Dott. Dore Alessio 1. TEMATICHE DI RICERCA
|
|
- Italo Valeri
- 8 anni fa
- Visualizzazioni
Transcript
1 Dott. Dore Alessio RELAZIONE SULL'ATTIVITA' E LE RICERCHE SVOLTE ALLA CONCLUSIONE DEL III ANNO DEL XXII CICLO DEL CORSO DI DOTTORATO DI RICERCA IN SCIENZE E INGEGNERIA DELLO SPAZIO 1. TEMATICHE DI RICERCA Le tematiche da me sviluppate hanno avuto per oggetto (non più di 2 o 3 righe, numerando gli argomenti, da riportarsi in forma succinta come nell 'esempio seguente: tali argomenti verranno riportati nel verbale dell'eventuale approvazione): 1) Metodi Bayesiani bio-inspired per l apprendimento e il modellamento delle interazioni; 2) Algoritmi per l inseguimento di oggetti multipli basati su filtraggio Bayesiano; (segue una descrizione di 2-5 pagine al massimo, che illustra le tematiche di cui sopra. Si raccomanda di rispettare la numerazione dei paragrafi sotto riportata). L attività di ricerca svolta nel III anno di dottorato è stata incentrata sullo sviluppo e miglioramento delle tecniche e metodologie realizzate nei precedenti anni. In particolare le tematiche relative ai punti 1.1 e 1.2 hanno avuto come obiettivo quello di implementare modelli Bayesiani in grado di gestire le interazioni tra oggetti. Le due linee di ricerca mirano a questa finalità in due ambiti diversi ma intercorrelati ovvero il riconoscimento di attività e il tracking (inseguimento) dove le interazioni tra oggetti rappresentano gli elementi di maggior rilievo. Si è deciso di concentrarsi su questi argomenti in quanto essi sono di principale rilevanza nell ambito dei sistemi di videosorveglianza intelligente per la rilevazione di situazioni pericolose o anomale. Questi sistemi rappresentano un ambito di ricerca di interesse in diversi domini applicativi. Infatti, essi possono essere utilizzati per comprendere automaticamente ciò che avviene in una scena al fine di supportare gli operatori umani nei compiti di monitoraggio e controllo. Esempi in cui questa funzionalità può essere particolarmente utile sono, oltre alla classica sicurezza fisica, l intelligenza di ambiente e le applicazioni di interazioni uomo-macchina. L utilizzo di tali tecnologie può, quindi, avere ricadute anche in ambito spaziale per esempio per il controllo delle attività degli astronauti In questa attività si è proceduto nello sviluppo del lavoro descritto al punto 1.1 degli anni precedenti. Lo studio dei modelli di interazioni tra coppie di oggetti rappresenta un argomento di ricerca promettente e di notevole interesse per l analisi automatica della scena da sequenze video. In questo ambito la ricerca ha investito molti sforzi negli ultimi anni al fine di sviluppare sistemi sempre più efficienti e robusti per molteplici applicazioni come, ad esempio, la sorveglianza intelligente [1]- [3], l analisi di eventi sportivi e il monitoraggio e controllo di anziani o disabili. Gli algoritmi realizzati nei primi due anni di dottorato avevano come finalità quella di ottenere dei modelli rappresentativi delle interazioni che intercorrono tra due entità. A
2 questo fine si è presa ispirazione dagli studi neurofisiologici di Antonio Damasio [4] che mostrano come la coscienza nella mente umana nasca proprio dall interazione del soggetto con il mondo esterno. In particolare, questo fenomeno si verifica tramite l associazione che avviene nel cervello in strutture dette second-order neural patterns, tra proto-self, ovvero la struttura neurale che rappresenta stato interno del soggetto, e il core-self, cioè la rappresentazione del mondo esterno. Gli eventi più rilevanti generano la cosiddetta core consciousness (ovvero la coscienza di ciò che è altro da sé) e sono memorizzati nella Autobiographical Memory. Tenendo in considerazione il lavoro di Damasio, è stato sviluppato un algoritmo [5] in grado di apprendere e modellare le interazioni al fine di predire eventi futuri per applicazioni di Intelligenza di Ambiente. Le attività di quest anno e del precedente sono state rivolte a derivare un approccio probabilistico in grado di fornire un supporto matematicamente coerente al modello di interazioni tra due entità. A questo fine si è ricorso all utilizzo delle Dynamic Bayesian Networks [6] (DBNs) per sfruttare le proprietà di rappresentazione dei processi stocastici che hanno reso questi strumenti matematici largamente utilizzati negli ambiti della Visione Computazionale e dell Intelligenza Artificiale. L ambito applicativo scelto per dimostrare la validità del modello probabilistico proposto è quello del riconoscimento di comportamenti di coppie di persone che si muovono nell ambiente tramite l analisi delle traiettorie che compiono. Il primo passo del metodo proposto si basa sull algoritmo Instantaneous Topological Map (ITM) [7] proposto da Jockusch e Ritter utilizzato per creare un grafo dove i nodi sono i centri delle celle e gli archi le possibili connessioni tra essi. In questo modo è possibile ottenere una mappa topologica dell ambiente a partire dall osservazione di una serie di traiettorie da cui derivare gli eventi interpretati come passaggi da una zona ad un altra. Nello specifico ε P t eε C t sono gli eventi Proto e Core rispettivamente definiti come passaggi di zona all interno della mappa da parte di due soggetti. Il modello probabilistico proposto mira a rappresentare delle densità di probabilità che descrivono le interazioni tra i soggetti in termine di spostamenti, ovvero: P C P p( ε ε C, ε P (1) ) t t Δt t Δ t C P C t P C (2) t Δt t Δ t p( ε ε, ε ) P C dove Δt e Δt rappresentano il tempo intercorso dal precedente evento rilevato. Il modello grafico DBN utilizzato corrisponde a quello illustrato in Figura 1. L algoritmo per l addestramento di questa DBN si basa su un meccanismo di voting come quello descritto in [5] e sull algoritmo di Expectation Maximization proposto da Figueiredo e Jain [8].
