Le reti neurali artificiali. Giacomo Trudu aka Wicker25
|
|
- Camilla Ferraro
- 8 anni fa
- Visualizzazioni
Transcript
1 Le reti neurali artificiali Giacomo Trudu aka Wicker25
2 Sommario L'approccio algoritmico Le reti neurali artificiali Apprendimento delle reti neurali Il neurone biologico Il percettrone L'apprendimento del percettrone Il percettrone multistrato La retropropagazione dell'errore
3 L'approccio algoritmico Processo risolutivo definito, sequenziale e deterministico Linguaggio naturale della Macchina di Turing Richiede la piena comprensione del problema preso in esame (problemi definiti) Non necessita di dati sperimentali Modellistica di tipo white box
4 L'approccio algoritmico Quale carattere è rappresentato nell'immagine? Possiamo formalizzare il problema in un algoritmo risolutivo?
5 Le reti neurali artificiali Sistemi per il trattamento dell'informazione Basate sulla teoria del connessionismo Riproducono alcuni processi del cervello umano (paradigma di ispirazione biologica) Sono modelli di regressione non lineare Modellistica di tipo black box
6 Le reti neurali artificiali Apprendimento basato su dati empirici Elaborano i dati in modo parallelo e distribuito Possono generalizzare le soluzioni apprese Possono astrarre nuove soluzioni Sono in grado di trattare dati rumorosi
7 Il neurone biologico Nel cervello umano sono circa 100 miliardi delle dimensioni di 10 micron ciascuno
8 Il neurone biologico Neuroni sensori Neuroni motori (o motoneuroni) Neuroni intermedi (o interneuroni)
9 Le reti neurali artificiali
10 Le reti neurali artificiali Reti totalmente connesse Reti parzialmente connesse Reti feedforward Reti feedback
11 Apprendimento delle reti neurali Apprendimento supervisionato Apprendimento non supervisionato Apprendimento per rinforzo
12 Il percettrone Funzione di attivazione A(w 1,x 1,w 2,x 2,...,w n, x n ) Funzione di trasferimento T(a)
13 Formula di uscita: Il percettrone Con l'aggiunta del Bias:
14 Il percettrone Con Diventa
15 Il percettrone: forma logica OR
16 Il percettrone: forma logica OR
17 Apprendimento del percettrone Dato un insieme di addestramento non vuoto formato da S coppie ingressi-uscite, si definisce una funzione di errore (o funzione costo)
18 Apprendimento del percettrone In una rete a due ingressi
19 Apprendimento del percettrone Calcoliamo il gradiente della funzione costo: Correggiamo i pesi sinaptici sulla base della derivata parziale del peso:
20 Apprendimento del percettrone
21 Apprendimento del percettrone Applicando la regola di derivazione delle funzioni composte otteniamo: Considerando tutto l'insieme di addestramento diventa:
22 Il percettrone: forma logica AND
23 Il percettrone: forma logica AND Apprendimento: Esecuzione:
24 Il percettrone multistrato Problemi di separazione non lineare:
25 Il percettrone multistrato
26 Il percettrone multistrato
27 Il percettrone multistrato Formula di uscita:
28 Il percettrone multistrato
29 Retropropagazione dell'errore Dato un insieme di addestramento non vuoto formato da S coppie ingressi-uscite, si definisce una funzione di errore (o funzione costo)
30 Retropropagazione dell'errore Calcoliamo il gradiente della funzione costo: Correggiamo i pesi sinaptici sulla base della derivata parziale del peso:
31 Retropropagazione dell'errore Applicando la regola di derivazione delle funzioni composte otteniamo:
32 Retropropagazione dell'errore Considerando tutto l'insieme di addestramento diventa:
33 Retropropagazione dell'errore Considerando tutto l'insieme di addestramento diventa:
34 Le reti neurali artificiali Riconoscimento di immagini e suoni (face recognition, object detection, etc) Diagnosi precoce di malattie (riconoscimento di tessuti tumorali, di malattie neurodegenerative, etc) Sistemi di supporto (eye tracking, interfacce vocali, riconoscimento di cartelli stradali, etc) Sistemi di sorveglianza e di tracciamento (riconoscimento di targhe, di situazioni pericolose, etc)
35 Links Logo della copertina: Tesi:
Tecniche 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
DettagliCorrispondenza tra gli insegnamenti: ORDINAMENTO (DM 509) NUOVO ORDINAMENTO (DM 270)
Corrispondenza tra gli insegnamenti: ORDINAMENTO (DM 509) NUOVO ORDINAMENTO (DM 270) Questo documento è indirizzato agli studenti che intendono optare per i corsi di laurea del nuovo ordinamento DM 270/04,
DettagliL informatica nella scuola: mezzo o fine?
