Una codifica lessicografica per il riconoscimento del significato delle parole utilizzando reti neurali ed algoritmi evolutivi.
|
|
- Guglielmo Manca
- 7 anni fa
- Visualizzazioni
Transcript
1 Titolo capitolo 1 Una codifica lessicografica per il riconoscimento del significato delle parole utilizzando reti neurali ed algoritmi evolutivi. Antonia Azzini, Célia da Costa Pereira, Mauro Dragoni, Andrea G.B. Tettamanzi Dipartimento di Tecnolige dell Informazione, Università degli Studi di Milano Via Bramante, 65, Crema (CR) Italy; Tel , Fax antonia.azzini, celia.pereira, mauro.dragoni, andrea.tettamanzi@unimi.it Abstract L approccio proposto riguarda l applicazione di un modello basato su tecniche di Soft Computing per il riconoscimento del significato corretto delle parole. Per ogni parola ambigua è stato considerato il corrispondente insieme dei possibili significati ed è stato utilizzato un algoritmo evolutivo per l ottimizzazione di classificatori definiti attraverso reti neurali artificiali. Lo schema distribuito considerato è basato su una codifica lessicografica del contesto in cui ciascuna parola è presentata. La validità dell approccio è dimostrata attraverso esperimenti eseguiti su un campione rappresentativo di parole ambigue. 1. Introduzione Il riconoscimento del significato di una parola (WSD), come indicato da una recente rassegna (Navigli 2009), consiste nell assegnare il significato più adatto ad un particolare contesto ad una parola polisemica. Recenti studi in letteratura hanno presentato diversi approcci per l automatizzazione del riconoscimento basati, in generale, su due passi: (i) considerare i possibili significati di una data parola, (ii) assegnare ogni occorrenza di una parola al suo significato più appropriato, in base sempre al contesto. La rappresentazione di quest ultimo diventa quindi uno degli aspetti più importanti nel problema del WSD, e in letteratura sono stati presentati diverse modalità di rappresentazione, fra cui gli schemi distributiti o localizzati (Cottrell 1989, Hinton 1986). Questo lavoro propone un nuovo schema distribuito, basato sulla codifica lessicografica per rappresentare il contesto di una data
2 parola. Il riconoscimento del significato di una parola utilizza un approccio supervisionato basato sulla combinazione di reti neurali (NNs) e algoritmi evolutivi (EAs) (Azzini et al. 2008). L aspetto innovativo di questo lavoro interessa l implementazione di una nuova rappresentazione per codificare le sentenze, insieme a modifiche nell algoritmo evolutivo. Il progetto considera datasets di grandi dimensioni, che descrivono il contesto in cui è calato ogni significato di una parola polisemica; essi verranno utilizzati per evolvere un riconoscitore basato su NN. Viene definita quindi una classe di NNs specializzate nel riconoscimento del senso corretto della parola corrispondente. Il contesto è definito utilizzando l annotazione lessicografica che WordNet (C. Fellbaum 1998) assegna a ciascun significato di una parola, classificandola in una delle quarantacinque categorie basate sulla sintassi e sui raggruppamenti logici. WordNet è uno dei databases maggiormente utilizzati in letteratura in problemi legati all analisi del testo. Esso fornisce una lista di significati per ciascuna parola contenuta, organizzati in insiemi di sinonimi (synsets). Le attivazioni dei neuroni di ingresso delle NNs sono ottenute sommando i pattern di attivazione che codificano le parole in un dato contesto, escludendo il significato atteso (detto appunto target), rimuovendo la parola che si vuole disambiguare, le stopwords ed applicando l algoritmo di Stemming. Esperimenti condotti su un insieme sufficientemente rappresentativo di parole polisemiche hanno dimostrato la bontà dell approccio. Confronti con i migliori risultati ottenuti dalle competizioni di Semeval- 1/Senseval-4 (Web ref.) hanno inoltre dimostrato come esso sia competitivo rispetto ad altre tecniche presentate in letteratura. 2. Approcci supervisionati per il WSD Interessanti aree di ricerca nel WSD riguardano l applicazione di approcci supervisionati usati per apprendere e classificare i significati, a partire da insiemi di dati forniti in ingresso alla fase di addestramento (training) dei classificatori stessi. In questi casi i dataset impiegati devono essere sufficientemente rappresentativi per garantire soddisfacenti risultati da parte del modello implementato anche su dati precedentemente non visti, generalmente impiegati per il test e le successive validazioni. Uno degli aspetti più critici negli approcci supervisionati riguarda la rappresentazione del contesto in cui è usata una parola. In questo
3 Titolo capitolo 3 approccio la rappresentazione è affidata agli ingressi delle reti neurali impiegate come classificatori. In questo lavoro è stata utilizzata una rappresentazione lessicografica per la definizione del contesto, basandosi sull annotazione assegnata a ciascun significato da WordNet, classificando le informazioni in una delle quarantacinque categorie lessicografiche in base alla categoria sintattica e ai raggruppamenti logici. La Tabella 1 mostra un esempio di categorie lessicografiche. Categoria noun.artifact noun.location noun.process Descrizione nouns denoting man-made objects Nouns denoting spatial position Nouns denoting natural processes Tabella 1: Esempio di Categorie Lessicografiche Il contesto di ogni parola considerata w è rappresentato da un vettore di quarantacinque elementi, i contributi delle istanze di altre parole nelle frasi della categoria corrispondente. Tale contesto viene dato in ingresso alla rete neurale. In generale il contributo C_k(w) di una istanza della parola w al k- esimo componente del vettore contesto C è definito come segue: Nk ( w) Ck ( w) = N ( w) N k (w) è il numero di synset di w con categoria k, N (w) è il numero di synset della parola w. E possibile osservare che il contributo di una parola monosemia è massimo, cioè pari a 1. Sia S la frase in cui la parola w deve essere disambiguata. Il k- esimo elemento del vettore contesto C di S è dato da: C = C ( w) k w S Partendo, per esempio, dalla frase part aqueduct system, in cui la parola target, tunnel, significa (1) un passaggio attraverso qualcosa e (2) un buco creato da un animale, il contributo ad ogni input della rete neurale (C1,,C45) viene calcolato come mostra la Tabella 2. Il numero di parentesi è il numero delle istanze della corrispondente categoria lessicografica nella lista dei significati per ciascuna parola. k
4 Tabella 2: Input della frase part aqueduct system 3. L algoritmo neuro-evolutivo La progettazione delle reti neurali usate come classificatori è basata su un approccio evolutivo, validato su differenti benchmark e problemi reali (Azzini Tettamanzi (2008), Azzini et al. (2008)). La popolazione degli individui, i classificatori, è definita attraverso percettroni multi strato (MLPs), un tipo di NN feedforward, soggette ad addestramento, evolute attraverso l ottimizzazione congiunta delle topologie e dei pesi. Ogni rete è definita con un numero prestabilito di neuroni in ingresso, corrispondente alla dimensione del vettore di contesto; la dimensione dell uscita di una rete è data dal numero di significati della parola target. Variano invece il numero di livelli intermedi di una NN e il numero di neuroni definiti in ciascun livello, per poter garantire una diversità di individui nella popolazione. Il numero di neuroni in un livello deve però essere sempre maggiore od uguale al numero di quelli del livello precedente, per evitare problemi con strutture a clessidra, causa di diminuzione delle prestazioni. Ad ogni generazione la metà migliore degli individui viene selezionata con un algoritmo di troncamento sul totale degli individui, viene duplicata per definirne nuovi a sostituzione dei peggiori, ed infine viene permutata casualmente. L elitismo impedisce che l individuo migliore in una popolazione venga cancellato di volta in volta. Successivamente, vengono mutati i pesi e la topologia degli
5 Titolo capitolo 5 individui della popolazione, vengono riaddestrate le reti neurali e viene calcolata infine la funzione di fitness, funzione obiettivo dell algoritmo evolutivo, per ciascun individuo, salvandone il migliore con le informazioni statistiche dell intero processo evolutivo. La fitness di un individuo si basa sulla matrice di confusione, in particolare sulla differenza fra il numero di neuroni di output e il parametro che corrisponde alla somma degli elementi della diagonale della matrice di confusione normalizzata per righe. La matrice di confusione è uno strumento impiegato per visualizzare il rapporto fra i casi riconosciuti in modo corretto e quelli non riconosciuti, rispetto all insieme totale dei dati considerati, con i rispettivi valori attesi (target). L intero algoritmo evolutivo non usa l operatore di ricombinazione, a causa degli effetti negativi che ne derivano (Yao, Liu (1997)). 4. Esperimenti e risultati La campagna di esperimenti è stata realizzata utilizzando gli stessi settaggi utilizzati nel precedente lavoro (Azzini, Tettamanzi (2008). I risultati degli esperimenti sono riportati nella Tabella 3. In 9 casi su 15 la codifica lessicografica migliora i risultati ottenuti con la codifica posizionale, mentre in altri 3 casi i risultati sono molto simili. Per analizzare più in dettaglio le prestazioni del sistema vengono presentate in Figura 1 le matrici di confusione relative ai risultati ottenuti dal sistema su ciascuna delle parole analizzate. Nei casi di bar, channel, circuit, detention, grip, hearth, material, memory e post l algoritmo riesce a distinguere in modo soddisfacente la maggior parte dei significati. Non si può dire lo stesso per le parole bum, day, holiday e lady dove i risultati ottenuti sono conseguenza della scelta dell algoritmo neuro evolutivo di riconoscere sempre il significato più probabile. Un caso particolare invece è dato dalla parola dyke, nella quale l algoritmo riesce a distinguere con una buona precisione entrambi i significati. Questo risultato dimostra come, in presenza dataset sufficientemente rappresentativi del problema e con significati ben distinti, l approccio presentato sia in grado di produrre soddisfacenti risultati.
6 Figura 1: Matrici di confusione delle parole analizzate.
7 Titolo capitolo 7 Tabella 3: Risultati ottenuti dall algoritmo di disambiguazione e confronto con gli esperimenti condotti in precedenza (Azzini Tettamanzi 2008). 5. Conclusioni A prima vista, la creazione di una singola rete neurale per ciascuna parola ambigua potrebbe sembrare un obiettivo irrealizzabile. Tuttavia, sono presenti in WordNet solamente 15,935 parole ambigue. Dagli esperimenti condotti risulta che la realizzazione di una rete neurale richiede circa due ore di tempo computazionale, ipotizzando quindi di utilizzare circa 30 personal computer a ciclo continuo, in circa 45 giorni tutte le parole avranno associata la loro rete neurale. La stima di occupazione di memoria di tutte le reti neurali è di circa 30 Mbytes e l utilizzo della rete neurale per il corretto riconoscimento del significato di una frase richiede pochi millesimi a livello computazionale. Ciò significa che un tale approccio potrebbe essere applicato nella realtà al problema del riconoscimento dei significati corretti con risultati accettabili sia in termini di tempo che di risorse computazionali necessarie. Bibliografia 1. Azzini, A., Dragoni, M., da Costa Pereira, C., Tettamanzi, A.G.B.: Evolving neural networks for word sense disambiguation. Proc. Of HIS 08, pp , Azzini, A., Tettamanzi, A.G.B.: Evolving neural networks for static singleposition automated trading. J. of Artificial Evolution and Applications, pp.1-17, Yao, X., Liu, Y.: A new evolutionary system for evolving artificial neural networks. IEEE Trans. On Neural Networks, vol.8, pp , R. Navigli. Word sense disambiguation: A survey. ACM Comput. Surv., 41(2):1-69, G. Cottrell. A Connectionist Approach to Word Sense Disambiguation. Pitman, London, 1989.
8 6. G. Hinton, J. McClelland, and D. Rumelhart. Distributed representations. In Parellel Distributed Processing: explorations in the microstructure of cognition. MIT Press, Cambridge, MA, C. Fellbaum. WordNet: An Electonic Lexical Database, MIT Press, Web reference:
Reti Neurali. Corso di AA, anno 2016/17, Padova. Fabio Aiolli. 2 Novembre Fabio Aiolli Reti Neurali 2 Novembre / 14. unipd_logo.
Reti Neurali Corso di AA, anno 2016/17, Padova Fabio Aiolli 2 Novembre 2016 Fabio Aiolli Reti Neurali 2 Novembre 2016 1 / 14 Reti Neurali Artificiali: Generalità Due motivazioni diverse hanno spinto storicamente
Reti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
Intelligenza Artificiale. Soft Computing: Reti Neurali Generalità
Intelligenza Artificiale Soft Computing: Reti Neurali Generalità Neurone Artificiale Costituito da due stadi in cascata: sommatore lineare (produce il cosiddetto net input) net = S j w j i j w j è il peso
Modelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
PROBLEMI ALGORITMI E PROGRAMMAZIONE
PROBLEMI ALGORITMI E PROGRAMMAZIONE SCIENZE E TECNOLOGIE APPLICATE CLASSE SECONDA D PROGRAMMARE = SPECIFICARE UN PROCEDIMENTO CAPACE DI FAR SVOLGERE AD UNA MACCHINA UNA SERIE ORDINATA DI OPERAZIONI AL
ELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
Macchine sequenziali. Automa a Stati Finiti (ASF)
Corso di Calcolatori Elettronici I Macchine sequenziali Prof. Roberto Canonico Università degli Studi di Napoli Federico II Dipartimento di Ingegneria Elettrica e delle Tecnologie dell Informazione Corso
Esame di Informatica. Facoltà di Scienze Motorie LE UNITA DI MISURA (1/4) LE UNITA DI MISURA (3/4) LE UNITA DI MISURA (2/4) Lezione 2
LE UNITA DI MISURA (1/4) Facoltà di Scienze Motorie Esame di Informatica A.A. 2010/11 Lezione 2 La più piccola unità di misura usata in informatica è il bit (Binary digit), cioè numero binario. Due stati:
1 Esercizio - caso particolare di ottimalità
Corso: Gestione ed elaborazione grandi moli di dati Lezione del: 5 giugno 2006 Argomento: Compressione aritmetica e Tecniche di compressione basate su dizionario Scribes: Andrea Baldan, Michele Ruvoletto
PROGRAMMAZIONE DISCIPLINARE LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE INFORMATICA CLASSE TERZA
PROGRAMMAZIONE DISCIPLINARE PROGRAMMAZIONE DISCIPLINARE LICEO SCIENTIFICO OPZIONE SCIENZE APPLICATE INFORMATICA CLASSE TERZA 1. Competenze: le specifiche competenze di base disciplinari previste dalla
Teoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
e applicazioni al dominio del Contact Management Andrea Brunello Università degli Studi di Udine
e applicazioni al dominio del Contact Management Parte V: combinazione di Università degli Studi di Udine In collaborazione con dott. Enrico Marzano, CIO Gap srl progetto Active Contact System 1/10 Contenuti
Esercitazioni di Reti Logiche. Lezione 5
Esercitazioni di Reti Logiche Lezione 5 Circuiti Sequenziali Zeynep KIZILTAN zeynep@cs.unibo.it Argomenti Circuiti sequenziali Flip-flop D, JK Analisi dei circuiti sequenziali Progettazione dei circuiti
Descrizione delle operazioni di calcolo. Espressioni costanti semplici
Descrizione delle operazioni di calcolo Come abbiamo detto l interprete è in grado di generare nuovi valori a partire da valori precedentemente acquisiti o generati. Il linguaggio di programmazione permette
Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
La "macchina" da calcolo
La "macchina" da calcolo Abbiamo detto che gli algoritmi devono essere scritti in un linguaggio "comprensibile all'esecutore" Se il nostro esecutore è il "calcolatore", questo che linguaggio capisce? che
NUOVO MOTORE DI RICERCA DELLA BANCA DATI NOTARILE MANUALE UTENTE
MANUALE UTENTE Data: 19/10/2009 Pagina 2 di 11 Manuale Utente 1 INTRODUZIONE 3 2 GUIDA ALL USO 5 2.1 COME EFFETTUARE UNA RICERCA... 5 2.2 COME REIMPOSTARE UNA RICERCA... 6 2.3 COME OTTENERE SUGGERIMENTI
Rappresentazione e Codifica dell Informazione
Rappresentazione e Codifica dell Informazione Capitolo 1 Chianese, Moscato, Picariello, Alla scoperta dei fondamenti dell informatica un viaggio nel mondo dei BIT, Liguori editore. Sistema di numerazione
CAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
Fondamenti di Informatica - 1. Prof. B.Buttarazzi A.A. 2011/2012
Fondamenti di Informatica - 1 Prof. B.Buttarazzi A.A. 2011/2012 Sommario Rappresentazione dei numeri naturali (N) Rappresentazione dei numeri interi (Z) Modulo e segno In complemento a 2 Operazioni aritmetiche
TEORIE E TECNICHE PER LA COMUNICAZIONE DIGITALE
TEORIE E TECNICHE PER LA COMUNICAZIONE DIGITALE Riccardo Dondi Dipartimento di Scienze dei linguaggi, della comunicazione e degli studi culturali Università degli Studi di Bergamo Informazione sul corso
La codifica. dell informazione
00010010101001110101010100010110101000011100010111 00010010101001110101010100010110101000011100010111 La codifica 00010010101001110101010100010110101000011100010111 dell informazione 00010010101001110101010100010110101000011100010111
Linee di programmazione
Ministero dell Istruzione, dell Università e della Ricerca Ufficio Scolastico regionale per il Lazio Istituto Tecnico Industriale A. Pacinotti ISTITUTO TECNICO TECNOLOGICO - LICEO SCIENTIFICO DELLE SCIENZE
Algebra di Boole X Y Z V. Algebra di Boole
L algebra dei calcolatori L algebra booleana è un particolare tipo di algebra in cui le variabili e le funzioni possono solo avere valori 0 e 1. Deriva il suo nome dal matematico inglese George Boole che
Le aree dell informatica
Fondamenti di Informatica per la Sicurezza a.a. 2006/07 Le aree dell informatica Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
Modulo 1. Concetti base della Tecnologia dell informazione. Prof. Nicolello Cristiano. Modulo 1
Concetti base della Tecnologia dell informazione Algoritmi Come interpreta un computer un problema? Algoritmi Algoritmo: sequenza ordinata di istruzioni per risolvere un problema (tradotto: sequenza di
Modulo: Elementi di Informatica
LE UNITA DI MISURA(1/4) Facoltà di Medicina Veterinaria Corso di laurea in Tutela e benessere animale Corso Integrato: Fisica medica e statistica Modulo: Elementi di Informatica A.A. 2009/10 Lezione 2
Modellazione di Workflow mediante le Reti di Petri. Prof. Giancarlo Fortino
Modellazione di Workflow mediante le Reti di Petri Prof. Giancarlo Fortino g.fortino@unical.it Introduzione Il successo di un sistema di workflow si basa sulla qualità dei flussi di lavoro che lo compongono.
Modelli generativi per sequenze: Recurrent Temporal Restricted Boltzmann Machines
Modelli generativi per sequenze: Recurrent Temporal Restricted Boltzmann Machines Alberto Testolin Computational Cognitive Neuroscience Lab Dipartimento di Psicologia Generale Università degli studi di
La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri
CEFRIEL Consorzio per la Formazione e la Ricerca in Ingegneria dell Informazione Aritmetica dei calcolatori Rappresentazione dei numeri naturali e relativi Addizione a propagazione di riporto Addizione
Pag. 1. La Rappresentazione e la Codifica delle informazioni (parte 2) Tipi di dati. Informatica Facoltà di Medicina Veterinaria
1 Università degli studi di Parma Dipartimento di Ingegneria dell Informazione Informatica a.a. 2012/13 Tipi di dati Informatica Facoltà di Medicina Veterinaria La Rappresentazione e la Codifica delle
Algebra di Boole Algebra di Boole
1 L algebra dei calcolatori L algebra booleana è un particolare tipo di algebra in cui le variabili e le funzioni possono solo avere valori 0 e 1. Deriva il suo nome dal matematico inglese George Boole
Apprendimento automatico e Reti Neurali. Francesco Sambo tel
Apprendimento automatico e Reti Neurali Francesco Sambo www.dei.unipd.it/~sambofra francesco.sambo@dei.unipd.it tel. 049 827 7834 Apprendimento automatico Capacità di un agente di sintetizzare nuova conoscenza
Minimizzazione di Reti Logiche Combinatorie Multi-livello. livello
Minimizzazione di Reti Logiche Combinatorie Multi-livello livello Maurizio Palesi Maurizio Palesi 1 Introduzione I circuiti logici combinatori sono molto spesso realizzati come reti multi-livello di porte
Statistiche per riassumere i dati
Statistiche per riassumere i dati María Eugenia Castellanos Dep. Estadística e I.O. Universidad Rey Juan Carlos Visiting Professor Università di Cagliari. Cagliari, Marzo 2010 María Eugenia Castellanos
Esercitazioni di Reti Logiche
Esercitazioni di Reti Logiche Sintesi di Reti Sequenziali Zeynep KIZILTAN Dipartimento di Scienze dell Informazione Universita degli Studi di Bologna Anno Academico 2007/2008 Sintesi dei circuiti sequenziali
Addizionatori: metodo Carry-Lookahead. Costruzione di circuiti combinatori. Standard IEEE754
Addizionatori: metodo Carry-Lookahead Costruzione di circuiti combinatori Standard IEEE754 Addizionatori Il circuito combinatorio che implementa l addizionatore a n bit si basa su 1-bit adder collegati
LA CODIFICA DELL INFORMAZIONE. Introduzione ai sistemi informatici D. Sciuto, G. Buonanno, L. Mari, McGraw-Hill Cap.2
LA CODIFICA DELL INFORMAZIONE Introduzione ai sistemi informatici D. Sciuto, G. Buonanno, L. Mari, McGraw-Hill Cap.2 Codifica dati e istruzioni Per scrivere un programma è necessario rappresentare istruzioni
Lezione introduttiva su reti neurali e SVM Veronica Piccialli. Corso di Ottimizzazione a.a (seconda parte)
Lezione introduttiva su reti neurali e SVM Veronica Piccialli Corso di Ottimizzazione a.a. 2009-10 (seconda parte) Ottimizzazione Statistica Fisica Biologia Reti Neurali Matematica Psicologia Informatica
Corso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Programmi Un elaboratore riceve dei dati in ingresso, li elabora secondo una sequenza predefinita di operazioni e infine restituisce il risultato sotto forma
Firmware Division & Floating pointer adder
Firmware Division & Floating pointer adder Prof. Alberto Borghese Dipartimento di Scienze dell Informazione borghese@di.unimi.it Università degli Studi di Milano Riferimenti sul Patterson: 3.4, 3.5 1/47
Aritmetica in virgola mobile Algebra di Boole e reti logiche Esercizi. Mercoledì 8 ottobre 2014
Aritmetica in virgola mobile Algebra di Boole e reti logiche Esercizi Mercoledì 8 ottobre 2014 Notazione scientifica normalizzata La rappresentazione in virgola mobile che adotteremo si basa sulla notazione
La stima dei costi di produzione
Università degli Studi di Trento Programmazione Costi e Contabilità lavori a.a. 2004-5 La stima dei costi di produzione Marco Masera, prof marco.masera@ing.unitn.it Procedimenti di stima I procedimenti
CURIOSITAS ROBOTICA. Sommario
CURIOSITAS ROBOTICA Giovanni Bianco 1, Riccardo Cassinis 2 Sommario L'articolo descrive lo stato della ricerca sul sistema di pianificazione multistrategica della navigazione di robot mobili autonomi presentato
INTRODUZIONE AI SISTEMI DI CLASSIFICAZIONE
INTRODUZIONE AI SISTEMI DI CLASSIFICAZIONE CON RETI NEURALI di G. Masala INTRODUZIONE Sistema di classificazione o riconoscimento Un sistema di classificazione [1][2] o di riconoscimento, considerato in
Riassunto Nell'esercitazione di oggi e' stata introdotta la codifica binaria naturale, intera e razionale in virgola fissa. Il materiale teorico
Riassunto Nell'esercitazione di oggi e' stata introdotta la codifica binaria naturale, intera e razionale in virgola fissa. Il materiale teorico utilizzato e' disponibile nella Dispensa sulla codifica
Esercitazioni di Reti Logiche
Esercitazioni di Reti Logiche Sintesi di Reti Combinatorie & Complementi sulle Reti Combinatorie Zeynep KIZILTAN Dipartimento di Scienze dell Informazione Universita degli Studi di Bologna Anno Academico
Errori (o bias) negli studi epidemiologici
Errori (o bias) negli studi epidemiologici Errore casuale o random: sono i più pericolosi perché i più difficili da individuare e per questo motivo non è possibile tenerne conto in fase di analisi Variazione
Firmware Division & Floating gpointer adder
Firmware Division & Floating gpointer adder Prof. Alberto Borghese Dipartimento di Scienze dell Informazione borghese@di.unimi.it it Università degli Studi di Milano Riferimenti sul Patterson: 3.4, 3.5
Rappresentazione dei Dati
Parte II I computer hanno una memoria finita. Quindi, l insieme dei numeri interi e reali che si possono rappresentare in un computer è necessariamente finito 2 Codifica Binaria Tutti i dati usati dagli
Programma del corso. Elementi di Programmazione. Introduzione agli algoritmi. Rappresentazione delle Informazioni. Architettura del calcolatore
Programma del corso Introduzione agli algoritmi Rappresentazione delle Informazioni Architettura del calcolatore Reti di Calcolatori Elementi di Programmazione Algoritmi e programmi Algoritmo Sequenza
UN ALGORITMO NEURO-GENETICO PER L OPERATIVITÀ GIORNALIERA A POSIZIONE SINGOLA SUI MERCATI FINANZIARI
ANTNIA AZZINI ANDREA G.B. TETTAMANZI UN ALGRITM NEUR-GENETIC PER L PERATIVITÀ GIRNALIERA A PSIZINE SINGLA SUI MERCATI FINANZIARI 1. INTRDUZINE La gestione automatica dell operatività giornaliera a posizione
ABILITÀ. COMPETENZE L'alunno: ( B-H ) L'alunno sa: associare alla quantità il numero ( simbolo e nome ) i numeri ordinali
TRAGUARDI DI COMPETENZA L alunno opera con i numeri naturali nel calcolo scritto e mentale NUMERI L'alunno: ( B-H ) la serie numerica fino al 100 associare alla quantità il numero ( simbolo e nome ) i
Insiemi Specifiche, rappresentazione e confronto tra realizzazioni alternative.
Insiemi Specifiche, rappresentazione e confronto tra realizzazioni alternative. Algoritmi e Strutture Dati + Lab A.A. 14/15 Informatica Università degli Studi di Bari Aldo Moro Nicola Di Mauro Definizione
Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algebra di Boole Stefano Cagnoni Algebra di Boole L algebra
codifica in virgola mobile (floating point)
codifica in virgola mobile (floating point) Del tutto simile a cosiddetta notazione scientifica o esponenziale Per rappresentare in modo compatto numeri molto piccoli o molto grandi e.g. massa dell elettrone
Problema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe.
Problema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe. 1) Comprendere il problema 2) Stabilire quali sono le azioni da eseguire per risolverlo 3) Stabilire la
Ingegneria della Conoscenza e Sistemi Esperti Lezione 9: Evolutionary Computation
Ingegneria della Conoscenza e Sistemi Esperti Lezione 9: Evolutionary Computation Dipartimento di Elettronica e Informazione Politecnico di Milano Evolutionary Computation Raggruppa modelli di calcolo
Le aree dell informatica
Fondamenti di Informatica per la Sicurezza a.a. 2008/09 Le aree dell informatica Stefano Ferrari UNIVERSITÀ DEGLI STUDI DI MILANO DIPARTIMENTO DI TECNOLOGIE DELL INFORMAZIONE Stefano Ferrari Università
SCUOLA PRIMARIA - MORI
REPUBBLICA ITALIANA ISTITUTO COMPRENSIVO DI MORI Via Giovanni XXIII, n. 64-38065 MORI Cod. Fisc. 94024510227 - Tel. 0464-918669 Fax 0464-911029 www.icmori.it e-mail: segr.ic.mori@scuole.provincia.tn.it
UNIVERSITÁ POLITECNICA DELLE MARCHE
UNIVERSITÁ POLITECNICA DELLE MARCHE A.A 2007/08 Architetture e Progettazione Di Sistemi Elettronici PROGETTO DI UN CIRCUITO ARITMETICO PER IL CALCOLO DELLA RADICE QUADRATA DI UN NUMERO IN VIRGOLA MOBILE
SCUOLA PRIMARIA - MORI
REPUBBLICA ITALIANA ISTITUTO COMPRENSIVO DI MORI Via Giovanni XXIII, n. 64-38065 MORI Cod. Fisc. 94024510227 - Tel. 0464-918669 Fax 0464-911029 www.icmori.it e-mail: segr.ic.mori@scuole.provincia.tn.it
ISTITUTO COMPRENSIVO DI SCUOLA MATERNA ELEMENTARE E MEDIA DI BISUSCHIO
ISTITUTO COMPRENSIVO DI SCUOLA MATERNA ELEMENTARE E MEDIA DI BISUSCHIO Anno scolastico 2010/2011 CURRICULUM DI D ISTITUTO SCUOLA DELL INFANZIA OBIETTIVI DI APPRENDIMENTO Utilizzare criteri e relazioni
CORSO DI PERFEZIONAMENTO
UNIVERSITÀ DEGLI STUDI DI SIENA DIPARTIMENTO DI FISICA CORSO DI PERFEZIONAMENTO PERCORSI DIDATTICI DI FISICA E MATEMATICA: MODELLI, VERIFICHE SPERIMENTALI, STATISTICA ATOMI E CARICA ELETTRICA: PROPOSTA
Analisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
<Nome Tabella>.<attributo>
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : SQL (2) Tabelle mult., variabili, aggreg, group Prof. Alberto
Dalla prima lezione. LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 7 VARIABILI E COSTANTI 28/02/2016. Concetto di algoritmo
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 7 VARIABILI E COSTANTI Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II wpage.unina.it/lapegna
Programmazione modulare
Programmazione modulare 2016 2017 Indirizzo: 1 BIENNIO Informatica e Telecomunicazioni Disciplina: SCIENZE E TECNOLOGIE APPLICATE Classi: 2 C - 2 D - 2 F Ore settimanali: 3 ore Prerequisiti per l'accesso
CURRICOLO DI GEOGRAFIA. INDICATORI OBIETTIVI di APPRENDIMENTO STANDARD PER LA VALUTAZIONE DELLE COMPETENZE DELL ALUNNO
CURRICOLO DI GEOGRAFIA SCUOLA PRIMARIA CLASSE PRIMA Riconoscere ed indicare la posizione di oggetti nello spazio vissuto rispetto ai punti di riferimento. Utilizzare correttamente gli organizzatori spaziali.
2.2 Alberi di supporto di costo ottimo
. Alberi di supporto di costo ottimo Problemi relativi ad alberi hanno numerose applicazioni: progettazione di reti (comunicazione, teleriscaldamento,...) memorizzazione compatta di sequenze (DNA) diffusione
Introduzione al Calcolo Scientifico
Introduzione al Calcolo Scientifico Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico 1 / 14 Calcolo Scientifico Insieme degli
Il campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
Progetto di Contatori sincroni. Mariagiovanna Sami Corso di reti Logiche 8 Anno
Progetto di Contatori sincroni Mariagiovanna Sami Corso di reti Logiche 8 Anno 08 Introduzione Per le reti sequenziali esistono metodologie di progettazione generali, che partendo da una specifica a parole
Codifica binaria. Rappresentazioni medianti basi diverse
Codifica binaria Rappresentazione di numeri Notazione di tipo posizionale (come la notazione decimale). Ogni numero è rappresentato da una sequenza di simboli Il valore del numero dipende non solo dalla
Minimizzazione di Reti Logiche Combinatorie Multi-livello
Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione I circuiti logici combinatori sono molto spesso realizzati come reti multi-livello di porte logiche
1.2d: La codifica Digitale dei caratteri
1.2d: La codifica Digitale dei caratteri 2 Bibliografia Curtin, 3.6 (vecchie edizioni) Curtin, 2.5 (nuova edizione) CR pag. 9-14 Questi lucidi 3 La codifica dei caratteri Un testo è rappresentato attraverso
Il linguaggio di programmazione Python
Università Roma Tre Dipartimento di Matematica e Fisica Percorso Abilitante Speciale Classe A048 Matematica Applicata Corso di Informatica Il linguaggio di programmazione Python Marco Liverani (liverani@mat.uniroma3.it)
Autorità per le Garanzie nelle Comunicazioni
Autorità per le Garanzie nelle Comunicazioni METODO PER IL RENDERING DEI DIAGRAMMI DI IRRADIAZIONE VERTICALI BASATO SUI DATI PREVISTI DALLE SPECIFICHE DI FORMATO DEL CATASTO AGCOM 1. Premessa Per calcolare
Sistemi di numerazioni e metodi di trasformazione
B Sistemi di numerazioni e metodi di trasformazione Nei calcolatori attuali vengono utilizzati quattro sistemi di numerazione: binario, in base otto, decimale ed esadecimale. Ognuno di essi ha pregi che
Architettura hardware
Architettura hardware la parte che si può prendere a calci Architettura dell elaboratore Sistema composto da un numero elevato di componenti, in cui ogni componente svolge una sua funzione elaborazione
Introduzione agli Algoritmi Genetici ed alle Reti Neurali
Introduzione agli Algoritmi Genetici ed alle Reti Neurali Maurizio Palesi Introduzione agli Algoritmi Genetici ed alle Reti Neurali 1 Sommario Algoritmi Genetici Introduzione e applicazioni Terminologia
Calcolo evolutivo Elementi di teoria
Intelligenza Artificiale II Calcolo evolutivo Elementi di teoria Marco Piastra Calcolo evolutivo - 1 Varianti del calcolo evolutivo Rappresentazione degli individui Vettori di bit, di interi, di numeri
SCUOLA PRIMARIA - MORI
ISTITUTO COMPRENSIVO DI MORI Via Giovanni XXIII, n. 64-38065 MORI Cod. Fisc. 94024510227 - Tel. 0464-918669 Fax 0464-911029 www.icmori.it e-mail: segr.ic.mori@scuole.provincia.tn.it REPUBBLICA ITALIANA
DESCRIZIONI RIGOROSE c7
DESCRIZIONI RIGOROSE c7 Es. cucinare la pasta asciutta per una famiglia La descrizione rigorosa della strategia risolutiva prevede Analisi del problema (con chiara individuazione degli obiettivi e dei
Progetto Matlab N 2. Calcolo Numerico 6 CFU. Corso di Laurea in Ingegneria delle Comunicazioni 31/05/2014
Progetto Matlab N 2 Calcolo Numerico 6 CFU Corso di Laurea in Ingegneria delle Comunicazioni 31/05/2014 Procedimento 1. Scrivere una function che implementi il prodotto matrice-vettore AX con A matrice
APPUNTI DI INFORMATICA
APPUNTI DI INFORMATICA Per il biennio di liceo scientifico scienze applicate Sommario Il calcolo binario... 2 Numerazione Decimale... 2 Numerazione Binaria... 2 Conversione Binario -> Decimale... 2 Conversione
Programmazione dinamica
Programmazione dinamica Violetta Lonati Università degli studi di Milano Dipartimento di Informatica Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica Violetta Lonati Programmazione
standardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
RAPPRESENTAZIONE GLI ALGORITMI NOTAZIONE PER LA RAPPRESENTAZIONE DI UN ALGORITMO
RAPPRESENTAZIONE GLI ALGORITMI NOTAZIONE PER LA RAPPRESENTAZIONE DI UN ALGORITMO Rappresentazione degli algoritmi Problema Algoritmo Algoritmo descritto con una qualche notazione Programma Defne del procedimento
Informatica Generale 1 - Esercitazioni Flowgraph, algebra di Boole e calcolo binario
Informatica Generale 1 - Esercitazioni Flowgraph, algebra di Boole e calcolo binario Daniele Pighin pighin@fbk.eu FBK Via Sommarive, 18 I-38050 Trento, Italy February 27, 2008 Outline 1 Algebra di Boole
MATEMATICA: competenza 1 - PRIMO BIENNIO. classi I e II scuola primaria COMPETENZE ABILITA CONOSCENZE
MATEMATICA: competenza 1 - PRIMO BIENNIO classi I e II scuola primaria Utilizzare le tecniche e le procedure del calcolo aritmetico scritto e mentale partendo da contesti reali Rappresentare i numeri naturali
Il Modello di von Neumann (2) Prevede 3 entità logiche:
Introduzione all Architettura degli Elaboratori Sommario Macchina di von Neumann Esecuzione dei programmi Rappresentazione dei dati Dati numerici Dati alfabetici 1 2 Il Modello di von Neumann (1) L architettura
La rappresentazione delle informazioni
La rappresentazione delle informazioni In queste pagine cercheremo di capire come sia possibile rappresentare mediante numeri e memorizzare in un file testi, immagini, video, suoni... Il computer per lavorare
Distribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
CURRICOLO DIPARTIMENTO INFORMATICA PRIMO BIENNIO
dei limiti nel contesto culturale e sociale in cui vengono applicate CURRICOLO PARTIMENTO INFORMATICA PRIMO BIENNIO MODULO 1 Concetti di base della tecnologia dell informazione Acquisire e interpretare
CORSO DI INFORMATICA. CL3 - Biotecnologie
CORSO DI INFORMATICA CL3 - Biotecnologie Formattazione dei numeri Convertire in numeri i numeri memorizzati come testo Può capitare che occasionalmente i numeri vengano formattati e memorizzati nelle celle
Politecnico di Milano
Politecnico di Milano Facoltà di Ingegneria dell Informazione Corso di Laurea in Ingegneria Informatica Apprendimento di un Comportamento di Guida nel Videogioco V-Drift tramite Neuroevoluzione Relatore:
Introduzione al Linguaggio C
INFORMATICA 1 Lezione 3 (Introduzione al Linguaggio C, Introduzione ai Tipi di dato, Cenni alla codifica binaria) Introduzione al Linguaggio C 1 Passi fondamentali del C Definito nel 1972 (AT&T Bell Labs)
PIXEL. Il valore quantizzato misurato da ciascun sensore diventa un. PICTURE ELEMENT = PIXEL dell immagine. Interazione & Multimedia
La risoluzione PIXEL Il valore quantizzato misurato da ciascun sensore diventa un PICTURE ELEMENT = PIXEL dell immagine La risoluzione Definizione: si dice risoluzione il numero di pixel per unità di misura.
Introduzione e Nozioni di Base. Prof. Thomas Casali
Università degli studi di Bologna Facoltà di Economia Sede di Forlì Introduzione e Nozioni di Base Corso di Laurea in Economia di Internet Prof. Thomas Casali thomas@casali.biz La rappresentazione digitale