3 Figura 1: Modello grafico della Dynamic Bayesian Network utilizzata per il riconoscimento di interazioni Diversi tipi di interazioni tra due soggetti che si muovono in un ambiente sono stati presi in considerazione al fine di determinare le proprietà discriminative del modello. Situazioni di interazione di tipo guardiano-intruso, guardiano-normale, persone non interagenti, persone che si incontrano, persone che si incontrano, corsa, ecc. sono state simulate al fine di generare una serie di modelli probabilistici P C p( ε, ε I ) (5) t t i dove I i è il tipo di interazione ed ε ed ε sono le variabili aleatorie che descrivono P t C t gli eventi proto e core. A partire da queste densità apprese, la classificazione delle interazione è ottenuta tramite una misura incrementale: l = l + p I i ) (6) i i P, C C, P P, C t CP, ( ε PC,, ε CP,, εt t Δt t Δt t Δt che permette di classificare l interazione con una stima Maximum Likelihood (ML) ovvero: * I = arg max pl ( ) (7) Alcuni esempi di classificazioni sono riportati di seguito e compaiono in [9][10]. i Tabella 1: Risultati di classificazione di interazioni (200 traiettorie per interazione) i
4 Riferimenti Bibliografici 1.1 [1] C.S. Regazzoni, V. Ramesh and G.L. Foresti, Scanning the Issue/Technology - special issue on video processing, understanding and communications in third generation surveillance systems, Proceedings of the IEEE, vol. 89, n. 10, pp , 2001 [2] N. Robertson and I. Reid A general method for human activity recognition in video Computer Vision and Image Understanding, Vol. 104, n. 2, Nov [3] S. Park and M. M. Trivedi, Multi-person interaction and activity analysis: a synergistic trackand body-level analysis framework, Machine Vision and Applications: Special Issue on Novel Concepts and Challenges for the Generation of Video Surveillance Systems, August [4] A. R. Damasio, The Feeling of What Happens-Body, Emotion and the Making of Consciuousness. Harvest Books, [5] A. Dore, A. F. Cattoni, and C. S. Ragazzoni Interaction modeling and prediction in Smart Spaces: a Bio-inspired approach based on Autobiographical Memory, IEEE Transactions on Systems, Man, and Cybernetics - Part A, accepted for publication [6] K. P. Murphy. Dynamic Bayesian Networks : representation, inference and learning. PhD thesis, Berkeley, CA, USA, [7] J. Jockusch and H. Ritter. An instantaneous topological map for correlated stimuli. In Proceedings of the international joint conference on neural Networks, volume 1, pages , Washington, USA, [8] M. A. T. Figueiredo and A. K. Jain, Unsupervised learning of finite mixture models, IEEE Transaction on Pattern Analysis and Machine Intelligence, vol. 24, no. 3, pp , [9] A. Dore and C. S. Regazzoni, Bayesian Bio-inspired Model for Learning Interactive Trajectories, International Conference on Advanced Video and Signal based Surveillance, AVSS 2009, Genova, Italy, September 2 4, [10] A. Dore and C.S. Regazzoni, Interaction Analysis with a Bayesian Bio-inspired Trajectory Model, IEEE Intelligent Systems, submitted in September Nelle relazioni dei primi due anni al punto 1.2 sono stati presentati due algoritmi di inseguimento che utilizzano l algoritmo del Particle Filter [1] per stimare congiuntamente posizione e posa dell oggetto. A questo fine il vettore di stato è definito in modo da contenere le posizioni di alcuni corner (cioè i punti ad elevata curvatura nell immagine) appartenenti all oggetto. L algoritmo del Particle Filter permette di effettuare una stima di densità di probabilità a posteriori non lineari e Gaussiane descrivendo le pdf tramite un insieme di campioni pesati che possono essere interpretati come possibili ipotesi del valore dello stato. La procedura di stima avviene in modo ricorsivo attraverso tre passi successivi ovvero 1) predizione; 2) aggiornamento; 3) ricampionamento. Nell algoritmo proposto in [2],[3] la predizione era eseguita utilizzando un modello autoregressivo del second ordine in cui si valutava lo spostamento del passo precedente per determinare il movimento successivo. L algoritmo sviluppato nel secondo anno di dottorato e presentato in [5] permette di risolvere alcuni problemi di robustezza in caso di movimenti erratici, di sfondi complessi e occlusioni severe mediante l utilizzo di una predizione basata sull algoritmo del Mean Shift [4] e di uno schema di Particle filter detto Sequential Importance Sampling (SIS), dove la predizione dipende anche dall osservazione corrente ed è quindi più accurata. Al fine di migliorare l accuratezza della stima della posa un nuovo algoritmo [6] è stato implementato in cui si è deciso di utilizzare l algoritmo Kanade-Lucas-Tomasi (KLT) [7] per predire la posizione di ciascun sotto-spazio dello stato, ovvero di ciascun corner. Al fine di mantenere l inseguimento in caso di variazioni sostanziali
