Fuzzy Logic. Applicazione al Controllo di traiettoria. Tesina di Intelligenza Artificiale II Modulo. Tesina di. Franco Milicchio Federico Tonioni

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Fuzzy Logic. Applicazione al Controllo di traiettoria. Tesina di Intelligenza Artificiale II Modulo. Tesina di. Franco Milicchio Federico Tonioni"

Transcript

1 Fuzzy Logic Applicazione al Controllo di traiettoria Tesina di Intelligenza Artificiale II Modulo Tesina di Franco Milicchio Federico Tonioni

2 Introduzione alla Fuzzy Logic

3 Cos è la Fuzzy Logic? La Fuzzy Logic è una delle aree più affascinanti di ricerca poiché tratta di un problema con cui gli uomini hanno avuto e avranno sempre a che fare ovvero la contrapposizione tra importanza e precisione o, se vogliamo, tra senso pratico e senso teorico. Essa è concettualmente basata sulla relativa importanza della precisione: quanto è importante essere strettamente precisi nella vita quotidiana quando si necessita di una risposta magari più approssimativa? Per capire la differenza tra importanza e precisione con un esempio, si pensi ad una persona che stia per essere investita da un masso e a noi che siamo lì davanti ad osservare la scena con la possibilità di dire qualcosa per aiutarla: si può concordare che Un masso di 1550 kg ti sta per cadere in testa con un'accelerazione di 45 m/sec e 'Attento, spostati!!!' sono due approcci con utilità concreta ben diversa. Il primo commento più che un aiuto può sembrare una presa in giro! Tutti gli articoli o le presentazioni sulla Fuzzy Logic iniziano con alcune frasi di personaggi illustri riguardo a questo interrogativo. La precisione non è la verità. Henri Matisse Talvolta ciò che è più importante viene tralasciato a favore di ciò che è più misurabile. René Dubos Non ci si può sbarazzare dell'indeterminatezza nel mondo della logica più di quanto della frizione nella meccanica. Charles Sanders Peirce Credo che nulla sia incondizionatamente vero, e quindi sono ostile ad ogni tipo di affermazione di verità positiva e a qualunque uomo che la faccia. H. L. Mencken Finché le leggi della matematica si riferiscono alla realtà, non sono certe. E finché sono certe non fanno riferimento alla realtà. Albert Einstein Non appena aumenta la complessità, le affermazioni precise perdono significato e le affermazioni che hanno significato perdono di precisione. Lotfi Zadeh

4 Potremmo semplicemente affermare che la Fuzzy Logic è una maniera conveniente di mappare uno spazio di input in uno spazio di output. Questo è il punto di partenza e grande enfasi è messa sull'aggettivo 'conveniente'. Che vuol dire mappare uno spazio di input in uno di output? Ecco qualche esempio: dimmi quanto è buono il servizio del tuo ristorante e ti dirò quale sia la mancia da lasciare al cameriere; dimmi quanto vuoi calda l'acqua e aprirò le manopole al punto giusto; dimmi quanto sia lontano il soggetto della tua fotografia e ti metterò a fuoco la lente; dimmi quanto forte sta andando la tua macchina e quanto il motore sta sforzando, e inserirò le marce per te; Un esempio di una mappa input-output è mostrato qui sotto. La risoluzione del problema risiede esclusivamente nel mappare input in appropriati output: tra input e output c'è una 'scatola nera' che esegue questo compito e che può essere un'infinità di cose: un sistema fuzzy, un sistema lineare, una rete neurale, un sistema di equazioni differenziali o addirittura una guida umana ma la lista di queste cose potrebbe andare avanti. Di tutte le maniere per svolgere questo compito, il sistema fuzzy è spesso quella migliore, perché, anche se nella maggior parte dei casi si può costruire lo stesso prodotto senza utilizzare la Fuzzy Logic, l'approccio fuzzy è più veloce e più economico. Perché utilizzare la Fuzzy Logic? Ecco una lista di osservazioni generali sulla Fuzzy Logic: La Fuzzy Logic è concettualmente facile da capire. La Fuzzy Logic è flessibile. La Fuzzy Logic è tollerante nei confronti di dati imprecisi. La Fuzzy Logic può modellare funzioni non lineari di arbitraria complessità. La Fuzzy Logic può essere costruita sulla base dell'esperienza di esperti. La Fuzzy Logic può facilmente essere utilizzata unitamente alle convenzionali tecniche di controllo. La Fuzzy Logic è basata sul linguaggio naturale.

5 Il linguaggio naturale, quello utilizzato da noi tutti quotidianamente per comunicare, è stato modellato da migliaia di anni di storia umana per essere conveniente e efficiente. Infatti, frasi scritte in linguaggio comune rappresentano un trionfo di comunicazione efficiente e in genere noi non siamo consapevoli di questo perché il linguaggio comune è qualcosa che utilizziamo, quasi inconsciamente, ogni giorno. Poiché la Fuzzy Logic è costruita sulle strutture di descrizione qualitativa usate nel linguaggio di tutti i giorni la Fuzzy Logic è estremamente semplice da usare. Quando non usare la Fuzzy Logic Abbiamo definito la Fuzzy Logic come una maniera conveniente per mappare uno spazio di input in un appropriato spazio di output: se ci rendiamo conto che questa maniera non è conveniente, si provi con qualcos'altro. La Fuzzy Logic è la codifica del (buon) senso comune: se si usa il buonsenso quando si implementa si prenderà probabilmente la giusta decisione. Molti controllori, ad esempio, fanno un ottimo lavoro senza usare la Fuzzy Logic. Un esempio introduttivo: Fuzzy vs. Non-Fuzzy Per capire meglio la differenza tra un approccio Fuzzy e un approccio lineare, a questo punto, è utile fare un esempio specifico. Mostreremo, dapprima, la risoluzione del problema nella maniera convenzionale (non-fuzzy) e in seguito utilizzando la Fuzzy Logic. Consideriamo il famoso problema delle mance: dato un numero da 0 a 10 che rappresenta la qualità di servizio di un ristorante (10 è eccellente), quale deve essere la 'giusta' mancia da dare al cameriere? L approccio Non-Fuzzy Possiamo pensare ad una semplice relazione: si supponga che la mancia da dare sia uguale al 15% del conto da pagare. tip = 0.15; Questa relazione non tiene conto però della qualità del servizio e quindi dobbiamo aggiungere un nuovo termine all'equazione. Poiché il servizio varia in una scala tra 0 e 10, potremmo avere che la mancia vari linearmente dal 5% se il servizio è cattivo fino al 25%:

6 tip = 0.02 * service ; La formula è abbastanza semplice ma, tuttavia, vorremmo che la mancia tenga conto anche della qualità del cibo. Potremmo estendere il problema come segue: Dati due insiemi di numeri tra 0 e 10 (10 è eccellente) che rappresentino rispettivamente la qualità del servizio la qualità del cibo del ristorante, quale deve essere la 'giusta' mancia da dare al cameriere? Vediamo come la formula viene modificata dall'introduzione di una nuova variabile: tip = 0.01 * (service + food) ; In questo caso, il risultato sembra buono, tuttavia si può osservare che se si vuole che il servizio abbia un maggior peso rispetto alla qualità del cibo, la formula va modificata ulteriormente. Supponiamo che vogliamo che il servizio pesi l'80% dell'intero 'grado' di mancia e il cibo il restante 20%. servratio = 0.8; tip = servratio * (0.02 * service ) + (1 - servratio) * (0.02 * food );

