la diversità dei classificatore, il metodo proposto seleziona, per ogni singolo classificatore n, un sottoinsieme random di m features (1 m m), con probabilità uniforme. Ogni feature viene generata da una delle k bande spettrali disponibili (scelta random), con una dimensione di finestra scelta tra il vettore w (scelta random). Il metodo proposto (HR-ensemble SVM) è stato validato sperimentalmente su una immagine 700x400 pixels HR composta da 3 bande ottiche a 4m di risoluzione spaziale, acquisita dal satellite IKONOS (Fig. 4) vicino ad Itaipu, prossimo al confine tra Brasile e Paraguai. Sono state definite 8 classi tematiche: ω1 = urban,
5 ω2 = low vegetation, ω3= high vegetation,, ω4 = sparse vegetation, ω5 = water, ω6 = sand, ω7 = wood, e ω8 = bare soil, per un totale di 4565 pixels de training e 4212 pixels di test. I risultati HR-SVM ensemble sono stati comparati con quelli ottenuti mediante (a) un classificatore MAP supponendo che le distribuzioni condizionate alle classi tematiche siano gaussiane (GMAP standard, non contestuale), (b) SVM (standard, non contestuale, kernel RBF, parametri del kernel ottimizzati tramite ricerca a griglia classica ), (c) Random Forest (standard, non contestuale, utilizzando 66% dei campioni di training per classe, 2 feature spettrali per ogni singolo classificatore), (d) classificatore MRF-ICM (approccio contestuale che utilizza Markov Random Fields, [7]), (e) SVM (contestuale, kernel RBF, 8 tessiture per i tre canali RGB, finestra 7x7, parametri del kernel ottimizzati tramite ricerca a griglia classica ) (f) Random Forest modificato (approccio contestuale, adottando l architettura proposta (Fig. 3), e cambiando il classificatore base per il CART) (Tab. 2). Tab. 2. Accuratezze di classificazione utilizzando il metodo proposto (HR-SVM ensemble) ed altri metodi di confronto. * average results for 9 repetitions, ensemble size n = 70. Fig. 4. (A sinistra) Composizione RGB dell immagine originale; (centro) pa di classificazione utilizzando il metodo proposto (HR-SVM ensemble) con una mini grid 3x3 e un insieme di 70 classificatori con 50 campioni di training per ogni classe (). L insieme di candidate tessiture (GLCM) considerate sono mean, variance, homogeneity, contrast, dissimilarity, entropy, second moment e correlation, con possibile dimensione di finestra w = [3,5,7,9], con passo GLCM (1,1). La classe ω1 = urban viene presentata in viola; (a destra) corrispondente pa di voting (quanto più chiaro maggiore la concordanza tra i classificatori). Come nel approccio Random Forest, un parametro intrinseco del metodo è la definizione del numero di classificatori n da utilizzare. Anche il metodo proposto non è molto sensibile a questo parametro, come si può verificare sperimentalmente nella Fig. 5. Average accuracy TE 95,0 94,5 94,0 93,5 93,0 92,5 92,0 91,5 91,0 90,5 90, ensemble size Average Std TE [ 2,0 1,8 1,6 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0, ensemble size Fig. 5. (a sinistra) Accuratezze di classificazione media (average) utilizzando il metodo proposto (HR-SVM ensemble) al variare il numero di campioni di training utilizzati per il (25, 50 e 150); (a destra) la standard deviation. (9 ripetizioni). Le buone prestazioni ottenute suggeriscono l applicabilità del metodo proposto per la classificazione di immagine HR.