5 di forma e di interazioni con altri oggetti è stato proposto un modello predittivo adattivo in cui è possibile definire diversi modelli di predizione per ciascun corner dello stato, ovvero Ν ( x + KLT, σ 2 k k 1 k k 1( i) i k( i) 2 = Ν k 1( i) + k 1( i) T σk( i) 2 ( zk 1( i), σ k( i) ) p( x x, z ) ( x v, ) ) (1) dove KLT i rappresenta il vettore di spostamento del corner i-esimo calcolato 2 mediante il KLT e σ k è una varianza variabile e adattiva per ogni sottospazio dello stato che è utilizzata per gestire le deformazioni dell oggetto. Il primo modello si utilizza nel caso in cui il tracker KLT permette di inseguire il corner i-esimo. Quando è rilevata un occlusione o l inseguimento è perso si utilizza il secondo modello (autoregressivo del secondo ordine) per alcuni frame per cercare di mantenere la forma dell oggetto e cercare di riassociare ad un corner nelle vicinanze. Quando questo non è possibile si associa il sotto-spazio i-esimo ad un nuovo corner il cui inseguimento con KLT è stabile (terzo modello) Il passo di aggiornamento in cui sono calcolati i pesi delle particelle è realizzato secondo la formula: w pz ( x ) px ( x ) m m m m m k k k k 1 kαwk 1 m m qx ( k xk 1, zk) (2) con ( m m pzk xk ) che indica la likelihood tra la particella x k e le osservazioni z k, px ( m k x m ) k 1 la probabilità a priori di movimento impostata come uniforme finestrata in m m base allo spostamento massimo calcolabile e qx ( k xk 1, zk) un fattore che aumenta il valore delle particelle meno probabili. La likelihood è calcolata combinando con una somma pesata le informazioni di forma e colore. La componente di verosimiglianza basata sul colore si ottiene mediante il confronto a frame successivi tra descrittori (istogrammi colore di patch centrate sui corner) dei corner ottenuto utilizzando il coefficiente di Bhattacchaarya. La verosimiglianza della forma è invece ottenuta con un metodo di confronto basato sui corner. Il passo di ricampionamento, infine, elimina le ipotesi meno informative al fine di rappresentare meglio la densità di probabilità a posteriori. In Tabella 2 sono riportati alcuni risultati comparativi del metodo proposto, l algoritmo Multiple-cue Adaptive Particle filter based Tracker (MAPT) [5], e il Mean Shift [4].
6 Tabella 2: Risultati quantitativi del metodo proposto confrontato con altri due tracker In Figura 2 sono presentati alcuni frame ottenuti durante il tracking di oggetti multipli. Figura 2: Esempio di tracking di oggetti multipli
7 Riferimenti Bibliografici 1.2 [1] B. Ristic, S. Arulapalam, and N. Gordon, Beyond the Kalman Filter, Artech House Publishers, [2] A.Dore, M. Asadi, and C.S. Regazzoni, "Multiple hypothesis shape tracking using particle filtering and Hough-based observation models," SPIE Electronic Imaging - Visual Communications and Image Processing, VCIP 2007, San Jose, CA, USA, January 2007 [3] A.Dore, M. Musso, and C.S. Regazzoni, "MAP Particle Selection in Shape-Based Object Tracking," IEEE International Conference on Image Processing, ICIP 2007, San Antonio, TX, USA, September 2007 [4] D. Comaniciu, V. Ramesh, and P. Meer, Kernel based object tracking, IEEE Trans. PAMI, vol. 25, no. 5, pp , [5] A.Dore, A. Beoldo, and C.S. Regazzoni, "Multiple Cue Adaptive Tracking of Deformable Objects with Particle Filter," IEEE International Conference on Image Processing, ICIP 2008, San Diego, CA, USA, October 2008 [6] A. Dore, A. Beoldo and C. S. Regazzoni, Multitarget Tracking with a Corner-based Particle Filter, International Workshop on Visual Surveillance, VS 2009, in conjunction with ICCV 2009, Kyoto, Japan, 27 September - 4 October 2009 [7] J. Shi and C. Tomasi. Good features to track. In Proc. Of IEEE Conference on Computer Vision and Pattern Recognition, CVPR 94, pages , ELENCO DELLE PUBBLICAZIONI (dall'inizio dell'attività di ricerca) Articoli su rivista A. Dore, A. F. Cattoni and C. S. Regazzoni, Interaction Modeling and Prediction in Smart Spaces: a Bio-Inspired Approach Based on Autobiographical Memory, IEEE Transaction on Systems, Man and Cybernetics Part A: Systems and Humans, Accepted for publication, October Capitoli di libro A. Dore, M. Pinasco and C. S. Regazzoni, "Multi-modal Data Fusion Techniques and Applications, in H. Aghajan, A. Cavallaro, Multi-Camera Networks: Concepts and Applications, Elsevier, UK Articoli su conferenza internazionali A. Dore, A. Beoldo and C. S. Regazzoni, Multitarget Tracking with a Corner-based Particle Filter, International Workshop on Visual Surveillance, VS 2009, in conjunction with ICCV 2009, Kyoto, Japan, 27 September - 4 October 2009 A. Beoldo, A. Dore and C. S. Regazzoni, Extraction of Contextual Information for Automotive Applications, International Conference on Image Processing, ICIP 2009, Cairo, Egypt, November 7 11, 2009.
