Rappresentazione della conoscenza. ha poco potere espressivo in quanto ha un ontologia limitata: il mondo consiste di fatti, es.
|
|
- Federigo Arcuri
- 8 anni fa
- Visualizzazioni
Transcript
1 Scaletta argomenti: Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script Regole di produzione Logica del Primo Ordine - Logica proposizionale ha poco potere espressivo in quanto ha un ontologia limitata: il mondo consiste di fatti, es. il fiore è giallo - Logica del primo ordine fa assunzioni ontologiche più forti: i fatti di cui consiste il mondo vengono distinti in componenti: OGGETTI, caratterizzati da proprietà
2 SINTASSI Prima avevo solo simboli e connettivi; ora oggetti, relazioni,connettivi e quantificatori per creare formule Per rappresentare gli oggetti (individui, termini): - Simboli di costanti, es. Mario, A, B, ecc. - Variabili, es. x, y - Simboli di funzioni che descrivono un oggetto es. padre di Per rappresentare le relazioni (predicati): - Simboli di predicati, es. Fratello, HaColore, Rosso, ecc. Logica del Primo Ordine Formule atomiche: applicazione di un predicato a n termini Es. giallo (x) // x è giallo: x appartiene all insieme giallo fratello (Marco,Giovanni) //Marco è fratello di Giovanni: Marco e Giovanni appartengono all insieme fratello : sono due oggetti di una stessa tupla della relazione fratello Formule complesse (o composte): applicazione di connettivi logici e quantificatori a formule atomiche
3 QUANTIFICATORI: strumenti sintattici che consentono di rappresentare regole generali, esprimendo relazioni tra insiemi di oggetti e non solo tra oggetti specifici. Due tipi: Quantificatore universale rappresentato dal simbolo V // per ogni. Es. V x Gatto(x) Mammifero (x) // per ogni x tale per cui x è un gatto, x è un mammifero Quantificatore esistenziale rappresentato dal simbolo // esiste almeno uno. Es. x Fratello(x,Pluto) Λ Cane(x) //esiste almeno un x tale per cui x è fratello di Pluto e x è un cane Logica del Primo Ordine Quantificatori annidati: permettono di scrivere formule complesse usando più quantificatori Es. V x ( y Fratello(x,y) ) ~ FiglioUnico(x)
4 SEMANTICA Per interpretare le formule e dire se sono vere o meno, è necessario: - associare individui e oggetti ai simboli di costanti, variabili, - associare relazioni ai simboli di predicato - verificare l appartenenza degli oggetti alle relazioni, in particolare: Logica del Primo Ordine Verifica delle formule atomiche La formula è vera se tutti gli n individui corrispondenti agli n termini appartengono alla relazione rappresentata dal predicato Es. Sorella (a,b) considero tutti gli individui che nell universo corrispondono ad a e b e verifico se appartengono alla relazione
5 Verifica delle formule complesse 1. Si stabilisce la verità delle formule atomiche 2. Per le formule composte mediante connettivi logici, si usano le tabelle di verità 3. Per le formule che contengono il quantificatore universale, si deve verificare che per qualunque individuo che inserisco nella formula, questa è vera 4. Per le formule che contengono il quantificatore esistenziale, si deve verificare che la relazione esista per almeno uno degli individui specificati dalla relazione Logica del Primo Ordine Come può essere utilizzata nella personalizzazione? Estensione del MU tramite ragionamento - definizione delle regole (conoscenza universale, non specifica per un solo individuo, grazie ai quantificatori universali) - fatti ai quali applico le regole classificazione, predizione di caratteristiche
6 Tre classi principali di problemi che hanno originato nuovi sistemi di rappresentazione della conoscenza Monotonicità logiche non-monotone Non strutturazione reti semantiche, frame Scarsa capacità di trasformare gli stati del mondo regole di produzione 7 lezione Scaletta argomenti: Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script
