Traduzione del testo VISUAL INFORMATION RETRIEVAL DI Amarnath Gupta & Ramasi Jain

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Traduzione del testo VISUAL INFORMATION RETRIEVAL DI Amarnath Gupta & Ramasi Jain"

Transcript

1 Traduzione del testo VISUAL INFORMATION RETRIEVAL DI Amarnath Gupta & Ramasi Jain Tradotto da Giacomazzi Luca web.fiscali.it/mastrosblindo a proud memeber of the-skulls Licenza Capsula : se leggete questo documento e pensate che non sia utile, o la traduzione sia brutta e inefficiente fottetevi pure, e continuate a leggerlo in inglese. Se volete diffondere questo documento, ne andrebbe della vostra reputazione, oltre che della vostra verginita anale, in quanto appena il documento passera di mano verrete irrimediabilmente fottuti da un montone delle Ande, geneticamente modificato, che risponde al nome di ATTILA III che ha vissuto 10 anni in pura castita nei laboratori segreti delle suddette Ande. Fate bene i vostri conti Copyrigt 2003 by Giacomazzi Luca Nel 1951, il ricercatore e uomo di businnes Calvin Moores conio il termine information retrieval per descrivere il processo con cui un utente di un informazione puo convertire una richiesta di informazione in una collezione di riferimenti utili. Moores si riferiva al recupero di documenti testuali, ma la sua descrizione cattura quello che un sistema di information retrival deve fare. Qui estenderemo questa nozione a risorse non testuali. Si consideri una collezione di video clips e un agenzia pubblicitaria che sta cercando la giusta metrica per una nuova richiesta di un cliente Find me a clip, dove per due secondi una macchina rossa passi lungo un hillside in un giorno luminoso, che scompaia quando la strada passa dietro la collina. Ora immaginiamo di scrivere questa query usando un motore di ricerca testuale. Per fare questo permutando le parole chiave per trovare il documento giusto diventa frustante. Inoltre gli statements della query generano in molte persone immagini mentali simili, una specifica testuale che identifichi sempre lo stesso video clip non e facile da formulare. La difficoltà si presentano in parte xke e impossibile garantire il video annotator e la pubblicazione dell utente una query ad hoc usando espressioni simili per descriver un clip. C e un'altra ragione piu profonda. L informazione cercata e inerente al linguaggio figurato che a un linguaggio testuale, e anche se potente, non e adeguata ad esprimere delle query per un processo di retrieval efficiente. Il ruolo emergente dei sistemi di Visual Information Retrieval (VIR) e di andare oltre ai descrittori basati sul testo, per trarre, memorizzare e recuperare queste informazioni di linguaggio figurato contenuti nei media visuali. La premessa base dietro i sistemi VIR e che immagini e video sono le entita basi su cui ricercare, e gli utenti devono essere capaci di query il loro contenuto facilmente come se ricercassero documenti testuali, senza annotazioni manuali. Queryng content-based alphanumeric information e un esempio perfetto di un nuovo paradigmo descritto da H.Liebermann del MIT media laboratori : Fondamentalmente deve cambiare il modo con cui guardiamo ai problemi a cui abbiamo guardato in passato. Deve darci un nuovo framework per pensare ai problemi per il futuro Quando esperti in differenti campi guardano con curiosita e ammirazione ad ogni altro dominio, e cercano punti e prospettive in comune, risultano nuovi paradigmi Effettivamente il dominio di VIR hanno ereditatio i componenti di analisi della visione computerizzata e la componente delle query dai sistemi di database, unendo discipline vecchie dell informatica : database managment e information retrieval systems e image procession e computer vision. Per introdurre le caratteristiche e le tecniche di VIR annunciamo tre questioni base:

2 Cosa costituisce il contenuto informativo di un immagine o di un video in un contesto specifico di ogni applicazione? Con quale significato un utente puo specificare una ricerca per un pezzo di informazione Quanto e efficiente ed accurato il processo di retrieval COS E VISUAL INFORMATION? Due tipi di informazione sono associati ad oggetti visuali (immagini o video): informazion sull oggetto, detti metadati, e informazioni contenute dentro l oggetto dette caratteristiche visuali. I metadati sono alfanumeriche e generalmente esprimibili come uno schema di un database relazionale o object oriented. Le caratteristiche visuali dono derivcate attraverso processi computazionali, tipicamente analisi di immagini, computer vision, e routines computazionali geometriche, eseguite sugli oggetti visuali. La caratteristiche piu comuni che possono essere calcolate sono basate sui valori dei pixel dei dati grezz, e molti dei primi sistemi di database di immagini usanvano i pixel come base dei loro data models. Questi sistemi possono rispondere a query del tipo: trova tutte le immagini per cui dal 100-esimo al 200-esimo pixel sono arancioni, se l arancione ha dei valori (rosso 255, verde 130 e blu 0) trova tutte le immagini che hanno lo stesso colore nela regione centrale, come una particolare. La regione centrale puo essere specificato da un sistema di coordinate, e l espressione dello stesso colore di solito e definito calcolando la distanza di colore. Una variante della distanza euclidea e spesso usata per confrontare due valori di colore. Trova tutte le immagini che sono versioni shiftate di questa immagine, in cui il massimo spostamento consentito e D. Se i requisti dell utente sono soddisfatti con queste classi di query, la modellazione della struttura dati per Visual information e abbastanza semplice. In realta un modello basato sui pixel soffre di alcuni inconvenienti: 1. E molto sensibile al rumore e quindi una coppia di pixel rumorosi e sufficiente a scartare un immagine candidata per le prime due query 2. Traslazioni e rotazioni non sono desiderate come proprieta di un immagine. Se un immagine e ruotata non viene presa in considerazione dal terzo tipo di query 3. oltre al rumore anche le variazioni di luminosital e altre condizioni che affliggono i valori dei pixel drasticamente danno risutlati non corretti per le query. Queste limitazioni non sono per dire che un tale modello basato sui pixel sia inefficent. Si possono ottenere segmentazioni di video significanto misurando le differenze fra pixel nel temo. Per esempio un brusco cambiamento di scena puo essere modellato trovando alte discontinuità nella proiezione temporale di differenze comulative di pixel fra i frames. Tuttavia, inf. Retrieval basato solo sui valori dei pixels non e buono di per se stesso. Ancora, consideriamo un database di immagini aeree in cui gli unici oggetti di interesse sono edifici, veicoli a terra, velivoli,strade e terreni. Inoltre immaginiamo che un interprete umano disegna rettangoli di contorno per ogni regione in un immagine in cui uno o piu di questi 5 tipi di oggetti appaiono e etichetta le aree in accordo con gli oggetti contenuti. Ora abbiamo una specifica precisa dell informazione contenuta nell immagine. Questa informazione puo essere direttamente modellata da un database relazionale che mantinene la locazione (bounding box) di ogni tipo di oggetto e a timestamp di ogni immagine. Con alcuni processi geometrici aggiuntivi possiamo rispondere a queste query complesse.