8 A. Dore and C. S. Regazzoni, Bayesian Bio-inspired Model for Learning Interactive Trajectories, International Conference on Advanced Video and Signal based Surveillance, AVSS 2009, Genova, Italy, September 2 4, S. Maludrottu, A. Dore, M. Beoldo e C.S. Regazzoni, Human interaction analysis for video surveillance: a cognitive approach, InternationalWorkshop on Pattern Recognition and Artificial Intelligence for Human Behaviour Analysis, PRAI*HBA 2009, Reggio Emilia, Italy, December 12, 2009 S.Maludrottu, A.Dore, H.Sallam, C.Regazzoni "Performance Evaluation of Multisensor Architectures for Tracking", International Workshop on Multi camera and Multi-modal Sensor Fusion Algorithms and Applications, M2SFA2 2008, in conjunction with ECCV 2008, Marseille, France, 17 October A.Dore, M. Asadi, and C.S. Regazzoni, "Online Discriminative Feature Selection in a Bayesian Framework using Shape and Appearance," International Workshop on Visual Surveillance, VS 2008, in conjunction with ECCV 2008, Marseille, France, 17 October 2008 A.Dore, A. Beoldo, and C.S. Regazzoni, "Multiple Cue Adaptive Tracking of Deformable Objects with Particle Filter," IEEE International Conference on Image Processing, ICIP 2008, San Diego, CA, USA, October 2008 A.Dore, A. Calbi, L. Marcenaro, and C.S. Regazzoni, "Multimodal Cognitive System for Immersive User Interaction," ICST/ACM First International Conference on Immersive Communications, IMMERSCOM 2007, Bussolengo, Italy, October 2007 A.Dore, M. Musso, and C.S. Regazzoni, "MAP Particle Selection in Shape- Based Object Tracking," IEEE International Conference on Image Processing, ICIP 2007, San Antonio, TX, USA, September 2007 M. Asadi, A.Dore, A. Beoldo, and C.S. Regazzoni, "Tracking by Using Dynamic Shape Model Learning in the Presence of Occlusion," IEEE International Conference on Advanced Video and Signal based Surveillance, AVSS 2007, London, UK, 5-7 September 2007 A.Dore, A. Cattoni, and C.S. Regazzoni, "A Particle Filter-Based Fusion Framework for Video-Radio Tracking in Smart-Spaces," IEEE International Conference on Advanced Video and Signal based Surveillance, AVSS 2007, London, UK, 5-7 September 2007 A.F.Cattoni, A.Dore, and C.S. Regazzoni, "Video-Radio Fusion Approach for Target Tracking in Smart Spaces," International Conference on Information Fusion, FUSION 2007, Québec City, Québec, Canada, 9-12 July 2007 A.Dore, M. Pinasco, and C.S. Regazzoni, "A Bio-inspired Learning Approach for the Classification of Risk Zones in a Smart Space" Online Learning for Classification Workshop, in conjunction with CVPR 2007, Minneapolis, MN, USA, June 2007 A.Dore, M. Asadi, and C.S. Regazzoni, "Multiple hypothesis shape tracking using particle filtering and Hough-based observation models," SPIE
9 Electronic Imaging - Visual Communications and Image Processing, VCIP 2007, San Jose, CA, USA, January 2007 In revisione A. Dore M. Soto and C.S. Regazzoni, Multiple Cues Bayesian Tracking for Video Analytics An Overview, IEEE Signal Processing Magazine, submitted in November A. Dore, M. Pinasco, L. Ciardelli and C.S. Regazzoni, Bio-inspired System Model for Interactive Surveillance Applications, Journal of Ambient Intelligence and Smart Environments, submitted in September A. Dore and C.S. Regazzoni, Interaction Analysis with a Bayesian Bioinspired Trajectory Model, IEEE Intelligent Systems, submitted in September PIANO DI STUDI (degli anni completati) Primo anno 3.1. Corso (Corsi) di... e/o scuole inserite nel piano di studi Sistemi e servizi cognitivi per l Intelligenza d Ambiente e le Telecomunicazioni (A4) - Prof. C.S. Regazzoni, Università di Genova Machine Learning (A21) - Dr. Marco Muselli, C.N.R. International Computer Vision Summer School 2007 ICVSS Prof. R. Cipolla, University of Cambridge. Prof. S. Battiato, Università di Catania Tecniche di trasformazione di spazi vettoriali per analisi statistica multidimensionale (A17) - Dr. Gabriele Moser, Università di Genova 3.2. Secondo anno Corso (Corsi) di... e/o scuole inserite nel piano di studi Teoria dei Giochi (A23) Prof. Fioravante Patrone Università di Genova 4. PARTECIPAZIONE A SCUOLE, CORSI, ecc. (eventuale; non riportare la partecipazione a conferenze, convegni ecc.) International Computer Vision Summer School 2007 ICVSS 2007, Punta Sampieri, RG, Luglio PERIODI DI FORMAZIONE SVOLTI ALL'ESTERO (eventuale) Periodo di ricerca presso University of Illinois at Chicago, Chicago, IL, USA, Multimedia Communication Laboratory, 18 Agosto Ottobre 2008
Dott. Dore Alessio 1. TEMATICHE DI RICERCA
Dott. Dore Alessio RELAZIONE SULL'ATTIVITA' E LE RICERCHE SVOLTE ALLA CONCLUSIONE DEL I ANNO DEL XXII CICLO DEL CORSO DI DOTTORATO DI RICERCA IN SCIENZE E INGEGNERIA DELLO SPAZIO 1. TEMATICHE DI RICERCA
DettagliComputazione per l interazione naturale: Modelli dinamici
Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html
DettagliVisione Computazionale
Il docente Visione Computazionale Introduzione al corso a.a. 2004/2005 Andrea FUSIELLO, Professore Associato Dip. Informatica, Ca Vignal 2, I piano, stanza 5 Email: andrea.fusiello@univr.it Web Page del
DettagliIng. Simone Giovannetti
Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza
DettagliPROGETTO EM.MA PRESIDIO
PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i
DettagliIDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione.