7 La logica classica richiede: - conoscenza completa - conoscenza consistente - conoscenza fissa (non variabile) Si definisce MONOTONA perché al crescere delle formule, la conoscenza può solo crescere, non diminuire o modificare quella precedente Logiche NON-MONOTONE Le logiche NON-MONOTONE, invece permettono di: Arrivare a conclusioni in assenza di evidenza contraria: assunzione di mondo chiuso Ragionamento per default Abduzione: A B A B
8 Molto utili nei problemi di personalizzazione, in quanto tipicamente si effettua ragionamento in condizioni di conoscenza non completa Tipo di ragionamento simile a quello umano 7 lezione Scaletta argomenti: Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script
9 Sono reti che derivano dalla logica, finalizzate a strutturare la conoscenza intorno a dei concetti detti Nodi: attorno a un concetto vengono raggruppate tutte le k che si hanno di quel concetto: proprietà, formule logiche, relazioni tra concetti, ecc. Reti semantiche e modello E/R nascono quasi insieme, e infatti condividono i principi di base, anche se poi le reti semantiche saranno usate per compiere ragionamenti in campo AI, mentre E/R nella modellazione concettuale delle basi di dati. Reti Semantiche Quando possono essere utili nella personalizzazione? Per rappresentare la conoscenza di dominio Esempio: Un documento può essere rapp. - associando i concetti trattati (o le parole utilizzate per riferirli) a nodi della rete. - congiungendo coppie di nodi in relazione tra loro
10 Per rappresentare le caratteristiche dell utente (tipicamente le sue conoscenza, nella forma di overlay model del domani model) Esempio: concetto da imparare Form proprietà action method name concetto che costituisce il dominio della proprietà URL Metodi HTTP Set di caratteri alfanumi caratteri 7 lezione Scaletta argomenti: Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script
11 Frame = lett. cornice, immagine struttura, framework Nascono intorno alla metà anni 70 in ambito psicologico per la classificazione e il riconoscimento di forme visive (Minsky) Precedono di poco le Reti Semantiche e come queste derivano dalla logica, come formalismo per strutturare la conoscenza, che nella logica si presenta invece non strutturata (insieme di formule). FRAME Il Frame è una descrizione stereotipale di oggetti/concetti. Come le reti semantiche, i frame sono caratterizzati da: un insieme di proprietà, qui dette SLOT, per i quali si definisce il dominio dei valori possibili relazioni che possono collegare i diversi frame e gli esemplari ai frame (es. relaz. ISA equivale a "include", relaz. "Esemplare di" equivale a "appartiene)"
12 Diversamente dalle Reti Semantiche però i frame hanno introdotto dei componenti procedurali, ossia delle procedure attivabili al verificarsi di eventi: trigger = proprietà o regole che attivano il frame immediatamente facets = attachment procedurali che istruiscono una proprietà su come ottenere i suoi valori o cosa fare se i suoi valori cambiano, ecc. = vincoli su valori di certe proprietà che attivano delle procedure FRAME Trigger Slot Slot proprietà facets proprietà facets istanze
13 Come la logica e le reti semantiche, gli stereotipi consentono di classificare e di predire caratteristiche. - Classificazione: a partire anche da pochi elementi è possibile classificare un oggetto come appartenente a un certo frame - Predizione: l'oggetto eredita dal frame le caratteristiche non note SCRIPT Gli Script sono il corrispondente del Frame, per la rappresentazione stereotipale di situazioni. (Schank e Abelson, 77) Es. -lo script del viaggio in treno -lo script dell acquisto al supermercato
