APPRENDIMENTO MIMETICO Reinforcement Learning. (Apprendimento per rinforzo) (I parte)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "APPRENDIMENTO MIMETICO Reinforcement Learning. (Apprendimento per rinforzo) (I parte)"

Transcript

1 APPRENDIMENTO MIMETICO Reinfocement Leaning (Appendimento pe infozo (I pate

2 ovveo

3 ma anche

4 Bibliogafia Richad S. Sutton, Andew G. Bato, Reinfocement Leaning: An Intoduction, A Badfod Boo, The MIT Pess, Cambidge, Massachusetts, 998. Tom M. Mitchell, Machine Leaning, McGaw-Hill Intenational Edition, Singapoe, 997. Stuat J. Russel, Pete Novig, Intelligenza Atificiale: un appoccio modeno, Peason Education Italia, Milano, 2005.

5 Cediti: Coso di Laboatoio di Sistemi Intelligenti Applicati (AIS-Lab Pof. Albeto Boghese Dipatimento di Scienze dell Infomazione Univesità degli Studi di Milano Coso di Ingegneia della Conoscenza e Sistemi Espeti Pof. Pie Luca Lanzi Dipatimento di Elettonica e Infomazione Politecnico di Milano

6 Why agents ae impotant? Agente (softwae: entità softwae che svolge sevizi pe conto di un alto pogamma, solitamente in modo automatico ed invisibile. Tali softwae vengono anche detti agenti intelligenti. They ae seen as a natual metapho fo conceptualising and building a wide ange of complex compute system (the wold contains many passive objects, but it also contains vey many active components as well; They cut acoss a wide ange of diffeent technology and application aeas, including telecoms, human-compute intefaces, distibuted systems, WEB and so on; They ae seen as a natual development in the seach fo eve-moe poweful abstaction with which to build compute system

7 Agente - Può scegliee un azione sull ambiente ta un insieme continuo o disceto. - L azione dipende dalla situazione. La situazione è iassunta nello stato del sistema. - L agente monitoa continuamente l ambiente (input e modifica continuamente lo stato. - La scelta dell azione è non banale e ichiede un ceto gado di intelligenza. - L agente ha una memoia intelligente.

8 Schematic diagam of an agent Agent STATE Conditionaction ule (vocabulay What the wold is lie now (intenal epesentation What action I should do now x t y t Sensos Actuatos u t Envionment u, input; x, stato; y, uscita x(t = g(x(t, u(t y(t = f(x(t

9 L agente Inizialmente l attenzione ea concentata sulla pogettazione dei sistemi di contollo. Valutazione, sintesi L intelligenza atificiale e la computational intelligence hanno consentito di spostae l attenzione sull appendimento delle stategie di contollo e più in geneale di compotamento. Macchine dotate di meccanismi (algoitmi, SW pe appendee.

10 I vai tipi di appendimento x(t = g(x(t, u(t y(t = f(x(t Ambiente Agente Supevisionato (leaning with a teache. Viene specificato, pe ogni patten di input, il patten desideato di output. Non-supevisionato (leaning without a teache. Estazione di similitudini statistiche ta patten di input. Clusteing. Mappe neuali. Appendimento pe infozo (einfocement leaning, leaning with a citic. L ambiente fonisce un infomazione puntuale, di tipo qualitativo, ad esempio success o fail.

11 Leaning with a teache

12 Reinfocement leaning Nell appendimento supevisionato esiste un teache che dice al sistema quale è l uscita coetta (leaning with a teache. Non sempe è possibile. Spesso si ha a disposizione solamente un infomazione qualitativa (a volte binaia, giusto/sbagliato, successo/fallimento puntuale. L infomazione disponibile si chiama segnale di infozo. Non dà alcuna infomazione su come aggionae il compotamento dell agente (pe es. i pesi. Non è possibile definie una funzione costo o un gadiente. Obbiettivo: ceae degli agenti intelligenti che abbiano una machiney pe appendee dalla loo espeienza.

13 Reinfocement leaning: caatteistiche Appendimento mediante inteazione con l ambiente. Un agente isolato non appende. L appendimento è funzione del aggiungimento di uno o più obiettivi. Non è necessaiamente pevista una icompensa ad ogni istante di tempo. Le azioni vengono valutate mediante la icompensa a lungo temine ad esse associata (delayed ewad. Il meccanismo di iceca delle azioni miglioi è impaentato con la iceca euistica: tial-and-eo. L agente sente l input, modifica lo stato e genea un azione che massimizza la icompensa a lungo temine.

14 Exploation vs Exploitation Esploazione (exploation dello spazio delle azioni pe scopie le azioni miglioi. Un agente che esploa solamente aamente toveà una buona soluzione. Le azioni miglioi vengono scelte ipetutamente (exploitation, sfuttamento peché gaantiscono icompensa (ewad. Se un agente non esploa nuove soluzioni potebbe venie suclassato da nuovi agenti più dinamici. Occoe non inteompee l esploazione. Occoe un appoccio statistico pe valutae le bontà delle azioni. Exploation e exploitation vanno bilanciate. Come?

15 Dove agisce un agente? L agente ha un compotamento goal-diected ma agisce in un ambiente inceto non noto a pioi o pazialmente noto. Esempio: planning del movimento di un obot. Un agente impaa inteagendo con l ambiente. Planning può essee sviluppato mente si impaa a conoscee l ambiente (mediante le misue opeate dall agente stesso. La stategia è vicina al tial-andeo.

16 L ambiente Model of envionment. È uno sviluppo elativamente ecente. Da valutazione implicita dello svolgesi delle azioni futue (tial-and-eo a valutazione esplicita mediante modello dell ambiente della sequenza di azioni e stati futui (planning = dal sub-simbolico al simbolico; emeging intelligence. Incopoazione di AI: - Planning (pianificazione delle azioni - Viene infozato il modulo di pianificazione dell agente. Incopoazione della conoscenza dell ambiente: - Modellazione dell ambiente (non noto o pazialmente noto.

17 Relazione con l AI Gli agenti hanno dei goal da soddisfae. Appoccio deivato dall AI. Nell appendimento con infozo vengono utilizzati stumenti che deivano da aee divese dall AI: Riceca opeativa Teoia del contollo Statistica L agente impaa facendo. Deve selezionae i compotamenti che ipetutamente isultano favoevoli a lungo temine.

18 Esempi Un giocatoe di scacchi. Pe ogni mossa ha infomazione sulle configuazioni di pezzi che può ceae e sulle possibili contomosse dell avvesaio. Una piccola di gazzella in 6 oe impaa ad alzasi e a coee a 40 m/h. Come fa un obot veamente autonomo ad impaae a muovesi in una stanza pe uscine? Come impostae i paameti di una affineia (pessione petolio, potata, in tempo eale, in modo da ottenee il massimo endimento o la massima qualità?