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 40: Filtro di Kalman - introduzione Cenni storici Filtro di Kalman e filtro di Wiener Formulazione del problema Struttura ricorsiva della soluzione
DettagliAttenzione! 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
Dettaglie-dva - eni-depth Velocity Analysis
Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa
DettagliATTIVITA SCIENTIFICA E DIDATTICA SVOLTA DAL PROF. CARLO S.REGAZZONI NEL TRIENNIO DICEMBRE 2005 DICEMBRE 2008
ATTIVITA SCIENTIFICA E DIDATTICA SVOLTA DAL PROF. CARLO S.REGAZZONI NEL TRIENNIO DICEMBRE 2005 DICEMBRE 2008 PREMESSA Il Prof. Ing. Carlo Regazzoni ha partecipato al Concorso a posti di Professore Universitario
DettagliTecniche 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
DettagliTest, domande e problemi di Robotica industriale
Test, domande e problemi di Robotica industriale 1. Quale, tra i seguenti tipi di robot, non ha giunti prismatici? a) antropomorfo b) cilindrico c) polare d) cartesiano 2. Un volume di lavoro a forma di
DettagliMACHINE 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
DettagliClassificazione e Segmentazione di Gesture per la Human Computer Interaction
Università degli studi di Modena e Reggio Emilia Dipartimento di Ingegneria "Enzo Ferrari" Corso di Laurea Magistrale in Ingegneria Informatica Classificazione e Segmentazione di Gesture per la Human Computer
DettagliLa Visione Artificiale. La vis ione delle macchine La vis ione umana Acquis izione di immag ine
La Visione Artificiale La vis ione delle macchine La vis ione umana Acquis izione di immag ine Copyright Alcune slide sono tratte dal testo: Digital Image Processing Materiale didattico relativo si trova
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliSCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI TECNOLOGIA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA
Ministero dell Istruzione, dell Università e della Ricerca Istituto Comprensivo Statale di Calolziocorte Via F. Nullo,6 23801 CALOLZIOCORTE (LC) e.mail: lcic823002@istruzione.it - Tel: 0341/642405/630636
DettagliPro 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;
DettagliCORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO -
1 CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - Corsi di Laurea in Informatica, Ing. Informatica, Ing. di Internet (a.a. 2015-2016) Roberto Basili 2 Overview WM&R: Motivazioni e prospettive
DettagliFederico Laschi. Conclusioni
Lo scopo di questa tesi è stato quello di proporre alcuni algoritmi di allocazione dinamica della capacità trasmissiva, basati su tecniche di predizione on-line dei processi di traffico. Come prima analisi
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliIntroduzione all Information Retrieval
Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information
DettagliSistemi 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
DettagliDALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE
DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE Prof. Gian Luca Foresti Università di Udine Dipartimento di Matematica ed Informatica (DIMI) Laboratorio di Visione e Sistemi Real-Time (AVIRES) Gli esseri
DettagliIn questi ultimi anni ha ricoperto un grande interesse lo studio di controllori autonomi
Capitolo 2 Controllo Cooperativo In questi ultimi anni ha ricoperto un grande interesse lo studio di controllori autonomi intelligenti per gli Unmanned Aerial Vehicles (UAVs), cioè velivoli senza equipaggio
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliIl nuovo setting didattico aumentato dalle tecnologie. Paolo Ferri, Stefano Moriggi (Università degli Studi di Milano Bicocca)
Il nuovo setting didattico aumentato dalle tecnologie Paolo Ferri, Stefano Moriggi (Università degli Studi di Milano Bicocca) Qualche numero per cominciare Cittadini e nuove tecnologie Accesso alla rete:
DettagliLa statistica multivariata
Cenni di Statistica Multivariata Dr Corrado Costa La statistica multivariata La statistica multivariata è quella parte della statistica in cui l'oggetto dell'analisi è per sua natura formato da almeno
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliInformatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati
Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè
DettagliDicembre 2004 Definiscono quali sono i risultati dell apprendimento (learning outcomes) comuni a tutti i laureati di un corso di studio
Dicembre 2004 Definiscono quali sono i risultati dell apprendimento (learning outcomes) comuni a tutti i laureati di un corso di studio I risultati dell apprendimento devono essere espressi non solo in
DettagliAgenti Mobili Intelligenti e Sicurezza Informatica Utilizzare un nuovo paradigma applicativo per la realizzazione di sistemi informatici sicuri.
