Stesura e cura editoriale di Guido Maurelli

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Stesura e cura editoriale di Guido Maurelli"

Transcript

1 Copyright 2004 Semeion Centro Ricerche di Scienze della Comunicazione Via Sersale, 117 ~ Roma, Italy; Web: Stesura e cura editoriale di Guido Maurelli

2 Indice 0. Introduzione Il campo di riferimento teorico La Natural Computation I campi di interesse della ricerca 9 1. Ricerca di base, sperimentale e applicata Scoperte e brevetti Sistema Training & Testing (T&T) Pixel Vector Theory (PVT) Pick and Squash Tracking (PST) MutiSom-MetaSom Sine Net (SN) Active Connection Matrix (ACM) Software di ricerca che implementa nuove teorie Econet (Sw) Optimizer (Sw) Map Organizing System (MOS-Sw) Learning Law Simulation (LLS-Sw) Active Connection Matrix (ACM Sw) TSP-GenD (TSP-Sw) PST (PST-Sw) PST On Map (Sw) MultiSom (Sw) Pubblicazioni Articoli pubblicati Articoli scritti in fase di revisione Libri Pubblicazioni interne Partecipazione a conferenze e convegni Ricerca applicata e realizzazione progetti Progetti e applicazioni Nuove collaborazioni istituzionali Attività di formazione verso l esterno Corsi e stage 89 3

3 0. Introduzione Il Centro Ricerche Semeion è un Ente Scientifico senza scopo di lucro, fondato nel 1985, con personalità giuridica riconosciuta dal Ministero dell Università e della Ricerca Scientifica e Tecnologica, da poco rinominato Ministero Istruzione Università e Ricerca (M.I.U.R.), tramite decreto ministeriale del 12 novembre Nella procedura di riconoscimento sono stati due i Comitati Nazionali di Consulenza del Consiglio Nazionale delle Ricerche (C.N.R.) che hanno dato parere positivo: - il Comitato Nazionale per la Scienza e le Tecnologie dell Informazione; - il Comitato Nazionale per le Scienze Economiche, Sociologiche e Statistiche. L obiettivo istituzionale del Semeion è riassumibile in 3 punti: - ricerca di base e sperimentale sui sistemi complessi e sulla simulazione dei processi cognitivi; - conversione dei risultati della ricerca in progetti sociali e di ingegneria civile; - definizione di strategie di intervento previsionale attraverso l uso di tecnologie informatiche avanzate basate su Reti Neurali Artificiali ed altri Sistemi Artificiali Adattivi in diversi campi applicativi. Per il raggiungimento dell obiettivo istituzionale il Semeion ha sviluppato, nel corso di questi anni, diverse attività, riassumibili in una serie di aree che costituiscono la struttura di base su cui si articola il lavoro di ricerca dei ricercatori del Centro. 1. Ricerca di base e sperimentale 1.1. Scoperte e brevetti 1.2. Software di ricerca che implementa nuove teorie 1.3. Pubblicazioni 1.4. Partecipazione dei ricercatori a conferenze e convegni 2. Ricerca applicata e realizzazione progetti 3. Attività di formazione verso l esterno 4

4 Uno schema generale sintetizza l architettura e le diverse connessioni di queste attività. ATTIVITÀ DI RICERCA SEMEION Ricerca di base e sperimentale Ricerca applicata Formazione verso l esterno Scoperte e brevetti Software di ricerca Pubblicazioni Partecipazione a convegni Progetti e applicazioni Corsi e stage Sperimentazioni L equipe dei ricercatori che progetta, incrementa e sviluppa le diverse attività del Semeion è così composto. 5

5 RICERCATORI Prof. Paolo Massimo Buscema (Direttore) Dr.ssa Giulia Massini (Vice-Direttore) Marco Intraligi Dr. Ing. Stefano Terzi ORGANIZZAZIONE RICERCA Dr. Guido Maurelli Dr. Massimiliano Capriotti RICERCATORI ASSOCIATI VISITING RESEARCHERS AMMINISTRAZIONE SEGRETERIA RELAZIONI ESTERNE Dr. Ing. Marco Breda Dr. Vittorio Carlei Dr. Ing. Luigi Catzola Dr. Enzo Grossi Prof. Massimo Cocchi Dr. Luc De Vreese Prof. Stanley Einstein Dr. Marco Ramazzotti Prof. Pier Luigi Sacco Giancarlo Magistretti Marina Marini Sabrina Ottaviani Patrizia Nocera Fidora 6

6 0.1. Il campo di riferimento teorico Il campo di riferimento teorico e metodologico, all interno del quale il Semeion svolge la sua attività di ricerca, è quello delle cosiddette Scienze dell Artificiale (Artificial Sciences). Le Artificial Sciences sono quelle scienze per le quali la comprensione dei processi naturali e/o culturali si realizza tramite la ri-creazione di quei processi stessi, utilizzando modelli automatici. Nell ambito delle Artificial Sciences il computer ha un rapporto simile a quello che la scrittura ha con la lingua naturale. Queste scienze sono costituite di algebre formali per la generazione di modelli artificiali (strutture e processi), nello stesso modo in cui le lingue naturali sono fornite di una semantica, di una sintassi e di una pragmatica per la generazione parole e testi. Nelle lingue naturali la scrittura rappresenta la conquista dell indipendenza della parola dal tempo, tramite lo spazio; nelle Artificial Sciences il computer è la conquista dell indipendenza del modello dal soggetto che lo ha ideato, attraverso l automazione e/o l azione. Così come, servendosi della scrittura, una lingua naturale può creare oggetti culturali che prima della scrittura erano impensabili (romanzi, testi di leggi, manuali ecc...), allo stesso modo le Artificial Sciences, utilizzando il computer, possono creare modelli automatici di computazione dotati di particolare complessità. Nelle Artificial Sciences la comprensione di un qualsiasi processo naturale e/o culturale avviene in modo proporzionale alla capacità del modello artificiale automatico di ricreare quel processo. Più la comparazione tra processo originale e modello generato dà esito positivo, più è probabile che il modello artificiale abbia esplicitato correttamente le regole di funzionamento del processo originale. Questo confronto, tuttavia, non può essere effettuato in modo ingenuo. Sono necessari sofisticati strumenti di analisi per fare una comparazione attendibile tra processo originale e modello artificiale. Gli strumenti di analisi utili per questa comparazione hanno il compito di confrontare le dinamiche di funzionamento del 7

7 processo originale con quelle del modello artificiale, facendo variare contestualmente le rispettive condizioni al contorno. Le Artificial Sciences si suddividono in due grandi settori: la Natural Computation e la Classic Computer Science La Natural Computation Il settore della Natural Computation è quello nel quale il Semeion effettua la sua ricerca da diversi anni. La Natural Computation è quella parte delle Artificial Sciences che tenta di costruire modelli automatici di processi naturali e/o culturali tramite l interazione locale di microprocessi non isomorfi al processo originale. Nella Natural Computation si assume, quindi, che qualsiasi processo sia il risultato, più o meno contingente, di processi più elementari che tendono ad auto-organizzarsi nel tempo e nello spazio e che nessuno dei microprocessi è di per sé informativo circa la funzione che assumerà rispetto agli altri, né del processo globale di cui sarà parte. Questa filosofia computazionale, poco economica per la creazione di modelli semplici, può essere utilizzata efficacemente per creare qualsiasi tipo di sistema o modello che s ispiri a processi complessi, ossia a fenomeni di fronte ai quali le filosofie classiche hanno trovato notevoli difficoltà. E questa la ragione per la quale con la Natural Computation l analisi e la generazione di modelli artificiali altamente non lineari è particolarmente presente. La Natural Computation si occupa in realtà della costruzione di modelli artificiali che simulano la complessità dei processi naturali e/o culturali non tramite regole, bensì tramite vincoli che, a seconda dello spazio e del tempo attraverso il quale prende forma il processo, creano autonomamente insiemi di regole contingenti ed approssimate. La Natural Computation non tenta semplicemente di riprodurre processi naturali e/o culturali, analizzando e formalizzando in un modello artificiale le regole attraverso le quali si desidera che questi processi funzionino. Al contrario, tenta di ricreare processi naturali 8