3 C e qualche locazione dove piu di 5 veicoli di terra sono vicini a edifici allocati nel mezzo di un terreno in generale C e stato qualche variazione nella posizione dei veicoli volanti in un lasso di tempo?? Quale strada di approccio e stata usata dei veicoli nel passaggio di divesi giorni per avvicinarsi agli aircrafts. Mentre queste query sono espressive, la parte piu cruciale dell information retrieval- estrazione di informazioni- e fatto da un uso della conoscenzaa e esperienza umana nell interpretazione dell immagine aerea. La ragione xke questo task richiede l uomo e semplice: l interpretazione automatica di immagini aeree e tuttora un problema irrisolto. Dall altra parte, se l uomo estrae l informanzione utile, puo usare un sistema di database spaziale per organizzare e recupeare le informazioni. In una vita reale un approccio del genera alla sorveglianza aerea e irreale. Per un applicazione militare, il territorio sotto sorveglianza e largo abbastanza per aver bisogno di molte telecamere che riprendano. Tutte ste immagini occuperebbero un buono spazio, e ci sono buone possibilita di errori di interpretazioni Molte applicazioni per VIR cadono fra automated pixel oriented information models and fully human assisted database schemes. Non richiedono pixel level queries, ne sono limitati a qualche classe di oggetti. Per queste applicazioni di mezzo, l informazione visuale puo essere definita in termini di image-processing trasformations computer on the visual object. Anche se sono possibili molte trasformazioni rendono caratteristiche visuali significanti, e qui esporremo solo alcuni semplici esempi. COLORE: Supponiamo tutte le immagini in una collezione siano colorate. Il colore e tipicamente caratterizzato da due variabili: tonalita e saturazione. La tonalita denota lo spettro dei colori: la saturazione per ogni tonalita data indica quanto grigio e aggiunto al colore puro. Assumiamo che il sistema calcoli un istogramma 2d di tonalit e saturazione per ogni immagine, cosi rosso e rosa occupano diversi scomparti nell istogramma. Con questo calcolo, un utente puo chiedere le seguenti query: trovare tutte le immagini in cui piu del 30% dei pixel siano blu cielo e piu del 25% dei pixels sono verde erba Ordinare gli insiemi di questa immagine in ordine dercrescente per trovare i 5 colori dominanti. E trovare quelle con gli stessi colori dominanti Misurare la distanza dei colori fra due immagini calcolando prima la differenza fra istogrammi e la somma delle differenze su tutti i bins. Trovare tutte le immagini con la distanza di colore D di questa immagine COLOR COMPOSITION: Calcolare l istogramma dei colori, per ogni immagine, come prima. Poi spezzare l immagine in 4 quadranti e calcolare per ognuno di essi l istogramma. Continuare questa procedura fino a quadrati 16*16 pixels. Il risultato e una struttura dati detta quadtree di istogrammi che e un astrazione astratta del grafo generale. Questa astrazione puo essere usata per fare altre query come: trovare tutte le immagini con piu del 20% di pixels rosso/arancio nel quadrato in alto a dx, piu del 20% pixel gialli in alto a sx, e 30 % di pixels dal marrone al marrone scuro nella meta inferiore dell immagine Trovare tutte le immagini con un red patch nel centro dell immagine e con una pezza blu intorno ad essa

4 FORME: Assumer la collezione di sole clip art. Di solito sono composte di colori puri(senza grigi, solo tonalita ). Segmentiamo ogni immagine in un numero di regioni colroeate in modo che ogni regione connetta un insieme di punti che hanno lo stesso colore puro. Per ogni segmento, si calcolino 4 proprieta: colore, area,elongation (rapporto del quadrato del perimetro e l area) e centralità (distanza dal centroide della regione dal centro dell immagine normalizzata dalla lunghezza dell immagine) Inoltre ogni immagine puo essere astratta come una lista di segmenti, ognuno con queste quattro proprieta. Usando questa lista si possono ottenere le seguenti queries. trovare tutte le immagini che hanno un quadrato bianco nel centro Trovare tutte le immagini contenenti due cerchi blu e segmenti ellittici rossi chiusi al centro. FACE RETRIEVAL Un VIR famoso e quello di ricerca delle facce sviluppato al MIT. Il sistema manipola geometricamente ogni faccia data in input in modo che sia su uno stesso sistema di coordinate. I ricercatori provarono il loro sistema con un gran numero di queste facce calcolando 20 caratteristiche rappresentando ogni faccia umana con un certo grado di dettaglio. Anche se queste caratteristiche non corrispondono a parti fisiche significative della faccia (come occhi, naso, bocca ) raccolgono abbastanza informazioni matematiche per trovare facce simili con buona precisione. Lo scopo di queste trasformazioni di immagine e di astrarre un insieme di proprieta dagli oggetti visuali sufficienti da permettere che siano interrogate con una query. Si spera che servano per estrarre livelli alti di informazione che sono iu robusti, con un significato piu intuitivo, e piu strutturati rispetto a bit grezzi. Non inaspettatamente se la trasformazione aumenata il significato, diventa difficile automatizzare queste operazioni. Per esempio, nel face retrieval, solo i systems designer necessitano di training per fare retrival effettivo. Nei database di immagini mediche, l estrazione completamente automatizzata e un problema di ricerca. L esperienza generale e che l analisi totalmente automatica lavora bene su domini piccoli e controllati ed e molto intensiva per via dei calcolo. Inoltre controllare l imput in ogni database non e molto pratico. Muovendosi dalle immagini al video si aggiungono altri ordini di complessita. Molti ricercatori e sviluppi commerciale prendono il seguente approccio: considerano il video clip come un gran numero di immagini (frames) con un progressivo variare del contenuto dell immagine. Da questa sequenza, trovare i frames a cui corrisponde una transizione significnate del contenuto dell immagine. I segmenti del video fra queste due transizioni sono detti shots. Usando alcune strategie di campionamento per estrarre alcuni frammenti chiave da questi shots. Trattiamo ogni key frame come un immagine su cui fare lo stesso processo che puo essere fatto sulle altri immagini. Ma questo approccio non fa buon uso delli informazione temporale e del movimento. I video contengono tre tipo di informazioni sul movimento: una dovuta ai movimenti dell oggetto dentro la scena una dovuta ai movimenti della camera una dovuta a fase di post processing come image warping Alcuni sistemi usano la codifica del movimento nella compressione del video (MPEG) per estrarre le informazioni sul movimento. Questi sistemi lavorano bene per movimenti di oggetti isolati nella scena. Alcuni sistemi scartano l intero problema dell estrazione di infrmazioni da i video e assumono che siano disponibili descrizioni simboliche delle sequenze di immagini. Questi sistemi trattano video information come un problema di ricerca in un database, per proprieta spazio-