L informatica nella scuola: mezzo o fine? Il paradigma della ricerca in didattica; L introduzione del computer nell insegnamento delle matematiche. 1 La comunicazione delle matematiche ed il computer come
DettagliLe Reti Neurali Artificiali
Istituto di Istruzione Superiore M. Buonarroti Via Velio Spano, 7 09036 Guspini (VS) Le Reti Neurali Artificiali Giacomo Trudu Classe 5 A Industriale Anno scolastico 2010 2011 http://www.hackyourmind.org/
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;
DettagliScopo della lezione. Informatica. Informatica - def. 1. Informatica
Scopo della lezione Informatica per le lauree triennali LEZIONE 1 - Che cos è l informatica Introdurre i concetti base della materia Definire le differenze tra hardware e software Individuare le applicazioni
DettagliAnalisi del Rischio Rapina
G. Bruno Ronsivalle Analisi del Rischio Rapina Il nuovo modello di valutazione e simulazione mediante algoritmi neuronali Verso una visione integrata del rischio rapina I tre livelli del modello di analisi
DettagliDIPARTIMENTO DI STUDI UMANISTICI
DIPARTIMENTO DI STUDI UMANISTICI Corso di Laurea Interdipartimentale in Scienze della Formazione Primaria( Ind.Primaria) A.A 2013/2014 REPORT SULL ELABORAZIONE DI UN AGENTE ARITIFICIALE TEORIA E METODOLOGIA
DettagliReti neurali artificiali e analisi dei dati per la ricerca sociale: un nuovo paradigma?
Reti neurali artificiali e analisi dei dati per la ricerca sociale: un nuovo paradigma? Giovanni Di Franco Pubblicato in Sociologia e Ricerca Sociale, n. 56, 1998, pp. 35-75. 1. Premessa Recentemente l
DettagliLaboratorio informatico Banche dati off line
Laboratorio informatico Banche dati off line Storia dell informatica giuridica Laboratorio di informatica giuridica 03/02/2011 M.C. De Vivo concetta.devivo@unicam.it 1 Laboratorio informatico Banche dati
DettagliModulo 1. Concetti di base della Tecnologia dell Informazione ( Parte 1.1)
Modulo 1 Concetti di base della Tecnologia dell Informazione ( Parte 1.1) Prof. Valerio Vaglio Gallipoli Rielaborazione: prof. Claudio Pellegrini - Sondrio L elaboratore elettronico Nasce come strumento
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliTECNOLOGIE INFORMATICHE DELLA COMUNICAZIONE ORE SETTIMANALI 2 TIPO DI PROVA PER GIUDIZIO SOSPESO PROVA DI LABORATORIO
CLASSE DISCIPLINA MODULO Conoscenze Abilità e competenze Argomento 1 Concetti di base Argomento 2 Sistema di elaborazione Significato dei termini informazione, elaborazione, comunicazione, interfaccia,
DettagliCap. 4 Ricostruzione delle tracce con reti neurali
Cap. 4 Ricostruzione delle tracce con reti neurali 4.1 Introduzione alle Reti Neurali 4.1.1 Neuroni Le reti neurali si ispirano al funzionamento dei neuroni biologici, le cellule alla base dell'elaborazione
DettagliLa comunicazione e il linguaggio
Linguaggio = sistema di simboli, suoni, significati e regole per la loro combinazione che costituisce la modalita primaria di comunicazione tra gli esseri umani Caratteristiche fondamentali del linguaggio:
DettagliData mining e rischi aziendali
Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento
DettagliLegge e apprende nozioni in qualsiasi lingua, le contestualizza ed è in grado di elaborarle e riutilizzarle quando serve
More than human, XSENSE è la prima Intelligenza Artificiale in grado di simulare il processo cognitivo di un essere umano nell imparare il linguaggio umano, in completa autonomia e senza configurazioni