Agenti Mobili Intelligenti e Sicurezza Informatica Utilizzare un nuovo paradigma applicativo per la realizzazione di sistemi informatici sicuri. Roma, 25 ottobre 2010 Ing. Antonio Salomè Ing. Luca Lezzerini
DettagliIndice. Introduzione...6. Capitolo 1: Realtà virtuale e computer vision..10. Capitolo 2: Riconoscimento facciale..34
Indice Introduzione...6 Capitolo 1: Realtà virtuale e computer vision..10 Introduzione.....10 1.1 Realtà virtuale immersiva 11 1.2 Dispositivi per l interazione 12 1.3 Gradi di immersione...14 1.4 Realtà
DettagliSistemi di Raccomandazione in Contesti Aziendali
Sistemi di Raccomandazione in Contesti Aziendali Recommender system I sistemi di raccomandazione sono un tipo di sistema di filtraggio delle informazioni che mira a predire l interesse di un individuo
DettagliPARTE 3: SUPPORTI E RESISTENZE
Come creare una strategia di trading di successo. PARTE 3: SUPPORTI E RESISTENZE Questa serie di articoli si occupa del processo multilivello utilizzato per la creazione delle strategie di trading. Nella
DettagliMANUALE MOODLE STUDENTI. Accesso al Materiale Didattico
MANUALE MOODLE STUDENTI Accesso al Materiale Didattico 1 INDICE 1. INTRODUZIONE ALLA PIATTAFORMA MOODLE... 3 1.1. Corso Moodle... 4 2. ACCESSO ALLA PIATTAFORMA... 7 2.1. Accesso diretto alla piattaforma...
DettagliLezione con la LIM. Stefania Pinnelli unisalento. Stefania Pinnelli
Lezione con la LIM. unisalento Perché piace agli insegnanti - rinnova la lezione frontale consente salvataggio di attività didattiche e il recupero rapido - facilita la spiegazione di processi, la descrizione
DettagliSistemi video per il monitoraggio
Sistemi video per il monitoraggio Convegno "la qualità dell'assistenza nelle RSA" Fondazione Don Carlo Gnocchi, 19 Aprile 2011, Milano ACUBE PROJECT F. Tobia, O. Lanz Fondazione Bruno Kessler Tecnologie
DettagliI quattro ordini di scuola a confronto Elisabetta Malaguti
I quattro ordini di scuola a confronto Elisabetta Malaguti Esperienze censite, destinate ad uno o più ordini di scuola. Le esperienze censite nella regione sono 2246. Nella figura che segue è, però, riportato
DettagliChe cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009
Che cosa e come valutano le prove di matematica e con quali risultati nell A.S. 2008 2009 Presentazione a cura di Roberta Michelini Casalpusterlengo, 8 gennaio 2010 http://www.invalsi.it/esamidistato0809/
DettagliLe strumentazioni laser scanning oriented per i processi di censimento anagrafico dei patrimoni
CONVEGNO FACILITY MANAGEMENT: LA GESTIONE INTEGRATA DEI PATRIMONI PUBBLICI GENOVA FACOLTA DI ARCHITETTURA 06.07.2010 Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliRaccomandazione 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
DettagliSCUOLA PRIMARIA I.C. di CRESPELLANO PROGRAMMAZIONE ANNUALE DI TECNOLOGIA E INFORMATICA
TRAGUARDI DELLE AL TERMINE della CLASSE I L alunno esplora e interpreta il mondo fatto dall uomo, individua le funzioni di un artefatto e di una semplice macchina, usa oggetti e strumenti coerentemente
DettagliGUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL GUIDA RAPIDA PER LA COMPILAZIONE DELLA SCHEDA CCNL
GUIDA RAPIDA BOZZA 23/07/2008 INDICE 1. PERCHÉ UNA NUOVA VERSIONE DEI MODULI DI RACCOLTA DATI... 3 2. INDICAZIONI GENERALI... 4 2.1. Non modificare la struttura dei fogli di lavoro... 4 2.2. Cosa significano
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliAutorità Nazionale Anticorruzione e per la valutazione e la trasparenza delle amministrazioni pubbliche
Autorità Nazionale Anticorruzione e per la valutazione e la trasparenza delle amministrazioni pubbliche Metodologia dell attività di vigilanza e controllo dell Autorità in relazione agli obblighi di pubblicazione
Dettagli4. 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:
Dettagli6.1. Risultati simulazioni termovalorizzatore Osmannoro2000
pag. 217 6. Risultati Di seguito si riportano i risultati relativi alle diverse simulazioni di diffusione atmosferica degli inquinanti effettuate. In particolare sono riportati i risultati sotto forma
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 6 Lettura targhe e testi in esterno Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
DettagliPIANO BIENNALE PER I DIRITTI DELLE PERSONE CON DISABILITÀ
PIANO BIENNALE PER I DIRITTI DELLE PERSONE CON DISABILITÀ 15 novembre 2014 Daniela Sangiovanni Comunicazione e Ufficio stampa Policlinico S,Orsola ACCESSIBILITÀ Gli Stati dovrebbero riconoscere l importanza
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliAnalisi dei requisiti e casi d uso
Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................