5 temporali di oggetti rigidi. Idealmente un tale sistema deve integrare tutti i pezzi differenti entro un framework singolo, ma non siamo ancora arrivati a questo punto. SPECIFICARE UNA QUERY PER VIR L intento primario di una query visuale deve catturare l immagine mentale dell utente di una specifica figura o immagine video. Uno sitle di ricerca, che si evolve da approcci tradizionali, ha sviluppato sia le query testuali sia quelle grafiche. Un linguaggio per query testuali come PICQUERY+ e stato costruito per comporre una descrizione visuale con attributi testuali specifici e operatori relazioni spaziali, temporali, evoluzionarie. In un linguaggio a query visuale l utente visualizza icone di oggetto per specificare la locazione, orientamento e dimensione degli oggetti dentro l immagine desiderata. Image information sistems recentemente sviluppato si appoggiano di piu ad un paradigma queryby-exemple.. Ci sono due differenti modi per trovare un esempio. Nel primo modo l esempio e una figura, l utente specifica un'altra immagine oppure ne disegna una. Alcuni sistemi recenti inoltre permettono agli utenti di raffinare le loro query, lanciando una nuova query oppure modificando un immagine risultante con un processing tool per le immagini per specificare criteri addizionali che l immagine da recuperare deve soddisfare. Alcune operazioni possono includere il cancellamento di parte dell immagine, cambiando il livello di luominosita, o dipingendo una parte dell immagine con un certo colore. Un altro tipo di query raffinament coinvolge il cambiamento dei pesi relativi delle caratteristiche visuali, e il sistema riordina i risultati precedenti secondo i nuovi pesi. La specifica delle query e piu complessa per i video. Con il grado attuale di sviluppo, i sistemi sono piu inerenti all individuazione delle transizioni o svillupano l algoritmo giusto per l estrazione dei keyframes piuttosto che alla realizzazione delle query video. Questi sistemi tipicamente offrono semplici video queries come per esempio: trovare una collezione video con keyframe come un immagine data Ordinare i clips in una collezione video in ordine di similarita con un video clip dato, in cui i criteri di somiglianza possono essere specificati e alterati impostando e aggiustando parametri visuali e di movimento mostrati all utente Indicare il video clip dato al frame che e uguale ad un immagine specificata Indicare il video clip al frame che che ha la piu alta somiglianza di frame con una query video data. La maggior parte dei sistemi VIR correnti sono limitati nei tipi di query che possono fare. Lo sviluppo di un linguaggio completo per i beni visivi e un compito difficile. Tuttavia, la specifica delle query per l informazione visuale non deve essere fatta esclusivamente con un esempio o con un paradigmo basato sulla specifica ma attraverso una collezione di tools differenti che insieme servono come un query lenguage per VIR. Tali tool sono: Un image-processing tool: Un tool che iterattivamente segmenta l immagine o modifica le proprietà di una regione locale dell immagine. Dovrebbe essere uato sia durante il processo di inserimento dell immagine per permettere l analisi dell immagine, e durante l espressione della query per esprimere condizioni di ricerca su regioni specifiche dell immagine. Un tool di manipolazione delle caratteristiche dello spazio: un tool che permetta una miglior specifica delle condizioni di ricerca sulle caratteristiche di un immagine anziché sopra un'immagine. Le queries basate su istogrammi sono un esempio sono un esempio di questa classe di queries. Piu in generale, un tal tool permetterebbe all'utente di esplorare lo spazio delle caratteristiche e

6 specificare una domanda di vicinanza ad una query. Una query potrebbe essere: se ogni immagine e vista come un punto in uno spazio vettoriale a n dimensioni, trovare le x immagini con distanza d dall immagine data Mentre molti dei sistemi correnti supportano questo tipo di query, loro eseguono ciecamente e non permettono all utente di navigare iterattivamente nello spazio delle caratteristiche e modificare le condizioni della uqery basate su questa iterazione. Un object specification tool: Un tool che risolve il conflitto potenziale fra query che gardano con condizioni di ricerca sulle immagini e quelle che gardano le condizioni di ricerca su oggetti individuabili sull immagine. Per illustrare questa differenza, le tre immagini contenute in figura 5 sono molto diverse nella loro contenuto generale dell immagine ma contengono oggetti simili,dove l oggetto di interesse occupa solo una parte dell immagine. Lo stesso e vero per i video : un oggetto per una query deve poter essere specificato analizzando la seqenza di imagini attraverso motion grouping. Un measurement specification tool: un tool da utilizzare in tutti i domini in cui la dimensione degli oggetti o di regioni in un immagine sono un argomento importante. Un tale tool deve permettere all utente di fare misure on line e prevedere condizioni di tolleranza sulle region della query. Inoltre deve permettere all utente di recuperare diverse versioni zoomate della stessa immagine Un tool di classificazione: Un tool che permetta all utente di fare operazioni di raggruppamento su oggetti visuali attraverso la specifica di un criterio di raggruppamento su una o piu caratteristiche di interesse. Un tool di adattamento spaziale:un tool che permetta all utente di specificare queries locationsensitive e muovere gli oggetti della query denotati dall object specification tool di posizionarli in un posto di interesse. Inoltre deve permettere se l utente di posizionare la sensibilita della locazione dell oggetto assoluta o relativa e permettere query che includano area range restrictionche possono essere imposte sulle regioni dell immagine, o che menzionino combinazioni booleane di attributi spaziali. Temporal arrangment tool: tool per i video che specifica eventi temporali come condizioni di ricerca. Non ci si riferisce a eventi semantici ma a cammini di cambiamento di oggetti e immagini. F.e. in una collezione video una query puo richiedere: trova tutti i clips in cui un frreze shot e seguito in un salto in una scena dinamica Questo tool deve lavorare insieme a image motion descriptors e video segmentation primitives cosi l utente puo specificare le condizioni di ricerca su cammini temporali sulle transizioni di immagine e di oggetti Un tool di annotazione: un tool che allevia uno delle maggiori limitazioni sui sistemi exemplebased che gli utenti possono conoscere esattamente cosa stanno cercando per iniziare una query. Idealmente tale tool dovrebbe avere capacita simili a un text processing engine. Tuttavia deve