DettagliUniversità di Pisa Facoltà di Scienze Matematiche Fisiche e Naturali
Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea Specialistica in Informatica (classe 23/S: Informatica) Corso di Laurea Specialistica in Tecnologie Informatiche (classe 23/S: Informatica)
DettagliPOLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI
POLITECNICO DI BARI FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA TESI DI LAUREA IN CALCOLATORI ELETTRONICI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI Relatore:
DettagliSistemi Informativi Aziendali. Sistemi Informativi Aziendali
DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Cenni al Data Mining 1 Data Mining nasce prima del Data Warehouse collezione di tecniche derivanti da Intelligenza Artificiale,
DettagliArchivio WebQuest I Grafi e le Reti
Archivio WebQuest I Grafi e le Reti Spazi applicativi di grafi e reti La teoria dei grafi nata quasi come esclusivo "oggetto matematico" ha tratto notorietà e importanza dalla capacità di rendere topologicamente
DettagliUniversità di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A1_1 V1.1. Introduzione
Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A1_1 V1.1 Introduzione Il contenuto del documento è liberamente utilizzabile dagli studenti, per studio personale
DettagliVC-dimension: Esempio
VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio
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
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 1 - Introduzione generale Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr
DettagliIMPLEMENTAZIONE PARALLELA SU GPU DI RETI NEURALI ARTIFICIALI EVOLUTIVE PARALLEL GPU-BASED IMPLEMENTATION OF EVOLUTIONARY ARTIFICIAL NEURAL NETWORKS
UNIVERSITÀ DEGLI STUDI DI PARMA FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA INFORMATICA IMPLEMENTAZIONE PARALLELA SU GPU DI RETI NEURALI ARTIFICIALI EVOLUTIVE PARALLEL GPU-BASED IMPLEMENTATION
DettagliData inizio : 2014-01-01 Prezzo per partecipante : 400 EUR Località : Da definire
Data inizio : 2014-01-01 Prezzo per partecipante : 400 EUR Località : Da definire DATE, ORARI E SEDI Il corso sarà attivato al raggiungimento del numero minimo di partecipanti con date, orari e sedi DA
DettagliITIS GALILEO GALILEI AREZZO PROGRAMMAZIONE. Classi Prime
ITIS GALILEO GALILEI AREZZO PROGRAMMAZIONE PER LA MATERIA TECNOLOGIE INFORMATICHE Classi Prime COMPETENZE DI BASE DELL'ASSE SCIENTIFICO TECNOLOGICO 1. Individuare le strategie appropriate per la soluzione
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
DettagliInformatica per la Comunicazione/ Verdicchio/ 24/09/2014/ Domande / Matricola Cognome Nome
Informatica per la Comunicazione/ Verdicchio/ 24/09/2014/ Domande / Matricola Cognome Nome 1) In che senso i brani di Bach by Design sono originali? a) Hanno uno stile musicale nuovo b) Hanno una sequenza
DettagliOBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0
OBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0 OBIETTIVI DELL INTEGRAZIONE INTEGRAZIONE: INTERAZIONE DI UOMINI, PROCESSI E TECNOLOGIE CON L OBIETTIVO DI CREARE UN
DettagliCorso di Visione Artificiale. Il corso. Samuel Rota Bulò
Corso di Visione Artificiale Il corso Samuel Rota Bulò Contatti Docente: Samuel Rota Bulò Ufficio: stanza 7 (lato fotocopiatrice) Telefono: +39 041 2348442 Email: srotabul@dsi.unive.it Ricevimento: mandare
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