6 Bibliografia: [1] P. J. Minnett, Radiometric measurements of the sea-surface skin temperature: The competing roles of the diurnal thermocline and the cool skin. Int. J. of Remote Sensing, v 24, n 24, 2003, p [2] E.P. McClain, W.G. Pichel and C.C. Walton Comparative performance of AVHRR-based multichannel sea surface temperatures. Journal of Geophysical Research 90: 11,58711,601. [3] J. Vazquez, K. Perry, K. Kilpatrick. NOAA/NASA AVHRR Oceans Pathfinder Sea Surface Temperature Data Set. User's Reference Manual. Version 4.0. April 10, 1998 (JPL Publicattion D-14070, 1998). [4] V. Vapnik. The Nature of Statistical Learning Theory. New York: Springer-Verlag (1995). [5] S. B., Serpico, M. De Martino, G. Moser, M. Zortea, "Land Surface Temperature Estimation from Infrared Satellite Data using Support Vector Machines", Proc. IGARSS-2006, Denver, USA. [6] L. Breiman, Random forests, Machine Learning, v 45, n 1, [7] F. Causa, G. Moser, S. B. Serpico, A novel MRF model for the detection of urban areas in optical high spatial resolution images," AIT Italian Journal of Remote Sensing, 2006 (to appear). [8] L. Kuncheva, Combining Pattern Classifiers, John Wiley & Sons, ELENCO DELLE PUBBLICAZIONI M. Zortea, M. De Martino, G. Moser, S. B. Serpico, "A SVM ensemble approach for spectralcontextual classification of optical high spatial resolution imagery, submitted to IEEE International Geoscience and Remote Sensing Symposium 2007, Barcelona, Spain, July M. Zortea, S. B. Serpico, "On Improving Global Estimation Of Sea Surface Temperature from AVHRR Data Using Support Vector Machines," Proc. of IEEE Gold Conference on Remote Sensing 2006, Bari, Italia, 4-5 December S. B. Serpico, M. De Martino, G. Moser, M. Zortea, "Land Surface Temperature Estimation from Infrared Satellite Data using Support Vector Machines," Proc. of IEEE International Geoscience and Remote Sensing Symposium 2006, Denver, USA, 31 July - 4 Agosto M. Zortea, M. De Martino, G. Moser, S. B. Serpico, "Land Surface Temperature Estimation from Infrared Satellite Data using Support Vector Machines," submitted to Remote Sensing of Environment. M. Zortea, V. Haertel, R. Clarke, Feature Extraction in Remote Sensing High-Dimensional Image Data, IEEE Geoscience and Remote Sensing Letters (to appear). 3. PIANO DI STUDI 3.1. Primo anno Corso di Machine Learning, Prof. M. Muselli; Corso di Statistical Modeling and Design of Experiments, Prof. C. Cervellera; Corso di Telerilevamento e Diagnostica Elettromagnetica, Prof. M. Pastorino; Corso di Teoria dei Segnali, Prof. S. B. Serpico; 3.2. Secondo anno Corso di Challenges and Solutions for Real-Time Inmersive Video Communication, Prof. Oliver Schreer; Corso di Time Frequency Analysis, Prof. Leon Cohen; Corso di Teoria dei Giochi", Prof. F. Patrone; Corso di Reti Neurali per l Ottimizzazione", Prof. M. Sanguineti; 3.3. Terzo anno Corso di Le Equazioni Differenziali alle Derivate Parziali nei Modelli per l Ingegneria, Prof. Mauro Parodi. Corso di Teoria e Tecniche del Riconoscimento 1, Prof. S. B. Serpico. 4. PARTECIPAZIONE A SCUOLE, CORSI, ecc. La Stazione Spaziale Internazionale: un programma tecnologico di collaborazione internazionale a cura dell Agenzia Spaziale Europea e del Dottorato di Ricerca in Scienze e Ingegneria dello Spazio, Genova, 3 5 Maggio PERIODI DI FORMAZIONE SVOLTI ALL'ESTERO -
SVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliApplicazione di tecnologie innovative nella determinazione della temperatura superficiale delle acque marine
Dr. Geol. Gaetano La Bella Applicazione di tecnologie innovative nella determinazione della temperatura superficiale delle acque marine MoGeIFaCo Elaborazione di un modello di gestione integrata della
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliMetodologia di monitoraggio Impianti fotovoltaici
Metodologia di monitoraggio Impianti fotovoltaici Per effettuare il monitoraggio degli impianti fotovoltaici è stato scelto il metodo di acquisizione dati proposto dal Dott. Ing. F. Spertino, Dott. Ing.