7 permettre differenti livelli di annotazione per essere associati ad oggetti o a regioni dentro un gruppo di immagini. Le annotazioni sono necessari per i video per fare annotazioni a livello storia. Data definition tool: un tool che permetta alle applicazioni in cui l utente ha un insieme di modelli di caratterizzare le proprieta dell immagine. Gli altri compiti di tale tool e di supportare un ontologia e esempi di parole per casi in cui la descrizione visuale con uno schema diventa troppo complessa da creare..un esempio puo essere creare un inisme di esempi di immagini per la parola human cosi che questi esempi possanop essere usati per iniziare una query sugli umani CONFRONTARE VIR SYSTEMS Nello stato corrente di sviluppo dei sistemi VIR affronta molti problemi caratterisitici di ogni campo emergente. Negli ultimi anni sono stati proposti diversi tipi di sistemi VIR commerciali. Questi sistemi differiscono nel dominio di applicazione, scelta delle caratteristiche di visualizzazione tecniche impiegate per computing le caratteristiche visuali, e meccanismi di query supportate. Come possiamo confrontare questi sistemi? Sfortunatamente non ci sono criteri diretti da stabilire per valutare,testare e confrontare questi sistemi. Questa mancanza e dovuta in parte al carattere soggettivo del dominio. E estremamente difficile impostare uno standard per classificare un database di immagini assortite in termini della loro somiglianza ad un immagine data. Una variazione significante puo essere osservata attraverso classificazioni prodotte da diversi utenti e fra due assegnamenti dello stesso utente a tempi differenti. Malgrado questi ostacoli, e importante sviluppare un insieme di criteri generali per assegnare le relative performance dei sistemi VIR. Goodness of retrieval. Questo giudizio approssimativamente corrisponde alle immagini mentali dell utente di cosa dovrebbe essere recuperato dal sistema per un data base di riferimento. Alcune semplici misure sono riassunte attraverso l iterazione dell utente. Il sistema e buono xke querying con un esempio di giardino fiorito recupera 90% di scene di esterni di cui 80% sono giardini fioriti L utente giudica la bonta del sistema attraverso il numero di correct matches nei primi screenshots. Il colore e le texture del terzo risultatosono abbastanza giuste, ma la loro forma nel mezzo non lo e Qui l utente misura la dimensione e il grado di rilevanza per ogni risultato rilevante Il risultato e scarso xke queste 3 rose dovrebbero essere piu in alto nella gerarchia rispetto alla macchina o al bambino sul prato. Il ciriterio e relative rank degli oggetti rilevanti vs quello degli oggetti non rilevanti. Un sistema in cui per la stessa queryalcune immagini rilevanti sono ordinate piu in basso delle immagini non rilevanti e giudicato come un performance non buona rispetto ai sistemi che ordinano in modo giusto Come mai quell immagine che ho visto nei promi due schermi non c e Perche appare quando riduco il peso dei colori? Perche no quando aumento il peso della texture L utente in questo caso e passato dal modo di ricerca image-browser al modo di ricerca image locator. Ora il criterio di correttezza e la deviazione da un ordinamento aspettato di un immagine di riferimento e the incremental improvement achived per query refinement operation. Non e chiaro quale combinazione di pesi puo recuperare quello che voglio. C e un modo per marcare i risultati che mi piacciono e non ed avere risultati migliori dal sistema L utente richiede il meccanismo di relevance feedback, un meccanismo attraverso il quale l utente guarda alle risoposte prodotte dal sistema per una query, e cataloga i risultati con un punteggio di rilevanza. Il sistema usa questi punteggi per modificare e ripetere la querym aspettando che escano risultati con una piu alta rilevanza.

8 L aspetto piu notevole in queste misure di massima e che il giudizio dell utente della bonta e dato su la quantita di dati rilevanti sono recuperati. Molti dei sistemi correnti cercano di minimizzare i risultati falsi negativi con un espansione dei falsi positivi. Un approccio bilanciato e ottimizzato delle performance dei VIR non e ancora realta Effevtiveness. Se ci muoviamo da un sistema genearl pourpose ad uno piu specifico (applicato ad un dominio specifico), le queries dell utente diventano piu sofisticate e utili. Il criterio di assegnamento inoltre cambia in ordine di misurare l effficacia del recupero nel contesto specifico del problema di applicazione. Basandosi sui application problems per cui noi abbiamo adattato Virage Image Engine, offriamo diverse osservazioni sulla percezione e sulla realta dell efficacia. In molte applicazioni specifiche, il processo di estrazione di caratteristiche visuali e limitato alle tecniche offerte di immane processing e computer vision. E non sono mai perfette. Quindi, e necessario trattare l efficacia del recupero, separatamente dagli algoritmi di underlying image processing.. Tuttavia gli utenti raramente fanno distinzione, giudicando le performance di sistema dai risultati di recupero, senza realzizzare che non ci sono algoritmi per calcolare le caratteristiche che vogliono. Fare la distinzione e una parte importante dell educazione dell utente. Abbiamo trovato utile per l utente stimare quanto i risultati potrebbero essere diversi dai risultati dati assumendo che il sistema produca estrazioni perfette di caratteristiche. I risultati dei recuperi basati sulla somiglianza non sono cosi sensibili ai piccoli errori dell estrazione delle caratteristiche. Spesso, le caratteristiche critiche influenzano l efficacia sono la scelta delle funzioni di somiglianza e la selezione delle caratteristiche adeguate. In un applicazione di trademark search, selezionando una moment-based shape features provoca un drammatico aumento dell efficacia per l utente.in un applicazione oftamologica, scegliere una funzione di somiglianza fuzzy ha una differenza significante rispetto a una metrica di pesi euclidea. Fare il sistema efficiente e un arte. Il merito reale di un sistema VIR e l abilita di permettere sufficiente estendibilita e flessibilita che puo essere girata ad ogni applicazione per utente.