19 Caatteistiche degli esempi Paole chiavi: Inteazione con l ambiente. L agente impaa dalla popia espeienza. Obiettivo dell agente Incetezza o conoscenza paziale dell ambiente. Ossevazioni: Le azioni modificano lo stato (la situazione, cambiano le possibilità di scelta in futuo (delayed ewad. L effetto di un azione non si può pevedee completamente. L agente ha a disposizione una valutazione globale del suo compotamento. Deve sfuttae questa infomazione pe miglioae le sue scelte. Le scelte miglioano con l espeienza. I poblemi possono avee oizzonte tempoale finito o infinito.

20 I due tipi di infozo L agente deve scopie quale azione (policy fonisca la icompensa massima povando le vaie azioni (tial-and-eo sull ambiente. Leaning is an adaptive change of behavio and that is indeed the eason of its existence in animals and man (K. Loenz, 977. Rinfozo puntuale istante pe istante, azione pe azione (condizionamento classico. Rinfozo puntuale una-tantum (condizionamento opeante, viene infozata una catena di azioni, un compotamento.

21 Il condizionamento classico L agente deve impaae una (o più tasfomazione ta input e output. ueste tasfomazioni foniscono un compotamento che l ambiente pemia. Il segnale di infozo è sempe lo stesso pe ogni coppia inputoutput. Esempio: isposte iflesse Pavloviane. Campanello (stimolo condizionante pelude al cibo. uesto induce una isposta (salivazione. La isposta iflessa ad uno stimolo viene evocata da uno stimolo condizionante. Stimolo-Risposta. Lo stimolo condizionante (campanello = input induce la salivazione (uscita in isposta al campanello.

22 Condizionamento opeante Reinfoncement leaning (opeante. Inteessa un compotamento. Una sequenza di input-output che può essee modificata agendo sui paameti che definiscono il compotamento dell agente. Il condizionamento aiva in un ceto istante di tempo (spesso una-tantum e deve valutae tutta la sequenza tempoale di azioni, anche quelle pecedenti nel tempo. Output Envionment Compotamenti = Sequenza di azioni Input

23 Gli attoi del RL Policy. Descive l azione scelta dall agente: mapping ta stato (input dall ambiente e azioni. Funzione di contollo. Le policy possono avee una componente stocastica. Viene utilizzato un modello adeguato del compotamento dell agente (p.e. tabella, funzione continua paametica, ecc.. Rewad function. Ricompensa immediata. Associata all azione intapesa in un ceto stato. Può essee data al aggiungimento di un goal (esempio: successo/fallimento. È uno scalae. Rinfozo pimaio. Value function. Cost-to-go. Ricompensa a lungo temine Somma dei ewad: costi associati alle azioni scelte istante pe istante costo associato allo stato finale. Oizzonte tempoale ampio. Rinfozo secondaio. Ambiente. Può essee non noto o pazialmente noto. L agente deve costuisi una appesentazione dell ambiente. uale delle due è più difficile da ottenee? L agente agisce pe massimizzae la funzione Value o Rewad?

24 Popietà del infozo L ambiente o l inteazione può essee complessa. Il infozo può avvenie solo dopo una più o meno lunga sequenza di azioni (delayed ewad. Esempio: agente = giocatoe di scacchi. ambiente = avvesaio. Poblemi collegati: tempoal cedit assignment stuctual cedit assignment. L appendimento non è più da esempi, ma dall ossevazione del popio compotamento nell ambiente.

25 Tempoal e stuctual cedit assignment Multi-agent systems have the stuctual cedit assignment poblem of detemining the contibutions of a paticula agent to a common tas. Instead, time-extended single-agent systems have the tempoal cedit assignment poblem of detemining the contibution of a paticula action to the quality of the full sequence of actions. (da A.K. Agogino, K. Tume, Unifying Tempoal and Stuctual Cedit Assignment Poblems

26 Riassunto Reinfocement leaning. L agente viene modificato, infozando le azioni che sono isultate buone a lungo temine. È quindi una classe di algoitmi iteativi. Self-discovey of a successful stategy (it does not need to be optimal!. La stategia (di movimento, di gioco non è data a- pioi ma viene appesa attaveso tial-and-eo. Cedit assignment (tempoal and stuctual. Come possiamo pocedee in modo efficiente nello scopie una stategia di successo? Cosa vuol die modificae l agente?

27 Un esempio: il gioco del tis We can use classical game theoy solution lie minmax. This can wo fo the optimal opponent, not fo ou actual opponent. X O O 2 We can use dynamic pogamming optimization, but we need a model of the opponent. O X X 3 We can ty a policy and see what happens fo many games (evolutionay style, exhaustive seach. X

28 L appoccio classico (minimax Più X Meno O Si usa una funzione di valutazione e(p definita come :.se p non è una posizione vincente, e(p = (numeo delle ighe, colonne e diagonali complete ancoa apete a Più - (numeo delle ighe, colonne e diagonali complete ancoa apete a Meno; Intelligenza Atificiale - Poblem Solving 4 28

29 2. se p è una posizione vincente pe Più, e(p = ( denota un numeo positivo molto gande; 3. se p è una posizione vincente pe Meno, e(p = - Intelligenza Atificiale - Poblem Solving 4 29

30 Così, se p è abbiamo e(p = 6-4 = 2. Nella geneazione delle posizioni sfutteemo le simmetie; ovveo, saanno consideate identiche (nella fase iniziale, il fattoe di amificazione del filetto è contenuto dalle simmetie; nella fase finale, dal piccolo numeo di spazi libei disponibili. Intelligenza Atificiale - Poblem Solving 4 30

31 Pofondità di iceca: livello 2 Intelligenza Atificiale - Poblem Solving 4 3

32 Intelligenza Atificiale - Poblem Solving 4 32

33 Come impostae il poblema mediante RL? State configuation of X and O. (Assuming we always play X Value (of the state pobability of winning associated to that state. Which is the pobability of a state in which we have 3 X in a ow (o column o diagonal? Which is the pobability of a state in which we have 3 O in a ow (o column o diagonal? We set all the othe states to 0.5

34 Una sequenza di mosse nel tis

35 Come decidee la mossa? Supponiamo di essee in una configuazione non teminale. Pe ogni mossa valida, possiamo valutae il valoe della nuova configuazione che si veebbe a tovae. Come? Possiamo occasionalmente scegliee delle mosse esploatoie. uando non ha senso scegliee delle mosse esploatoie? Dobbiamo peciò capie qual è il valoe delle divese configuazioni della scacchiea.

36 Come stimae il valoe di ogni configuazione? V(s(t V(s(t [V(s(t V(s(t] Tendo ad avvicinae il valoe della mia configuazione al valoe della configuazione successiva. Esempio di tempoal diffeence leaning. Diminuendo con il numeo di patite, la policy convege alla policy ottima pe un avvesaio fissato (cioè che utilizzi sempe la stessa stategia, ovveosia la stessa distibuzione statistica di mosse. Diminuendo con il numeo di patite, ma tenendolo > 0, la policy convege alla policy ottima anche pe un avvesaio che cambi molto lentamente la sua stategia.