DettagliAnalysis of temperature time series from thermal IR continuous monitoring network (TIIMNet) at Campi Flegrei Caldera in the period 2004-2011
30 convegno Analysis of temperature time series from thermal IR continuous monitoring network (TIIMNet) at Campi Flegrei Caldera in the period 2004-2011 F. Sansivero, G. Vilardo, P. De Martino, G. Chiodini
DettagliGeneral Linear Model. Esercizio
Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliCorso di Telerilevamento Lezione 3
Corso di Telerilevamento Lezione 3 Strumenti di ripresa Risoluzioni Satelliti per il telerilevamento Caratteri i una immagine digitale raster I valori relativi a ciascun pixel (DN = Digital Number) indicano
Dettagli(a cura di Francesca Godioli)
lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori
DettagliAppendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi
Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliREGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE
30.11.2011 Gazzetta ufficiale dell Unione europea L 317/17 REGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE del 29 novembre 2011 recante modifica del regolamento (CE) n. 1222/2009 del Parlamento europeo
DettagliIng. Simone Giovannetti
Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliDocumento di accompagnamento: mediane dei settori bibliometrici
Documento di accompagnamento: mediane dei settori bibliometrici 1. Introduzione Vengono oggi pubblicate sul sito dell ANVUR e del MIUR 3 tabelle, deliberate nel CD dell ANVUR del 13 agosto 2012, relative
DettagliPreprocessamento dei Dati
Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza
DettagliLe strumentazioni laser scanning oriented per i processi di censimento anagrafico dei patrimoni
CONVEGNO FACILITY MANAGEMENT: LA GESTIONE INTEGRATA DEI PATRIMONI PUBBLICI GENOVA FACOLTA DI ARCHITETTURA 06.07.2010 Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei
DettagliSuggerimenti per l approccio all analisi dei dati multivariati
Suggerimenti per l approccio all analisi dei dati multivariati Definizione degli obbiettivi Il primo passo è la definizione degli obbiettivi. Qual è l obbiettivo della sperimentazione i cui dati dovete
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
DettagliDocumento approvato dal Consiglio Direttivo dell ANVUR nella seduta del 15/5/2013
Documento approvato dal Consiglio Direttivo dell ANVUR nella seduta del 15/5/2013-1. Premessa Con la pubblicazione nella Gazzetta Ufficiale n. 104 del 06/05/2013 del DM 45/2013 Regolamento recante modalità
DettagliEffetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria
Effetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria Christopher N. Sciamanna, Scott P. Novak, Bess H. Marcus. International Journal of
DettagliAZIONE DI SISTEMA G. Partner responsabile Università de Corse
N componente 5 N azione 3.2 Titolo prodotto : prototipi software di simulazione del comportamento idrologico del bacino versante del sud est della Corsica tenendo conto le ottimizzazioni AZIONE DI SISTEMA
DettagliUniversità degli Studi di Salerno
Università degli Studi di Salerno Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Informatica Tesi di Laurea Algoritmi basati su formule di quadratura interpolatorie per GPU ABSTRACT
DettagliCORSO DI FORMAZIONE Dall ottico al radar. Ministero dell Ambiente e della Tutela del Territorio e del Mare Direzione Generale per la Difesa del Suolo