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

I.Stat Guida utente Versione 1.7 Dicembre 2010

I.Stat Guida utente Versione 1.7 Dicembre 2010 I.Stat Guida utente Versione 1.7 Dicembre 2010 1 Sommario INTRODUZIONE 3 I concetti principali di I.Stat 4 Organizzazione dei dati 4 Ricerca 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della lingua 7 Individuazione

Dettagli

Data warehouse.stat Guida utente

Data warehouse.stat Guida utente Data warehouse.stat Guida utente Versione 3.0 Giugno 2013 1 Sommario INTRODUZIONE 3 I concetti principali 4 Organizzazione dei dati 4 Ricerca 5 Il browser 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della

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 del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis

Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis 2 Intervento immediato con Bosch Intelligent Video Analysis Indipendentemente da quante telecamere il sistema utilizza, la sorveglianza

Dettagli

DBMS (Data Base Management System)

DBMS (Data Base Management System) Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire

Dettagli

Il mondo in cui viviamo

Il mondo in cui viviamo Il mondo in cui viviamo Il modo in cui lo vediamo/ conosciamo Dalle esperienze alle idee Dalle idee alla comunicazione delle idee Quando sono curioso di una cosa, matematica o no, io le faccio delle domande.

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

Introduzione ad Access

Introduzione ad Access Introduzione ad Access Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Access E un programma di gestione di database (DBMS) Access offre: un supporto transazionale

Dettagli

Ricapitoliamo. Ricapitoliamo

Ricapitoliamo. Ricapitoliamo Ricapitoliamo Finora ci siamo concentrati sui processi computazionali e sul ruolo che giocano le procedure nella progettazione dei programmi In particolare, abbiamo visto: Come usare dati primitivi (numeri)

Dettagli

I link non sono tutti uguali: 10 illustrazioni sulla valutazione dei link da parte dei motori di ricerca

I link non sono tutti uguali: 10 illustrazioni sulla valutazione dei link da parte dei motori di ricerca I link non sono tutti uguali: 10 illustrazioni sulla valutazione dei link da parte dei motori di ricerca Di Articolo originale: All Links are Not Created Equal: 10 Illustrations on Search Engines' Valuation

Dettagli

CATTURARE LO SCHERMO INTERO O LA FINESTRA ATTIVA

CATTURARE LO SCHERMO INTERO O LA FINESTRA ATTIVA CATTURARE LO SCHERMO INTERO O LA FINESTRA ATTIVA Supponiamo di voler eseguire una istantanea del nostro desktop, quella che in gergo si chiama Screenshot (da screen, schermo, e shot, scatto fotografico).

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

Elementi di semantica denotazionale ed operazionale

Elementi di semantica denotazionale ed operazionale Elementi di semantica denotazionale ed operazionale 1 Contenuti! sintassi astratta e domini sintattici " un frammento di linguaggio imperativo! semantica denotazionale " domini semantici: valori e stato

Dettagli

Cos è l Ingegneria del Software?

Cos è l Ingegneria del Software? Cos è l Ingegneria del Software? Corpus di metodologie e tecniche per la produzione di sistemi software. L ingegneria del software è la disciplina tecnologica e gestionale che riguarda la produzione sistematica

Dettagli

Come realizzare una buona presentazione (traduzione libera a cura della redazione di EpiCentro)

Come realizzare una buona presentazione (traduzione libera a cura della redazione di EpiCentro) Come realizzare una buona presentazione (traduzione libera a cura della redazione di EpiCentro) Quando si realizzano dei documenti visivi per illustrare dati e informazioni chiave, bisogna sforzarsi di

Dettagli

I Valori del Manifesto Agile sono direttamente applicabili a Scrum:!

I Valori del Manifesto Agile sono direttamente applicabili a Scrum:! Scrum descrizione I Principi di Scrum I Valori dal Manifesto Agile Scrum è il framework Agile più noto. E la sorgente di molte delle idee che si trovano oggi nei Principi e nei Valori del Manifesto Agile,

Dettagli

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Unified Process Prof. Agostino Poggi Unified Process Unified Software Development Process (USDP), comunemente chiamato

Dettagli

Progetto Didattico di Informatica Multimediale

Progetto Didattico di Informatica Multimediale Progetto Didattico di Informatica Multimediale VRAI - Vision, Robotics and Artificial Intelligence 20 aprile 2015 Rev. 18+ Introduzione Le videocamere di riconoscimento sono strumenti sempre più utilizzati

Dettagli

Introduzione al GIS (Geographic Information System)

Introduzione al GIS (Geographic Information System) Introduzione al GIS (Geographic Information System) Sommario 1. COS E IL GIS?... 3 2. CARATTERISTICHE DI UN GIS... 3 3. COMPONENTI DI UN GIS... 4 4. CONTENUTI DI UN GIS... 5 5. FASI OPERATIVE CARATTERIZZANTI

Dettagli

Corso di Programmazione ad Oggetti

Corso di Programmazione ad Oggetti Corso di Programmazione ad Oggetti Introduzione alla programmazione ad oggetti a.a. 2008/2009 Claudio De Stefano 1 La programmazione modulare Un programma può essere visto come un insieme di moduli che

Dettagli

Controllare un nastro trasportatore fischertechnik con Arduino

Controllare un nastro trasportatore fischertechnik con Arduino TITOLO ESPERIENZA: Controllare un nastro trasportatore fischertechnik con Arduino PRODOTTI UTILIZZATI: OBIETTIVO: AUTORE: RINGRAZIAMENTI: Interfacciare e controllare un modello di nastro trasportatore

Dettagli

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati Tipologie di pianificatori Pianificazione Intelligenza Artificiale e Agenti II modulo Pianificazione a ordinamento parziale (POP) (HTN) pianificazione logica (SatPlan) Pianificazione come ricerca su grafi