37 Esempio O X O X O X O X X X 2 X 3 X scelta pedente dopo la mossa dell avvesaio ho uno stato con value function = 0 X 2 scelta neutale dopo la mossa dell avvesaio ho uno stato con value function intemedia (paeggio. X 3 scelta vincente dopo la mossa dell avvesaio ho uno stato con value function = Cambio la policy e ivaluto la Value function

38 Cosa fa l agente? Ciclo dell agente (le te fasi sono sequenziali: X O O Implemento una policy 2 Aggiono la Value function O X X X 3 Aggiono la policy.

39 Riflessioni su RL ed il gioco del tis Supponete che l agente dotato di RL giochi, invece che con un avvesaio, conto se stesso. Cosa pensate che succeda? Secondo voi impaeebbe una divesa stategia di gioco? Molte posizioni del tis sembano divese ma sono in ealtà la stessa pe effetto delle simmetie. Come si può modificae l algoitmo di RL (definizione dello stato pe sfuttae le simmetie? Come si può miglioae il meccanismo di appofondimento? Supponiamo che l avvesaio non sfutti le simmetie. In questo caso noi possiamo sfuttale? È veo che configuazioni della scacchiea equivalenti pe simmetia devono avee la stessa funzione valoe. Potete pensae a modi pe miglioae il gioco dell agente? Potete pensae a metodi miglioi (più veloci, più obusti peché un agente impai a giocae a tis?

40 Evaluative Feedbac La più impotante caatteistica che distingue il RL da alti tipi di leaning è che usa l infomazione di addestamento pe valutae la bontà delle azioni pese piuttosto che istuilo dando le azioni coette. L evaluative feedbac puo indica quanto è buona l azione intapesa, ma non se è la peggioe o la miglioe delle azioni possibili (è il metodo di base dell ottimizzazione, compesi i metodi evolutivi. L instuctive feedbac puo, d alto canto, indica la coetta azione da pendee, indipendentemente dall azione effettivamente pesa (è la base dell appendimento supevisionato, compesi la classificazione di patten, le eti neuali, l identificazione dei sistemi. Il pimo dipende completamente dall azione pesa, il secondo è indipendente dall azione pesa. Consideiamo gli aspetti valutativi del RL in un contesto (setting semplice, quello in cui di deve appendee ad agie in una sola situazione (nonassociative setting, il poblema detto del n-amed bandit.

41 -Amed Bandit

42 n-amed Bandit Poblem

43 n-amed Bandit

44 Il poblema del n-amed Bandit Situazione iniziale costante. Scelta ta n azioni. La ichiesta di scegliee viene ipetuta più volte nel tempo. La icompensa è stocastica (e.g. slot machine. Obiettivo: viene massimizzata la icompensa a lungo temine. Soluzione possibile: selezionae l azione che fonisce la massima icompensa a lungo temine. Come?

45 Slot machine stocastica Il ewad della slot machine è completamente definito dalla densità di pobabilità associata alla macchina. Si suppone la densità di pobabilità costante nel tempo. Pe semplicità si suppone che la densità di pobabilità sia descivibile da una funzione analitica, ad esempio una Gaussiana. In questo caso la densità di pobabilità è definita dai paameti della gaussiana: media e deviazione standad. Che cosa appesenta la densità di pobabilità?

46 Come massimizzae la icompensa Consento all agente di avee memoia. Memoizzo il valoe associato alle divese azioni. Posso ad un ceto punto scegliee SEMPRE l azione che mi ha dato la RICOMPENSA MAGGIORE. L azione miglioe è detta GREEDY ACTION (Geedy = Goloso. EXPLOITING (sfuttamento KNOWLEDGE. Peché dovemmo scegliee un azione che non appae la miglioe (NON GREEDY?

47 Exploation Peché esploiamo soluzioni divese. La icompensa non è deteministica. Potemmo ottenee di più con alte azioni. uello che conta non è la icompensa istantanea ma la somma delle icompense ottenute. Occoe quindi mantenee una pedisposizione ad esploae azioni divese. Il bilanciamento di exploation e di exploitation è un compito complesso.

48 La Value Function e la scelta delle azioni Posso selezionae n-azioni: a = a.a n. Ciascuna di queste azioni ha un suo valoe: *(a = long-time ewad. Il suo valoe stimato al t-esimo tio (play sia t (a (VALUE. Si ammenti che il valoe veo di un azione è il ewad medio icevuto quando quell azione è scelta. Una via natuale pe stimae questo valoe è quella di calcolae la media dei ewad effettivamente icevuti quando l azione è stata scelta. In alti temini, se al t-esimo gioco l azione a è stata scelta a volte pima di t, ottenendo i ewad, 2,, a, alloa il suo valoe è stimato essee t ( a = 2... a a

49 Caatteistiche della Value Function Pe a = 0, si pone t (a ad un valoe di default, 0 (a = 0 (nessuna stima disponibile. Pe a, t (a *(a (pe la legge dei gandi numei. La Value function è calcolata come media (sample-aveage method. Pima possibilità di selezione: l azione che dà all istante t la massima VALUE FUNCTION stimata: : t (a > t (a j j a*: t (a* = max{ t ( a } Così viene EXPLOITED la conoscenza accumulata, è una politica GREEDY. Non vengono esploate soluzioni altenativa. Come si può fomalizzae un altenativa? a

50 Exploitation and Exploation Suppongo che con pobabilità ε venga scelta un azione divesa. uesta azione viene scelta con pobabilità unifome ta le n possibili azioni a disposizione (ε-geedy method. t (a *(a pe t Nea-geedy action selection. Come funziona? a*: t (a* = max{ t ( a } a a a* Unifome sulle alte a. P=-ε P=ε

51 Esempio: 0-amed testbed(* n-amed bandit poblem: n = 0; a = a, a 2,, a,, a 0. La simulazione consiste in un set di 2000 tas. Pe ogni tas, eseguo 000 volte la scelta dell azione: t = t, t 2,, t 000 a = a(t, a(t 2,, a(t 000 = (a(t, (a(t 2,, (a(t 000 (a viene selezionato in modo andom da una distibuzione Gaussiana con media µ, divesa pe le divese azioni, ma costante pe tutto il tas, e vaianza. µ = *(a. Misuo, pe ogni istante di tempo t: Il ewad dell azione (in questo caso viene dato un ewad 0 pe ogni azione Calcolo la icompensa totale (Value Function. Valuto la pefomance dopo le 000 giocate di ogni tas. uanto vale µ? Pe ogni tas vaio µ estaendolo da una distibuzione Gaussiana con media = 0 e vaianza =. (* A testbed is a platfom fo expeimentation fo lage development pojects (Wiipedia

52 Risultati Media su 2000 tas, ciascuno di 000 giocate (azioni, playes Si potebbe implementae una politica ε-geedy vaiabile: ε #Playes

53 Domande Supponiamo che la distibuzione da cui si sceglie il valoe medio del ewad abbia vaianza nulla. uale metodo funziona meglio: Geedy o ε-geedy? Supponiamo che la distibuzione da cui si sceglie il valoe medio del ewad abbia vaianza maggioe (e.g. = 0. Cosa succede? uale metodo si compoteebbe meglio? In quali alte condizioni saebbe utile avee esploazione?