DettagliFondamenti di Informatica. Allievi Automatici A.A. 2014-15 Nozioni di Base
Fondamenti di Informatica Allievi Automatici A.A. 2014-15 Nozioni di Base Perché studiare informatica? Perché l informatica è uno dei maggiori settori industriali, e ha importanza strategica Perché, oltre
DettagliLa prova di scienze nelle indagini IEA TIMSS e
PIANO DI INFORMAZIONE E FORMAZIONE SULL INDAGINE OCSE-PISA E ALTRE RICERCHE NAZIONALI E INTERNAZIONALI Seminario provinciale rivolto ai docenti del Primo Ciclo La prova di scienze nelle indagini IEA TIMSS
DettagliLinguaggi per COMUNICARE. Il linguaggio è un sistema codificato di segni che consente la comunicazione, intesa come scambio di informazioni
Linguaggi per COMUNICARE Il linguaggio è un sistema codificato di segni che consente la comunicazione, intesa come scambio di informazioni Sintassi e semantica dei linguaggi Un informazione può : Essere
DettagliTecnologie informatiche e multimediali A.A. 2012/2013 - Elenco Obiettivi Prova scritta (STEP 1)
Tecnologie informatiche e multimediali A.A. 0/03 - Elenco Obiettivi Prova scritta (STEP ) Obiettivo didattico Descrivere gli elementi caratteristici delle tecnologie informatiche Numero item definire i
DettagliPROGRAMMAZIONE COMPETENZE CHIAVE DI CITTADINANZA
PROGRAMMAZIONE COMPETENZE CHIAVE DI CITTADINANZA COMPETENZA 1 IMPARARE AD IMPARARE Abilità/ Capacità Organizzare il proprio lavoro autonomamente - Rispettare le consegne - Mettere in atto strategie appropriate
DettagliLa Macchina Virtuale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliINFORMATICA APPLICATA AL TESSILE - I
INFORMATICA APPLICATA AL TESSILE - I prof.ssa Enrichetta GENTILE PRE-REQUISITI Nessuno. OBIETTIVI FORMATIVI La conoscenza delle nozioni fondamentali dell Informatica e le abilità di base nell uso dei computer
DettagliMisure Termotecniche
Percorso didattico del Tecnico Superiore per la gestione e la verifica di impianti energetici secondo l European Qualification Framework - EQF matrice EQF del Percorso in Misure Termotecniche Questa parte
DettagliPRINCIPALI TIPI CELLULARI DEL SISTEMA NERVOSO NEURONI (CELLULE NERVOSE ) CELLULE GLIALI, O GLIA
PRINCIPALI TIPI CELLULARI DEL SISTEMA NERVOSO NEURONI (CELLULE NERVOSE ) CELLULE GLIALI, O GLIA Corteccia cerebrale ed aree associate: da 12 a 15 miliardi di neuroni Cervelletto: 70 miliardi di neuroni
DettagliSTRUMENTO DI SUPPORTO PER L ANALISI DEL RISCHIO-RAPINA
Convegno ABI BANCHE E SICUREZZA 2007 STRUMENTO DI SUPPORTO PER L ANALISI DEL RISCHIO-RAPINA Fabrizio Capobianco Responsabile Ufficio Gestione Sicurezza - SGS Gruppo Banco Popolare di Verona e Novara Caratteristiche
DettagliSoftware. Engineering
Software Metrica: Function Point Engineering Contenuti Misurazione del software Metriche basate sulla funzionalità Punto Funzione (Function Point) Esempio di calcolo di FP Rieferimenti: 1. Roger S. Pressman
DettagliReti Neurali Artificiali per la Finanza (7 CFU)
Reti Neurali Artificiali per la Finanza (7 CFU) Facoltà di Economia - Università di Foggia CdLM in Finanza a.a. 2011/2012 Prof. Crescenzio Gallo c.gallo@unifg.it Premessa Le tecniche adottate per l'analisi
DettagliLuca Mari. Gallarate, 16.3.07
Sistemi RFId: perché oggi? Luca Mari Gallarate, 16.3.07 Introduzione Il confine tra innovazione incrementale e radicale è sovente sfumato Un esempio classico: carrozza a cavalli automobile pre-ford modello
DettagliSoftware - Software applicativo - Altri campi di applicazione