Dettagli

CAMPO DI ESPERIENZA: IL SE E L ALTRO

CAMPO DI ESPERIENZA: IL SE E L ALTRO CAMPO DI ESPERIENZA: IL SE E L ALTRO I. Il bambino gioca in modo costruttivo e creativo con gli altri, sa argomentare, confrontarsi, sostenere le proprie ragioni con adulti e bambini. I I. Sviluppa il

Dettagli

Kingston Technology Programma di personalizzazione DataTraveler

Kingston Technology Programma di personalizzazione DataTraveler Kingston Technology Programma di personalizzazione DataTraveler KINGSTON.COM/US/USB/CUSTOMIZATION Inviare il modulo compilato al nostro responsabile vendite, via fax o email. Lato A: Logo Kingston Lato

Dettagli

Mario Polito IARE: Press - ROMA

Mario Polito IARE: Press - ROMA Mario Polito info@mariopolito.it www.mariopolito.it IMPARARE A STUD IARE: LE TECNICHE DI STUDIO Come sottolineare, prendere appunti, creare schemi e mappe, archiviare Pubblicato dagli Editori Riuniti University

Dettagli

MINI GUIDA SINTETICA per l uso della lavagna interattiva multimediale

MINI GUIDA SINTETICA per l uso della lavagna interattiva multimediale MINI GUIDA SINTETICA per l uso della lavagna interattiva multimediale InterWrite SchoolBoard è un software per lavagna elettronica di facile utilizzo. Può essere adoperata anche da studenti diversamente

Dettagli

Integrazione. Ecad. Mcad. Ecad - MENTOR GRAPHICS

Integrazione. Ecad. Mcad. Ecad - MENTOR GRAPHICS Integrazione Ecad Mcad Ecad - MENTOR GRAPHICS MENTOR GRAPHICS - PADS La crescente complessità del mercato della progettazione elettronica impone l esigenza di realizzare prodotti di dimensioni sempre più

Dettagli

Business Intelligence

Business Intelligence aggregazione dati Business Intelligence analytic applications query d a t a w a r e h o u s e aggregazione budget sales inquiry data mining Decision Support Systems MIS ERP data management Data Modeling

Dettagli

QUALE MATEMATICA NELLA SCUOLA DELL INFANZIA. Scuola dell Infanzia Don Milani Anni 2006/2007/2008 Ins. Barbara Scarpelli

QUALE MATEMATICA NELLA SCUOLA DELL INFANZIA. Scuola dell Infanzia Don Milani Anni 2006/2007/2008 Ins. Barbara Scarpelli QUALE MATEMATICA NELLA SCUOLA DELL INFANZIA Scuola dell Infanzia Don Milani Anni 2006/2007/2008 Ins. Barbara Scarpelli ESPERIENZE MATEMATICHE A PARTIRE DA TRE ANNI QUALI COMPETENZE? L avventura della matematica

Dettagli

Progettazione di un DB....in breve

Progettazione di un DB....in breve Progettazione di un DB...in breve Cosa significa progettare un DB Definirne struttura,caratteristiche e contenuto. Per farlo è opportuno seguire delle metodologie che permettono di ottenere prodotti di

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

Stefano Bonetti Framework per la valutazione progressiva di interrogazioni di localizzazione

Stefano Bonetti Framework per la valutazione progressiva di interrogazioni di localizzazione Analisi del dominio: i sistemi per la localizzazione Definizione e implementazione del framework e risultati sperimentali e sviluppi futuri Tecniche di localizzazione Triangolazione Analisi della scena

Dettagli

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Oggi più che mai, le aziende italiane sentono la necessità di raccogliere,

Dettagli

MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE)

MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE) MODULO 3 LEZIONE 23 FORMAZIONE DEL MOVIMENTO (SECONDA PARTE) Contenuti Michelene Chi Livello ottimale di sviluppo L. S. Vygotskij Jerome Bruner Human Information Processing Teorie della Mente Contrapposizione

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

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

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

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE Oracle Business Intelligence Standard Edition One è una soluzione BI completa, integrata destinata alle piccole e medie imprese.oracle

Dettagli

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it 186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it Premessa Durante una mia visita al Palazzo Ducale di Mantova, nell ammirare i tanti capolavori che custodisce,

Dettagli

> MULTI TASKING > MULTI PROCESS > MULTI CORE

> MULTI TASKING > MULTI PROCESS > MULTI CORE > MULTI TASKING > MULTI PROCESS > MULTI CORE WorkNC V21 multicore 64 bits : Benefici di WorkNC Aumento generale della produttività, grazie alle nuove tecnologie multi-core, 64 bit e Windows 7 Calcolo di

Dettagli

Introduzione a MySQL

Introduzione a MySQL Introduzione a MySQL Cinzia Cappiello Alessandro Raffio Politecnico di Milano Prima di iniziare qualche dettaglio su MySQL MySQL è un sistema di gestione di basi di dati relazionali (RDBMS) composto da

Dettagli

APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO. Francesco Marchione e Dario Richichi

APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO. Francesco Marchione e Dario Richichi APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO Francesco Marchione e Dario Richichi Istituto Nazionale di Geofisica e Vulcanologia Sezione di Palermo Indice Introduzione...

Dettagli

Basi di Dati prof. Letizia Tanca lucidi ispirati al libro Atzeni-Ceri-Paraboschi-Torlone. SQL: il DDL

Basi di Dati prof. Letizia Tanca lucidi ispirati al libro Atzeni-Ceri-Paraboschi-Torlone. SQL: il DDL Basi di Dati prof. Letizia Tanca lucidi ispirati al libro Atzeni-Ceri-Paraboschi-Torlone SQL: il DDL Parti del linguaggio SQL Definizione di basi di dati (Data Definition Language DDL) Linguaggio per modificare

Dettagli

Guida rapida all uso di ECM Titanium

Guida rapida all uso di ECM Titanium Guida rapida all uso di ECM Titanium Introduzione Questa guida contiene una spiegazione semplificata del funzionamento del software per Chiputilizzare al meglio il Tuning ECM Titanium ed include tutte

Dettagli

Famiglie di font. roman ( normale ) corsivo o italic grassetto o bold grassetto corsivo o bold italic

Famiglie di font. roman ( normale ) corsivo o italic grassetto o bold grassetto corsivo o bold italic Famiglie di font Nella maggior parte dei casi, un font appartiene a una famiglia I font della stessa famiglia hanno lo stesso stile grafico, ma presentano varianti Le varianti più comuni sono: roman (