Ministero dell Ambiente e della Tutela del Territorio e del Mare Direzione Generale per la Difesa del Suolo Fornitura di Dati, Sistemi e Servizi per la Realizzazione del Sistema Informativo del Piano Straordinario
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliIndagine sismica. MASW - Multichannel Analysis of Surface Waves
Indagine sismica MASW - Multichannel Analysis of Surface Waves relativa alla determinazione della stratigrafia sismica VS e del parametro VS30 in un'area di Sestri Levanti NS rif 09140SA Dott. Geol. Franco
DettagliRegressione 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
DettagliCome archiviare i dati per le scienze sociali
Come archiviare i dati per le scienze sociali ADPSS-SOCIODATA Archivio Dati e Programmi per le Scienze Sociali www.sociologiadip.unimib.it/sociodata E-mail: adpss.sociologia@unimib.it Tel.: 02 64487513
DettagliNella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti
Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti finanziari in un contesto di flussi finanziari certi, tuttavia
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
Dettaglie-dva - eni-depth Velocity Analysis
Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa
DettagliFeature Selection per la Classificazione
1 1 Dipartimento di Informatica e Sistemistica Sapienza Università di Roma Corso di Algoritmi di Classificazione e Reti Neurali 20/11/2009, Roma Outline Feature Selection per problemi di Classificazione
DettagliPosizionamento ottimale di sensori per il monitoraggio degli inquinanti nelle reti idriche
Posizionamento ottimale di sensori per il monitoraggio degli inquinanti nelle reti idriche Fulvio BOANO Politecnico di Torino Dipartimento di Ingegneria dell Ambiente, del Territorio e delle Infrastrutture
DettagliVERIFICHE PERIODICHE DEL MANTENIMENTO DI REQUISITI IMPIANTISTICI ED IGIENICO AMBIENTALI IN SALA OPERATORIA.
VERIFICHE PERIODICHE DEL MANTENIMENTO DI REQUISITI IMPIANTISTICI ED IGIENICO AMBIENTALI IN SALA OPERATORIA. Esperienza relativa ai controlli eseguiti dal 2008 al 2012 Statistica basata su 5 anni di validazioni
DettagliProgetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliUNIVERSITA 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
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliComputazione per l interazione naturale: macchine che apprendono
Computazione per l interazione naturale: macchine che apprendono Corso di Interazione Naturale! Prof. Giuseppe Boccignone! Dipartimento di Informatica Università di Milano! boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html
DettagliSistemi Informativi Territoriali. Map Algebra
Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori
DettagliRendering air show e verifica della sincronizzazione
Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliSettori di attività economica
ELABORAZIONE DEI DATI QUALITATIVI Chiara Lamuraglia 1. Premessa Al fine di ottenere informazioni di carattere qualitativo che consentissero di interpretare e leggere in modo più approfondito i dati statistici,
DettagliProgrammazione Disciplinare: Calcolo Classe: Quarte - Quinte
Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Disciplinare: Calcolo Classe: Quarte - Quinte Anno scolastico 01-01 I Docenti della Disciplina Salerno, settembre 01 Anno scolastico
DettagliMANUALE MOODLE STUDENTI. Accesso al Materiale Didattico
MANUALE MOODLE STUDENTI Accesso al Materiale Didattico 1 INDICE 1. INTRODUZIONE ALLA PIATTAFORMA MOODLE... 3 1.1. Corso Moodle... 4 2. ACCESSO ALLA PIATTAFORMA... 7 2.1. Accesso diretto alla piattaforma...