14 Nella personalizzazione i Frame sono molto utilizzati per rappresentare la base di conoscenza che descrive tipologie di utenti diversi, caratterizzati da specifiche proprietà di solito in UM si chiamano Stereotipi. Es. stereotipi Eurisko utilizzabili per classificare, predire caratteristiche, nonché attivare procedure FRAME Quindi, il ragionamento effettuato dal sistema è confrontare l utente (cioè i fatti, i dati noti dell utente) con gli stereotipi memorizzati nella Base di Conoscenza e associare l utente allo stereotipo che meglio lo descrive, magari anche solo in modo probabilistico CLASSIFICAZIONE Nb: anche la classificazione può essere vista come un estensione del Modello Utente in quanto consiste
15 PREDIZIONE La predizione, e quindi l inferenza di caratteristiche non note, può avvenire in due modi: - classificazione - predizione - all interno del frame - tramite regole con o meno ragionam. FRAME all'interno del frame: utilizzabile se ho definito degli slot per classificare (=slot con proprietà note) e altri per predire (non note). con sistemi a regole: le regole vengono definite sugli slot del frame (anche con ragionamento approssimato) NB: gli stereotipi producono assunzioni sull utente di solito deboli, appunto stereotipate spesso sono usati solo nell inizializzazione del modello, è poi necessario aggiornamento del modello in base ai feedback
16 Scaletta argomenti: antecedente conseguente Rappresentazione della conoscenza Logica del primo ordine Logiche non-monotone Reti semantiche Frame e script Regole di produzione Regole di produzione Rappresentano un evoluzione della logica, con l obiettivo di aumentare la capacità di trasformazione degli stati del mondo. Sono regole del tipo if <condizione> then <azione>
17 Tipi di regole: Regole di inferenza della logica classica: l azione produce nuova conoscenza Inferenza nelle logiche non monotone: l azione produce nuova conoscenza L azione è una procedura Sistemi a regole Un sistema a regole di produzione prevede: Due Memorie e un motore inferenziale Short Term Memory: contiene la descrizione di ciò che è vero in un certo istante, es. le caratteristiche note dell utente Long Term Memory: insieme di regole Motore inferenziale: a ogni ciclo applica le regole della LTM ai fatti della STM. Usa delle strategie di ricerca per decidere quale regola
18 Strategie di Ricerca - Forward chaining - Backword chaining Esempio: STM a,b,c,d Goal: verificare f LTM If a Λ b e aggiungi If c f aggiungi If a Λ c c rimuovi... Sistemi a regole Forward chaining While (non verifico f nella STM) { 1 MATCH: determina l'insieme delle regole applicabili (cioè le regole il cui antecedente è soddisfatto dai fatti contenuti nella STM) 2 CONFLICT_RESOLUTION: seleziona la regola da applicare 3 FIRE:
19 Backword chaining While (non verifico f nella STM) { 1 MATCH: determina l'insieme delle regole che contengono il goal (f) nel conseguente 2 CONFLICT_RESOLUTION: seleziona la regola da applicare 3 FIRE: l antecedente della regola diventa il nuovo goal } Sistemi a regole Inferenza approssimata A fatti e regole possono essere associati dei CERTAINTY FACTORS (CF) Esempio: STM a(0.8) B(0.9) LTM
20 Probabilità del conseguente: P(conseg)=P(conseg anteced) * P(anteced) Infatti a Λ b (0.7) c equivale a: (0.7) a Λ b c equivale a: P(c a Λ b )=0.7 da cui: P(c) =P(c a Λ b)*p(a Λ b) P(c) =0.7 * P(a Λ b) P(c) =0.7 * (0.8*0.9) = 0.7*0.72 = da cui, se a e b sono indipendenti: 8 lezione Scaletta argomenti: Probabilità Richiami di probabilità Reti Bayesiane Decision Theory e Utilità
21 - La formalizzazione deriva da Boole - Concetto di VARIABILE (x), che può assumere certi valori in un insieme (dominio) - Definire la PROBABILITA per la variabile x significa stabilire la probabilità per OGNI VALORE del DOMINIO, con la proprietà che - la somma sia 1 (dominio discreto) - l integrale dia 1 (dominio continuo) Richiami di probabilità PROBABILITA A PRIORI: P(x) = {v 1,v 2,v 3,v n } =1 (dominio discreto) PROBABILITA A PRIORI dell EVENTO CONGIUNTO: P(x Λ y) = {v x1y1,v x2y2,v x3y3,v n } =1 (dominio discreto)