8 e/o culturali costruendo modelli artificiali in grado di generare dinamicamente regole locali, suscettibili di cambiamento in accordo al processo stesso. Nella Natural Computation una dinamica come l apprendere ad apprendere è implicita nei modelli artificiali stessi, nella Classical Computation, invece, ha bisogno di ulteriori regole I campi di interesse della ricerca L attività di ricerca del Semeion nelle sue tre componenti: ricerca di base, ricerca sperimentale e ricerca applicata ha investito, nel tempo, diversi campi d interesse. Nel corso degli anni, come è ovvio per un centro ricerche, l interesse ha subito modifiche determinate essenzialmente da mutate condizioni storicoscientifiche. Queste trasformazioni d interesse sono state orientate principalmente da due spinte parallele: a) un lavoro di ricerca scientifica sempre più orientato a studiare e comprendere le logiche di funzionamento dei fenomeni complessi; b) un attenzione al contesto storico relativamente allo sviluppo delle dinamiche socio-culturali e alle diverse manifestazioni del mondo naturale. In questa prospettiva l esplicitazione dei campi di interesse nei quali la ricerca del Semeion si è sviluppata dalla sua fondazione ad oggi, consentirà di comprendere l evoluzione scientifica e storica del centro. I campi sono: 1. prevenzione sociale e sanitaria (dal 1985); 2. settore aziendale e industriale (dal 1987); 3. settore scolastico ed educativo (dal 1990); 4. mondo del lavoro e orientamento professionale (dal 1998); 5. economia e finanza (dal 1996); 6. ambiente e territorio (dal 1995); 7. settore medico, biologico e farmaceutico (dal 2000). Relativamente a questo settore è importante sottolineare che a partire dal 2000 il Semeion ha stabilito una relazione di partnership esclusiva con il gruppo Bracco S.p.A., per la ricerca e l applicazione dei suoi modelli basati su Sistemi 9

9 10 Artificiali Adattivi al campo medico-farmaceutico. Questa partnership ha contribuito ad orientare ed incrementare il lavoro di ricerca verso l ideazione di brevetti, la realizzazione di pubblicazioni scientifiche e lo sviluppo di software per la diagnosi e la prevenzione di diverse patologie. Nel corso dell ultimo anno di collaborazione (2003) l attività di ricerca si è maggiormente concentrata nel settore dell imaging bio-medicale, come appare evidente dal contenuto di questo libretto.

10 1. Ricerca di base, sperimentale e applicata Prima di entrare nella descrizione delle diverse attività svolte dai ricercatori, è utile fornire una breve ridefinizione di come il Semeion concepisce la ricerca di base, la ricerca sperimentale e quella applicata. La ricerca di base consiste nella formulazione di teorie adeguatamente formalizzate (linguaggio matematico e/o equivalente implementabile su computer) e nella loro sperimentazione. Ricerca di base e sperimentale sono due facce della stessa medaglia: la prima senza la seconda è non falsificabile e, quindi, incontrollabile, la seconda senza la prima è un attività disordinata. La formulazione di teorie e la loro sperimentazione costituiscono i fondamenti della ricerca di base, così come da anni mostra la fisica. La ricerca di base e quella sperimentale permettono le scoperte fondamentali. Le scoperte fondamentali sono quelle che ridisegnano i criteri con i quali si produce la conoscenza scientifica. Si tratta, quindi, di scoperte che non si limitano ad accrescere la conoscenza scientifica, ma che permettono nel tempo un progresso scientifico forte ed improvviso e un conseguente ritorno esponenziale degli investimenti. Le scoperte incrementali, invece, sono quelle che perfezionano e/o specificano, in un ambito sperimentale o applicativo particolare, le scoperte fondamentali. La ricerca di base si valuta in relazione alla produttività delle scoperte fondamentali e incrementali, e in base al numero di applicazioni tecnologiche che essa permette nel tempo. La ricerca di base e sperimentale, così concepita, è una delle attività principali del Semeion, all interno dei settori dell attività istituzionale. Si tratta di un attività che non viene finanziata direttamente da nessun ente, ma costituisce il motore del lavoro di ricerca che si manifesta successivamente sotto diversi aspetti. La ricerca di base è il luogo di riferimento teorico in relazione al quale la ricerca applicata pianifica la realizzazione dei progetti. È il laboratorio dove si sperimentano nuove teorie e si costruiscono nuovi modelli e algoritmi, realizzando programmi informatici di ricerca che hanno come scopo una pura funzione sperimentale. 11

11 Nell organizzazione generale delle attività di ricerca il tempo dedicato alla ricerca di base corrisponde al 60% delle risorse umane in organico al Semeion. Le pubblicazioni scientifiche, sia in termini di libri sia in termini di articoli scientifici pubblicati su riviste internazionali, sono gli oggetti con i quali la ricerca di base comunica le proprie scoperte alla comunità scientifica. La partecipazione a conferenze e convegni, inoltre, misura il livello di interesse che la comunità scientifica attribuisce al lavoro svolto dai ricercatori del Semeion. La ricerca applicata, invece, è un insieme di procedure organizzate al fine di verificare il dominio di validità e l utilità di una teoria. Essa dipende dalla ricerca di base ed analizza l estensibilità della fase di sperimentazione che ha validato una teoria, al fine di sviluppare tecnologie possibili. La ricerca applicata definisce il grado di sfruttabilità di una teoria sul piano della sua utilità sociale ed economica. In questa prospettiva costituisce una sorta di camera di compensazione tra le scoperte della ricerca di base e le richieste sociali ed economiche della comunità e del mercato. Dove finisce la ricerca sperimentale inizia quella applicata. Nella ricerca applicata si concretizzano progetti e si realizzano prototipi. All interno del Semeion il tempo dedicato alla ricerca applicata equivale a circa il 30% delle risorse umane. L attività di formazione, infine, che comprende anche gli stage formativi nella pianificazione delle attività istituzionali del Semeion, definisce quell attività di divulgazione scientifica con intento didattico, che ha lo scopo di formare nuovi ricercatori nel campo dell intelligenza artificiale con particolare riferimento ai sistemi artificiali adattivi; occupa circa il 10% delle risorse umane del Semeion. 12