Software - Software applicativo - Altri campi di applicazione Word (word processor) Excel (foglio di calcolo) Power Point (presentazioni) Entourage (posta elettronica e organizer) word processor e editor
DettagliI.I.S Niccolò Machiavelli Pioltello
Pagina 1 di 6 Materia FISICA (secondo biennio) Anno Scolastico 2015-2016 Componenti del Consiglio di Materia: Docente Prof. Serafino Maria Antonia (Coordinatore di Materia) Prof. Adobbati Mauro Prof. Baderna
DettagliProcesso parte VII. Strumenti. Maggiore integrazione. Sviluppo tecnologico
Strumenti Processo parte VII Leggere Cap. 9 Ghezzi et al. Strumenti software che assistono gli ingegneri del software in tutte le fasi del progetto; in particolare progettazione codifica test Evoluzione
DettagliIl capping geosintetico di una discarica
TeMa srl Divisione Ambiente 1-5 Campo di applicazione : Il capping geosintetico di una discarica di RSU SEPARAZIONE FUNZIONE CAMPO DI APPLICAZIONE BACINI IDRICI FILTRAZIONE CANALI Titolo : Realizzazione
DettagliCenni sulle reti e applicazioni remote ( internet, applicazioni e servizi web )
Classe III A (Indirizzo Economico - Sociale) Fondamenti di informatica: Definizione di Informatica, dato e informazione. Cenni storici. Rappresentazione in forma binaria dei dati. Conversione da decimale
DettagliIstituto comprensivo Arbe Zara
Istituto comprensivo Arbe Zara Viale Zara,96 Milano Tel. 02/6080097 Scuola Secondaria di primo grado Falcone Borsellino Viale Sarca, 24 Milano Tel- 02/88448270 A.s 2015 /2016 Progettazione didattica della
DettagliEsame professionale superiore secondo il sistema modulare con esame finale
Esame professionale superiore secondo il sistema modulare con esame finale DIRETTIVA sul regolamento dell'esame professionale superiore secondo il sistema modulare con esame finale di Maestra tessile/maestro
DettagliNuvola It E-Surveillance
Nuvola It E-Surveillance 1. DESCRIZIONE Nuvola It E-Surveillance è un offerta ICT che consente di acquisire, elaborare, memorizzare e visualizzare qualsiasi tipologia di evento video che accade nell ambito
DettagliLeo Core Funzioni di base
CUSTOMER CARE Leo è un software sviluppato per Android OS basato su algoritmi di Intelligenza Artificiale e Natural Language Processing (NLP) in grado di rimanere sempre in ascolto e gestire dispositivi
DettagliLa Skills Card relativa alle certificazioni Nuova ECDL è svincolata dalla singola certificazione.
ECDL Standard Descrizione. La certificazione ECDL Standard si proprone come un'alternativa più ricca rispetto alla certificazione ECDL Base è più flessibile della certificazione ECDL Full Standard. La
DettagliMolti problemi affrontati quotidianamente evidenziano la necessità di migliorare e confrontare le conoscenze fra operatori di Aziende Sanitarie e
Molti problemi affrontati quotidianamente evidenziano la necessità di migliorare e confrontare le conoscenze fra operatori di Aziende Sanitarie e Agenzie Ambientali Alcuni esempi di problemi ad alta complessità
DettagliPROGRAMMAZIONE DIDATTICA ANNUALE. SETTORE TECNOLOGICO Indirizzo: Elettrotecnica ed Elettronica
ISTITUTO TECNICO INDUSTRIALE STATALE Basilio Focaccia via Monticelli (loc. Fuorni) - Salerno PROGRAMMAZIONE DIDATTICA ANNUALE SETTORE TECNOLOGICO Indirizzo: Elettrotecnica ed Elettronica Anno scolastico:
DettagliOperare efficacemente sul desktop di un computer usando icone e finestre;