22 PROBABILITA CONDIZIONATA (o A POSTERIORI)= Probabilità che si verifichi x, sapendo che si è verificato y P(xΛy) P(x y)= = P(y) casi favorevoli casi totali Richiami di probabilità Esempi: - Probabilità a priori che esca 4 lanciando un dado P(4)=1/6 - Probabilità condizionata che esca 4 sapendo che è uscito pari P(4 pari)=1/3 P(xΛy) 1/6 P(x y) = = = 1/3 P(y) 1/2
23 Esempio partendo da una MATRICE CONGIUNTA di PROBABILITA a PRIORI per due variabili: Mal di denti Carie SI SI 0.05 NO 0.03 =1 NO Calcolo probabilità CONDIZIONATA: P(carieΛmal di denti) P(carie mal di denti) = = = 1/3 P(mal di denti) 0.07 Richiami di probabilità ASSIOMI della PROBABILITA PROBABILITA DELL AND P(x Λ y) = P(x y) * P(y) E la probabilità dell evento congiunto Deriva dalla formula della P condizionata PROBABILITA DELL OR P(x V y) = P(x) + ( y) - P(y Λ Y)
24 Se P(x y ) = P(x) indipendenza di x e y PROBABILITA DELL AND P(x Λ y) = P(x y) * P(y) = P(x) * P(y) Es. la probabilità che lanciando i dati esca 12 è 1/36 PROBABILITA DELL OR P(x V y) = P(x) + P(y) - P(xΛy) = P(x) + P(y) - P(x) * P(y) Es. la probabilità che lanciando i dati esca almeno un 6 è 11/36 = formula additiva di Bernoulli Richiami di probabilità TEOREMA DI BAYES Rappresenta un modo per calcolare la probabilità condizionata, senza dover conoscere la probabilità dell evento congiunto. Si calcola a partire dall assioma della Probabilità dell AND
25 P(xΛy) = P(x y) * P(y) P(yΛx) = P(y x) * P(x) P(y x) * P(x) = P(x y) * P(y) P(x y) = P(y x) * P(x) P(y) Teorema di Bayes
(anno accademico 2008-09)
Calcolo relazionale Prof Alberto Belussi Prof. Alberto Belussi (anno accademico 2008-09) Calcolo relazionale E un linguaggio di interrogazione o e dichiarativo: at specifica le proprietà del risultato
DettagliOrganizzazione degli archivi
COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i
DettagliAppunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
DettagliAlgebra di Boole ed Elementi di Logica
Algebra di Boole ed Elementi di Logica 53 Cenni all algebra di Boole L algebra di Boole (inventata da G. Boole, britannico, seconda metà 8), o algebra della logica, si basa su operazioni logiche Le operazioni
DettagliAlcune nozioni di base di Logica Matematica
Alcune nozioni di base di Logica Matematica Ad uso del corsi di Programmazione I e II Nicola Galesi Dipartimento di Informatica Sapienza Universitá Roma November 1, 2007 Questa é una breve raccolta di
DettagliPROCESSO DI INDICIZZAZIONE SEMANTICA
PROCESSO DI INDICIZZAZIONE SEMANTICA INDIVIDUAZIONE DEI TEMI/CONCETTI SELEZIONE DEI TEMI/CONCETTI ESPRESSIONE DEI CONCETTI NEL LINGUAGGIO DI INDICIZZAZIONE TIPI DI INDICIZZAZIONE SOMMARIZZAZIONE INDICIZZAZIONE
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliArchivi e database. Prof. Michele Batocchi A.S. 2013/2014
Archivi e database Prof. Michele Batocchi A.S. 2013/2014 Introduzione L esigenza di archiviare (conservare documenti, immagini, ricordi, ecc.) è un attività senza tempo che è insita nell animo umano Primi
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliAPPUNTI DI MATEMATICA ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1)
ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1) Un insieme è una collezione di oggetti. Il concetto di insieme è un concetto primitivo. Deve esistere un criterio chiaro, preciso, non ambiguo, inequivocabile,
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
DettagliAttributi e domini. A per {A}; XY per X Y (pertanto A 1 A 2 A 3 denota
Attributi e domini Assumiamo un universo infinito numerabile U = {A 0, A 1, A 2...} di attributi. Denotiamo gli attributi con A, B, C, B 1, C 1... e gli insiemi di attributi con X, Y, Z, X 1,... per brevità
DettagliIl modello EER comprende tutti i concetti di modellazione del modello ER, cui si aggiungono:
IL MODELLO EER Modellazione Entità-Associazione estesa 2 Modellazione EER (modellazione ER-estesa) Il modello EER comprende tutti i concetti di modellazione del modello ER, cui si aggiungono: i concetti
DettagliIntroduzione ai database relazionali