DettagliOrientamenti sulla valutazione ex ante dei Programmi 2014-2020. Il sistema di indicatori nella programmazione 2014-2020
Orientamenti sulla valutazione ex ante dei Programmi 2014-2020 Il sistema di indicatori nella programmazione 2014-2020 Simona De Luca, Anna Ceci UVAL DPS Roma 11 luglio 2013 Indice 1. Indicatori: un modo
DettagliReport di valutazione Fiona Clark_Live
Report di valutazione Fiona Clark_Live Analysis Aptitude Generato il: 28-gen-2011 Pagina 2 2005-2009 Saville Consulting. Tutti i diritti riservati. Indice Introduzione al report di valutazione... 3 Attitudine
DettagliL internal auditing nell Agenzia delle Entrate: una realtà in evoluzione. Dott. Salvatore Di Giugno Direttore Centrale Audit e Sicurezza
L internal auditing nell Agenzia delle Entrate: una realtà in evoluzione Dott. Salvatore Di Giugno Direttore Centrale Audit e Sicurezza Forum P.A. 24 maggio 2007 Missione e Organizzazione Le competenze
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliLezione 3: Introduzione all analisi e valutazione delle azioni. Analisi degli Investimenti 2014/15 Lorenzo Salieri
Lezione 3: Introduzione all analisi e valutazione delle azioni Analisi degli Investimenti 2014/15 Lorenzo Salieri Valutazione degli investimenti in azioni Intuitivamente si crea valore quando un azienda
DettagliPOLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI
POLITECNICO DI BARI FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA TESI DI LAUREA IN CALCOLATORI ELETTRONICI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI Relatore:
DettagliMinistero dell istruzione, dell università e della ricerca. Liceo Tecnologico. Indirizzo Logistica e Trasporti
Ministero dell istruzione, dell università e della ricerca Liceo Tecnologico Indicazioni nazionali per i Piani di Studio Personalizzati Obiettivi Specifici di Apprendimento Allegato_C8-LT-08-Logistica
DettagliCOMUNE DI PERUGIA AREA DEL PERSONALE DEL COMPARTO DELLE POSIZIONI ORGANIZZATIVE E DELLE ALTE PROFESSIONALITA
COMUNE DI PERUGIA AREA DEL PERSONALE DEL COMPARTO DELLE POSIZIONI ORGANIZZATIVE E DELLE ALTE PROFESSIONALITA METODOLOGIA DI VALUTAZIONE DELLA PERFORMANCE Approvato con atto G.C. n. 492 del 07.12.2011 1
DettagliALLEGATO B. Nel corso degli anni il monitoraggio ha previsto nelle diverse annualità:
ALLEGATO B Il modello di monitoraggio Il gruppo di Progetto di PQM, nell anno scolastico 2010-2011 ha costituito un gruppo di lavoro tecnico composto dal gruppo di progetto stesso e dai ricercatori dei
DettagliPROGRAMMAZIONE ANNUALE per le classi GEOGRAFIA
ISTITUTO COMPRENSIVO DI SORISOLE Scuole Primarie PROGRAMMAZIONE ANNUALE per le classi QUARTE GEOGRAFIA Anno Scolastico 2015/2016 COMPETENZE: Saper confrontare le proprie preconoscenze con i nuovi apprendimenti
DettagliInternet 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
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliALLEGATO 1 (SCHEDA DI ASSEGNAZIONE OBIETTIVI)
ALLEGATO 1 (SCHEDA DI ASSEGNAZIONE OBIETTIVI) me Cognome Categoria Area AP PO, di tipo Anno di riferimento per la valutazione Punteggio conseguito nelle di schede di valutazione della prestazione degli
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliProgetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
DettagliGestione ed analisi di base dati nell epidemiologia. delle malattie infettive
Università degli Studi di Torino - Facoltà di Medicina Veterinaria Laboratorio di epidemiologia delle malattie infettive Scuola Specializzazione in Sanità Animale, Allevamento e Produzioni Zootecniche
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliManPro.Net: Principali caratteristiche del prodotto.
ManPro.Net: Principali caratteristiche del prodotto. Accesso alle comesse Gestione Multicomessa Articolazione delle attività e delle responsabilità di intervento divise per Settori o per Componenti di
DettagliGestione Voti Scolastici
Gestione Voti Scolastici Progettare un modello di dati per la gestione delle informazioni riguardanti le prove, nelle diverse materie, sostenute dagli studenti di una scuola media superiore. Il sistema
DettagliLE DETERMINANTI DELLA REDDITIVITÀ DELLE SOCIETA OPERANTI NEL COMPARTO TESSILE ABBIGLIAMENTO IN ITALIA
LE DETERMINANTI DELLA REDDITIVITÀ DELLE SOCIETA OPERANTI NEL COMPARTO TESSILE ABBIGLIAMENTO IN ITALIA Il metodo CVRP per l analisi delle maggiori società tessili italiane Stefano Cordero di Montezemolo
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliUniversità degli Studi di Salerno
Università degli Studi di Salerno Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Informatica Tesi di Laurea Algoritmi basati su formule di quadratura interpolatorie per GPU ABSTRACT
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliLa riforma del servizio di distribuzione del
CReSV Via Röntgen, 1 Centro Ricerche su Sostenibilità e Valore 20136 Milano tel +39 025836.3626 La riforma del servizio di distribuzione del 2013 gas naturale In collaborazione con ASSOGAS Gli ambiti territoriali
DettagliCap. 3. APERTURA NUOVO PROGETTO