DettagliReport di valutazione Fiona Clark_Live
Report di valutazione Fiona Clark_Live Analysis Aptitude Generato il: 28-gen-2011 Pagina 2 2005-2009 Saville Consulting. Tutti i diritti riservati. Indice Introduzione al report di valutazione... 3 Attitudine
DettagliPROGETTO EM.MA PRESIDIO
PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i
DettagliAcquisizioni 2005 da sensori satellitari ed aereotrasportati. Massimo Vincini CRAST - Università Cattolica del Sacro Cuore
Acquisizioni 2005 da sensori satellitari ed aereotrasportati Massimo Vincini CRAST - Università Cattolica del Sacro Cuore Attività generali le finalità del centro saranno perseguite mediante le seguenti
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliLA REVISIONE LEGALE DEI CONTI La comprensione
LA REVISIONE LEGALE DEI CONTI La comprensione dell impresa e del suo contesto e la valutazione dei rischi di errori significativi Ottobre 2013 Indice 1. La comprensione dell impresa e del suo contesto
DettagliCorso di Fisica generale
Corso di Fisica generale Liceo Scientifico Righi, Cesena Anno Scolastico 2014/15 1C Introduzione alla Incertezza della Misura Sperimentale I Riccardo Fabbri 1 (Dispense ed esercizi su www.riccardofabbri.eu)
DettagliINTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1)
INTRODUZIONE AL DESIGN OF EXPERIMENTS (Parte 1) 151 Introduzione Un esperimento è una prova o una serie di prove. Gli esperimenti sono largamente utilizzati nel campo dell ingegneria. Tra le varie applicazioni;
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliGESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10. Angelo Bonomi
GESTIONE DELLE TECNOLOGIE AMBIENTALI PER SCARICHI INDUSTRIALI ED EMISSIONI NOCIVE LEZIONE 10 Angelo Bonomi CONSIDERAZIONI SUL MONITORAGGIO Un monitoraggio ottimale dipende dalle considerazioni seguenti:
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliCorso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte I Samuel Rota Bulò Filtri spaziali Un filtro spaziale è caratterizzato da un intorno e un'operazione che deve essere eseguita sui pixels dell'immagine in quell'intorno.
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliCOMUNE DI RAVENNA GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI)
COMUNE DI RAVENNA Il sistema di valutazione delle posizioni del personale dirigente GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI) Ravenna, Settembre 2004 SCHEMA DI SINTESI PER LA
DettagliAlgoritmi di clustering
Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un
Dettaglisimulatore di ponti termici e condensazione
simulatore di ponti termici e condensazione Cos è Mold Simulator MOLD SIMULATOR è un software di modellazione agli elementi finiti (fem) di ultima generazione. Consente di calcolare e visualizzare con
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliDownload. Informazioni F.A.Q. Link. 1 di 5 27/12/2014 21.13. Lo strumento DOCET
1 di 5 27/12/2014 21.13 Sito aggiornato il 30/10/2014 IVA: 02118311006 Download Lo strumento DOCET DOCET è uno strumento di simulazione a bilanci mensili per la certificazione energetica degli edifici
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliBusiness Process Management
Business Process Management Comprendere, gestire, organizzare e migliorare i processi di business Caso di studio a cura della dott. Danzi Francesca e della prof. Cecilia Rossignoli 1 Business process Un
DettagliStimare il WCET Metodo classico e applicazione di un algoritmo genetico
Stimare il WCET Metodo classico e applicazione di un algoritmo genetico Sommario Introduzione Definizione di WCET Importanza del WCET Panoramica dei classici metodi per calcolare il WCET [1] Utilizzo di
DettagliFederico Laschi. Conclusioni
Lo scopo di questa tesi è stato quello di proporre alcuni algoritmi di allocazione dinamica della capacità trasmissiva, basati su tecniche di predizione on-line dei processi di traffico. Come prima analisi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliLE DETERMINANTI DELLA REDDITIVITÀ DELLE SOCIETA OPERANTI NEL COMPARTO TESSILE ABBIGLIAMENTO IN ITALIA