Introduzione ai database relazionali Tabelle Un database (DB) è costituito da un insieme di file che memorizzano dati opportunamente organizzati Nei database relazionale tale organizzazione è costituita
Dettaglix u v(p(x, fx) q(u, v)), e poi
0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di
DettagliCapitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto
Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliOttimizzazione delle interrogazioni (parte I)
Ottimizzazione delle interrogazioni I Basi di Dati / Complementi di Basi di Dati 1 Ottimizzazione delle interrogazioni (parte I) Angelo Montanari Dipartimento di Matematica e Informatica Università di
DettagliAncora su diagnosi. Lezione 9 giugno. Conoscenza incompleta e senso comune. Frameworks per il ragionamento basato su assunzioni
Ancora su diagnosi Lezione 9 giugno Ancora su diagnosi Conoscenza incompleta, senso comune e ragionamento basato su assunzioni Cenni su pianificazione Abbiamo accennato alla diagnosi di guasti. Occorre
DettagliDatabase: collezione di fatti, registrabili e con un ben preciso significato, relazionati fra di loro
Database relazionali: un'introduzione Database: collezione di fatti, registrabili e con un ben preciso significato, relazionati fra di loro Rappresentazione astratta di aspetti del mondo reale (Universe
DettagliLezione 4. Modello EER
Lezione 4 Modello EER 1 Concetti del modello EER Include tutti i concetti di modellazione del modello ER Concetti addizionali: sottoclassi/superclassi, specializzazione, categorie, propagazione (inheritance)
DettagliBasi di dati. Il Modello Relazionale dei Dati. K. Donno - Il Modello Relazionale dei Dati
Basi di dati Il Modello Relazionale dei Dati Proposto da E. Codd nel 1970 per favorire l indipendenza dei dati Disponibile come modello logico in DBMS reali nel 1981 (non è facile realizzare l indipendenza
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliInformatica (Basi di Dati)
Corso di Laurea in Biotecnologie Informatica (Basi di Dati) Modello Entità-Relazione Anno Accademico 2009/2010 Da: Atzeni, Ceri, Paraboschi, Torlone - Basi di Dati Lucidi del Corso di Basi di Dati 1, Prof.
DettagliI Problemi e la loro Soluzione. Il Concetto Intuitivo di Calcolatore. Risoluzione di un Problema. Esempio
Il Concetto Intuitivo di Calcolatore Fondamenti di Informatica A Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini I Problemi e la loro Soluzione Problema: classe
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello
DettagliVincoli di integrità
Vincoli di integrità Non tutte le istanze di basi di dati sintatticamente corrette rappresentano informazioni plausibili per l applicazione di interesse Studenti Matricola Nome Nascita 276545 Rossi 23-04-72?
DettagliLinguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. <sacerdot@cs.unibo.it> Universitá di Bologna
Linguaggi 18: Semantica della logica del prim ordine Universitá di Bologna 11/04/2011 Outline Semantica della logica del prim ordine 1 Semantica della logica del prim ordine Semantica
DettagliModulo 1: Motori di ricerca
Contenuti Architettura di Internet Principi di interconnessione e trasmissione World Wide Web Posta elettronica Motori di ricerca Antivirus Personal firewall Tecnologie delle reti di calcolatori Servizi
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliALGEBRA DELLE PROPOSIZIONI
Università di Salerno Fondamenti di Informatica Corso di Laurea Ingegneria Corso B Docente: Ing. Giovanni Secondulfo Anno Accademico 2010-2011 ALGEBRA DELLE PROPOSIZIONI Fondamenti di Informatica Algebra
DettagliIntroduzione ai tipi di dato astratti: applicazione alle liste
Universitàdegli Studi di L Aquila Facoltàdi Scienze M.F.N. Corso di Laurea in Informatica Corso di Laboratorio di Algoritmi e Strutture Dati A.A. 2005/2006 Introduzione ai tipi di dato astratti: applicazione
DettagliGli attributi di STUDENTE saranno: Matricola (chiave primaria), Cognome, Nome.