54 Implementazione incementale Il metodo action-value appena visto di valutazione dei valoi delle azioni come media dei campioni delle icompense ossevate ichiede molta memoia e molta computazione pe il calcolo di Occoe scegliee un algoitmo che calcoli t(. con un piccolo caico computazionale e di memoia. Supponiamo di Exploit l azione a. Calcoliamo i ewad al tempo t (pimi t ewad e li chiamiamo t (a. t (a coincideà con la media delle pime a icompense: Scegliendo ancoa a, otteniamo il seguente valoe di al tempo t: a t a a =... ( 2 a t a a =... ( 2... ( 2 = a t a a a

55 Deteminazione icosiva di ( ( (... (... (... ( = = = = = = = N N a N N N N N N N N N N N a N a N a N t t t N t t N t N t N N t N N t N t Dipende da t Non dipende da t = (a j 0

56 Ossevazioni su ( a = = [ N N Occupazione di memoia minima: solo e. NB: è il numeo di volte in cui è stata scelta a j, non è necessaiamente coincidente con il tempo t! uesta foma è la base del RL, La sua foma geneale è: NewEstimate = OldEstimate StepSize[Taget OldEstimate] NewEstimate = OldEstimate StepSize Eo. ] = N StepSize = = /N

57 Pseudo-codice pe il calcolo di ( ### Definizione delle vaiabili: N_scelte = m; eps_geedy = 0. //epsilon dipende dal gado di geedy che si vuol dae all agente ### Vaiabili dell agente A = {, 2,,m} // Azioni possibili = {, 2,,m} = 0 // Value function pe ogni azione N_azioni = {, 2,,m} // Numeo di volte in cui è scelta l azione j (e collezionato il ewad associato ## Vaiabili dell ambiente. Date nella simulazione, misuate nell ambiente nella ealtà // Inizializzo I paameti della distibuzione (stazionaia dei ewad pe ogni azione meanrewad = [mean_, mean_2,, mean_m]; stdrewad = [mean_, mean_2,, mean_m];

58 Pseudo-codice pe il calcolo di (2 #### 2 Ciclo di funzionamento while (TRUE { eps = andu ([0 ] // Pe politica epsilon-geedy // Exploitation [a_attuale _attuale] = SeachMax(; // Ceca l azione ottima secondo // Esploation: se eps < epsilon_min, alloa exploation if(eps < epsilon_min { // Devo tovae un azione divesa da a_attuale -> a_ef tovato = FALSE; a_ef = a_attuale; while(!tovato { a_attuale = andu(a; if(a_attuale!= a_ef { tovato = TRUE; _attuale = (a_attuale } } }

59 Pseudo-codice pe il calcolo di (3 // Eseguo l azione a_attuale e misuo il ewad ottenuto dalla slot machine _attuale = andg[meanrewad(a_attuale, stdrewad(a_attuale]; // Update i dati pe l azione a_attuale: il numeo di azioni e il value N_azioni(a_attuale; (a_attuale =(a_attuale (/N_azioni(a_attuale * (_attuale (a_attuale; }

60 Caso stazionaio = 2... N Il peso di ciascun campione è paia a /N. = N N Ogni nuovo campione viene pesato con /N. = [ ] Peso decescente ai nuovi campioni. Cosa succede se il tas è non stazionaio?

61 Caso non stazionaio ] [ = ma si suppone = cost = 0 = = = = = = = = = = = i i i ( ( ( (... ( ( ( ( ] ( [ ( ( ] [ 0-0 Nel caso non stazionaio (il bandito cambia nel tempo, ha senso pesae di più le icompense più ecenti piuttosto che quelle passate. Si usa sempe l aggionamento:

62 Ossevazioni i = ( 0 ( i = ( 0 i= i= w i i I ewad non sono pesati tutti allo stesso modo: weighted aveage. Il peso di ciascun campione decesce esponenzialmente: w i = (- -i < Exponential, ecency-weighted aveage

63 La somma dei pesi dei ewad è unitaia Si chiama media pesata (weighted aveage peché la somma dei pesi è =. Infatti consideando solo i coefficienti in ] ( [ ( ( ( ( ( ( ( ( ( ( ( ( ( (... ( ( ( (... ( ( = = = = = = = i i cvd

64 Condizioni iniziali i = ( 0 ( i= Tutti i metodi discussi dipendono dalla stima iniziale della action-value, 0 (a (polaizzazione. Ma: Metodi ad = /N, 0 non viene utilizzato se non al pimo passo, viene poi sostituito da. Metodi ad costante, 0 conta sempe meno, ma la polaizzazione è pemanente ( 0 = 0. 0 può essee utilizzato pe fonie della conoscenza a-pioi o pe favoie l esploazione (optimistic initial value. Come posso gestie una situazione in cui la slot machine cambia impovvisamente la sua densità di pobabilità di ewad? (Pe i poblemi non stazionai, l optimistic initial value è inefficace in quanto agisce solo all inizio. i

FAST FOURIER TRASFORM-FFT

FAST FOURIER TRASFORM-FFT A p p e n d i c e B FAST FOURIER TRASFORM-FFT La tasfomata disceta di Fouie svolge un uolo molto impotante nello studio, nell analisi e nell implementazione di algoitmi dei segnali in tempo disceto. Come

Dettagli

3. La velocità v di un satellite in un orbita circolare di raggio r intorno alla Terra è v = e,

3. La velocità v di un satellite in un orbita circolare di raggio r intorno alla Terra è v = e, Capitolo 10 La gavitazione Domande 1. La massa di un oggetto è una misua quantitativa della sua inezia ed è una popietà intinseca dell oggetto, indipendentemente dal luogo in cui esso si tova. Il peso

Dettagli

R-402A R-404A R-410A R-507 SIZE COLOR CODE

R-402A R-404A R-410A R-507 SIZE COLOR CODE La temostatica BQ può essee pesonalizzata pe qualsiasi applicazione di efigeazione e condizionamento. Devi solo selezionae il coetto elemento temostatico, la giusta taglia dell oifizio ed il tipo di copo

Dettagli

Dinamica. Se un corpo non interagisce con altri corpi la sua velocità non cambia.