Computer Essentials Modulo 1 Il modulo Computer Essentials è l evoluzione dei moduli: Concetti di base dell'ict e Uso del computer e gestione dei file" (Moduli 1 e 2 dell ECDL Core). Il presente modulo
DettagliSVM. 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
DettagliREGOLAMENTO DIDATTICO DEL CORSO DI LAUREA IN SICUREZZA DEI SISTEMI E DELLE RETI INFORMATICHE
REGOLAMENTO DIDATTICO DEL CORSO DI LAUREA IN SICUREZZA DEI SISTEMI E DELLE RETI INFORMATICHE 1. Il presente Regolamento specifica gli aspetti organizzativi del corso di laurea in Sicurezza dei sistemi
DettagliIstituto Comprensivo di Asiago Scuola Secondaria di I Grado Asiago Via M.Bortoli 1 PIANO DI LAVORO DI TECNOLOGIA
Istituto Comprensivo di Asiago Scuola Secondaria di I Grado Asiago Via M.Bortoli PIANO DI LAVORO DI TECNOLOGIA ANNO SCOLASTICO 04/05 SITUAZIONE EDUCATIVA E DIDATTICA INIZIALE Si fa riferimento al Piano
DettagliISTITUTO TECNICO ECONOMICO MOSSOTTI
CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche
DettagliFAC SIMILE procedura GESTIONE INFORTUNI, INCIDENTI, COMPORTAMENTI PERICOLOSI, AZIONI CORRETTIVE E PREVENTIVE
Pag. 1 di 7 01 Emissione in allegato a procedura verifica GS 4 Maggio 2014 00 Prima emissione Luglio 2013 Revisione Motivo Data FAC SIMILE procedura GESTIONE INFORTUNI, INCIDENTI, COMPORTAMENTI PERICOLOSI,
DettagliIndice. Introduzione...6. Capitolo 1: Realtà virtuale e computer vision..10. Capitolo 2: Riconoscimento facciale..34
Indice Introduzione...6 Capitolo 1: Realtà virtuale e computer vision..10 Introduzione.....10 1.1 Realtà virtuale immersiva 11 1.2 Dispositivi per l interazione 12 1.3 Gradi di immersione...14 1.4 Realtà
DettagliLa formazione a distanza
Diap.: 1 La formazione a distanza Diap.: 2 La formazione a distanza ambiente formativo tecnologico comprensivo di forme di didattica adistanzaediapprendimentoonline Diap.: 3 permette una interazione tra
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
DettagliLa Visione Artificiale. La vis ione delle macchine La vis ione umana Acquis izione di immag ine
La Visione Artificiale La vis ione delle macchine La vis ione umana Acquis izione di immag ine Copyright Alcune slide sono tratte dal testo: Digital Image Processing Materiale didattico relativo si trova
DettagliFondamenti di Informatica 1. obiettivo: introduzione a conoscenze di base dell informatica
Università di Roma Tor Vergata L1-1 obiettivo: introduzione a conoscenze di base dell informatica informatica come metodologia di risoluzione di problemi con l ausilio di una macchina definire un metodo
DettagliCERTIFICAZIONE DELLE COMPETENZE: indicatori e livelli
(1) ASSE DEI LINGUAGGI : ITALIANO CERTIFICAZIONE DELLE COMPETENZE: indicatori e livelli 1. Padroneggia gli strumenti espressivi ed argomentativi indispensabili per gestire l interazione comunicativa verbale
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
DettagliLa GRID nella Medicina
La GRID nella Medicina Paola Di Giacomo Paola.Digiacomo@uniroma1.it Principali sfide della medicina Aumento Aumento popolazione anziana Malattie Malattie croniche (neurologiche, ecc.) Malattie Malattie
DettagliRelatore Chiar.mo Prof. Davide Anguita Relatore Aziendale Ing. Silvio Costa (IsoSistemi) Relatore Aziendale Ing. Marco De Leo (IsoSistemi)
Relatore Chiar.mo Prof. Davide Anguita Relatore Aziendale Ing. Silvio Costa (IsoSistemi) Relatore Aziendale Ing. Marco De Leo (IsoSistemi) Allievo Matteo Bardini Genova, 15/7/2011 1 Indice Il Process Mining.