GUIDA ALL USO DI CSM.1 Cap. 3. APERTURA NUOVO PROGETTO 1 3.1 Inizio della procedura 3. PERCORSO: APERTURA NUOVO PROGETTO/CORSI Dopo essersi iscritti ed avere inserito i dati inerenti l Agenzia / Ente di
DettagliIl motore di previsione statistica SAS Forecast Server a
Il motore di previsione statistica SAS Forecast Server a TM supporto della pianificazione sanitaria di Area Vasta Alessandro Bonaita Product Manager Data Mining SAS Institute Italy Venezia, 25 giugno 2010
DettagliAPP_PIT_Comparazione Pile Dynamics Inc. Rev.01-012015
Pile Integrity Tester PIT Caratteristiche Tecniche Serie PIT-X, PIT-X2, PIT-V e PIT-FV La strumentazione Pile Integrity Tester serie PIT è disponibile in 4 versioni, con 1 (PIT-X e PIT- V) o 2 (PIT-X2
DettagliDefinire la potenza e ricordare l unità di misura della potenza. Definire l energia e la sua unità di misura. Enunciare il teorema delle forze vive
Programmazione per competenze: Istituto scolastico Classe Riferimento ai documenti programmatici Liceo scientifico, indirizzo scienze applicate II Competenza N 3.2, Asse scientifico tecnologico Analizzare
DettagliTelerilevamento e SIT Prof. Ing. Giuseppe Mussumeci
Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2012-2013 Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci Introduzione ai GIS Le attività dell uomo...... hanno sempre un
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
DettagliReal Time Control (RTC): modalità di invio dei dati
C EQAS - CNR External Quality Assessment Schemes CNR - Istituto di Fisiologia Clinica Real Time Control (RTC): modalità di invio dei dati R. Conte, A. Renieri v.1.1-15/11/2012 Introduzione Il programma
DettagliEA 03 Prospetto economico degli oneri complessivi 1
UNIONE EUROPEA REPUBBLICA ITALIANA Fase 1: Analisi iniziale L analisi iniziale prevede uno studio dello stato attuale della gestione interna dell Ente. Metodo: si prevede l individuazione dei referenti
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliUniversità Politecnica delle Marche. Progetto Didattico
Università Politecnica delle Marche Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica e dell Automazione Sede di Ancona Anno Accademico 2011-2012 Corso di Tecnologie WEB Docente prof. Alessandro
DettagliNOTA METODOLOGICA I DIVERSI CONTRIBUTI
I DIVERSI CONTRIBUTI I dati per questo 11 Rapporto sulla Formazione nella Pubblica Amministrazione sono stati raccolti dall Osservatorio sui bisogni formativi nella PA istituito presso la SSPA, con il
DettagliComputazione Naturale AA. 2011-2012
Computazione Naturale AA. 2011-2012 Prof. Mario Pavone CdL Magistrale in Informatica Dip. Matematica ed Informatica mpavone@dmi.unict.it http://www.dmi.unict.it/mpavone/ INDICE Obiettivi formativi Cos
DettagliDocumento di accompagnamento: mediane dei settori bibliometrici
Documento di accompagnamento: mediane dei settori bibliometrici 1. Introduzione Vengono oggi pubblicate sul sito dell ANVUR e del MIUR 3 tabelle, deliberate nel CD dell ANVUR del 13 agosto 2012, relative
DettagliPULSANTI E PAGINE Sommario PULSANTI E PAGINE...1
Pagina 1 Sommario...1 Apertura...2 Visualizzazioni...2 Elenco...2 Testo sul pulsante e altre informazioni...3 Comandi...3 Informazioni...4 Flow chart...5 Comandi...6 Pulsanti Principali e Pulsanti Dipendenti...6
DettagliAnalisi e catalogazione automatica dei Curriculum Vitae
Analisi e catalogazione automatica dei Curriculum Vitae CV Manager è lo strumento di Text Mining che automatizza l analisi, la catalogazione e la ricerca dei Curriculum Vitae L esigenza Quanto tempo viene
DettagliPROGETTO TECNICO SISTEMA DI GESTIONE QUALITA IN CONFORMITÀ ALLA NORMA. UNI EN ISO 9001 (ed. 2008) n. 03 del 31/01/09 Salvatore Ragusa
PROGETTO TECNICO SISTEMA DI GESTIONE QUALITA IN CONFORMITÀ ALLA NORMA UNI EN ISO 9001 (ed. 2008) Revisione Approvazione n. 03 del 31/01/09 Salvatore Ragusa PROGETTO TECNICO SISTEMA QUALITA Il nostro progetto
DettagliFIRESHOP.NET. Gestione Lotti & Matricole. www.firesoft.it
FIRESHOP.NET Gestione Lotti & Matricole www.firesoft.it Sommario SOMMARIO Introduzione... 3 Configurazione... 6 Personalizzare le etichette del modulo lotti... 6 Personalizzare i campi che identificano
DettagliCome valutare le caratteristiche aerobiche di ogni singolo atleta sul campo
Come valutare le caratteristiche aerobiche di ogni singolo atleta sul campo Prima di organizzare un programma di allenamento al fine di elevare il livello di prestazione, è necessario valutare le capacità
DettagliL 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
DettagliL implementazione nel sistema Italia delle specifiche tecniche di ECVET
L implementazione nel sistema Italia delle specifiche tecniche di Luogo Presentazione: Vicenza Autore: Data: giovedì 12 giugno 2014 ESCO PROCESSI INTEGRATI Europass NQS ECTS Sistema dei crediti HE EQF
DettagliLiceo Tecnologico. Indirizzo Elettrico Elettronico. Indicazioni nazionali per Piani di Studi Personalizzati
Indicazioni nazionali per Piani di Studi Personalizzati Obiettivi Specifici d Apprendimento Discipline con attività di laboratorio 3 4 5 Fisica 99 Gestione di progetto 132 99 *Tecnologie informatiche e
Dettagli