Dinamica. Se un corpo non interagisce con altri corpi la sua velocità non cambia. Poblema fondamentale: deteminae il moto note le cause (foze) pe oa copi «puntifomi» Dinamica Se un copo non inteagisce con alti copi la sua velocità non cambia. Se inizialmente femo imane in quiete, se

Dettagli

durante lo spostamento infinitesimo dr la quantità data dal prodotto scalare F dr

durante lo spostamento infinitesimo dr la quantità data dal prodotto scalare F dr 4. Lavoo ed enegia Definizione di lavoo di una foza Si considea un copo di massa m in moto lungo una ceta taiettoia. Si definisce lavoo infinitesimo fatto dalla foza F duante lo spostamento infinitesimo

Dettagli

Elementi della teoria della diffusione

Elementi della teoria della diffusione Elementi della teoia della diffusione Pe ottenee infomazioni sulla stuttua della mateia, dai nuclei ai solidi, si studia la diffusione scatteing) di paticelle: elettoni, paticelle alfa, potoni, neutoni,

Dettagli

Gravitazione Universale

Gravitazione Universale Gavitazione Univesale Liceo Ginnasio Statale S.M. Legnani Anno Scolastico 2007/08 Classe 3B IndiizzoClassico Pof.Robeto Squellati 1 Le leggi di Kepleo Ossevando la posizione di Mate ispetto alle alte stelle,

Dettagli

I principi della Dinamica. L azione di una forza è descritta dalle leggi di Newton, possono fare Lavoro e trasferire Energia

I principi della Dinamica. L azione di una forza è descritta dalle leggi di Newton, possono fare Lavoro e trasferire Energia I pincipi della Dinamica Un oggetto si mette in movimento quando viene spinto o tiato o meglio quando è soggetto ad una foza 1. Le foze sono gandezze fisiche vettoiali che influiscono su un copo in modo

Dettagli

Campo elettrostatico nei conduttori

Campo elettrostatico nei conduttori Campo elettostatico nei conduttoi Consideeemo conduttoi metallici (no gas, semiconduttoi, ecc): elettoni di conduzione libei di muovesi Applichiamo un campo elettostatico: movimento di caiche tansiente

Dettagli

). Per i tre casi indicati sarà allora: 1: L L 2

). Per i tre casi indicati sarà allora: 1: L L 2 apitolo 0 Enegia potenziale elettica Domane. Il lavoo pe spostae una caica ta ue punti è: L 0(! ). Pe i te casi inicati saà alloa: L (50! 00 ) (50 ) : 0 0 : L 0! 0 3: L 0! 0 [5 ( 5 )] (50 ) [ 0 ( 60 )]

Dettagli

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence?

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence? In un momento di crisi perché scegliere di investire sulla Business Intelligence? Cos è? Per definizione, la Business Intelligence è: la trasformazione dei dati in INFORMAZIONI messe a supporto delle decisioni

Dettagli

Lezione 12: La visione robotica

Lezione 12: La visione robotica Robotica Robot Industriali e di Servizio Lezione 12: La visione robotica L'acquisizione dell'immagine L acquisizione dell immagine Sensori a tubo elettronico (Image-Orthicon, Plumbicon, Vidicon, ecc.)

Dettagli

Istituto Tecnico Commerciale Indirizzo AFM articolazione SIA PERCHE???

Istituto Tecnico Commerciale Indirizzo AFM articolazione SIA PERCHE??? Istituto Tecnico Commerciale Indirizzo AFM articolazione SIA PERCHE??? Opportunità di lavoro: ICT - Information and Communication Technology in Azienda Vendite Acquisti Produzione Logistica AFM SIA ICT

Dettagli

Data Alignment and (Geo)Referencing (sometimes Registration process)

Data Alignment and (Geo)Referencing (sometimes Registration process) Data Alignment and (Geo)Referencing (sometimes Registration process) All data aquired from a scan position are refered to an intrinsic reference system (even if more than one scan has been performed) Data

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

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

Dettagli

1. SIMPLE PRESENT. Il Simple Present viene anche detto presente abituale in quanto l azione viene compiuta abitualmente.

1. SIMPLE PRESENT. Il Simple Present viene anche detto presente abituale in quanto l azione viene compiuta abitualmente. 1. SIMPLE PRESENT 1. Quando si usa? Il Simple Present viene anche detto presente abituale in quanto l azione viene compiuta abitualmente. Quanto abitualmente? Questo ci viene spesso detto dalla presenza

Dettagli

Momento di una forza rispettto ad un punto

Momento di una forza rispettto ad un punto Momento di un fo ispettto d un punto Rihimimo lune delle definiioni e popietà sui vettoi già disusse ll iniio del oso Podotto vettoile: ϑ ϑ sin sin θ Il vettoe è dietto lungo l pependiole l pino individuto

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

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

Dettagli

Il test valuta la capacità di pensare?

Il test valuta la capacità di pensare? Il test valuta la capacità di pensare? Per favore compili il seguente questionario senza farsi aiutare da altri. Cognome e Nome Data di Nascita / / Quanti anni scolastici ha frequentato? Maschio Femmina

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

Analisi di massima: L utente dovrà inserire un numero limite, e tramite vari calcoli verrà stampato a video la sequenza.

Analisi di massima: L utente dovrà inserire un numero limite, e tramite vari calcoli verrà stampato a video la sequenza. Relazione tecnica Fibonacci ANDENA GIANMARCO Traccia: Creare un algoritmo che permetta, dato un valore intero e positivo, di stabilire la sequenza utilizzando la regola di fibonacci dei numeri fino al

Dettagli

Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2)

Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Definiamo innanzitutto una relazione d ordine tra le funzioni. Siano φ e ψ funzioni

Dettagli

1. Integrazione di funzioni razionali fratte

1. Integrazione di funzioni razionali fratte . Integazone d fnzon azonal fatte P S songa d vole calcolae n ntegale del to: d Q ove P e Q sono olno nell ndetenata d gado assegnato. Sonao ce: P a n n a n n a a Q b b b b oleent s etod d ntegazone I

Dettagli

SPERIMENTAZIONE FARMACI - RIPARTO

SPERIMENTAZIONE FARMACI - RIPARTO SPEIMENTAZIONE FAMAI - IPATO - Sperimentazione SOBIHAEM89-001 sper. n. 18/2014 - Medico esponsabile TOSETTO ALBETO 4.160,00 A. (riscosso con fatt. n. Z 1141 del 12/03/2015 ) - FONDO 3.952,00 - SEVIZIO

Dettagli

Gi-Gi Art. 859 - User's Guide Istruzioni d'uso

Gi-Gi Art. 859 - User's Guide Istruzioni d'uso doc.4.12-06/03 Gi-Gi Art. 859 - User's Guide Istruzioni d'uso A belaying plate that can be used in many different conditions Una piastrina d'assicurazione che può essere utilizzata in condizioni diverse.