7 Tuttavia, la risposta è ancora troppo uniformemente lineare. Supponiamo ora di volere una risposta piatta nel mezzo (ad esempio, in generale vogliamo dare il 15% di mancia ma darne 'di meno' se il servizio è 'troppo' scadente o viceversa 'di più' se il servizio è molto buono). Possiamo considerare a questo punto una funzione di risposta come segue, considerando il caso unidimensionale della sola qualità di servizio: if (service < 3) tip = (0.10 / 3) * service ; elseif (service < 7) tip = 0.15; elseif (service >= 10) tip = (0.10 / 3) * (service 7) ; end Se estendiamo il tutto in due dimensioni, prendendo in considerazione di nuovo la qualità del cibo, avremo: servratio = 0.8; if (service < 3) tip = ((0.10 / 3) * service ) * servratio + (1 servratio) * (0.02 * food ); elseif (service < 7) tip = 0.15 * servratio + (1 servratio) * (0.02 * food ); else tip = ((0.10/3) * (service 7) ) * servratio + (1 - servratio) * (0.02 * food ); end Ora abbiamo raggiunto un risultato più che accettabile ma la funzione per la mancia risulta alquanto complicata: infatti il codice scritto non è così leggibile e quindi neanche facilmente modificabile in futuro. Inoltre, non è molto comprensibile come l'algoritmo funzioni per qualcuno che non abbia assistito alla sua progettazione. L approccio Fuzzy Sarebbe cosa buona catturare l'essenzialità di questo problema, trascurando tutti i fattori arbitrari. Se pensiamo a ciò che è rilevante ed essenziale per questo problema, potremmo scrivere le seguenti regole: 1. Se il servizio è scadente, allora la mancia sarà bassa 2. Se il servizio è buono, allora la mancia sarà media 3. Se il servizio è ottimo, allora la mancia sarà elevata

8 L'ordine con cui le regole vengono presentate qui è del tutto arbitrario: non importa quale regola venga per prima. Se vogliamo includere l'effetto della qualità del cibo sulla mancia, possiamo aggiungere le due seguenti regole: 4. Se il cibo è rancido, allora la mancia sarà bassa 5. Se il cibo è buono, allora la mancia sarà elevata A questo punto, possiamo combinare i due set di regole per ottenere una lista unica: 1. Se il servizio è scadente o il cibo è rancido, allora la mancia sarà bassa 2. Se il servizio è buono, allora la mancia sarà media 3. Se il servizio è eccellente o il cibo è buono, allora la mancia sarà elevata Queste tre regole sono il nucleo della nostra soluzione e, allo stesso tempo, abbiamo definito le regole per un sistema Fuzzy Logic. Se diamo un significato matematico alle variabili espresse in linguaggio naturale (cosa è una mancia 'media', per esempio), avremo un sistema di inferenza fuzzy completo. Ovviamente, abbiamo trascurato numerosi aspetti della metodologia della Fuzzy Logic: Come sono combinate le regole? Come si può definire matematicamente una mancia 'media'? A queste domande daremo una risposta più avanti. I dettagli del metodo non cambiano molto da problema a problema: i meccanismi della Fuzzy Logic non sono terribilmente complessi. Qui è mostrata la figura associata con il sistema fuzzy che risolve questo problema che è stata generata a partire dalle tre regole che abbiamo ricavato e utilizzando il Fuzzy Logic Toolbox di Matlab. Alcune osservazioni Utilizzando il metodo Non-Fuzzy, abbiamo trovato una relazione lineare che risolve il problema ma che è fastidiosa da ricavare e, inoltre, una volta scritto il codice non era così facile da interpretare. Al contrario, il sistema fuzzy è basato su alcune affermazioni di 'buonsenso comune' e, in più, siamo stati in grado di aggiungere due regole ulteriori alle precedenti, senza per questo disfare quello che avevamo precedentemente fatto: la modifica è stata, in altre parole, molto semplice. Una cosa interessante è che, utilizzando la Fuzzy Logic, la nozione di mancia 'media' può variare di giorno in giorno, di città in città o di paese in paese, ma la logica sottostante rimarrà sempre la stessa: se il servizio è buono, allora la mancia sarà media. Si può 'ricalibrare' il metodo

9 semplicemente traslando in maniera opportuna il fuzzy set che definisce la media senza riscrivere le regole. Questa ricalibrazione è, ovviamente possibile anche con il metodo lineare, ma in generale non sarà così veloce e semplice. Di seguito, è mostrato come rendere la soluzione lineare più generica(in realtà, basta parametrizzare le variabili): % Definizione delle costanti lowtip = 0.05; avertip = 0.15; hightip = 0.25; tiprange = hightip lowtip; badservice = 0; okayservice = 3; goodservice = 7; greatservice = 10; servicerange = greatservice badservice; badfood = 0; greatfood = 10; foodrange = greatfood badfood; % Se il servizio è scadente o il cibo è rancido, allora la % mancia sarà bassa if (service < okayservice) tip = (((avertip lowtip) / (okayservice badservice)) * service + lowtip) * servratio + (1 servratio) * (tiprange / foodrange * food + lowtip); % Se il servizio è buono, allora la mancia sarà media else if (service < goodservice) tip = avertip * servratio + (1 servratio) * (tiprange / foodrange * food + lowtip); % Se il servizio è eccellente o il cibo è buono, allora la % mancia sarà elevata else tip = (((hightip avertip) / (greatservice goodservice)) * (service goodservice) + avertip) * servratio + (1 servratio) * (tiprange / foodrange * food + lowtip); end Si può facilmente vedere, come l'impressione che si ha di questo codice sia un qualcosa di poco leggibile anche se non stiamo facendo nulla di così complicato: se invece togliamo tutto il codice e lasciamo solo i commenti, quello che rimarrà sono esattamente le regole fuzzy che abbiamo scritto prima: % Se il servizio è scadente o il cibo è rancido, allora la mancia sarà bassa % Se il servizio è buono, allora la mancia sarà media % Se il servizio è eccellente o il cibo è buono, allora la mancia sarà elevata Con questo, appare evidente, come sfruttando l'approccio fuzzy si riduca il gap tra persone e macchine, impartendo 'ordini' alla macchina nel nostro linguaggio lasciando alla macchina stessa il compito di tradurre tali operazioni.

10 Principi di Fuzzy Logic Si può intuire il grado di vaghezza di una cosa solo quando si è provato a renderla precisa. Bertrand Russell

11 Fuzzy sets Un fuzzy set è un insieme senza un confine chiaramente delineato ovvero in cui viene 'sconvolta' la consueta nozione di appartenenza:esso può infatti contenere elementi soltanto con un parziale grado di appartenenza. Pensiamo alla nozione classica di insieme:esso è un contenitore che o include totalmente o 'esclude totalmente' qualsiasi dato elemento. Ad esempio, l'insieme dei giorni della settimana contiene inequivocabilmente Lunedì, Giovedì, Sabato; altrettanto inequivocabilmente, non sono giorni della settimana il lucido per scarpe, il burro o le pinne di un pesce. Questa nozione di insieme è definita classica, in quanto Aristotele con la legge del Terzo Escluso, asserì che un elemento X o appartiene ad un insieme A oppure, necessariamente, fa parte dell'insieme non-a. Nel nostro caso, possiamo asserire che Lunedì appartiene all'insieme dei giorni della settimana, e inoltre, necessariamente, non appartiene all'insieme dei 'non-giorni della settimana'. Si consideri ora l'insieme dei giorni che fanno parte del weekend: il diagramma sottostante ne è una possibile rappresentazione. Si può facilmente essere d'accordo sul fatto che Sabato e Domenica appartengano a tale insieme, ma cosa si può dire riguardo a Venerdì? Potremmo definirlo un elemento che 'sta al confine' di tale insieme, in quanto, secondo il senso comune, si può sia escluderlo che includerlo nei giorni del weekend. Gli insiemi 'classici' non tollerano questo tipo di situazioni: o dentro o fuori. Tuttavia, l'esperienza quotidiana ci insegna che molte situazioni non sono nettamente definite e che lo 'stare al confine' è proprio di tali situazioni: si pensi a tutte le situazioni in cui, come in questo caso, entrano in ballo le percezioni dei singoli individui o le loro abitudini: in effetti per una persona che lavora fino alla sera tardi del venerdì, inizierà a pensare al weekend solo il sabato mattina; viceversa chi finisce di lavorare all'una del pomeriggio, parlerà di weekend già a partire dal venerdì pomeriggio. Analogo