Prof. Francesco Accarino Raccolta di esercizi modello ER Esercizio 1 Un università vuole raccogliere ed organizzare in un database le informazioni sui propri studenti in relazione ai corsi che essi frequentano
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliCodifiche a lunghezza variabile
Sistemi Multimediali Codifiche a lunghezza variabile Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Assegnazione del codice Come visto in precedenza, per poter memorizzare o trasmettere un
DettagliSISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione
SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
DettagliMacchine a stati finiti. Sommario. Sommario. M. Favalli. 5th June 2007
Sommario Macchine a stati finiti M. Favalli 5th June 27 4 Sommario () 5th June 27 / 35 () 5th June 27 2 / 35 4 Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante:
DettagliIntroduzione alla Programmazione Orientata agli Oggetti. Classi, Oggetti e Messaggi
Introduzione alla Programmazione Orientata agli Oggetti Classi, Oggetti e Messaggi Agenda 1. La metodologia di progettazione ad oggetti Concetti fondamentali: oggetti, classi, messaggi 2. I concetti fondamentali
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliMacchine a stati finiti. Sommario. Sommario. M. Favalli. Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante:
Sommario Macchine a stati finiti M. Favalli Engineering Department in Ferrara 4 Sommario (ENDIF) Analisiesintesideicircuitidigitali / 35 (ENDIF) Analisiesintesideicircuitidigitali 2 / 35 4 Le macchine
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliCalcolatori: Algebra Booleana e Reti Logiche
Calcolatori: Algebra Booleana e Reti Logiche 1 Algebra Booleana e Variabili Logiche I fondamenti dell Algebra Booleana (o Algebra di Boole) furono delineati dal matematico George Boole, in un lavoro pubblicato
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliMODELLO RELAZIONALE. Introduzione
MODELLO RELAZIONALE Introduzione E' stato proposto agli inizi degli anni 70 da Codd finalizzato alla realizzazione dell indipendenza dei dati, unisce concetti derivati dalla teoria degli insiemi (relazioni)
DettagliFunzioni in C. Violetta Lonati
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Funzioni - in breve: Funzioni Definizione di funzioni
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliRicorsione in SQL-99. Introduzione. Idea di base
Ricorsione in SQL-99 Introduzione In SQL2 non è possibile definire interrogazioni che facciano uso della ricorsione Esempio Voli(lineaAerea, da, a, parte, arriva) non è possibile esprimere l interrogazione
DettagliSistemi Informativi e Basi di Dati
Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli
DettagliMETODOLOGIA STATISTICA E CLASSIFICAZIONE DEI DATI
METODOLOGIA STATISTICA E CLASSIFICAZIONE DEI DATI 1.1 La Statistica La Statistica è la scienza che raccoglie, elabora ed interpreta i dati (informazioni) relativi ad un dato fenomeno oggetto di osservazione.
DettagliI casi d uso corrispondono ai compiti che l attore (che può essere una persona fisica e non) può svolgere.
UML e i Casi d USO I casi d uso specificano una sequenza di azioni che producono un risultato visibile agli attori del sistema. Essi nascono per fornire descrizioni delle capacità del sistema. I casi d
DettagliAlgebra Di Boole. Definiamo ora che esiste un segnale avente valore opposto di quello assunto dalla variabile X.