DettagliReti neurali e loro applicazioni
Università degli Studi di Padova FACOLTÀ DI INGEGNERIA Corso di Laurea in Informazione Tesi di laurea triennale Reti neurali e loro applicazioni Relatore: LUCA SCHENATO Laureando: STEFAN KOKOROVIC Anno
DettagliCostruzione di una Rete Neurale Artificiale per applicazioni Economico Finanziarie
per applicazioni Economico Finanziarie Prof. Crescenzio Gallo c.gallo@unifg.it Università deglistudidifoggia Dipartimento di Scienze Biomediche Indice 1 Concetti preliminari 1 1.1 Introduzione......................................
DettagliIstituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi)
Istituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi) Via Firenze, 51 - Tel. 0587/213400 - Fax 0587/52742 http://www.itcgfermi.it E-mail: mail@itcgfermi.it PIANO DI LAVORO Prof. FERRARA
DettagliIl giardino nella macchina: la vita artificiale. 2003 Mauro Annunziato
Il giardino nella macchina: la vita artificiale 2003 Mauro Annunziato La fondazione della vita artificiale Chris Langton ( 89) Artificial Life (Alife) : programmi che autonomamente si evolvono all interno
DettagliDAL PROBLEMA AL PROGRAMMA
DAL PROBLEMA AL PROGRAMMA Scopo del modulo Conoscere alcuni concetti fondamentali dell informatica:algoritmo, l automa, linguaggio formale Essere in grado di cogliere l intreccio tra alcuni risultati della
DettagliPolitecnico di Bari Corso di Laurea Specialistica in Ingegneria Informatica A.A. 2008-09. Casi di Studio. Traccia n 1
Politecnico di Bari Corso di Laurea Specialistica in Ingegneria Informatica A.A. 2008-09 Casi di Studio Traccia n 1 Si vuole realizzare un portale web per la gestione della rete di vendita di un'azienda
DettagliSCUOLA PRIMARIA I.C. di CRESPELLANO PROGRAMMAZIONE ANNUALE DI TECNOLOGIA E INFORMATICA
TRAGUARDI DELLE AL TERMINE della CLASSE I L alunno esplora e interpreta il mondo fatto dall uomo, individua le funzioni di un artefatto e di una semplice macchina, usa oggetti e strumenti coerentemente
DettagliSegnaletica Stradale e Sicurezza:
Laboratorio di Sistemi Cognitivi Segnaletica Stradale e Sicurezza: Il problema della comprensione dei segnali dal punto di vista cognitivo Danilo Fum Dipartimento di Psicologia Università di Trieste Laboratorio
DettagliPlurima Katalog. Soluzione di Catalogo Elettronico
Soluzione di Catalogo Elettronico è la soluzione di Plurima Software s.r.l. per creare un catalogo elettronico in modo rapido e a costi contenuti e per consentire la completa e rapida fruizione delle informazioni
DettagliLa Skills Card relativa alle certificazioni Nuova ECDL è svincolata dalla singola certificazione.
ECDL Base (4 Moduli) Descrizione. Com'è facilmente deducibile anche dal nome, la certificazione ECDL Base attesta il livello essenziale di competenze informatiche e web del suo titolare, aggiornate alle
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
DettagliIIS D ORIA - PROGRAMMAZIONE per UFC INDICE DELLE UFC
INDICE DELLE UFC 1 STRUTTURA E NORMATIVE 2 IL SISTEMA OPERATIVO 3 TESTI, IPERTESTI E PRESENTAZIONI 4 LE RETI TELEMATICHE E INTERNET 5 IL FOGLIO DI CALCOLO EXCEL 6 BASI DI PROGRAMMAZIONE TIPOLOGIA VERIFICHE.