12 discorso può essere fatto per il momento in cui termina il weekend. Insomma, un approccio nonfuzzy, ovvero di netta separazione tra weekend e non-weekend, non modellerebbe la realtà in modo soddisfacente e sarebbe utile solo se si volesse considerare un modello riduttivo e semplificato della realtà. Nella Fuzzy Logic, la verità di ogni affermazione diventa una questione di grado. Lo strumento che la Fuzzy Logic mette a disposizione è la capacità di rispondere ad una domanda secca con una risposta 'non secca': anche se una domanda è semplice raramente siamo in grado di dare una risposta altrettanto semplice o definita e, se da un lato per noi esseri umani questo fatto è la normalità per i computer è piuttosto una complicazione non indifferente. Il ragionamento fuzzy è un'estensione della logica booleana a due valori: se assegniamo 'vero' al valore numerico 1 e 'falso' al valore numerico 0, la Fuzzy Logic consente di utilizzare anche tutti i valori reali intermedi come 0.3 o Ad esempio: D: Sabato è un giorno del weekend? R: 1 (sì, o vero) D: Martedì è un giorno del weekend? R: 0 (no, o falso) D: Venerdì è un giorno del weekend? R: 0.8 (in gran parte sì, ma non del tutto) D: Domenica è un giorno del weekend? R: 0.95 (sì, ma non nella stessa misura del Sabato) Sotto a sinistra, il grafico mostra i valori di verità per la 'weekendezza' nel caso in cui siamo costretti a rispondere con un no o con un sì netti. A destra, invece, il grafico mostra il caso in cui possiamo rispondere con valori intermedi fuzzy. La rappresentazione a destra è tratta dal dominio della logica multivalente ovvero le cui variabili possono assumere uno degli infiniti valori compresi in un intervallo chiuso: essa è in contrasto con il concetto più familiare di logica a due valori o bivalente. Per tornare al nostro esempio, si consideri il grafico tempo-continuo sottostante della weekendezza. Considerando un grafico continuo, abbiamo definito il grado fino al quale ogni dato istante appartiene al weekend piuttosto che un intero giorno. Nella figura di sinistra, si noti che alla

13 mezzanotte e un secondo del Sabato, si ha una discontinuità nel valore di verità. Questo modo di descrivere il weekend è semplice e utilizzabile in alcuni modelli di studio ma non ha a molto a che fare con l'esperienza del mondo reale. La figura di destra, invece, mostra una curva che varia dolcemente, modellando il fatto che tutto Venerdì e, per un basso grado, anche Giovedì prendono parte alla determinazione del grado della weekendezza, guadagnandosi così la parziale appartenenza nel fuzzy set dei giorni del weekend. La curva che definisce la weekendezza di ogni istante nel tempo è una funzione che mappa lo spazio di input (i giorni, o più precisamente gli istanti temporali di una settimana) in uno spazio di output (la weekendezza): tale funzione è detta funzione di appartenenza. Ne parleremo più avanti. Come secondo esempio di fuzzy set, si consideri al questione delle stagioni. Anch'esso, nella pratica è un concetto poco definito e variabile da luogo a luogo della terra. Nell'emisfero nord, l'estate inizia ufficialmente nell'istante esatto in cui il Polo Nord è rivolto esattamente verso il sole: questa cosa accade una volta l'anno, alla fine di Giugno. Usando le definizioni astronomiche di stagione, abbiamo confini definiti come mostrato nella figura in basso a sinistra. Tuttavia, l'esperienza ci dice che le stagioni variano più o meno continuamente come mostrato dalla figura in basso a destra (in più si noti che quest'osservazione è valida solo per l'emisfero nord). Funzioni di appartenenza Una funzione di appartenenza - membership function (MF) è una curva che definisce come ogni punto nello spazio di input sia mappato in un valore di appartenenza (o grado di appartenenza) compreso tra 0 e 1. Uno degli esempi più comunemente usati di un fuzzy set è l'insieme delle persone alte. In questo caso, lo spazio di input è costituito da tutte le potenziali altezze, diciamo da 90 cm a 2 metri e mezzo, e la parola 'alto' corrisponderà ad una curva che definisce, appunto, il grado di altezza di una persona. Se l'insieme delle persone alte è dato assumendo un confine ben definito, potremmo dire che tutte le persone sopra il metro e 80 cm sono considerate alte. Una tale distinzione è chiaramente assurda, poiché nella realtà è irragionevole dire che una persona è bassa e un altra è alta, sebbene differiscano in altezza di un solo millimetro! Un giusto modo per definire l'insieme delle persone alte è quello di definire una funzione di appartenenza che vari dolcemente passando da non-alto a alto. Si guardi la figura sotto, in cui la funzione di appartenenza è denominata µ.

14 Si osservi che interpretazioni soggettive e appropriate unità di misura sono definite all interno dei fuzzy set. Se dico 'Lei è alta', la funzione di appartenenza tiene già conto se mi sto riferendo ad una bambina di sei anni o ad una signora; analogamente le unità di misura sono incluse nella curva: non ha senso, ovviamente, dire: ' E' alta in metri o in piedi' L'unica condizione che una funzione di appartenenza deve necessariamente soddisfare è che deve variare tra 0 e 1. La funzione può essere una curva arbitraria che possiamo scegliere mediante considerazioni di semplicità, convenienza, velocità e efficienza. Un insieme classico può essere espresso come: A={x x 6} Un fuzzy set è un estensione di un insieme classico. Sia X il dominio di interesse e x i suoi elementi, allora un fuzzy set A in X è definito come un insieme di coppie ordinate: A={ x, μ A x x X } dove µa(x) è la funzione di appartenenza (MF) di x in A. Esistono diverse funzioni che sono spesso usate in pratica: triangoli, trapezi, la funzione di distribuzione Gaussiana, il sigmoide e curve quadratiche e cubiche polinomiali. Qui sotto ne sono mostrati alcuni esempi.

15 Operazioni Logiche Possiamo affermare che, essendo la Fuzzy Logic un superinsieme della logica standard booleana ovvero, in altre parole, se consideriamo i valori estremi fuzzy 0 e 1 si otterranno le tabelle di verità consuete rappresentate qui sotto. Poiché nella Fuzzy Logic la verità di ogni affermazione è una questione di grado, bisogna estendere il significato assunto dagli operatori logici in logica booleana. Infatti, poiché i valori che i due operandi possono assumere sono numeri reali tra 0 e 1, una corretta estensione dell'and è l'utilizzo della funzione min. Analogamente si può pensare di estendere l'or con la funzione max ovvero A OR B diverrebbe equivalente a max(a, B).Infine, l'operazione di NOT A è estesa mediante la computazione di 1 - A (complemento "a uno"). La figura sottostante, mostra come si ottengano gli stessi risultati che in precedenza nel caso dei valori limite. La figura seguente usa un grafico per mostrare lo stesso concetto. La parte superiore della figura mostra i grafici corrispondenti alle tavole di verità "a due valori", mentre la parte sotto mostra come le operazioni lavorino su un range di valori di verità A e B che varia in modo continuo a seconda di come abbiamo definito le operazioni fuzzy.

16 Operatori Fuzzy aggiuntivi Abbiamo finora definito solo un particolare tipo di estensione tra operazioni logiche a due valori e quelle multivalore: tuttavia, sono possibili varie altre possibilità. In termini più generali, si definiscono la cosiddetta intersezione fuzzy o congiunzione (AND), l'unione fuzzy o disgiunzione (OR) e il complemento fuzzy (NOT). min, Abbiamo definito sopra gli operatori cosiddetti "classici" per queste funzioni AND OR max e NOT complemento a uno; tipicamente, la maggior parte delle applicazioni in Fuzzy Logic usano queste operazioni. In generale, possono esistere numerose implementazioni degli operatori logici fuzzy, ma tali implementazioni devono soddisfare delle condizioni ben precise. L'intersezione di due fuzzy set A e B è definita come un mapping binario T, che accorpa due funzioni di appartenenza come segue: A B x =T A x, B x Per esempio, l'operatore binario T può rappresentare la moltiplicazione di µa(x) e µb(x) Questi operatori binari d'intersezione, che sono usualmente denominati operatori T-norma (norma triangolare) soddisfano le seguenti condizioni: condizioni al contorno: monotonicità: commutatività: associatività: T 0,0 =0, T a,1 =T 1, a =a T a, b T c, d if a c b d T a, b =T b, a T a, T b, c =T T a, b, c La prima condizione impone la corretta generalizzazione a insiemi deterministici, mentre la seconda implica che un decremento dei valori di appartenenza in A o in B non può produrre un incremento nel valore di appartenenza in A intersezione B. La terza condizione indica che l'operatore è indifferente all'ordine secondo cui si combinano i fuzzy set, mentre, infine, la quarta condizione garantisce di poter prendere l'intersezione di qualsiasi numero di insiemi in ogni ordine a coppie di due. Analogamente, l'operatore fuzzy di unione è specificato in generale da una funzione binaria S.