Dettagli

e-spare Parts User Manual Peg Perego Service Site Peg Perego [Dicembre 2011]

e-spare Parts User Manual Peg Perego Service Site Peg Perego [Dicembre 2011] Peg Perego Service Site Peg Perego [Dicembre 2011] 2 Esegui il login: ecco la nuova Home page per il portale servizi. Log in: welcome to the new Peg Perego Service site. Scegli il servizio selezionando

Dettagli

IT Service Management, le best practice per la gestione dei servizi

IT Service Management, le best practice per la gestione dei servizi Il Framework ITIL e gli Standard di PMI : : possibili sinergie Milano, Venerdì, 11 Luglio 2008 IT Service Management, le best practice per la gestione dei servizi Maxime Sottini Slide 1 Agenda Introduzione

Dettagli

Teoria della misurazione e misurabilità di grandezze non fisiche

Teoria della misurazione e misurabilità di grandezze non fisiche Teoria della misurazione e misurabilità di grandezze non fisiche Versione 12.6.05 Teoria della misurazione e misurabilità di grandezze non fisiche 1 Il contesto del discorso (dalla lezione introduttiva)

Dettagli

Università di Torino Facoltà di Scienze MFN Corso di Studi in Informatica. Programmazione I - corso B a.a. 2009-10. prof.

Università di Torino Facoltà di Scienze MFN Corso di Studi in Informatica. Programmazione I - corso B a.a. 2009-10. prof. Università di Torino Facoltà di Scienze MFN Corso di Studi in Informatica Programmazione I - corso B a.a. 009-10 prof. Viviana Bono Blocco 9 Metodi statici: passaggio parametri, variabili locali, record

Dettagli

SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras

SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras 2 Introduzione Le architetture basate sui servizi (SOA) stanno rapidamente diventando lo standard de facto per lo sviluppo delle applicazioni aziendali.

Dettagli

group HIGH CURRENT MULTIPLEX NODE

group HIGH CURRENT MULTIPLEX NODE HIGH CURRENT MULTIPLEX NODE edizione/edition 04-2010 HIGH CURRENT MULTIPLEX NODE DESCRIZIONE GENERALE GENERAL DESCRIPTION L'unità di controllo COBO è una centralina elettronica Multiplex Slave ; la sua

Dettagli

Smobilizzo pro-soluto di Lettere di Credito Import

Smobilizzo pro-soluto di Lettere di Credito Import definizione L operazione presuppone l emissione di una lettera di credito IMPORT in favore dell esportatore estero, con termine di pagamento differito (es. 180 gg dalla data di spedizione con documenti

Dettagli

Materia: INGLESE Data: 24/10/2004

Materia: INGLESE Data: 24/10/2004 ! VERBI CHE TERMINANO IN... COME COSTRUIRE IL SIMPLE PAST ESEMPIO e aggiungere -d live - lived date - dated consonante + y 1 vocale + 1 consonante (ma non w o y) cambiare y in i, poi aggiungere -ed raddoppiare

Dettagli

Ricerca non informata in uno spazio di stati

Ricerca non informata in uno spazio di stati Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_2 V2.4 Ricerca non informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli

Dettagli

Cap.1 - L impresa come sistema

Cap.1 - L impresa come sistema Cap.1 - L impresa come sistema Indice: L impresa come sistema dinamico L impresa come sistema complesso e gerarchico La progettazione del sistema impresa Modelli organizzativi per la gestione Proprietà

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

IL TRATTAMENTO DEL RISCHIO NELL ANALISI DEGLI INVESTIMENTI IN BENI STRUMENTALI

IL TRATTAMENTO DEL RISCHIO NELL ANALISI DEGLI INVESTIMENTI IN BENI STRUMENTALI IL TRATTAMENTO DEL RISCHIO NELL ANALISI DEGLI INVESTIMENTI IN BENI STRUMENTALI Testo di riferimento: Analisi finanziaria (a cura di E. Pavarani) McGraw-Hill 2001 cap. 11 (dottor Alberto Lanzavecchia) Indice

Dettagli

INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI

INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.

Dettagli

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

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

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

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

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

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

Business Process Management

Business Process Management Business Process Management Come si organizza un progetto di BPM 1 INDICE Organizzazione di un progetto di Business Process Management Tipo di intervento Struttura del progetto BPM Process Performance

Dettagli

Catalogo Trattamento dell Aria - Collezione 2009

Catalogo Trattamento dell Aria - Collezione 2009 Catalogo Trattamento dell Aria - Collezione 2009 SECCOTECH & S 8 SeccoTech & Secco Tecnologia al servizio della deumidificazione Technology at dehumidification's service Potenti ed armoniosi Seccotech

Dettagli

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE In un mercato delle Telecomunicazioni sempre più orientato alla riduzione delle tariffe e dei costi di

Dettagli

Master of Business Administration Programma MBA Collège des Ingénieurs Italia

Master of Business Administration Programma MBA Collège des Ingénieurs Italia Master of Business Administration Programma MBA Collège des Ingénieurs Italia NetworkNetwor erpreneurship Enterpreneu Network L Enterpreneurship Passion Leadership Istituzione indipendente per la formazione

Dettagli

Principali prove meccaniche su materiali polimerici

Principali prove meccaniche su materiali polimerici modulo: Proprietà viscoelastiche e proprietà meccaniche dei polimeri Principali prove meccaniche su materiali polimerici R. Pantani Scheda tecnica di un materiale polimerico Standard per prove meccaniche

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Informazioni su questo libro

Informazioni su questo libro Informazioni su questo libro Si tratta della copia digitale di un libro che per generazioni è stato conservata negli scaffali di una biblioteca prima di essere digitalizzato da Google nell ambito del progetto

Dettagli

MATRICI SIMILI E MATRICI DIAGONALIZZABILI

MATRICI SIMILI E MATRICI DIAGONALIZZABILI MATRICI SIMILI E MATRICI DIAGONALIZZABILI DEFINIZIONE: Due mtici qudte A e B, dello stesso odine n, si dicono simili se esiste un mtice non singole S, tle che isulti: B S A S L mtice S si chim nche mtice

Dettagli

Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati

Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati Algoritmi Algoritmi Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati Il procedimento (chiamato algoritmo) è composto da passi elementari

Dettagli

Ambienti di sviluppo integrato

Ambienti di sviluppo integrato Ambienti di sviluppo integrato Un ambiente di sviluppo integrato (IDE - Integrated Development Environment) è un ambiente software che assiste i programmatori nello sviluppo di programmi Esso è normalmente

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Sistemi di gestione dei dati e dei processi aziendali. Information Technology General Controls

Sistemi di gestione dei dati e dei processi aziendali. Information Technology General Controls Information Technology General Controls Indice degli argomenti Introduzione agli ITGC ITGC e altre componenti del COSO Framework Sviluppo e manutenzione degli applicativi Gestione operativa delle infrastrutture

Dettagli

RUP (Rational Unified Process)

RUP (Rational Unified Process) RUP (Rational Unified Process) Caratteristiche, Punti di forza, Limiti versione del tutorial: 3.3 (febbraio 2007) Pag. 1 Unified Process Booch, Rumbaugh, Jacobson UML (Unified Modeling Language) notazione

Dettagli

Mod. VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES

Mod. VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES Mod VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES Mod VS/AM 65 1 2 VS/AM 65 STANDARD VS/AM 65 CON RACCORDI VS/AM 65

Dettagli

Esercizi Capitolo 5 - Alberi

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

Dettagli

INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 DHCP Dynamic Host Configuration Protocol Fausto Marcantoni fausto.marcantoni@unicam.

INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 DHCP Dynamic Host Configuration Protocol Fausto Marcantoni fausto.marcantoni@unicam. Laurea in INFORMATICA INTERNET e RETI di CALCOLATORI A.A. 2014/2015 Capitolo 4 Dynamic Host Configuration Protocol fausto.marcantoni@unicam.it Prima di iniziare... Gli indirizzi IP privati possono essere

Dettagli

Progetto BPR: Business Process Reengineering

Progetto BPR: Business Process Reengineering Progetto BPR: Business Process Reengineering Riflessioni frutto di esperienze concrete PER LA CORRETTA INTERPRETAZIONE DELLE PAGINE SEGUENTI SI DEVE TENERE CONTO DI QUANTO ILLUSTRATO ORALMENTE Obiettivo

Dettagli

BPEL: Business Process Execution Language

BPEL: Business Process Execution Language Ingegneria dei processi aziendali BPEL: Business Process Execution Language Ghilardi Dario 753708 Manenti Andrea 755454 Docente: Prof. Ernesto Damiani BPEL - definizione Business Process Execution Language

Dettagli

Energy risk management

Energy risk management Il sistema di supporto alle tue decisioni Energy risk management Un approccio orientato agli attori M.B.I. Srl, Via Francesco Squartini 7-56121 Pisa, Italia - tel. 050 3870888 - fax. 050 3870808 www.powerschedo.it

Dettagli

Concorso Premiamo i risultati Esempi di Indicatori

Concorso Premiamo i risultati Esempi di Indicatori Concorso Premiamo i risultati Esempi di Indicatori 1 ESEMPIO INDICATOI PE UN POGETTO DI DEFINIZIONE ED ATTUAZIONE DI UN PIANO DELLA FOMAZIONE AMBITO DI INTEVENTO: MIGLIOAMENTO NELLE PATICHE DI GESTIONE

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello della Web Application 5 3 Struttura della web Application 6 4 Casi di utilizzo della Web

Dettagli

CATENE E COMPONENTI DI GRADO 8-10-INOX, BRACHE DI POLIESTERE E ANCORAGGI, BRACHE DI FUNE

CATENE E COMPONENTI DI GRADO 8-10-INOX, BRACHE DI POLIESTERE E ANCORAGGI, BRACHE DI FUNE CATENE E COMPONENTI DI GRADO 8-10-INOX, BRACHE DI POLIESTERE E ANCORAGGI, BRACHE DI FUNE L esperienza e la passione per l ingegneria sono determinanti per la definizione della nostra politica di prodotto,

Dettagli

Manipolazione di testi: espressioni regolari

Manipolazione di testi: espressioni regolari Manipolazione di testi: espressioni regolari Un meccanismo per specificare un pattern, che, di fatto, è la rappresentazione sintetica di un insieme (eventualmente infinito) di stringhe: il pattern viene

Dettagli

Presentazione per. «La governance dei progetti agili: esperienze a confronto»

Presentazione per. «La governance dei progetti agili: esperienze a confronto» Presentazione per «La governance dei progetti agili: esperienze a confronto» Pascal Jansen pascal.jansen@inspearit.com Evento «Agile Project Management» Firenze, 6 Marzo 2013 Agenda Due parole su inspearit

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

Modelli di Sistemi di Produzione

Modelli di Sistemi di Produzione Modelli di Sistemi di Produzione 2 Indice 1 I sistemi di produzione 1 1.1 Generalità............................. 1 1.2 I principi dei sistemi manifatturieri............... 4 1.3 Descrizione dei principali

Dettagli

CMMI-Dev V1.3. Capability Maturity Model Integration for Software Development, Version 1.3. Roma, 2012 Ercole Colonese

CMMI-Dev V1.3. Capability Maturity Model Integration for Software Development, Version 1.3. Roma, 2012 Ercole Colonese CMMI-Dev V1.3 Capability Maturity Model Integration for Software Development, Version 1.3 Roma, 2012 Agenda Che cos è il CMMI Costellazione di modelli Approccio staged e continuous Aree di processo Goals

Dettagli

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria.

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria. La ecessità di tasmettee poteza ta ogai i moto otatoio è u poblema fequetissimo e di gade impotaza ell igegeia. Gli assi di otazioe ta i quali deve essee tasmesso il moto possoo essee paalleli I questo

Dettagli

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE Pof. Agelo Ageletti -.s. 006/007 1) COME SI SCRIVE IL RISULTATO DI UNA MISURA Il modo miglioe pe espimee il isultto di u misu è quello di de,

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

Descrizioni VHDL Behavioral

Descrizioni VHDL Behavioral 1 Descrizioni VHDL Behavioral In questo capitolo vedremo come la struttura di un sistema digitale è descritto in VHDL utilizzando descrizioni di tipo comportamentale. Outline: process wait statements,

Dettagli

Rational Unified Process Introduzione

Rational Unified Process Introduzione Rational Unified Process Introduzione G.Raiss - A.Apolloni - 4 maggio 2001 1 Cosa è E un processo di sviluppo definito da Booch, Rumbaugh, Jacobson (autori dell Unified Modeling Language). Il RUP è un

Dettagli

Business Process Management applicato ai flussi della PA

Business Process Management applicato ai flussi della PA tecnologie vicine Business Process Management applicato ai flussi della PA Antonio Palummieri Resp. Area Mercato Luciano Sulis - BPM Solution Specialist Milano, 24 novembre 2011 Popolazione comuni: Italia

Dettagli

PMI. Management Maturity Model, OPM3 Second Edition 2008

PMI. Management Maturity Model, OPM3 Second Edition 2008 Nuovi standard PMI, certificazioni professionali e non solo Milano, 20 marzo 2009 PMI Organizational Project Management Maturity Model, OPM3 Second Edition 2008 Andrea Caccamese, PMP Prince2 Practitioner

Dettagli

Fondamenti di Informatica e Laboratorio T-AB T-16 Progetti su più file. Funzioni come parametro. Parametri del main