Algebra Di Boole L algebra di Boole è un ramo della matematica basato sul calcolo logico a due valori di verità (vero, falso). Con alcune leggi particolari consente di operare su proposizioni allo stesso
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliMacchine a stati finiti G. MARSELLA UNIVERSITÀ DEL SALENTO
Macchine a stati finiti 1 G. MARSELLA UNIVERSITÀ DEL SALENTO Introduzione Al più alto livello di astrazione il progetto logico impiega un modello, la cosiddetta macchina a stati finiti, per descrivere
DettagliCOS È UN LINGUAGGIO? LINGUAGGI DI ALTO LIVELLO LA NOZIONE DI LINGUAGGIO LINGUAGGIO & PROGRAMMA
LINGUAGGI DI ALTO LIVELLO Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware COS È UN LINGUAGGIO? Un linguaggio è un insieme di parole e di metodi di combinazione delle
Dettagli19. LA PROGRAMMAZIONE LATO SERVER
19. LA PROGRAMMAZIONE LATO SERVER Introduciamo uno pseudocodice lato server che chiameremo Pserv che utilizzeremo come al solito per introdurre le problematiche da affrontare, indipendentemente dagli specifici
DettagliTelerilevamento e GIS Prof. Ing. Giuseppe Mussumeci
Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme
DettagliDalla progettazione concettuale alla modellazione di dominio
Luca Cabibbo A P S Analisi e Progettazione del Software Dalla progettazione concettuale alla modellazione di dominio Capitolo 91 marzo 2015 Se qualcuno vi avvicinasse in un vicolo buio dicendo psst, vuoi
DettagliInformatica per la comunicazione" - lezione 13 -
Informatica per la comunicazione" - lezione 13 - Funzionamento di una password" 1: l utente tramite il suo browser richiede l accesso a una pagina del server; 2: il server richiede il nome utente e la
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
DettagliFunzioni funzione dominio codominio legge argomento variabile indipendente variabile dipendente
Funzioni In matematica, una funzione f da X in Y consiste in: 1. un insieme X detto dominio di f 2. un insieme Y detto codominio di f 3. una legge che ad ogni elemento x in X associa uno ed un solo elemento
DettagliRappresentazione grafica di entità e attributi
PROGETTAZIONE CONCETTUALE La progettazione concettuale, ha il compito di costruire e definire una rappresentazione corretta e completa della realtà di interesse, e il prodotto di tale attività, è lo schema
DettagliOperazioni sui database
Operazioni sui database Le operazioni nel modello relazionale sono essenzialmente di due tipi: Operazioni di modifica della base di dati (update) Interrogazioni della base di dati per il recupero delle
DettagliRaffinamento dello schema e forme normali. T. Catarci, M. Scannapieco, Corso di Basi di Dati, A.A. 2008/2009, Sapienza Università di Roma
Raffinamento dello schema e forme normali 1 Forme Normali Le forme normali consentono di valutare la qualità delle relazione Sono state proposte diverse forme normali che includono, in ordine di generalità:
DettagliA intervalli regolari ogni router manda la sua tabella a tutti i vicini, e riceve quelle dei vicini.
Algoritmi di routing dinamici (pag.89) UdA2_L5 Nelle moderne reti si usano algoritmi dinamici, che si adattano automaticamente ai cambiamenti della rete. Questi algoritmi non sono eseguiti solo all'avvio
DettagliDall italiano al linguaggio della logica proposizionale
Dall italiano al linguaggio della logica proposizionale Dall italiano al linguaggio della logica proposizionale Enunciati atomici e congiunzione In questa lezione e nelle successive, vedremo come fare
DettagliPer visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere;
Maschere e Query Le Maschere (1/2) Per visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere; Le maschere sono simili a moduli cartacei: ad ogni campo corrisponde un etichetta
DettagliConcetti di base di ingegneria del software
Concetti di base di ingegneria del software [Dalle dispense del corso «Ingegneria del software» del prof. A. Furfaro (UNICAL)] Principali qualità del software Correttezza Affidabilità Robustezza Efficienza
DettagliStrutturazione logica dei dati: i file
Strutturazione logica dei dati: i file Informazioni più complesse possono essere composte a partire da informazioni elementari Esempio di una banca: supponiamo di voler mantenere all'interno di un computer
DettagliUniversità di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2013-14. Pietro Frasca.