17 A B =S A x, B x Ad esempio, l'operatore binario S può rappresentare l'addizione tra µa(x) e µb(x). Questi operatori operatori fuzzy di unione, che sono spesso denominati come T-conorme (o Snorme) devono soddisfare le seguenti condizioni: condizioni al contorno: monotonicità: commutatività: associatività: S 1,1 =1, S a, 0 =S 0, a =a S a, b S c, d if a c b d S a, b =S b, a S a, S b, c =S S a, b, c Diverse T-norme e corrispettive T-conorme duali sono state proposte nel passato come quelle di Yager, Dubois e Prade, Schweizer e Sklar, e Sugeno.Ognuna di queste fornisce un modo per variare il "guadagno" sulla funzione così che essa può essere o molto selettiva o molto lasca. Regole If-Then Una semplice regola fuzzy if-then assume la seguente forma: se x è A allora y è B in cui A e B sono I valori linguistici definiti dai fuzzy set sugli intervalli X e Y rispettivamente. La parteif della regola "x è A" è detta antecedente o premessa, mentre la parte-then della regola "y è b" è detta conseguente o conclusione. Un esempio di tale regola potrebbe essere: se il servizio è buono allora la mancia è media Si noti che buono è rappresentato da un numero reale compreso tra 0 e 1, e quindi l'antecedente è un'interpretazione che restituisce un singolo numero tra 0 e 1. D'altra parte, media è rappresentata come un fuzzy set, e quindi il conseguente è un'assegnazione che associa l'intero fuzzy set B alla variabile di output y. In una regola if-then la parola "è" viene usata in due maniere completamente diverse a seconda se compare nell'antecedente o nel conseguente. In termini di programmazione, questa è la distinzione che c'è tra un test di uguaglianza ('==') e un'assegnazione di variabile ('='). Quindi, per chiarire l'idee si può scrivere: se servizio == buono allora mancia = media Generalmente, l'input per un regola if-then è il valore corrente per la variabile di input (in questo caso servizio) e l'output è un intero fuzzy set (in questo caso, media). Questo insieme verrà poi defuzzificato, assegnando un valore all'output. Il concetto di defuzzificazione è descritto più avanti. L'interpretazione di una regola if-then coinvolge parti distinte: prima si valuta l'antecedente (ovvero si fuzzifica l'input e si applicano gli operatori fuzzy necessari); quindi, si applica tale risultato al conseguente (implicazione). Nel caso della logica a due valori, le regole if-then non presentano particolari problemi: se la premessa è vera allora la conclusione è vera. Se rilasciamo l'ipotesi di operare nell'ambito di una logica bivalente e se l'antecedente è un affermazione fuzzy, come viene influenzata la conclusione? La risposta è semplice: se l'antecedente è vero con un certo grado di appartenenza, allora il conseguente è altrettanto vero con lo stesso grado. In altre parole: In logica binaria si ha: p q (p e q o sono entrambi vere o sono entrambi false) In Fuzzy Logic: 0.5 p 0.5 q (antecedenti parziali danno un'implicazione parziale) Ovviamente, l'antecedente di una regola può avere parti multiple:

18 se il cielo è grigio e il vento è forte e c'è nebbia In tal caso tutte le parti dell'antecedente sono calcolate simultaneamente e associate a un singolo numero usando gli operatori logici descritti in precedenza. Analogamente anche il conseguente di una regola può avere parti multiple: se la temperatura dell'acqua è calda allora la manopola dell'acqua calda è aperta dell'acqua fredda è chiusa e quella In tal caso, tutti i conseguenti sono influenzati equamente dal risultato dell'antecedente:il conseguente specifica un fuzzy set da assegnare all'output e la funzione di implicazione quindi modifica quel fuzzy set del grado specificato dall'antecedente. La maniera più comune di modificare il fuzzy set di output è il troncamento per mezzo della funzione min (in cui il fuzzy set è "tagliato via" come mostrato nella figura della prossima pagina) oppure uno scaling usando la funzione prod (in cui il fuzzy set di output è 'schiacciato'). Riassumendo, l'interpretazione delle regole if-then è un processo che consta di tre parti: 1 Fuzzificazione degli input: si associa a tutte le affermazioni fuzzy nell'antecedente un grado di appartenenza compreso tra 0 e 1. Se c'è solo un'unica parte nell'antecedente si può saltare il secondo passo.questo è il cosiddetto grado di supporto per la regola. 2 Applicazione degli operatori fuzzy ad antecedenti con parti multiple: se l'antecedente è costituito da parti multiple, si applicano gli operatori fuzzy e si associa così l'antecedente a un singolo numero tra 0 e 1. Questo è il cosiddetto grado di supporto per la regola.

19 3 Applicazione del metodo di implicazione: si usa il grado di supporto per l'intera regola per modellare il fuzzy set di output. Il conseguente di una regola fuzzy assegna un intero fuzzy set all'output: questo è rappresentato da una funzione di appartenenza che è scelta per indicare le "qualità" del conseguente. Se l'antecedente è solo parzialmente vero (ovvero ha un valore minore di uno), allora il fuzzy set di output è troncato secondo il metodo di implicazione prescelto. In generale, una regola da sola non è sufficiente: quello che serve sono due o più regole che possano interagire insieme. L'output di ogni regola è un fuzzy set: i fuzzy set di output per ogni regola sono poi aggregati in un singolo fuzzy set di output. Infine, il risultato viene defuzzificato, ovvero associato ad un singolo numero. Sistemi di inferenza fuzzy Si definisce inferenza fuzzy il processo di mappatura da uno spazio di input dato a uno opportuno di output utilizzando la Fuzzy Logic. La mappatura fornisce così, implicitamente, una base da cui partire per poter prendere decisioni sul comportamento del sistema. Il processo di inferenza fuzzy coinvolge tutti concetti precedentemente illustrati: funzioni di appartenenza, operatori fuzzy logic e regole if-then. Vi sono due tipi di inferenza che vengono maggiormente usati: quello di Mamdani e quello di Sugeno, i quali si differenziano per come gli output vengono determinati. In particolare, la principale differenza tra i due metodi è che le funzioni di output sono solo lineari o costanti per il metodo di Sugeno (una tipica regola fuzzy in un modello di Sugeno di ordine zero ha questa forma if x is A and y is B then z = k). Vengono qui riportati, senza scendere nel dettaglio, I vantaggi dell'uno e dell'altro metodo: Vantaggi del metodo di Sugeno Efficienza computazionale Funziona bene con tecniche lineari (e.g., controllore PID). Funziona bene con tecniche di ottimizzazione e adattative. La superficie di output è continua. Si adatta bene all analisi matematica. Vantaggi del metodo di Mamdani E' intuitivo. E' accettato diffusamente ed è il più usato. Si adatta bene ad un input umano. La nostra scelta per la realizzazione della simulazione è caduta sul metodo Mamdani, avendo a che fare con un modello non lineare.il metodo Mamdani fu tra I primi sistemi di controllo costruito per essere utilizzato con la teoria dei fuzzy set: fu proposto nel 1975 da Ebrahim Mamdani per tentare di controllare un motore a vapore e una caldaia che cooperavano mediante la sintesi di un insieme di regole di controllo linguistico ottenute da operatori umani esperti. Il lavoro di Mamdani era basato sul documento del 1973 di Lotfi Zadeh sugli algoritmi fuzzy per sistemi complessi e processi decisionali. Il meccanismo di inferenza proposto qui (che è quello utilizzato dal Fuzzy Logic Toolbox di Matlab) differisce leggermente dal metodo originale ma l idea di base è pressoché la stessa. Il sistema di inferenza di Mamdani definito nel Fuzzy Logic Toolbox definisce le funzioni di appartenenza di output come fuzzy set; successivamente al processo di aggregazione, c'è un fuzzy set per ogni variabile di output che deve essere defuzzificato. E' possibile, e in molti casi più efficiente, usare uno spike singolo come funzione di appartenenza dell'output piuttosto che un fuzzy set distribuito. Questo è noto come una funzione singleton e può essere pensato come un insieme 'pre-defuzzificato'. Esso incrementa l'efficienza del processo di

20 defuzzificazione perché semplifica enormemente la computazione richiesta dal più generale metodo di Mamdani, che trova il centroide di una funzione bi-dimensionale. Piuttosto che integrare su una funzione bi-dimensionale per trovare il suo centroide, si può utilizzare la media pesata di pochi punti (il metodo di Sugeno utilizza questo metodo di defuzzificazione). Ancora il problema delle mance Riprendiamo, l'esempio iniziale delle mance, entrando qui in maggiori dettagli.la struttura base dell'esempio è mostrata nella figura qui sotto: l'informazione 'viaggia' da sinistra a destra, da due input ad un solo output. La natura parallela delle regole è uno degli aspetti più importanti dei sistemi basati sulla Fuzzy Logic: si può passare dolcemente da regioni in cui il comportamento del sistema è dominato maggiormente o da una regola o da un altra: si ha una migrazione graduale e senza 'punti di rottura'. Il Fuzzy Logic Toolbox divide, per così dire, il processo di inferenza fuzzy in 5 passi: fuzzificazione delle variabili di input, applicazione degli operatori fuzzy (AND oppure OR) nell'antecedente, applicazione del metodo di implicazione dall'antecedente al conseguente, aggregazione dei conseguenti attraverso le regole, defuzzificazione. Passo 1. Fuzzificazione degli input Il primo passo è considerare gli input e determinare il grado con il quale essi appartengono ad ognuno degli appropriati fuzzy set per mezzo delle funzioni di appartenenza. Nel Fuzzy Logic ToolBox, l'input è sempre un valore numerico preciso limitato nel dominio della variabile di input (in questo caso l'intervallo compreso tra 0 e 10) e l'output è un grado fuzzy di appartenenza compreso sempre nell'intervallo tra 0 e 1. La fuzzificazione dell'input consiste o in una valutazione di una funzione o in una consultazione di una tabella, magari costruita da esperti. L'esempio che utilizziamo è costruito su tre regole e ognuna di queste dipende

Cristian Randieri. www.intellisystem.it

Cristian Randieri. www.intellisystem.it Cristian Randieri www.intellisystem.it La possibilità di modellizzare e controllare sistemi complessi ed incerti della Fuzzy Logic. La capacità di apprendere da esempi delle reti neurali. La capacità

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

LA MASSIMIZZAZIONE DEI PROFITTI NEL BREVE PERIODO

LA MASSIMIZZAZIONE DEI PROFITTI NEL BREVE PERIODO 1 LA MASSIMIZZAZIONE DEI PROFITTI NEL BREVE PERIODO 1 La nozione di breve e di lungo periodo Una assunzione rilevante della teoria del comportamento dell'impresa sviluppato in precedenza è che l'impresa

Dettagli

SCENEGGIATURA Moti rettilinei uniformi: sorpassi, incontri e sistemi di due equazioni

SCENEGGIATURA Moti rettilinei uniformi: sorpassi, incontri e sistemi di due equazioni SCENEGGIATURA Moti rettilinei uniformi: sorpassi, incontri e sistemi di due equazioni Si lavora sulla descrizione e sull'analisi di esperienze cinematiche relative a sorpassi e incontri con moti di persone

Dettagli

60 indicazioni nazionali per la scuola dell infanzia e del primo ciclo. matematica

60 indicazioni nazionali per la scuola dell infanzia e del primo ciclo. matematica 60 indicazioni nazionali per la scuola dell infanzia e del primo ciclo matematica Le conoscenze matematiche contribuiscono alla formazione culturale delle persone e delle comunità, sviluppando le capacità

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Fondamenti di calcolo booleano

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Fondamenti di calcolo booleano Breve introduzione storica Nel 1854, il prof. Boole pubblica un trattato ormai famosissimo: Le leggi del pensiero. Obiettivo finale del trattato è di far nascere la matematica dell intelletto umano, un

Dettagli

Introduzione. è uguale a 0, spostamento di dati da una parte della memoria del calcolatore ad un altra.

Introduzione. è uguale a 0, spostamento di dati da una parte della memoria del calcolatore ad un altra. Appunti di Calcolatori Elettronici Modello di macchina multilivello Introduzione... 1 Linguaggi, livelli e macchine virtuali... 3 La struttura a livelli delle macchine odierne... 4 Evoluzione delle macchine

Dettagli

Scuola Primaria Conta oggetti o eventi, a voce e a mente, in senso progressivo e regressivo e per salti di due, tre ;

Scuola Primaria Conta oggetti o eventi, a voce e a mente, in senso progressivo e regressivo e per salti di due, tre ; Primo anno Secondo anno Terzo anno Primo anno MATEMATICA Scuola dell Infanzia Scuola Primaria Conta oggetti o eventi, a voce e a mente, in senso progressivo e regressivo e per salti di due, tre ; legge

Dettagli

Programma di Matematica

Programma di Matematica Programma di Matematica Modulo 1. Topologia in R 2. Funzioni in R 3. Limite e continuità di una funzione Unità didattiche Struttura algebrica di R Insiemi reali limitati e illimitati Intorno di un punto

Dettagli

CURRICOLO MATEMATICA

CURRICOLO MATEMATICA 1 CURRICOLO MATEMATICA Competenza 1 al termine della scuola dell Infanzia 2 NUMERI Raggruppare, ordinare, contare, misurare oggetti, grandezze ed eventi direttamente esperibili. Utilizzare calendari settimanali

Dettagli

MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE ALLA FINE DELLA SCUOLA PRIMARIA

MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE ALLA FINE DELLA SCUOLA PRIMARIA MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE ALLA FINE DELLA SCUOLA PRIMARIA L alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali e sa valutare l opportunità di

Dettagli

Reti sequenziali e strutturazione firmware

Reti sequenziali e strutturazione firmware Architettura degli Elaboratori, a.a. 25-6 Reti sequenziali e strutturazione firmware Alla parte di corso sulle reti sequenziali è apportata una sensibile semplificazione rispetto a quanto contenuto nel

Dettagli

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12 UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica 1 Massimi e minimi delle funzioni di più variabili Indice 1 Massimi e minimi liberi 1 Massimi e minimi vincolati 7 3 Soluzioni degli esercizi

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado

Dettagli

MATEMATICA Competenza chiave europea: COMPETENZA MATEMATICA E COMPETENZE DI BASE IN SCIENZA E TECNOLOGIA Competenza specifica: MATEMATICA

MATEMATICA Competenza chiave europea: COMPETENZA MATEMATICA E COMPETENZE DI BASE IN SCIENZA E TECNOLOGIA Competenza specifica: MATEMATICA MATEMATICA Competenza chiave europea: COMPETENZA MATEMATICA E COMPETENZE DI BASE IN SCIENZA E TECNOLOGIA Competenza specifica: MATEMATICA Le conoscenze matematiche contribuiscono alla formazione culturale

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

CURRICOLO MATEMATICA ABILITA COMPETENZE

CURRICOLO MATEMATICA ABILITA COMPETENZE CURRICOLO MATEMATICA 1) Operare con i numeri nel calcolo aritmetico e algebrico, scritto e mentale, anche con riferimento a contesti reali. Per riconoscere e risolvere problemi di vario genere, individuando