DettagliIntroduzione al Pattern Recognition Statistico
Introduzione al Pattern Recognition Statistico Roberto Tagliaferri Dipartimento di Informatica Università di Salerno ( Sa ) 84084 Fisciano e-mail robtag@unisa.it Statistical Pattern Recognition Introduzione
DettagliPIANO DI LAVORO A.S. 2015/16
Istituto Tecnico Industriale Leonardo Da Vinci con sez. Commerciale annessa Borgomanero (NO) PIANO DI LAVORO A.S. 2015/16 Materia: Informatica Classe: IC (settore economico) data di presentazione: 12 ottobre
DettagliLe parole dell informatica: modello di calcolo, complessità e trattabilità
Le parole dell informatica: modello di calcolo, complessità e trattabilità Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Ciclo di seminari su un Vocabolario
DettagliNuclei fondanti discipline. Prof. Mario Malizia
Nuclei fondanti discipline Prof. Mario Malizia Informazione/Comunicazione Decodifica e produzione di messaggi orali e scritti (competenze: tecnica lessicale/frasale) Espressione Manifestazione di sentimenti,
DettagliData inizio : 2014-01-01 Prezzo per partecipante : 60 EUR Località : Da definire
Data inizio : 2014-01-01 Prezzo per partecipante : 60 EUR Località : Da definire DATE, ORARI E SEDI Il corso sarà attivato al raggiungimento del numero minimo di partecipanti con date, orari e sedi DA
DettagliPERITO TECNICO SUPERIORE MOTORIZZAZIONE. Traccia n. 3
PERITO TECNICO SUPERIORE MOTORIZZAZIONE Traccia n. 3 Il candidato descriva i compiti affidati alla distribuzione in un motore endotermico ad accensione comandata per autotrazione. Si descrivano i principi
DettagliPROGRAMMAZIONE E GESTIONE DI UN PROGETTO DI SERVIZIO SOCIALE
PROGRAMMAZIONE E GESTIONE DI UN PROGETTO DI SERVIZIO SOCIALE A.S. Dott.ssa Carmen Prizzon Il progetto Operazione complessa unica e di durata limitata rivolta a produrre un risultato specifico attraverso
DettagliLe Macchine di Turing
Le Macchine di Turing Come è fatta una MdT? Una MdT è definita da: un nastro una testina uno stato interno un programma uno stato iniziale Il nastro Il nastro è infinito suddiviso in celle In una cella
DettagliFondamenti di Informatica. Docenti: Prof. Luisa Gargano Prof. Adele Rescigno BENVENUTI!
Fondamenti di Informatica Docenti: Prof. Luisa Gargano Prof. Adele Rescigno BENVENUTI! Finalità: Fornire gli elementi di base dei concetti che sono di fondamento all'informatica Informazioni Pratiche ORARIO:
DettagliLe macchine di Turing
Le macchine di Turing Alan Turing (1912-1954) 1954) Il problema della decisione i L Entscheidungsproblem [il problema della decisione] è risolto se si conosce una procedura che permette di decidere la
DettagliADO.Net. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San Giovanni
ADO.Net Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San Giovanni Applicazioni Three Tier In ingegneria del software, l'espressione architettura three-tier ("a tre strati") indica
DettagliLiceo Tecnologico. Indirizzo Informatico e Comunicazione. Indicazioni nazionali per Piani di Studi Personalizzati
Indirizzo Informatico e Comunicazione Indicazioni nazionali per Piani di Studi Personalizzati Indirizzo Informatico e Comunicazione Discipline con attività di laboratorio 3 4 5 Fisica 132 Gestione di progetto
DettagliLO SVILUPPO E LE APPLICAZIONI DEI MODELLI NEURALI
Per l unità della Scienza: Fisica e Biologia LO SVILUPPO E LE APPLICAZIONI DEI MODELLI NEURALI A. Bazzani ipartimento di Fisica e Centro L.Galvani per la Bio-complessità, Università di Bologna INFN Sezione
DettagliISTITUTO COMPRENSIVO MUSSOLENTE SCUOLA PRIMARIA
ISTITUTO COMPRENSIVO MUSSOLENTE SCUOLA PRIMARIA TECNOLOGIA E INFORMATICA Classe I 1) Conoscere i bisogni primari dell uomo e i manufatti, gli oggetti, gli strumenti e le macchine che li soddisfano 2) Conoscere
DettagliLa centralità del paziente tra MMG Distretto e Ospedale: il Fascicolo Sanitario Elettronico. Daniele Donato Azienda ULSS 16 - Padova
La centralità del paziente tra MMG Distretto e Ospedale: il Fascicolo Sanitario Elettronico Daniele Donato Azienda ULSS 16 - Padova Premesse 2010 Centralità del paziente Continuità delle cure Appropriatezza
Dettagli