Dettagli

Le telecamere Installate verranno connesse ad Unità di elaborazione multiplexer per la gestione e la verifica di gruppi omogenei di 4-8-16-32-48-64

Le telecamere Installate verranno connesse ad Unità di elaborazione multiplexer per la gestione e la verifica di gruppi omogenei di 4-8-16-32-48-64 Le telecamere Installate verranno connesse ad Unità di elaborazione multiplexer per la gestione e la verifica di gruppi omogenei di 4-8-16-32-48-64 telecamere. I sistemi di acquisizione ed archiviazione

Dettagli

CAMPO DI ESPERIENZA IL SE E L ALTRO SCUOLA DELL INFANZIA ANNI 3

CAMPO DI ESPERIENZA IL SE E L ALTRO SCUOLA DELL INFANZIA ANNI 3 IL SE E L ALTRO ANNI 3 Si separa facilmente dalla famiglia. Vive serenamente tutti i momenti della giornata scolastica. E autonomo. Stabilisce una relazione con gli adulti e i compagni. Conosce il nome

Dettagli

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale !"$#%!" #% Nella prima lezione... Definizione di Informatica Cosa è una soluzione algoritmica Esempi di algoritmi cicalese@dia.unisa.it 2 Prima parte: Società dell informazione Ma cosa vuol dire società

Dettagli

COME FRODE. la possibilità propri dati. brevissimo. Reply www.reply.eu

COME FRODE. la possibilità propri dati. brevissimo. Reply www.reply.eu FRAUD MANAGEMENT. COME IDENTIFICARE E COMB BATTERE FRODI PRIMA CHE ACCADANO LE Con una visione sia sui processi di business, sia sui sistemi, Reply è pronta ad offrire soluzioni innovative di Fraud Management,

Dettagli

un occhio al passato per il tuo business futuro

un occhio al passato per il tuo business futuro 2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 un occhio al passato per il tuo business futuro BUSINESS DISCOVERY Processi ed analisi per aziende virtuose Che cos è La Business Discovery è un insieme

Dettagli

Catturare una nuova realtà

Catturare una nuova realtà (Interviste "di LuNa" > di Nadia Andreini Strive - 2004 Catturare una nuova realtà L opera di Ansen Seale (www.ansenseale.com) di Nadia Andreini (www.nadia-andreini.com :: nadia@nadia-andreini.com) Da

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

Il ciclo di vita del software

Il ciclo di vita del software Il ciclo di vita del software Il ciclo di vita del software Definisce un modello per il software, dalla sua concezione iniziale fino al suo sviluppo completo, al suo rilascio, alla sua successiva evoluzione,

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

Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea

Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea Ufficio del Responsabile Unico della Regione Sicilia per il Cluster Bio-Mediterraneo

Dettagli

Milano, Settembre 2009 BIOSS Consulting

Milano, Settembre 2009 BIOSS Consulting Milano, Settembre 2009 BIOSS Consulting Presentazione della società Agenda Chi siamo 3 Cosa facciamo 4-13 San Donato Milanese, 26 maggio 2008 Come lo facciamo 14-20 Case Studies 21-28 Prodotti utilizzati

Dettagli

Dipartimento del Tesoro

Dipartimento del Tesoro Dipartimento del Tesoro POWER POINT AVANZATO Indice 1 PROGETTAZIONE DELL ASPETTO...3 1.2 VISUALIZZARE GLI SCHEMI...4 1.3 CONTROLLARE L ASPETTO DELLE DIAPOSITIVE CON GLI SCHEMI...5 1.4 SALVARE UN MODELLO...6

Dettagli

Applicazione: DoQui/Index - Motore di gestione dei contenuti digitali

Applicazione: DoQui/Index - Motore di gestione dei contenuti digitali Riusabilità del software - Catalogo delle applicazioni: Applicativo verticale Applicazione: DoQui/Index - Motore di gestione dei contenuti digitali Amministrazione: Regione Piemonte - Direzione Innovazione,

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

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

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

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

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Caterina Rizzi... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell oggettoy

Dettagli

RedDot Content Management Server Content Management Server Non sottovalutate il potenziale della comunicazione online: usatela! RedDot CMS vi permette di... Implementare, gestire ed estendere progetti

Dettagli

How to Develop Accessible Linux Applications

How to Develop Accessible Linux Applications How to Develop Accessible Linux Applications Sharon Snider Copyright 2002 IBM Corporation v1.1, 2002-05-03 Diario delle Revisioni Revisione v1.1 2002-05-03 Revisionato da: sds Convertito in DocBook XML

Dettagli

Corso di Informatica

Corso di Informatica CdLS in Odontoiatria e Protesi Dentarie Corso di Informatica Prof. Crescenzio Gallo crescenzio.gallo@unifg.it L Informatica!2 Informatica Il termine informatica deriva dal francese Informatique Inform(ation

Dettagli

TEST DELL'ABILITA' PRATICA DEL RAGIONAMENTO GLOBALE

TEST DELL'ABILITA' PRATICA DEL RAGIONAMENTO GLOBALE TEST DELL'ABILITA' PRATICA DEL RAGIONAMENTO GLOBALE COPYRIGHT 2008 PROCTER & GAMBLE CINCINNATI, OH 45202 U.S.A. AVVERTENZA: Tutti i diritti riservati. Questo opuscolo non può essere riprodotto in alcun

Dettagli

VALORE DELLE MERCI SEQUESTRATE

VALORE 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

Dettagli

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica).

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica). 3.4. I LIVELLI I livelli sono strumenti a cannocchiale orizzontale, con i quali si realizza una linea di mira orizzontale. Vengono utilizzati per misurare dislivelli con la tecnica di livellazione geometrica

Dettagli

PROVA DI MATEMATICA - Scuola Primaria - Classe Quinta

PROVA DI MATEMATICA - Scuola Primaria - Classe Quinta Rilevazione degli apprendimenti PROVA DI MATEMATICA - Scuola Primaria - Classe Quinta Anno Scolastico 2011 2012 PROVA DI MATEMATICA Scuola Primaria Classe Quinta Spazio per l etichetta autoadesiva ISTRUZIONI

Dettagli

Entrate... 11 Uscite... 11 Trasferimento... 11 Movimenti ricorrenti... 11 Movimenti suddivisi... 12

Entrate... 11 Uscite... 11 Trasferimento... 11 Movimenti ricorrenti... 11 Movimenti suddivisi... 12 Data ultima revisione del presente documento: domenica 8 maggio 2011 Indice Sommario Descrizione prodotto.... 3 Licenza e assunzione di responsabilità utente finale:... 4 Prerequisiti:... 5 Sistema Operativo:...