Dettagli

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente 1.1 Il motore a corrente continua Il motore a corrente continua, chiamato così perché per funzionare deve essere alimentato con tensione e corrente costante, è costituito, come gli altri motori da due

Dettagli

PRIMO ISTITUTO COMPRENSIVO di PALAZZOLO S/O via Zanardelli n.34 Anno scolastico 2014/2015

PRIMO ISTITUTO COMPRENSIVO di PALAZZOLO S/O via Zanardelli n.34 Anno scolastico 2014/2015 PRIMO ISTITUTO COMPRENSIVO di PALAZZOLO S/O via Zanardelli n.34 Anno scolastico 2014/2015 CURRICOLI DISCIPLINARI SCUOLA DELL INFANZIA e PRIMO CICLO di ISTRUZIONE Percorso delle singole discipline sulla

Dettagli

D R (S) = ϱ 1 D R (S), e ovviamente per quella passiva

D R (S) = ϱ 1 D R (S), e ovviamente per quella passiva CAPITOLO 1 Introduzione Nella fisica moderna i metodi algebrici e in particolare la teoria dei gruppi hanno acquistato un interesse sconosciuto alla fisica del secolo scorso. Si può vedere la cosa in una

Dettagli

Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri

Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri COMPETENZA CHIAVE MATEMATICA Fonte di legittimazione Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE L alunno utilizza il calcolo scritto e mentale con i numeri

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

MATEMATICA OBIETTIVI DI APPRENDIMENTO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE

MATEMATICA OBIETTIVI DI APPRENDIMENTO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE TRAGUARDI PER LO SVILUPPO DELLE Il bambino raggruppa e ordina oggetti e materiali secondo criteri diversi. Identifica alcune proprietà dei materiali. Confronta e valuta quantità. Utilizza simboli per registrare

Dettagli

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali

Dettagli

Studio di funzioni ( )

Studio di funzioni ( ) Studio di funzioni Effettuare uno studio qualitativo e tracciare un grafico approssimativo delle seguenti funzioni. Si studi in particolare anche la concavità delle funzioni e si indichino esplicitamente

Dettagli

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

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

Dettagli

MATEMATICA. Classe I Classe II Classe III Classe IV Classe V Traguardo 1

MATEMATICA. Classe I Classe II Classe III Classe IV Classe V Traguardo 1 MATEMATICA COMPETENZE Dimostra conoscenze matematiche che gli consentono di analizzare dati e fatti della realtà e di verificare l'attendibilità delle analisi quantitative e statistiche proposte da altri.

Dettagli

FUNZIONI GONIOMETRICHE INVERSE ed applicazione alla risoluzione di equazioni goniometriche ~~~~~~~~~~~~~

FUNZIONI GONIOMETRICHE INVERSE ed applicazione alla risoluzione di equazioni goniometriche ~~~~~~~~~~~~~ FUNZIONI GONIOMETRICHE INVERSE ed applicazione alla risoluzione di equazioni goniometriche ~~~~~~~~~~~~~. LE EQUAZIONI "sen = a" E "cos = a" È noto che, fissato un qualsiasi numero reale a compreso tra

Dettagli

Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM

Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 2 OBIETTIVO: Il modello IS-LM Fornire uno schema concettuale per analizzare la determinazione congiunta della produzione e del tasso

Dettagli

Algebra e calcolo relazionale. Ripasso. Le 7 Virtù del DBMS persistenza affidabilità volume condivisione riservatezza efficienza efficacia

Algebra e calcolo relazionale. Ripasso. Le 7 Virtù del DBMS persistenza affidabilità volume condivisione riservatezza efficienza efficacia Algebra e calcolo relazionale Ripasso Le 7 Virtù del DBMS persistenza affidabilità volume condivisione riservatezza efficienza efficacia I 4 Livelli di astrazione Le Tabelle Livello fisico (o interno)

Dettagli

A.S. 2012-1013 CLASSE PRIMA SCUOLA PRIMARIA D ISTITUTO COMPETENZA CHIAVE EUROPEA DISCIPLINA

A.S. 2012-1013 CLASSE PRIMA SCUOLA PRIMARIA D ISTITUTO COMPETENZA CHIAVE EUROPEA DISCIPLINA ISTITUTO COMPRENSIVO STATALE di Scuola dell Infanzia, Scuola Primaria e Scuola Secondaria di 1 grado San Giovanni Teatino (CH) CURRICOLO A.S. 2012-1013 CLASSE PRIMA SCUOLA PRIMARIA OBIETTIVI DI Sviluppa

Dettagli

MATEMATICA OBIETTIVI DI APPRENDIMENTO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE

MATEMATICA OBIETTIVI DI APPRENDIMENTO TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE Il bambino raggruppa e ordina oggetti e materiali secondo criteri diversi. Identifica alcune proprietà dei materiali. Confronta e valuta quantità. Utilizza simboli per registrare materiali e quantità.

Dettagli

Comparatori. Comparatori di uguaglianza

Comparatori. Comparatori di uguaglianza Comparatori Scopo di un circuito comparatore é il confronto tra due codifiche binarie. Il confronto può essere effettuato per verificare l'uguaglianza oppure una relazione d'ordine del tipo "maggiore",

Dettagli

TRAGUARDI FORMATIVI NELLA PRE-DISCIPLINA MATEMATICA

TRAGUARDI FORMATIVI NELLA PRE-DISCIPLINA MATEMATICA Fo.Svi.Co International s.a.s. Formazione Sviluppo Competenze (per la competitività in campo internazionale) SEDE LEGALE Corso Magenta, 83 20 123 Milano SEDE OPERATIVA 00100 ROMA, via Arduino, 46 SEDE

Dettagli

Competenza chiave europea: MATEMATICA. Scuola Primaria. DISCIPLINE DI RIFERIMENTO: MATEMATICA DISCIPLINE CONCORRENTI: tutte

Competenza chiave europea: MATEMATICA. Scuola Primaria. DISCIPLINE DI RIFERIMENTO: MATEMATICA DISCIPLINE CONCORRENTI: tutte Competenza chiave europea: MATEMATICA Scuola Primaria DISCIPLINE DI RIFERIMENTO: MATEMATICA DISCIPLINE CONCORRENTI: tutte TAB. A TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE al termine della Scuola Primaria

Dettagli

I SISTEMI DI NUMERAZIONE

I SISTEMI DI NUMERAZIONE ISTITUTO DI ISTRUZIONE SUPERIORE G. M. ANGIOY CARBONIA I SISTEMI DI NUMERAZIONE Prof. G. Ciaschetti Fin dall antichità, l uomo ha avuto il bisogno di rappresentare le quantità in modo simbolico. Sono nati

Dettagli

Esercizi di Ricerca Operativa I

Esercizi di Ricerca Operativa I Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione

Dettagli

RICERCA OPERATIVA. Questi due tipi di costi contribuiscono a determinare il costo totale di produzione così definito:

RICERCA OPERATIVA. Questi due tipi di costi contribuiscono a determinare il costo totale di produzione così definito: RICERCA OPERATIVA Prerequisiti Rappresentazione retta Rappresentazione parabola Equazioni e disequazioni Ricerca Operativa Studio dei metodi e delle strategie al fine di operare scelte e prendere decisioni

Dettagli

Problemi di Programmazione Lineare Intera

Problemi di Programmazione Lineare Intera Capitolo 4 Problemi di Programmazione Lineare Intera La Programmazione Lineare Intera (PLI) tratta il problema della massimizzazione (minimizzazione) di una funzione di più variabili, soggetta a vincoli

Dettagli

Introduzione al MATLAB c Parte 2

Introduzione al MATLAB c Parte 2 Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

www.wlascuola.4000.it

www.wlascuola.4000.it 1 Cenni di programmazione Risolvere un problema significa trovare un procedimento che consenta di produrre i risultati, a partire dai dati iniziali, attraverso un processo di elaborazione. La metodologia

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Tavola riepilogativa degli insiemi numerici

Tavola riepilogativa degli insiemi numerici N : insieme dei numeri naturali Z : insieme dei numeri interi Q : insieme dei numeri razionali I : insieme dei numeri irrazionali R : insieme dei numeri reali Tavola riepilogativa degli insiemi numerici

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

Matematica classe 1^

Matematica classe 1^ NUCLEO TEMATICO 1 Numeri 1 L alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali. 7 legge e comprende testi che coinvolgono aspetti logici e matematici. NUCLEO TEMATICO 2

Dettagli

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

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

Dettagli

Corso di Fisica tecnica e ambientale a.a. 2011/2012 - Docente: Prof. Carlo Isetti

Corso di Fisica tecnica e ambientale a.a. 2011/2012 - Docente: Prof. Carlo Isetti Corso di Fisica tecnica e ambientale a.a. 0/0 - Docente: Prof. Carlo Isetti LAVORO D NRGIA 5. GNRALITÀ In questo capitolo si farà riferimento a concetto quali lavoro ed energia termini che hanno nella

Dettagli

SCUOLA PRIMARIA: MATEMATICA

SCUOLA PRIMARIA: MATEMATICA SCUOLA PRIMARIA: MATEMATICA Traguardi per lo sviluppo delle competenze al termine della scuola primaria L'alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali e sa valutare

Dettagli

Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT

Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT Note del Corso di Modelli Biologici Discreti: Un paio di algoritmi DNA per risolvere SAT Giuditta Franco Corso di Laurea in Bioinformatica - AA 2012/2013 Uno dei più grossi risultati nell informatica degli

Dettagli

PROGRAMMAZIONE LINEARE:

PROGRAMMAZIONE LINEARE: PROGRAMMAZIONE LINEARE: Definizione:la programmazione lineare serve per determinare l'allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare il raggiungimento di un obiettivo

Dettagli

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005

Risoluzione. Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 Risoluzione Eric Miotto Corretto dal prof. Silvio Valentini 15 giugno 2005 1 Risoluzione Introdurremo ora un metodo per capire se un insieme di formule è soddisfacibile o meno. Lo vedremo prima per insiemi

Dettagli

IPOTESI di CURRICOLO SCUOLA PRIMARIA E SECONDARIA DI PRIMO GRADO 6 IC PADOVA con riferimento alle Indicazioni Nazionali 2012

IPOTESI di CURRICOLO SCUOLA PRIMARIA E SECONDARIA DI PRIMO GRADO 6 IC PADOVA con riferimento alle Indicazioni Nazionali 2012 IPOTESI di CURRICOLO SCUOLA PRIMARIA E SECONDARIA DI PRIMO GRADO 6 IC PADOVA con riferimento alle Indicazioni Nazionali 2012 COMPETENZE SPECIFICHE Numeri! Conoscere e utilizzare algoritmi e procedure in

Dettagli

I numeri almeno entro il venti.

I numeri almeno entro il venti. MATEMATICA CLASSE PRIMA Nucleo: IL NUMERO Competenza: L alunno si muove nel calcolo scritto e mentale con i numeri e usa le operazioni aritmetiche in modo opportuno entro il 20. 1.1 Contare associando

Dettagli

Scuola Primaria Statale Falcone e Borsellino

Scuola Primaria Statale Falcone e Borsellino ISTITUTO COMPRENSIVO STATALE DI LOVERE VIA DIONIGI CASTELLI, 2 - LOVERE Scuola Primaria Statale Falcone e Borsellino PROGRAMMAZIONE DIDATTICA ANNUALE Le programmazioni didattiche sono state stese in base

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Sistemi di Numerazione Sistema decimale La

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 1 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 2 Logica delle proposizioni

Dettagli

Neural Network Toolbox

Neural Network Toolbox Neural Network Toolbox In questa sede verrà presentata una trattazione esauriente delle caretteristiche fondamentali del Neuron Network Toolbox presente come pacchetto supplementare al software Matlab

Dettagli

Università degli Studi di Napoli Federico II. Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica

Università degli Studi di Napoli Federico II. Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Università degli Studi di Napoli Federico II Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Anno Accademico 2009/2010 Appunti di Calcolabilità e Complessità Lezione 9: Introduzione alle logiche

Dettagli

E = Cp/Cr (dal momento che tutti gli altri valori sono comuni alle due formule)

E = Cp/Cr (dal momento che tutti gli altri valori sono comuni alle due formule) LE FORMULE ED I DIAGRAMMI Come abbiamo visto, la possibilità di variare la velocità di un veleggiatore è legata indissolubilmente all'angolo di incidenza: perchè? Perchè è proprio l'angolo di incidenza

Dettagli

Scheda I. 3 La non possibilità di duplicare il cubo con riga e compasso.

Scheda I. 3 La non possibilità di duplicare il cubo con riga e compasso. Scheda I. La non possibilità di duplicare il cubo con riga e compasso. Dopo Menecmo, Archita, Eratostene molti altri, sfidando gli dei hanno trovato interessante dedicare il loro tempo per trovare una

Dettagli

ISTITUTO COMPRENSIVO MONTEGROTTO TERME SCUOLA PRIMARIA DISCIPLINA: MATEMATICA - CLASSE PRIMA OBIETTIVI DI APPRENDIMENTO

ISTITUTO COMPRENSIVO MONTEGROTTO TERME SCUOLA PRIMARIA DISCIPLINA: MATEMATICA - CLASSE PRIMA OBIETTIVI DI APPRENDIMENTO PRIMA DELLA DISCIPLINA: MATEMATICA - CLASSE PRIMA L alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali. Legge e comprende testi che coinvolgono aspetti logici e matematici.

Dettagli

Università degli Studi di Brescia Facoltà di Ingegneria Dipartimento di Elettronica per l'automazione. La logica fuzzy. Fonti

Università degli Studi di Brescia Facoltà di Ingegneria Dipartimento di Elettronica per l'automazione. La logica fuzzy. Fonti 1 Università degli Studi di Brescia Facoltà di Ingegneria Dipartimento di Elettronica per l'automazione La logica fuzzy Ing. Fabio Tampalini Fonti Ci sono moltissimi testi disponibili sulla fuzzy logic.

Dettagli

L INNOVAZIONE SCIENTIFICO-TECNOLOGICA NEI PROCESSI PRODUTTIVI

L INNOVAZIONE SCIENTIFICO-TECNOLOGICA NEI PROCESSI PRODUTTIVI L INNOVAZIONE SCIENTIFICO-TECNOLOGICA NEI PROCESSI PRODUTTIVI Scienza ed industria hanno oggi costituito legami molto forti di collaborazione che hanno portato innovazione tecnologica sia a livello organizzativo-amministrativo

Dettagli

Capitolo 20: Scelta Intertemporale

Capitolo 20: Scelta Intertemporale Capitolo 20: Scelta Intertemporale 20.1: Introduzione Gli elementi di teoria economica trattati finora possono essere applicati a vari contesti. Tra questi, due rivestono particolare importanza: la scelta

Dettagli

Metodi Stocastici per la Finanza

Metodi Stocastici per la Finanza Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione

Dettagli

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

APPUNTI DI MATEMATICA ALGEBRA LINEARE

APPUNTI DI MATEMATICA ALGEBRA LINEARE APPUNTI DI MATEMATICA ALGEBRA LINEARE Le equazioni di primo grado Le disequazioni di primo grado I sistemi di primo grado ALESSANDRO BOCCONI Indice 1 Le equazioni di primo grado 3 1.1 Le uguaglianze.......................................

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

Geometria analitica di base (prima parte)

Geometria analitica di base (prima parte) SAPERE Al termine di questo capitolo, avrai appreso: come fissare un sistema di riferimento cartesiano ortogonale il significato di equazione di una retta il significato di coefficiente angolare di una

Dettagli

L'algebra di Boole falso vero livello logico alto livello logico basso Volts

L'algebra di Boole falso vero livello logico alto livello logico basso Volts L algebra di Boole L'algebra di Boole comprende una serie di regole per eseguire operazioni con variabili logiche. Le variabili logiche possono assumere solo due valori. I due possibili stati che possono

Dettagli

la "macchina" universale di Turing

la macchina universale di Turing la "macchina" universale di Turing Nel 1854, il matematico britannico George Boole (1815-1864), elaborò una matematica algebrica che da lui prese il nome. Nell'algebra booleana le procedure di calcolo

Dettagli

Traduzione dell articolo ACHIEVING THE BEST ANGLE di Ed Kolano tratto dalla rivista Sport Aviation di dicembre 2000.