12 1.1. Scoperte e brevetti Sistema Training and Testing (T&T). Brevetto USA, denominato: Metodo per l'ottimizzazione di un database per eseguire il training ed il testing di un algoritmo di predizione, particolarmente di una rete neurale depositato il (Autore Massimo Buscema) [Partnership Semeion-Bracco]. Il sistema T&T è un algoritmo finalizzato all addestramento di un modello ottimo per la distribuzione dei campioni di addestramento di un sistema di elaborazione, a partire da un insieme di dati. Il principio su cui si basa è così riassumibile: se dall interpolazione di due insiemi disgiunti (indipendenti) di osservazioni di uno stesso fenomeno, si ottiene la stessa funzione interpolante, si può assumere che la funzione interpolante sia la migliore possibile tra quelle estraibili da quell insieme di osservazioni. T&T si basa su un algoritmo evolutivo, sviluppato dal Semeion Centro Ricerche, GenD [Buscema M. & Semeion Research Group 1999] che ha dimostrato un efficienza maggiore rispetto ai limiti degli Algoritmi Genetici classici, nel risolvere problemi di ottimizzazione complessi. La differenza sostanziale tra questo approccio e quello classico basato su una suddivisione randomica del campione originario consiste nella possibilità di sfruttare tutta l informazione presente nell insieme di dati Pixel Vector Theory (PVT). Brevetto Internazionale, denominato: Metodo per la codifica di pixel di immagini e metodo di elaborazione d'immagine per il riconoscimento qualitativo dell'oggetto riprodotto da uno o più pixel di immagine depositato il (Autore Massimo Buscema) [Partnership Semeion- Bracco]. La Pixel Vector Theory è un metodo per la codifica dei pixel delle immagini allo scopo di individuare l appartenenza di ogni pixel ad una classe in relazione ai 13

13 valori dei toni di grigio. Ogni pixel viene trasformato in un vettore nel quale il pixel centrale è circondato da altri 8 pixel (gradiente 1 bidimensionale), 26 pixel (gradiente 1 tridimensionale), i vettori così formati costituiscono i valori di input di una rete neurale. Nella fase di addestramento i pixel vengono classificati come appartenenti ad un numero di classi che il ricercatore ha deciso di impostare (ad esempio tessuto benigno/maligno di una mammografia). Il sistema consente di classificare ogni pixel, e, quindi di discriminare diverse aree dell immagine che viene sottoposta ad analisi. Tumore al seno Per illustrare l efficacia del funzionamento della PVT mostriamo un esempio di elaborazione nel quale viene messo a confronto la diagnosi fatta da un radiologo su due immagini di tumori al seno, con quella fatta dal sistema a reti neurali. Si può notare che il sistema individua, con la stessa precisione del radiologo, le due aree problematiche dell immagine mammografia. (Radiologo) Benigno 14

14 (Radiologo) Maligno La rete interrogata ha prodotto un ipotesi di appartenenza del tessuto ad una di 5 classi: normale (grigio); benigno (rosso); maligno (verde); muscoli (celeste); sfondo (azzurro); per ciascun pixel componente l immagine. Il risultato con l evidenziazione in rosso e in verde rispettivamente dei pixel identificati come lesioni benigne e maligne è riportato nella figura sottostante. Risulta evidente la capacità del sistema di identificare in modo corretto la lesione. (Sistema ANNs) Benigno 15

15 (Sistema ANNs) Maligno Lo stesso sistema nelle due immagini mammografiche seguenti mostra l evidenziazione in rosso della zona problematica del seno individuata dalla PVT. 16

16 Pick and Squash Tracking (PST). Brevetto Europeo, denominato: Algoritmo per la proiezione di dati di informazioni appartenenti ad uno spazio multidimensionale in uno spazio avente meno dimensioni. Un metodo per l analisi cognitiva dei dati di informazioni multidimensionali basati su detto algoritmo e un programma comprendente il detto algoritmo memorizzato su un supporto registrabile, depositato il (Autore Massimo Buscema) [Partnership Semeion-Bracco]. L algoritmo ha lo scopo di risolvere problemi così sintetizzabili: dati N punti con le loro rispettive distanze in uno spazio L dimensionale, trovare la distribuzione ottimale di questi punti in uno spazio a due dimensioni, in accordo con la matrice delle distanze stabilita. L algoritmo si applica a Database composti da record con un certo numero di variabili, e comprende le seguenti fasi: a) definisce una funzione metrica per calcolare una distanza fra ciascun record del Database; b) calcola una matrice delle distanze tra ciascun record mediante la funzione metrica precedentemente definita; c) definisce uno spazio n-1 dimensionale, in cui ogni record viene definito dalle coordinate n-1; d) calcola le coordinate n-1 di ciascun record nello spazio n-1 dimensionale mediante un algoritmo evolutivo; e) definisce come la migliore proiezione dei record, sullo spazio n-1 dimensionale, quella in cui la matrice delle distanze dei record nello spazio n-1 dimensionale si adatta meglio rispetto alla matrice delle distanze dei record calcolata nello spazio n- dimensionale. L algoritmo consente di affrontare problemi di ottimizzazione relativi a diversi campi applicativi, sia nella dimensione spaziale, che temporale. 17

17 Scoperte 2003 : MultiSOM-MetaSOM. (Autore Giulia Massini). Il sistema MultiSOM MetaSOM è un modello di rete neurale supervisionata in grado di costruire feature maps dell input. E quindi in grado non solo di classificare correttamente l input sulla base di un target esterno, ma anche di fornire informazioni sulla articolazione delle classi e sulle relazioni esistenti tra loro. Il sistema è composto da due reti distinte di cui la prima (MultiSOM) è supervisionata, mentre la seconda (MetaSOM) è non supervisionata, ed elabora in input i pesi della prima riproducendo un output di tipo classificatorio. Le MultiSOM si ispirano alle reti SOM (ideate e sviluppate da T. Kohonen tra il 1979 e il 1982), ma ne stravolgono la struttura rendendole supervisionate, le MetaSOM mantengono la struttura e le finalità delle SOM, ma il loro input è costituito dai modelli delle classi di input costruiti dalle MultiSOM. La MultiSOM nasce dall idea dell autore di creare una rete supervisionata che sia in grado non solo di classificare correttamente l input, ma anche di sottoarticolare le classi creando prototipi. È un sistema supervisionato in grado di classificare gli input sulla base di target esterni, ed è un classificatore spontaneo delle sottoclassificazioni di tali classi. Quest ultima importante caratteristica ereditata direttamente dalle SOM permette di avere importanti informazioni sulle classi e di studiarne la logica sottostante. La MetaSOM è una rete SOM in cui gli input sono costituiti dai codebook, provenienti da una MultiSOM, associati ad un target: la matrice MultiSOM di appartenenza. Tale matrice viene impostata con un numero di unità pari almeno al numero di codebook presenti nella MultiSOM ad essa correlata. Il sistema MultiSOM MetaSOM applicato ad un fenomeno, articolabile in classi, vuole rispondere

18 all esigenza di poterne studiare le relazioni complesse, esistenti tra le classi e le variabili che le compongono. Risulta particolarmente utile quando le classi non sono separabili linearmente e quando interessa comprendere le relazioni che esistono tra le classi. Mostriamo due esempi del processo di elaborazione del sistema nei quali vengono classificate le cifre da 0 a 10 scritte manualmente. Esempio di classificazione di cifre 0-10 su una MultiSOM Proiezione delle cifre su una MetaSOM Sine-Net Artificial Neural Network. Brevetto Europeo, denominato: An Artificial Neural Network Rete Neurale 19

19 Artificiale, depositato il (Autore Massimo Buscema) [Partnership Semeion-Bracco]. La Sine Net (SN) é una famiglia di reti neurali artificiali, ideata e sviluppata da Massimo Buscema a partire dal È caratterizzata da una specifica modalità di processamento delle informazioni all interno di ogni nodo, che influisce sia sulla valutazione dell'output sia sulla fase di apprendimento. La funzione di attivazione del nodo nella SN opera su un ingresso che è costituito da una somma di seni, ciascuno caratterizzato da una propria frequenza costituita dal peso della connessione. Questa modifica sulla struttura base del nodo ha profonde conseguenze sui comportamenti della SN, sia per le proprietà della funzione computata, che per le modalità del processo di apprendimento. In pratica la SN costituisce una nuova e generale legge di apprendimento, in grado di produrre una notevole convergenza e un efficace capacità di estrapolazione a partire da Database di rilevante complessità. I suoi punti di forza, rispetto ad altre reti neurali, sono una minor sensibilità riguardo alla numerosità dei nodi che compongono gli strati interni e una resistenza maggiore al cosiddetto fenomeno dell overfitting, cioè all eccessiva interpolazione dei dati di training a scapito delle capacità di generalizzazione del modello Active Connection Matrix (ACM). Brevetto Europeo, denominato: Un algoritmo per il riconoscimento di relazioni tra i dati di un database e un metodo per il riconoscimento di forme di immagini basato su detto algoritmo, depositato il (Autore Massimo Buscema) [Partnership Semeion-Bracco]. Il sistema Active Connection Matrix (ACM) rappresenta la scoperta più importante dell anno Il settore dell Imaging ha assunto nel Semeion, durante l anno 2003, una notevole rilevanza sia in termini quantitativi, cioè in termini di energie e risorse umane 20

20 impiegate in questo settore di ricerca, sia in termini qualitativi cioè in relazione ai risultati sperimentali raggiunti, valutati anche in base al loro grado di brevettabilità. Per questa ragione all interno di questo rapporto di ricerca generale si ritiene opportuno dare uno spazio specifico al settore dell Imaging, mostrando esempi di elaborazione che dimostrano lo sforzo teorico, metodologico e applicativo che si sta facendo in questo campo. Il software di ricerca ACM è un complesso strumento che implementa un nuovo modo di concepire l elaborazione delle immagini. Si tratta di una nuova teoria attraverso la quale il concetto stesso di analisi dell immagine viene riconsiderato, non è l immagine che viene analizzata, ma è l immagine stessa che mostra la sua struttura dinamica interna. Il sistema ACM si basa sulla idea che ogni fenomeno visivo esprime nella sua forma una sua specifica geometria. Lo scopo di ACM è di offrire al fenomeno visivo la matematica per esprimere dinamicamente la sua specifica geometria, invece di adattarlo ad una geometria già nota al soggetto che opera l'analisi. Si tratta, in pratica, di trasformare l'oggetto di analisi in soggetto che esprime la propria dinamica. Una specie di maieutica matematica, che deve permettere l'esplicitazione oggettiva della soggettività dell'oggetto di analisi. Per i fenomeni visivi la luce e il modo in cui essa è riflessa dai corpi è la materia a cui ACM dà forma. ACM, quindi, può essere anche visto come un analizzatore della interazione complessa tra corpi e luce. Il sistema ACM è una famiglia di sistemi la cui specificità consiste nel considerare ogni fenomeno come una collezione di individui connessi tra di loro localmente e in grado di interagire tra di loro, in modo da arrivare dinamicamente, secondo un processo bottom-up, ad una 21

21 22 configurazione di minimizzazione della energia interna di tutto il fenomeno. L innovazione sostanziale è che non si applica una rete neurale a un'immagine, ma è l immagine che si trasforma in una rete neurale, ogni pixel diventa un nodo in relazione pesata con i pixel/nodi che lo circondano. Il processamento dell immagine avviene sulla base di tre livelli di complessità: 1. Livello sintattico; 2. Livello semantico; 3. Livello pragmatico. Il livello sintattico corrisponde la livello di processamento nel quale il sistema mantiene il più possibile un piano di neutralità. Si tratta di un punto di vista nuovo che può evidenziare aspetti inediti di un immagine. Il livello semantico identifica ciò che è stato evidenziato dal livello sintattico. In questa fase il sistema, attraverso una serie di passaggi e di confronti con tecniche di diagnosi tradizionali, giunge ad una corretta interpretazione dell'immagine. Il livello pragmatico ha il compito di contestualizzare l immagine, mettendo in relazione gli elementi emersi con i diversi contesti nei quali gli stessi elementi possono apparire. Il sistema ACM è costituito di 2 famiglie di sistemi: 1. sistemi per la definizione dei bordi esterni e interni di un fenomeno Adaptive Boundaries Characteristics and Detection (A.B.C.D.); 2. sistemi per la definizione della qualità dei tessuti di un fenomeno Texture Quality (TextQ). I sottosistemi ABCD sono definiti da un sistema di equazioni per la definizione ottima dei pesi tra i componenti minimi che compongono un fenomeno (nel caso di un immagine il pixel). Questo sistema di equazioni è stato chiamato Automa Rule (AR). Inoltre,

22 sono stati definiti tre diversi sistemi per far sviluppare le unità visive, mantenendo i pesi come vincoli : a) il sistema New I.A.C. (Interaction Activation and Competition) b) il sistema New C.S. (Constraint Satisfaction) c) il sistema PmH (Pixel mexican Hat). Il sistema New CS si presenta con tre diverse funzioni di costo (NEG (XOR), AND, CONTESTO) e due varietà (First Order, High Order). I sottosistemi TextQ sono composti da 2 sistemi di elaborazione 1. il sistema CM (Contractive Map); 2. il sistema LS (Local Sine). Il sistema CM permette di visualizzare in ogni instante 4 tipi di Output (Quot, Rem, Quot+Rem, True Colors). Il sistema LS ha due varietà : LS1 e LS2. Mostriamo l architettura del sistema ACM nello schema seguente. 23

23 ACM Architecture and Algorithms Architecture Name: Active Connections Matrix (ACM) Texture Quality (TextQ) TARGET : Features Extractions METHOD : Weights evolution and Units Activation Algorithm Name : Contractive Map (CM) CM Q= Quot CM R = Rem CM Q+R= Quot+Rem CM Soft Armonic CM Hard Armonic Algorithm Name : Local Sine (LS) Local Sine(1) (LS1) Local Sine(2) (LS2) Adaptive Boundaries Characteristics and Detection (ABCD) TARGET : Find Edges METHOD : Weights optimization ALGORITHM NAME : Automata Rule (AR) Method : Units Activation Algorithm Name : New Interactive Activation and Competition (I.A.C.) Algorithm Name : Constraints Satisfaction (CS) Methods: Not(Xor) And, Contest First Order CS Second Order CS (High CS) Algorithm Name : Pixel Mexican Hat (P.m.H.) Dal punto di vista del software questo sistema consente di implementare diversi tipi di combinazioni scegliendo tre livelli di processamento delle immagini: l Algoritmo, il Metodo e la Vista. Mostriamo di seguito una serie di esempi di elaborazioni di immagini utilizzando il sistema ACM, e servendosi di leggi di apprendimento diverse. Iniziamo con 3 esempi di Edge detection, nei quali viene applicato l algoritmo IAC. 24

24 Sistemi per l individuazione di bordi e contorni (ABCD) Elaborazione 1 Nel primo caso di Edge detection viene trattata un immagine del sangue. Nella figura sottostante appare sulla sinistra in alto l immagine originale, sulla destra sempre in alto appare l elaborazione con ACM utilizzando l algoritmo IAC, tutte le altre immagini sono elaborazioni dei più diffusi filtri esistenti (Sobel, Prewitt, Roberts, Log, Canny). In questo modo è possibile osservare la qualità dei risultati prodotti dai modelli messi a confronto. La modalità di presentazione delle 3 elaborazioni di Edge detection saranno identiche. Originale Sobel Prewitt IAC Roberts Log Canny Elaborazione 2 Nel secondo caso Edge detenction si tratta di un immagine dell alluminio. Anche qui sulla sinistra in alto appare l originale, sulla destra appare l elaborazione con ACM utilizzando l algoritmo IAC, tutte le altre sono elaborazioni di filtri esistenti. 25

Regressione non lineare con un modello neurale feedforward

Regressione non lineare con un modello neurale feedforward Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale

Dettagli

BOZZA DEL 06/09/2011

BOZZA DEL 06/09/2011 ARTICOLAZIONE: INFORMATICA Disciplina: COMPLEMENTI DI MATEMATICA (C4) Il docente di Complementi di matematica concorre a far conseguire allo studente, al termine del percorso quinquennale, i seguenti risultati

Dettagli

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it MACHINE LEARNING e DATA MINING Introduzione a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it Apprendimento Automatico(i) Branca dell AI che si occupa di realizzare dispositivi artificiali capaci di

Dettagli

L informatica nella scuola: mezzo o fine?

L informatica nella scuola: mezzo o fine? L informatica nella scuola: mezzo o fine? Il paradigma della ricerca in didattica; L introduzione del computer nell insegnamento delle matematiche. 1 La comunicazione delle matematiche ed il computer come

Dettagli

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale Esperienze di Apprendimento Automatico per il corso di lippi@dsi.unifi.it Dipartimento Sistemi e Informatica Università di Firenze Dipartimento Ingegneria dell Informazione Università di Siena Introduzione

Dettagli

Breve introduzione al Calcolo Evoluzionistico

Breve introduzione al Calcolo Evoluzionistico Breve introduzione al Calcolo Evoluzionistico Stefano Cagnoni Dipartimento di Ingegneria dell Informazione, Università di Parma cagnoni@ce.unipr.it 1 Introduzione Il mondo fisico ed i fenomeni naturali

Dettagli

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Università degli Studi di Perugia Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Basi di Dati Avanzate e Tecniche di Data Mining Prof. G. Cecconi, Prof.

Dettagli

Metodologia Classica di Progettazione delle Basi di Dati

Metodologia Classica di Progettazione delle Basi di Dati Metodologia Classica di Progettazione delle Basi di Dati Metodologia DB 1 Due Situazioni Estreme Realtà Descritta da un documento testuale che rappresenta un insieme di requisiti del software La maggiore

Dettagli

La Gestione della Complessità

La Gestione della Complessità La Gestione della Complessità Only variety can destroy variety (Ross. W. Ashby) Prof. Claudio Saita 1 La struttura del modello cognitivo proposto, conosciuto più comunemente in letteratura come la legge

Dettagli

STRUMENTO DI SUPPORTO PER L ANALISI DEL RISCHIO-RAPINA

STRUMENTO DI SUPPORTO PER L ANALISI DEL RISCHIO-RAPINA Convegno ABI BANCHE E SICUREZZA 2007 STRUMENTO DI SUPPORTO PER L ANALISI DEL RISCHIO-RAPINA Fabrizio Capobianco Responsabile Ufficio Gestione Sicurezza - SGS Gruppo Banco Popolare di Verona e Novara Caratteristiche

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

Pro e contro delle RNA

Pro e contro delle RNA Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 5 Tecniche OCR Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

La visualizzazione del layer informativo in un webgis open source: un sistema di gestione tensoriale del dato ambientale per p.mapper.

La visualizzazione del layer informativo in un webgis open source: un sistema di gestione tensoriale del dato ambientale per p.mapper. La visualizzazione del layer informativo in un webgis open source: un sistema di gestione tensoriale del dato ambientale per p.mapper. M. Comelli IFAC-CNR (Istituto di Fisica Applicata Nello Carrara del

Dettagli

INDIRIZZO Informatica e Telecomunicazioni

INDIRIZZO Informatica e Telecomunicazioni ISTRUZIONE TECNICA INDIRIZZO Informatica e Telecomunicazioni L indirizzo Informatica e Telecomunicazioni ha lo scopo di far acquisire allo studente, al termine del percorso quinquennale, specifiche competenze

Dettagli

Sistemi Informativi Territoriali. Map Algebra

Sistemi Informativi Territoriali. Map Algebra Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori

Dettagli

Tecniche di Clustering basate sul Machine Learning

Tecniche di Clustering basate sul Machine Learning UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II Scuola Politecnica e delle Scienze di base Area didattica Scienze Matematiche Fisiche e Naturali Corso di Laurea in Informatica Tecniche di Clustering basate

Dettagli

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre Machine Learning -1 Seminari di Sistemi Informatici Sommario Problemi di apprendimento Well-Posed Esempi di problemi well-posed Progettazione di un sistema di apprendimento Scelta della Training Experience

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com

Dettagli

LA PROPRIETA INTELLETTUALE

LA PROPRIETA INTELLETTUALE LA PROPRIETA INTELLETTUALE Problemi Specifici nella Brevettazione 20 Gennaio 2010 Seminario Ufficio Brevetti ed Innovazione Tecnologica Camera di Commercio di Genova DR. Giorgio A. Karaghiosoff La protezione

Dettagli

Introduzione al simulatore SPICE

Introduzione al simulatore SPICE Introduzione al simulatore SPICE Guida all uso del simulatore MULTISIM 2001 textbook edition di Electronics Workbench Introduzione (1) Il simulatore SPICE (Simulation Program with Integrated Circuit Emphasis)

Dettagli

Linguaggi e Paradigmi di Programmazione

Linguaggi e Paradigmi di Programmazione Linguaggi e Paradigmi di Programmazione Cos è un linguaggio Definizione 1 Un linguaggio è un insieme di parole e di metodi di combinazione delle parole usati e compresi da una comunità di persone. È una

Dettagli

Fusione delle Immagini in Radioterapia Riccardo Ragona Università di Torino

Fusione delle Immagini in Radioterapia Riccardo Ragona Università di Torino Fusione delle Immagini in Radioterapia Riccardo Ragona Università di Torino Introduzione Transformazioni Algoritmi Visualizzazione Validazione Applicazioni Conclusioni Perche la Fusione delle Immagini?

Dettagli

CIRCUITI INTELLIGENTI Parte 5: PCA e ICA

CIRCUITI INTELLIGENTI Parte 5: PCA e ICA Ing. Simone SCARDAPANE Circuiti e Algoritmi per l Elaborazione dei Segnali Anno Accademico 2012/2013 Indice della Lezione 1. Analisi delle Componenti Principali 2. Auto-Associatori 3. Analisi delle Componenti

Dettagli

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori

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

Algoritmo per il rilevamento di targhe

Algoritmo per il rilevamento di targhe Algoritmo per il rilevamento di targhe 19 maggio 2008 Nell affrontare il problema del riconoscimento delle targhe sono stati sviluppati due algoritmi che basano la loro ricerca su criteri differenti. Lo

Dettagli

Ciclo di Vita Evolutivo

Ciclo di Vita Evolutivo Ciclo di Vita Evolutivo Prof.ssa Enrica Gentile a.a. 2011-2012 Modello del ciclo di vita Stabiliti gli obiettivi ed i requisiti Si procede: All analisi del sistema nella sua interezza Alla progettazione

Dettagli

SECONDO BIENNIO ISTITUTO TECNICO

SECONDO BIENNIO ISTITUTO TECNICO SETTORE DOCUMENTI PER LA DISCUSSIONE ISTITUTO TECNICO INDIRIZZO ARTICOLAZIONE ELETTROTECNICA TECNOLOGICO ELETTRONICA ED ELETTROTECNICA ESITI DI APPRENDIMENTO (competenze, abilità, conoscenze) Regolamento,

Dettagli

ISTITUTO TECNICO ECONOMICO MOSSOTTI

ISTITUTO TECNICO ECONOMICO MOSSOTTI CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche

Dettagli

Capitolo 2. Un introduzione all analisi dinamica dei sistemi

Capitolo 2. Un introduzione all analisi dinamica dei sistemi Capitolo 2 Un introduzione all analisi dinamica dei sistemi Obiettivo: presentare una modellistica di applicazione generale per l analisi delle caratteristiche dinamiche di sistemi, nota come system dynamics,

Dettagli

La modellazione delle strutture

La modellazione delle strutture La modellazione delle strutture 1 Programma 31-1-2012 Introduzione e brevi richiami al metodo degli elementi finiti 7-2-2012 La modellazione della geometria 14-2-2012 21-2-2012 28-2-2012 6-3-2012 13-32012

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 1 - Introduzione generale Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

Apprendimento Automatico

Apprendimento Automatico Metodologie per Sistemi Intelligenti Apprendimento Automatico Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como Intelligenza Artificiale "making a machine

Dettagli

DIPARTIMENTO DI STUDI UMANISTICI

DIPARTIMENTO DI STUDI UMANISTICI DIPARTIMENTO DI STUDI UMANISTICI Corso di Laurea Interdipartimentale in Scienze della Formazione Primaria( Ind.Primaria) A.A 2013/2014 REPORT SULL ELABORAZIONE DI UN AGENTE ARITIFICIALE TEORIA E METODOLOGIA

Dettagli

Introduzione al Pattern Recognition Statistico

Introduzione al Pattern Recognition Statistico Introduzione al Pattern Recognition Statistico Roberto Tagliaferri Dipartimento di Informatica Università di Salerno ( Sa ) 84084 Fisciano e-mail robtag@unisa.it Statistical Pattern Recognition Introduzione

Dettagli

1. Competenze trasversali

1. Competenze trasversali 1 ISTITUTO D ISTRUZIONE SUPERIORE G. CENA SEZIONE TECNICA ANNO SCOLASTICO 2015/2016 PROGRAMMAZIONE DIDATTICA DI MATEMATICA DOCENTI: PROF. ANGERA GIANFRANCO CLASSE V U TUR Secondo le linee guida, il corso

Dettagli

Data Mining a.a. 2010-2011

Data Mining a.a. 2010-2011 Data Mining a.a. 2010-2011 Docente: mario.guarracino@cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario delle lezioni A partire dall 19.10.2010, Martedì h: 09.50 16.00

Dettagli

Descrizione e stima dell errore

Descrizione e stima dell errore Descrizione e stima dell errore Raccomandazioni per l analisi di accuratezza di una simulazione CFD: 1 Descrizione e stima dell errore Raccomandazioni per l analisi di accuratezza di una simulazione CFD:

Dettagli

Principi dell ingegneria del software Relazioni fra

Principi dell ingegneria del software Relazioni fra Sommario Principi dell ingegneria del software Leggere Cap. 3 Ghezzi et al. Principi dell ingegneria del software Relazioni fra Principi Metodi e tecniche Metodologie Strumenti Descrizione dei principi

Dettagli

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it

Automazione 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

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Indirizzo odontotecnico a.s. 2015/2016

Indirizzo odontotecnico a.s. 2015/2016 I.P.S.I.A E. DE AMICIS - ROMA PROGRAMMAZIONE DIDATTICA DI MATEMATICA Classe 5C Indirizzo odontotecnico a.s. 2015/2016 Prof. Rossano Rossi La programmazione è stata sviluppata seguendo le linee guida ministeriali

Dettagli

Servizio Nazionale di Valutazione a.s. 2013/14 Guida alla lettura Prova di Matematica Classe seconda Scuola primaria

Servizio Nazionale di Valutazione a.s. 2013/14 Guida alla lettura Prova di Matematica Classe seconda Scuola primaria Servizio Nazionale di Valutazione a.s. 2013/14 Guida alla lettura Prova di Matematica Classe seconda Scuola primaria I quesiti sono distribuiti negli ambiti secondo la tabella seguente Ambito Numero di

Dettagli

Il progetto di ricerca Ellade

Il progetto di ricerca Ellade Il progetto di ricerca Ellade Ellade ELectronic Live ADaptive Learning Gruppo di lavoro Università degli Studi della Calabria, Dipartimento di Matematica Università degli Studi Mediterranea di Reggio Calabria,

Dettagli

PROGRAMMAZIONE ANUALE DEL DIPARTIMENTO DI INFORMATICA E TELECOMUNICAZIONI ISTITUTO TECNICO a.s. 2015-16

PROGRAMMAZIONE ANUALE DEL DIPARTIMENTO DI INFORMATICA E TELECOMUNICAZIONI ISTITUTO TECNICO a.s. 2015-16 PROGRAMMAZIONE ANUALE DEL DIPARTIMENTO DI INFORMATICA E TELECOMUNICAZIONI ISTITUTO TECNICO a.s. 2015-16 SECONDO BIENNIO Disciplina: INFORMATICA La disciplina Informatica concorre a far conseguire allo

Dettagli

Hardware, software e periferiche. Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre

Hardware, software e periferiche. Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre Hardware, software e periferiche Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre Riepilogo - Concetti di base dell informatica L'informatica è quel settore scientifico disciplinare

Dettagli

Associazione Nazionale Docenti

Associazione Nazionale Docenti www.associazionedocenti.it and@associazionedocenti.it Didattica digitale Le nuove tecnologie nella didattica Presentazione del Percorso Formativo Il percorso formativo intende garantire ai Docenti il raggiungimento

Dettagli

EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION

EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION EMERGENCE OF SELF ORGANIZATION AND SEARCH FOR OPTIMAL ENTERPRISE STRUCTURE: AI EVOLUTIONARY METHODS APPLIED TO AGENT BASED PROCESS SIMULATION remond@di.unito.it Department of Computer Science University

Dettagli

Disegno tradizionale VS modellazione digitale affinità e differenze. Modello matematico VS modello numerico

Disegno tradizionale VS modellazione digitale affinità e differenze. Modello matematico VS modello numerico Disegno tradizionale VS modellazione digitale affinità e differenze Modello matematico VS modello numerico IUAV Disegno Digitale Camillo Trevisan Capitelli hatoriani di Abu Fedah, dalla Description de

Dettagli

CBA-SD uno strumento per la valutazione economica dei benefici del Cloud Computing

CBA-SD uno strumento per la valutazione economica dei benefici del Cloud Computing CBA-SD uno strumento per la valutazione economica dei benefici del Cloud Computing Indice 1 Il Cloud Benefit Accelerator - Strecof Dynamics - CBA-SD 3 2 Aspetti matematici, economici e statistici del CBA-SD

Dettagli

AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA

AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA AREA MATEMATICO-SCIENTIFICO-TECNOLOGICA MATEMATICA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA SECONDARIA DI PRIMO GRADO. L alunno ha rafforzato un atteggiamento positivo rispetto

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

Analisi non lineari statiche e dinamiche valutate con il software: ETABS

Analisi non lineari statiche e dinamiche valutate con il software: ETABS Dipartimento di Ingegneria CORSO DI LAUREA IN INGENGNERIA CIVILE PER LA PROTEZIONE DAI RISCHI NATURALI Relazione di fine tirocinio Analisi non lineari statiche e dinamiche valutate con il software: ETABS

Dettagli

I TEST DIAGNOSTICI E L ANALISI DELLA CURVA ROC

I TEST DIAGNOSTICI E L ANALISI DELLA CURVA ROC G Ital Nefrol 2011; 28 (6): 642-647 MASTER IN EPIDEMIOLOGIA CLINICA I TEST DIAGNOSTICI E L ANALISI DELLA CURVA ROC Graziella D Arrigo, Fabio Provenzano, Claudia Torino, Carmine Zoccali, Giovanni Tripepi

Dettagli

Lezione1. Cos è la computer grafica. Lezione del 10 Marzo 2010. Michele Antolini Dipartimento di Ingegneria Meccanica Politecnico di Milano

Lezione1. Cos è la computer grafica. Lezione del 10 Marzo 2010. Michele Antolini Dipartimento di Ingegneria Meccanica Politecnico di Milano Lezione1 Informatica Grafica Cos è la computer grafica Lezione del 10 Marzo 2010 Grafica OpenGL vs Direct Dipartimento di Ingegneria Meccanica Politecnico di Milano 1.1 Tubo a Raggi Catodici Cathode Ray

Dettagli

Richiami di informatica e programmazione

Richiami di informatica e programmazione Richiami di informatica e programmazione Il calcolatore E una macchina usata per Analizzare Elaborare Collezionare precisamente e velocemente una grande quantità di informazioni. Non è creativo Occorre

Dettagli

Introduzione al Calcolo Scientifico

Introduzione al Calcolo Scientifico Introduzione al Calcolo Scientifico Corso di Calcolo Numerico, a.a. 2008/2009 Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico

Dettagli

Università di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A1_1 V1.1. Introduzione

Università di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A1_1 V1.1. Introduzione Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A1_1 V1.1 Introduzione Il contenuto del documento è liberamente utilizzabile dagli studenti, per studio personale

Dettagli

Innovazione didattica in matematica: PP&S su piattaforma e-learning in ambiente di calcolo evoluto

Innovazione didattica in matematica: PP&S su piattaforma e-learning in ambiente di calcolo evoluto Innovazione didattica in matematica: PP&S su piattaforma e-learning in ambiente di calcolo evoluto 1 Criticità La recente riforma del II ciclo di istruzione [DPR 87/210; DPR 88/2010; DPR 89/2010], apre

Dettagli

Modelli matematici avanzati per l azienda a.a. 2010-2011

Modelli matematici avanzati per l azienda a.a. 2010-2011 Modelli matematici avanzati per l azienda a.a. 2010-2011 Docente: Pasquale L. De Angelis deangelis@uniparthenope.it tel. 081 5474557 http://www.economia.uniparthenope.it/siti_docenti P.L.DeAngelis Modelli

Dettagli

Sommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.

Sommario. 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

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

Ing. Gianluca Murgia. murgia@unisi.it. Milano 29/04/2009

Ing. Gianluca Murgia. murgia@unisi.it. Milano 29/04/2009 Ing. Gianluca Murgia murgia@unisi.it Milano 29/04/2009 Sommario Definizione di Social Network Analysis Tipologie di social network Costruzione di una social network Principali indicatori SNA Perché applicarla

Dettagli

Backpropagation in MATLAB

Backpropagation in MATLAB Modello di neurone BACKPROPAGATION Backpropagation in MATLAB Prof. Beatrice Lazzerini Dipartimento di Ingegneria dell Informazione Via Diotisalvi 2, 56122 Pisa La funzione di trasferimento, che deve essere

Dettagli

Fondamenti di Informatica

Fondamenti di Informatica Fondamenti di Informatica Corso di Laurea in Scienze dell'educazione, 2014-15 Lorenzo Bettini http://www.di.unito.it/~bettini Informazioni generali Ricevimento studenti su appuntamento Dipartimento di

Dettagli

I NUOVI LICEI 2 2. I NUOVI LICEI. 2.1 Novità e caratteristiche

I NUOVI LICEI 2 2. I NUOVI LICEI. 2.1 Novità e caratteristiche I NUOVI LICEI 2 2. I NUOVI LICEI 2.1 Novità e caratteristiche Il segno distintivo dei licei? Una formazione culturale di base per così dire a banda larga, propedeutica alla continuazione degli studi e

Dettagli

Cercare informazioni in rete. Uno strumento metacognitivo per sviluppare le abilità di ricerca e di costruzione di conoscenza

Cercare informazioni in rete. Uno strumento metacognitivo per sviluppare le abilità di ricerca e di costruzione di conoscenza Cercare informazioni in rete Uno strumento metacognitivo per sviluppare le abilità di ricerca e di costruzione di conoscenza L information overload Internet con la sua enorme mole di informazione disponibili

Dettagli

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

Attenzione! il valore della Rimodulazione è superiore alla cifra di Negoziazione

Attenzione! il valore della Rimodulazione è superiore alla cifra di Negoziazione Riepilogo Dipartimento ICT Dipartimento ICT nel 2005 diretta nel terzi fondi diretta Reti in Tecnologia Wireless 434.890 79.788 712.457 94.953 578.280 351.500 94.000 Internet di prossima generazione 639.484

Dettagli

Ingegneria del Software Requisiti e Specifiche

Ingegneria del Software Requisiti e Specifiche Ingegneria del Software Requisiti e Specifiche Obiettivi. Affrontare i primi passi della produzione del software: la definizione dei requisiti ed il progetto architetturale che porta alla definizione delle

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

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Agostino ACCARDO Dipartimento di Ingegneria e Architettura 040-5587148 accardo@units.it Testi di riferimento:

Dettagli

Introduzione al Calcolo Scientifico

Introduzione al Calcolo Scientifico Introduzione al Calcolo Scientifico Corso di Calcolo Numerico, a.a. 2010/2011 Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico

Dettagli

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali.

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali. 1 Le immagini digitali Le immagini digitali Università IUAV di venezia Trattamento di immagini digitali immagini grafiche immagini raster immagini vettoriali acquisizione trattamento geometrico trattamento

Dettagli

Software project management. www.vincenzocalabro.it

Software project management. www.vincenzocalabro.it Software project management Software project management Sono le attività necessarie per assicurare che un prodotto software sia sviluppato rispettando le scadenze fissate rispondendo a determinati standard

Dettagli

PROGRAMMAZIONE INFORMATICA PRIMO BIENNIO. Opzione Scienze Applicate

PROGRAMMAZIONE INFORMATICA PRIMO BIENNIO. Opzione Scienze Applicate PROGRAMMAZIONE INFORMATICA PRIMO BIENNIO Opzione Scienze Applicate Anno scolastico 2015-2016 Programmazione di Informatica pag. 2 / 8 INFORMATICA - PRIMO BIENNIO OBIETTIVI SPECIFICI DI APPRENDIMENTO DELL

Dettagli

Istituti Tecnici - Settore tecnologico Indirizzo Informatica e telecomunicazioni Articolazione Informatica

Istituti Tecnici - Settore tecnologico Indirizzo Informatica e telecomunicazioni Articolazione Informatica Linee guida Secondo ciclo di istruzione Istituti Tecnici - Settore tecnologico Indirizzo Informatica e telecomunicazioni Quadro orario generale 1 biennio 2 biennio 5 anno 1^ 2^ 3^ 4^ 5^ Sistemi e reti**

Dettagli

UNIVERSITÀ DEGLI STUDI DELL INSUBRIA SETTORE ORIENTAMENTO - Ufficio Orientamento e Diritto allo Studio

UNIVERSITÀ DEGLI STUDI DELL INSUBRIA SETTORE ORIENTAMENTO - Ufficio Orientamento e Diritto allo Studio FACOLTÀ DI SCIENZE MM.FF.NN. COMO Matematica Corsi di laurea in: MATEMATICA - triennale (Classe n. 32 Scienze Matematiche) MATEMATICA - specialistica (Classe n. 45/S Matematica) Caratteristiche e obiettivi

Dettagli

Grounding transfer di simboli con reti neurali

Grounding transfer di simboli con reti neurali Grounding transfer di simboli con reti neurali A. Greco, T. Riga, A. Cangelosi Università di Genova Università di Plymouth Paper presentato al Congresso dell'associazione Italiana di Scienze Cognitive

Dettagli

LABORATORIO DI ANALISI DEI SISTEMI

LABORATORIO DI ANALISI DEI SISTEMI LABORATORIO DI ANALISI DEI SISTEMI Si utilizzerà, come strumento di lavoro, un foglio elettronico, il più diffuso Excel o anche quello gratuito di OpenOffice (www.openoffice.org). Tale scelta, pur non

Dettagli

Liceo Linguistico I.F.R.S. Marcelline. Curriculum di Matematica

Liceo Linguistico I.F.R.S. Marcelline. Curriculum di Matematica Liceo Linguistico I.F.R.S. Marcelline Curriculum di Matematica Introduzione La matematica nel nostro Liceo Linguistico ha come obiettivo quello di far acquisire allo studente saperi e competenze che lo

Dettagli

Internet of Things, Big Data e Intelligenza Artificiale.

Internet of Things, Big Data e Intelligenza Artificiale. Oracle Ticino Day Lugano 26 Marzo 2015 Internet of Things, Big Data e Intelligenza Artificiale. Prof. Luca Maria Gambardella direttore IDSIA, istituto USI-SUPSI, Manno Le nuove sfide La società globale

Dettagli

ANNO SCOLASTICO 2014/2015. LICEO SCIENTIFICO STATALE A. VOLTA Via Juvarra, 14 - Torino

ANNO SCOLASTICO 2014/2015. LICEO SCIENTIFICO STATALE A. VOLTA Via Juvarra, 14 - Torino ANNO SCOLASTICO 2014/2015 LICEO SCIENTIFICO STATALE A. VOLTA Via Juvarra, 14 - Torino Obiettivi minimi Informatica Prime Conoscere il sistema di numerazione binaria e la sua importanza nella codifica delle

Dettagli

Introduzione a PowerSchedO

Introduzione a PowerSchedO Il sistema di supporto alle tue decisioni Introduzione a PowerSchedO White paper Per maggiori informazioni http://www.powerschedo.it http://www.mbigroup.it PowerSchedO è un marchio registrato MBI. Questo

Dettagli

Cosa è MEDICAL DIAGNOSIS SYSTEM?

Cosa è MEDICAL DIAGNOSIS SYSTEM? 1 Cosa è MEDICAL DIAGNOSIS SYSTEM? Medical Diagnosis System è un SOFTWARE ideato dal Dott. Giorgio Fiore con lo scopo di facilitare al Medico l'applicazione del METODO CLINICO nella pratica diagnostica.

Dettagli

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA ANNO ACCADEMICO 2013-2014 UNIVERSITA DEGLI STUDI DI TERAMO FACOLTA DI MEDICINA VETERINARIA CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA CFU 5 DURATA DEL CORSO : ORE 35 DOCENTE PROF. DOMENICO DI DONATO

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

Lo Studio di Fattibilità

Lo Studio di Fattibilità Lo Studio di Fattibilità Massimo Mecella Dipartimento di Informatica e Sistemistica Università di Roma La Sapienza Definizione Insieme di informazioni considerate necessarie alla decisione sull investimento

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Informatica I per la. Fisica

Informatica I per la. Fisica Corso di Laurea in Fisica Informatica I per la Fisica Lezione: Software applicativo II Fogli elettronici e Data Base Software: software di sistema (BIOS) sistema operativo software applicativo ROM Dischi

Dettagli

Gli studi dell HCI si concentrano spesso sull interfaccia

Gli studi dell HCI si concentrano spesso sull interfaccia Interazione Uomo-Macchina (e Usabilità) 1 Cos'è l'hci? Human-Computer Interaction (HCI) Possibile definizione (ACM) Human-computer interaction ti is a discipline i concerned with the design, evaluation

Dettagli

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico Competenza matematica n. BIENNIO, BIENNIO Utilizzare le tecniche e le procedure del calcolo aritmetico ed algebrico, rappresentandole anche sotto forma grafica BIENNIO BIENNIO Operare sui dati comprendendone

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Anno accademico 2008-2009 Information Retrieval: Text Categorization Una definizione formale Sia D il dominio dei documenti Sia C = {c 1,,c C } un insieme di categorie predefinite

Dettagli

Indice generale. OOA Analisi Orientata agli Oggetti. Introduzione. Analisi

Indice generale. OOA Analisi Orientata agli Oggetti. Introduzione. Analisi Indice generale OOA Analisi Orientata agli Oggetti Introduzione Analisi Metodi d' analisi Analisi funzionale Analisi del flusso dei dati Analisi delle informazioni Analisi Orientata agli Oggetti (OOA)

Dettagli

ANNARITA: Il database Object Relational dell Anagrafe Nazionale delle Ricerche

ANNARITA: Il database Object Relational dell Anagrafe Nazionale delle Ricerche ANNARITA: Il database Object Relational dell Anagrafe Nazionale delle Ricerche Alex Manzo CILEA, Roma Abstract Nell ottica di un potenziamento e arricchimento dei dati dell Anagrafe Nazionale delle Ricerche

Dettagli

Information Visualization

Information Visualization Information Visualization Introduzione alla CG Prof. Andrea F. Abate abate@unisa.it http://www.unisa.it/docenti/andreafrancescoabate/index CG e VR: cosa sono e a cosa servono Con il termine Computer Graphics,

Dettagli

Stimare il WCET Metodo classico e applicazione di un algoritmo genetico

Stimare il WCET Metodo classico e applicazione di un algoritmo genetico Stimare il WCET Metodo classico e applicazione di un algoritmo genetico Sommario Introduzione Definizione di WCET Importanza del WCET Panoramica dei classici metodi per calcolare il WCET [1] Utilizzo di

Dettagli

Metodologie statistiche in manutenzione

Metodologie statistiche in manutenzione M in in > Statistica di base per la > FMECA per la alla generali Sviluppare una sensibilità al valore aggiunto derivante da un applicazione di metodi e tecniche statistiche in Fornire conoscenze specifiche

Dettagli