LE DETERMINANTI DELLA REDDITIVITÀ DELLE SOCIETA OPERANTI NEL COMPARTO TESSILE ABBIGLIAMENTO IN ITALIA Il metodo CVRP per l analisi delle maggiori società tessili italiane Stefano Cordero di Montezemolo
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliSicurezza Aziendale: gestione del rischio IT (Penetration Test )
Sicurezza Aziendale: gestione del rischio IT (Penetration Test ) Uno dei maggiori rischi aziendali è oggi relativo a tutto ciò che concerne l Information Technology (IT). Solo negli ultimi anni si è iniziato
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCorrezione di immagini da camera Vexcel UltraCam utilizzando Geomatica OrthoEngine
Correzione di immagini da camera Vexcel UltraCam utilizzando Geomatica OrthoEngine di Philip Cheng Per molti anni la camera a pellicola aerotrasportata è stata la miglior scelta per l acquisizione di foto
DettagliCome valutare le caratteristiche aerobiche di ogni singolo atleta sul campo
Come valutare le caratteristiche aerobiche di ogni singolo atleta sul campo Prima di organizzare un programma di allenamento al fine di elevare il livello di prestazione, è necessario valutare le capacità
DettagliPerfare MASSIMIZZARE IL VALORE DELL ATTUALE GAMMA DI PRODOTTI
Perfare Perfare Percorsi aziendali di formazione e assistenza operativa MASSIMIZZARE IL VALORE DELL ATTUALE GAMMA DI PRODOTTI Costruire un piano di azioni concrete per ottenere il massimo valore dall attuale
DettagliScheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux
Scheduling della CPU Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Sistemi multiprocessori Fin qui si sono trattati i problemi di scheduling su singola
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliMService La soluzione per ottimizzare le prestazioni dell impianto
MService La soluzione per ottimizzare le prestazioni dell impianto Il segreto del successo di un azienda sta nel tenere sotto controllo lo stato di salute delle apparecchiature degli impianti. Dati industriali
DettagliMANUALE DELLA QUALITÀ Pag. 1 di 6
MANUALE DELLA QUALITÀ Pag. 1 di 6 INDICE GESTIONE DELLE RISORSE Messa a disposizione delle risorse Competenza, consapevolezza, addestramento Infrastrutture Ambiente di lavoro MANUALE DELLA QUALITÀ Pag.
DettagliSVILUPPO, CERTIFICAZIONE E MIGLIORAMENTO DEL SISTEMA DI GESTIONE PER LA SICUREZZA SECONDO LA NORMA BS OHSAS 18001:2007
Progettazione ed erogazione di servizi di consulenza e formazione M&IT Consulting s.r.l. Via Longhi 14/a 40128 Bologna tel. 051 6313773 - fax. 051 4154298 www.mitconsulting.it info@mitconsulting.it SVILUPPO,
DettagliErrori di una misura e sua rappresentazione
Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)
DettagliMETODOLOGIA DI PREVISIONE DELLA DOMANDA ELETTRICA E DELLA
1 di 5 METODOLOGIA DI PREVISIONE DELLA DOMANDA ELETTRICA E DELLA PREVISIONE DA FONTI RINNOVABILI AI FINI DELLA FASE DI PROGRAMMAZIONE DI MSD Storia delle revisioni Rev.00 25/02/2016 Versione iniziale 2
DettagliGli strumenti derivati per la gestione dell'indebitamento e la copertura del rischio di tasso. 22 Gennaio 2003
Gli strumenti derivati per la gestione dell'indebitamento e la copertura del rischio di tasso. 22 Gennaio 2003 Agenda Premessa L analisi delle passività come presupposto La diversificazione La riduzione
DettagliA intervalli regolari ogni router manda la sua tabella a tutti i vicini, e riceve quelle dei vicini.
Algoritmi di routing dinamici (pag.89) UdA2_L5 Nelle moderne reti si usano algoritmi dinamici, che si adattano automaticamente ai cambiamenti della rete. Questi algoritmi non sono eseguiti solo all'avvio
DettagliTecniche di Simulazione: Introduzione. N. Del Buono:
Tecniche di Simulazione: Introduzione N. Del Buono: 2 Che cosa è la simulazione La SIMULAZIONE dovrebbe essere considerata una forma di COGNIZIONE (COGNIZIONE qualunque azione o processo per acquisire
Dettagli