Traduzione dell articolo ACHIEVING THE BEST ANGLE di Ed Kolano tratto dalla rivista Sport Aviation di dicembre 2000. Traduzione dell articolo ACHIEVING THE BEST ANGLE di Ed Kolano tratto dalla rivista Sport Aviation di dicembre 2000. Otteniamo il miglior angolo di salita. Riduzione dei dati di prestazione in salita,

Dettagli

Progetto e analisi di algoritmi

Progetto e analisi di algoritmi Progetto e analisi di algoritmi Roberto Cordone DTI - Università degli Studi di Milano Polo Didattico e di Ricerca di Crema Tel. 0373 / 898089 E-mail: cordone@dti.unimi.it Ricevimento: su appuntamento

Dettagli

CURRICOLO VERTICALE DI MATEMATICA PER IL PRIMO CICLO DI ISTRUZIONE

CURRICOLO VERTICALE DI MATEMATICA PER IL PRIMO CICLO DI ISTRUZIONE CURRICOLO VERTICALE DI MATEMATICA PER IL PRIMO CICLO DI ISTRUZIONE Le Indicazioni Nazionali per il Primo Ciclo di Istruzione offrono agli insegnanti e alle scuole l'occasione per ridefinire il quadro di

Dettagli

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto.

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto. «Possiamo conoscere qualcosa dell'oggetto di cui stiamo parlando solo se possiamo eseguirvi misurazioni, per descriverlo mediante numeri; altrimenti la nostra conoscenza è scarsa e insoddisfacente.» (Lord

Dettagli

QUANTIZZAZIONE diverse fasi del processo di conversione da analogico a digitale quantizzazione

QUANTIZZAZIONE diverse fasi del processo di conversione da analogico a digitale quantizzazione QUANTIZZAZIONE Di seguito lo schema che illustra le diverse fasi del processo di conversione da analogico a digitale. Dopo aver trattato la fase di campionamento, occupiamoci ora della quantizzazione.

Dettagli

USO DI EXCEL COME DATABASE

USO DI EXCEL COME DATABASE USO DI EXCEL COME DATABASE Le funzionalità di calcolo intrinseche di un foglio di lavoro ne fanno uno strumento eccellente per registrarvi pochi dati essenziali, elaborarli con formule di vario tipo e

Dettagli

SCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI MATEMATICA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA

SCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI MATEMATICA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA Ministero dell Istruzione, dell Università e della Ricerca Istituto Comprensivo Statale di Calolziocorte Via F. Nullo,6 23801 CALOLZIOCORTE (LC) e.mail: lcic823002@istruzione.it - Tel: 0341/642405/630636

Dettagli

CURRICOLO CLASSI I II III IV - V SCUOLE PRIMARIE IC PORTO MANTOVANO

CURRICOLO CLASSI I II III IV - V SCUOLE PRIMARIE IC PORTO MANTOVANO ISTITUTO COMPRENSIVO di PORTO MANTOVANO (MN) Via Monteverdi 46047 PORTO MANTOVANO (MN) tel. 0376 398 781 e-mail: mnic813002@istruzione.it e-mail certificata: mnic813002@pec.istruzione.it sito internet:

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 8 Support Vector Machines Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

Corso di Esercitazioni di Programmazione

Corso di Esercitazioni di Programmazione Corso di Esercitazioni di Programmazione Introduzione Dott.ssa Sabina Rossi Informazioni Pagina web del corso: News Orari Mailing list Lezioni Esercitazioni Date esami Risultati esami.. http://www.dsi.unive.it/~prog1

Dettagli

COMPETENZE SPECIFICHE

COMPETENZE SPECIFICHE COMPETENZE IN MATEMATICA DISCIPLINA DI RIFERIMENTO: MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE FISSATI DALLE INDICAZIONI NAZIONALI PER IL CURRICOLO 2012. MATEMATICA TRAGUARDI ALLA FINE DELLA

Dettagli

MATEMATICA - CLASSE SECONDA

MATEMATICA - CLASSE SECONDA ELABORATO DAI DOCENTI DELLA SCUOLA PRIMARIA DIREZIONE DIDATTICA 5 CIRCOLO anno scolastico 2012-2013 MATEMATICA - CLASSE PRIMA TRAGUARDI DI COMPETENZA DA SVILUPPARE AL TERMINE DELLA CLASSE PRIMA Padroneggia

Dettagli

MATEMATICA CLASSE PRIMA

MATEMATICA CLASSE PRIMA CLASSE PRIMA L alunno/a si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali e sa valutare l opportunità di ricorrere a una calcolatrice. Contare oggetti o eventi, a voce e mentalmente,

Dettagli

Funzioni reali di più variabili reali

Funzioni reali di più variabili reali Funzioni reali di più variabili reali Generalità. Indichiamo con R n il prodotto cartesiano di R per sé stesso, n volte: R n = {(, 2,, n ) ;! R,, n!r}. Quando n = 2 oppure n = 3 indicheremo le coordinate

Dettagli

- LAVORO - - ENERGIA MECCANICA - - POTENZA -

- LAVORO - - ENERGIA MECCANICA - - POTENZA - Danilo Saccoccioni - LAVORO - - ENERGIA MECCANICA - - POTENZA - Indice Lavoro compiuto da una forza relativo ad uno spostamento pag. 1 Lavoro ed energia cinetica 3 Energia potenziale 4 Teorema di conservazione

Dettagli

La fisic a dello sport: Lezione 2:

La fisic a dello sport: Lezione 2: 1 of 7 09/05/02 9.11 La fisic a dello sport: Lezione 2: Cinematica: La scienza del moto /ultimo aggiornamento V.O. 4/10/99 Traduzione a cura di Barbara Fiammengo e C.P. Chiamiamo cinematica lo studio del

Dettagli

Capitolo 5: Preferenze

Capitolo 5: Preferenze Capitolo 5: Preferenze 5.1: Introduzione Le preferenze individuali alla base dell analisi dei capitoli 3 e 4 vengono rappresentate graficamente da curve di indifferenza parallele in direzione verticale

Dettagli

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

Istituto Comprensivo Caposele (Av) Curricolo verticale d istituto a.sc. 2013-2014

Istituto Comprensivo Caposele (Av) Curricolo verticale d istituto a.sc. 2013-2014 CURRICOLO DI MATEMATICA SCUOLA PRIMARIA CLASSE PRIMA 1. Contare oggetti o eventi, a voce e mentalmente, in senso progressivo e regressivo e per salti di due, tre, 2. Leggere e scrivere i numeri naturali

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

Dettagli

CURRICOLO DI MATEMATICA

CURRICOLO DI MATEMATICA ISTITUTO COMPRENSIVO PASSIRANO-PADERNO CURRICOLO DI MATEMATICA SCUOLA PRIMARIA Revisione Curricolo di Istituto a.s. 2014-2015 Curricolo suddiviso in obiettivi didattici, nuclei tematici e anni scolastici

Dettagli

Il problema della determinazione delle perdite nella pratica ingegneristica

Il problema della determinazione delle perdite nella pratica ingegneristica Il problema della determinazione delle perdite nella pratica ingegneristica Con il nome di perdite del bacino si indicano le diverse componenti della frazione della pioggia lorda che viene a mancare rispetto

Dettagli

VC-dimension: Esempio

VC-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

Dettagli

Capitolo 33: Beni Pubblici

Capitolo 33: Beni Pubblici Capitolo 33: Beni Pubblici 33.1: Introduzione In questo capitolo discutiamo le problematiche connesse alla fornitura privata dei beni pubblici, concludendo per l opportunità dell intervento pubblico in

Dettagli