Fondamenti di Informatica e Laboratorio T-AB T-16 Progetti su più file. Funzioni come parametro. Parametri del main Fondamenti di Informatica e Laboratorio T-AB T-16 Progetti su più file. Funzioni come parametro. Parametri del main Paolo Torroni Dipartimento di Elettronica, Informatica e Sistemistica Università degli

Dettagli

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura La (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura Come funzionano i criteri di valutazione sulla temperatura Vi sono 5 parametri usati per la valutazione del

Dettagli

24V DC ±10% 0.5... 1 W. Fluido Fluid. 15 Nl/min

24V DC ±10% 0.5... 1 W. Fluido Fluid. 15 Nl/min elettropiloti 0 mm 0 mm solenoids Elettropilota Solenoid valve 0 mm 00.44.0 ACCESSORI - ACCESSORIES 07.049.0 Connettore per elettropilota 0 mm con cavetto rosso/nero, lunghezza 400 mm - connector for 0

Dettagli

LEZIONE 4: PRESENT SIMPLE / PRESENT CONTINUOUS

LEZIONE 4: PRESENT SIMPLE / PRESENT CONTINUOUS LEZIONE 4: PRESENT SIMPLE / PRESENT CONTINUOUS TEMPO PRESENTE In italiano non vi sono differenze particolari tra le due frasi: MANGIO UNA MELA e STO MANGIANDO UNA MELA Entrambe le frasi si possono riferire

Dettagli

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. Universitá di Bologna

Linguaggi. 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

Dettagli

I file di dati. Unità didattica D1 1

I file di dati. Unità didattica D1 1 I file di dati Unità didattica D1 1 1) I file sequenziali Utili per la memorizzazione di informazioni testuali Si tratta di strutture organizzate per righe e non per record Non sono adatte per grandi quantità

Dettagli

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com WWW.TINYLOC.COM CUSTOMER SERVICE T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com GPS/ RADIOTRACKING DOG COLLAR MANUALE DI ISTRUZIONI ACCENSIONE / SPEGNERE DEL TAG HOUND Finder GPS Il TAG HOUND

Dettagli

5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak

5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak Tipo: Type: 5 cabine (1 main deck+ 4 lower deck) 5 cabins (1 main deck+ 4 lower deck) Legno: essenza di rovere naturale Rigatino Wood: striped oak Tessuti: Dedar Fanfara, Paola Lenti Fabrics: Dedar Fanfara,

Dettagli

/*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i, giusto,len;

/*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i, giusto,len; /* Date in ingresso una frase, dire se una è palindroma */ #include #define MAX 100 int main() /*dichiarazioni*/ // le frasi sono contenute in stringhe, cioè array di char char f1[max]; int i,

Dettagli

Corso di Specializzazione IT SERVICE MANAGEMENT

Corso di Specializzazione IT SERVICE MANAGEMENT Corso di Specializzazione IT SERVICE MANAGEMENT Con esame ufficiale di certificazione ITIL V3 Foundation INTRODUZIONE Un numero crescente di organizzazioni appartenenti ai più diversi settori produttivi

Dettagli

Corso Base ITIL V3 2008

Corso Base ITIL V3 2008 Corso Base ITIL V3 2008 PROXYMA Contrà San Silvestro, 14 36100 Vicenza Tel. 0444 544522 Fax 0444 234400 Email: proxyma@proxyma.it L informazione come risorsa strategica Nelle aziende moderne l informazione

Dettagli

il materiale contenuto nel presente documento non può essere utilizzato o riprodotto senza autorizzazione

il materiale contenuto nel presente documento non può essere utilizzato o riprodotto senza autorizzazione Reliability Management La gestione del processo di Sviluppo Prodotto Ing. Andrea Calisti www.indcons.eu Chi sono... Andrea CALISTI Ingegnere meccanico dal 1995 al 2009 nel Gruppo Fiat Assistenza Clienti

Dettagli

Presentazioni multimediali relative al senso del tatto DIMENSIONI LIVELLO INIZIALE LIVELLO INTERMEDIO LIVELLO AVANZATO

Presentazioni multimediali relative al senso del tatto DIMENSIONI LIVELLO INIZIALE LIVELLO INTERMEDIO LIVELLO AVANZATO PERCORSO DI INSEGNAMENTO/APPRENDIMENTO TIPO DI UdP: SEMPLICE (monodisciplinare) ARTICOLATO (pluridisciplinare) Progetto didattico N. 1 Titolo : Let s investigate the world with our touch! Durata: Annuale

Dettagli

GIMBE Gruppo Italiano per la Medicina Basata sulle Evidenze

GIMBE Gruppo Italiano per la Medicina Basata sulle Evidenze GIMBE Gruppo Italiano per la Medicina Basata sulle Evidenze Evidence-Based Medicine Italian Group Workshop Evidence-based Medicine Le opportunità di un linguaggio comune Como, 9-11 maggio 2003 Sezione

Dettagli

Mario Polito IARE: Press - ROMA

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

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

Business Process Modeling and Notation e WebML

Business Process Modeling and Notation e WebML Business Process Modeling and Notation e WebML 24 Introduzione I Web Service e BPMN sono standard de facto per l interoperabilità in rete a servizio delle imprese moderne I Web Service sono utilizzati

Dettagli

A BEST PRACTICE APPROACH PER PROMUOVERE SALUTE

A BEST PRACTICE APPROACH PER PROMUOVERE SALUTE A BEST PRACTICE APPROACH PER PROMUOVERE SALUTE IL MODELLO PRECEDE-PROCEED E L INTERACTIVE DOMAIN MODEL A CONFRONTO A cura di Alessandra Suglia, Paola Ragazzoni, Claudio Tortone DoRS. Centro Regionale di

Dettagli

Istruzione N. Versione. Ultima. modifica. Funzione. Data 18/12/2009. Firma. Approvato da: ASSEMBLAGGIO COLLAUDO TRAINING IMBALLO. service 07.

Istruzione N. Versione. Ultima. modifica. Funzione. Data 18/12/2009. Firma. Approvato da: ASSEMBLAGGIO COLLAUDO TRAINING IMBALLO. service 07. Istruzione N 62 Data creazione 18/ 12/2009 Versione N 00 Ultima modifica TIPO ISTRUZIONE ASSEMBLAGGIO COLLAUDO TRAINING MODIFICA TEST FUNZIONALE RIPARAZIONE/SOSTITUZIONE IMBALLO TITOLO DELL ISTRUZIONE

Dettagli

MODULO DI ISCRIZIONE - ENROLMENT FORM

MODULO DI ISCRIZIONE - ENROLMENT FORM Under the Patronage of Comune di Portofino Regione Liguria 1ST INTERNATIONAL OPERA SINGING COMPETITION OF PORTOFINO from 27th to 31st July 2015 MODULO DI ISCRIZIONE - ENROLMENT FORM Direzione artistica

Dettagli