Università di Roma Tor Vergata Corso di Laurea triennale in Informatica Sistemi operativi e reti A.A. 2013-14 Pietro Frasca Lezione 11 Martedì 12-11-2013 1 Tecniche di allocazione mediante free list Generalmente,
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
DettagliEsercitazione di Basi di Dati
Esercitazione di Basi di Dati Corso di Fondamenti di Informatica 6 Maggio 2004 Come costruire una ontologia Marco Pennacchiotti pennacchiotti@info.uniroma2.it Tel. 0672597334 Ing.dell Informazione, stanza
DettagliSudoku: ancora un esercizio
Sudoku: ancora un esercizio Silvio Ranise LORIA & INRIA-Lorraine Nancy (France) 17 Gennaio 2007 Un esempio (sempre lo stesso) 5 3 7 6 1 9 5 9 8 6 8 6 3 4 8 3 1 7 2 6 6 2 8 4 1 9 5 8 7 9 Regole (sempre
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
Dettagli(Esercizi Tratti da Temi d esame degli ordinamenti precedenti)
(Esercizi Tratti da Temi d esame degli ordinamenti precedenti) Esercizio 1 L'agenzia viaggi GV - Grandi Viaggi vi commissiona l'implementazione della funzione AssegnaVolo. Tale funzione riceve due liste
DettagliInformatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing
Informatica 3 LEZIONE 21: Ricerca su liste e tecniche di hashing Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing Informatica 3 Lezione 21 - Modulo 1 Algoritmi sequenziali e basati su
DettagliMODELLO E/R. Modellazione dei dati
MODELLO E/R Maria Mirto Modellazione dei dati Modellare i dati significa: costruire una rappresentazione semplificata della realtà osservata, individuandone gli elementi caratterizzanti e i legami intercorrenti
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliCardinalità e identificatori. Informatica. Generalizzazioni. Generalizzazioni. Generalizzazioni. Generalizzazioni
e identificatori Codice (0,1) (1,1) Dirige Informatica Lezione 8 Laurea magistrale in Scienze della mente Laurea magistrale in Psicologia dello sviluppo e dell'educazione Anno accademico: 2012 2013 1 Cognome
DettagliIl Modello Relazionale
Il Modello Relazionale Il modello relazionale 1 Il modello relazionale Proposto da E. F. Codd nel 1970 per favorire l indipendenza dei dati e reso disponibile come modello logico in DBMS reali nel 1981
DettagliTeoria degli insiemi
Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di
DettagliBasi di dati. Concetti introduttivi ESEMPIO. INSEGNAMENTI Fisica, Analisi, Aule. Docenti. Entità Relazioni Interrogazioni. Ultima modifica: 26/02/2007
Basi di dati Concetti introduttivi Ultima modifica: 26/02/2007 ESEMPIO INSEGNAMENTI Fisica, Analisi, Informatica Aule Docenti Entità Relazioni Interrogazioni St udent i Database 2 Tabella (I) STUDENTE
DettagliPredicati e Quantificatori
Predicati e Quantificatori Limitazioni della logica proposizionale! Logica proposizionale: il mondo è descritto attraverso proposizioni elementari e loro combinazioni logiche! I singoli oggetti cui si
DettagliAlgebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE
Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Andrea Bobbio Anno Accademico 2000-2001 Algebra Booleana 2 Calcolatore come rete logica Il calcolatore può essere visto come una rete logica
DettagliAlgebra booleana. Si dice enunciato una proposizione che può essere soltanto vera o falsa.
Algebra booleana Nel lavoro di programmazione capita spesso di dover ricorrere ai principi della logica degli enunciati e occorre conoscere i concetti di base dell algebra delle proposizioni. L algebra
DettagliModello Relazionale. Modello Relazionale. Relazioni - Prodotto Cartesiano. Relazione: tre accezioni. Es. Dati gli insiemi
Modello Relazionale Modello Relazionale Proposto agli inizi degli anni 70 da Codd Finalizzato alla realizzazione dell indipendenza dei dati Unisce concetti derivati dalla teoria degli insiemi (relazioni)
Dettagli15. Antico gioco russo
15. Antico gioco russo In un antico gioco russo, attraverso i risultati casuali ottenuti dall allacciamento di cordicelle, i giovani cercavano una previsione sul tipo di legame che si sarebbe instaurata
DettagliLe equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.
Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,
DettagliStrutture. Strutture e Unioni. Definizione di strutture (2) Definizione di strutture (1)
Strutture Strutture e Unioni DD cap.10 pp.379-391, 405-406 KP cap. 9 pp.361-379 Strutture Collezioni di variabili correlate (aggregati) sotto un unico nome Possono contenere variabili con diversi nomi
Dettagli