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Il Business Process Management: nuova via verso la competitività aziendale

Il Business Process Management: nuova via verso la competitività aziendale Il Business Process Management: nuova via verso la competitività Renata Bortolin Che cosa significa Business Process Management? In che cosa si distingue dal Business Process Reingeneering? Cosa ha a che

Dettagli

Sistemi di supporto alle decisioni

Sistemi di supporto alle decisioni Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision

Dettagli

di4g: Uno strumento di clustering per l analisi integrata di dati geologici

di4g: Uno strumento di clustering per l analisi integrata di dati geologici di4g: Uno strumento di clustering per l analisi integrata di dati geologici Alice Piva 1, Giacomo Gamberoni 1, Denis Ferraretti 1, Evelina Lamma 2 1 intelliware snc, via J.F.Kennedy 15, 44122 Ferrara,

Dettagli

Il Sistema Operativo: il File System

Il Sistema Operativo: il File System Il Sistema Operativo: il File System Il File System è quella parte del S.O. che si occupa di gestire e strutturare le informazioni memorizzate su supporti permanenti (memoria secondaria) I file vengono

Dettagli

CAMPO DI ESPERIENZA: IL SE E L ALTRO

CAMPO DI ESPERIENZA: IL SE E L ALTRO CAMPO DI ESPERIENZA: IL SE E L ALTRO I. Il bambino gioca in modo costruttivo e creativo con gli altri, sa argomentare, confrontarsi, sostenere le proprie ragioni con adulti e bambini. I I. Sviluppa il

Dettagli

Definizione e struttura della comunicazione

Definizione e struttura della comunicazione Definizione e struttura della comunicazione Sono state date molteplici definizioni della comunicazione; la più semplice e comprensiva è forse questa: passaggio di un'informazione da un emittente ad un

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

La Borsa delle idee Innovare: il reale valore dei social network

La Borsa delle idee Innovare: il reale valore dei social network La Borsa delle idee Innovare: il reale valore dei social network Di cosa parliamo? La Borsa delle Idee è la soluzione per consentire alle aziende di coinvolgere attivamente le persone (dipendenti, clienti,

Dettagli

Preprocessamento dei Dati

Preprocessamento 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

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA SUZANNE ROBERTSON MASTERING THE REQUIREMENTS PROCESS COME COSTRUIRE IL SISTEMA CHE IL VOSTRO UTENTE DESIDERA

LA TECHNOLOGY TRANSFER PRESENTA SUZANNE ROBERTSON MASTERING THE REQUIREMENTS PROCESS COME COSTRUIRE IL SISTEMA CHE IL VOSTRO UTENTE DESIDERA LA TECHNOLOGY TRANSFER PRESENTA SUZANNE ROBERTSON MASTERING THE REQUIREMENTS PROCESS COME COSTRUIRE IL SISTEMA CHE IL VOSTRO UTENTE DESIDERA ROMA 20-22 OTTOBRE 2014 RESIDENZA DI RIPETTA - VIA DI RIPETTA,

Dettagli

Regole semplici per creare una buona presentazione

Regole semplici per creare una buona presentazione Regole semplici per creare una buona presentazione di Maria Rosa Mazzola Alla cl@sse 2.0 G.B. Piranesi Roma A.S. 2011-12 Le presentazioni offrono la possibilità di organizzare in modo sintetico i dati

Dettagli

Guida. Vista Live. Controllo. Riproduzione su 24 ore. Ricerca avanz. Le icone includono: Mod. uscita. Icona. Un sensore di allarme.

Guida. Vista Live. Controllo. Riproduzione su 24 ore. Ricerca avanz. Le icone includono: Mod. uscita. Icona. Un sensore di allarme. Guida operatore del registratore TruVision Vista Live Sull immagine live dello schermo vengono visualizzati laa data e l ora corrente, il nome della telecamera e viene indicato se è in corso la registrazione.

Dettagli

Scuola primaria: obiettivi al termine della classe 5

Scuola primaria: obiettivi al termine della classe 5 Competenza: partecipare e interagire con gli altri in diverse situazioni comunicative Scuola Infanzia : 3 anni Obiettivi di *Esprime e comunica agli altri emozioni, sentimenti, pensieri attraverso il linguaggio

Dettagli

Configuration Management

Configuration Management Configuration Management Obiettivi Obiettivo del Configuration Management è di fornire un modello logico dell infrastruttura informatica identificando, controllando, mantenendo e verificando le versioni

Dettagli

Sopra ogni aspettativa

Sopra ogni aspettativa Sopra ogni aspettativa Pipette elettroniche Eppendorf Xplorer e Eppendorf Xplorer plus »Un modo intuitivo di lavorare.«chi dà il massimo ogni giorno, merita anche il massimo in termini di strumenti ed

Dettagli

Dall italiano alla logica proposizionale

Dall italiano alla logica proposizionale Rappresentare l italiano in LP Dall italiano alla logica proposizionale Sandro Zucchi 2009-10 In questa lezione, vediamo come fare uso del linguaggio LP per rappresentare frasi dell italiano. Questo ci

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Dall istruzione programmata all e-learning

Dall istruzione programmata all e-learning Dall istruzione programmata all e-learning L ausilio delle tecnologie informatiche e dell intelligenza artificiale per l insegnamento degli allievi è un binomio che ha visto un progressivo sviluppo di

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Introduzione alla Programmazione ad Oggetti in C++

Introduzione alla Programmazione ad Oggetti in C++ Introduzione alla Programmazione ad Oggetti in C++ Lezione 1 Cosa è la Programmazione Orientata agli Oggetti Metodologia per costruire prodotti software di grosse dimensioni che siano affidabili e facilmente

Dettagli

Le variabili. Olga Scotti

Le variabili. Olga Scotti Le variabili Olga Scotti Cos è una variabile Le variabili, in un linguaggio di programmazione, sono dei contenitori. Possono essere riempiti con un valore che poi può essere riletto oppure sostituito.

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli