RICOSTRUZIONE DEGLI ANGOLI DI INCIDENZA E DI DERAPATA MEDIANTE ELABORAZIONI DEI DATI ARIA BASATE SU RETI NEURALI
|
|
- Roberto Giacomo Fantoni
- 6 anni fa
- Visualizzazioni
Transcript
1 88/8 RICOSTRUZIONE DEGLI ANGOLI DI INCIDENZA E DI DERAPATA MEDIANTE ELABORAZIONI DEI DATI ARIA BASATE SU RETI NEURALI A.CALIA, E.DENTI, C.DI FUSCO, F.SCHETTINI Dipartimento di Ingegneria Aerospaziale, Università di Pisa, Pisa SOMMARIO Questo lavoro si inquadra nelle attività di ricerca svolte presso il Dipartimento di Ingegneria Aerospaziale (DIA) dell Università di Pisa, relative alla definizione di modelli e metodi per l integrazione dei dati aria nel Flight Control System Fly-by-Wire del velivolo Aermacchi M346. Il sistema dati aria, mediante opportune procedure di calcolo, permette la determinazione dei parametri di volo (quota, numero di Mach, angoli di incidenza e di derapata) a partire da misure di grandezze di flusso locale (pressioni ed angoli) rilevate da apposite sonde installate sulla fusoliera del velivolo. Questo articolo illustra una procedura di calcolo degli angoli di incidenza e di derapata, basata su reti neurali artificiali di tipo Back Propagation, alternativa rispetto a quelle sviluppate per il velivolo M346. Nel corso dello studio è stato svolto un processo di ottimizzazione dei parametri caratteristici delle reti (numero di neuroni, numero di iterazioni degli algoritmi di allenamento, ecc.) in modo da definire una architettura capace di garantire livelli di prestazione soddisfacenti, in relazione alle specifiche dei moderni Flight Control System. Definita l architettura delle reti neurali e prendendo a riferimento il database aerodinamico proveniente da prove in galleria del vento realizzate su di un modello in scala del velivolo Aermacchi M346, si è realizzata l analisi delle prestazioni sia in condizioni di piena operatività delle sonde, sia in presenza di una o più avarie di alcune di esse.. INTRODUZIONE Nel lavoro si descrive uno studio finalizzato a verificare la possibilità di avvalersi di tecniche d intelligenza artificiale per l elaborazione dei dati aria. Lavori precedenti [], hanno avuto come obiettivo quello di valutare la fattibilità dell approccio neurale al calcolo della pressione statica e del numero di Mach, puntando a sviluppare un algoritmo di calcolo, relativo alla stima delle suddette grandezze, alternativo a quello illustrato in [2] (approccio classico). Questo articolo invece presenta lo studio di algoritmi di elaborazione costituiti da più reti neurali, capaci di sostituire le funzioni polinomiali di taratura nella ricostruzione degli angoli d incidenza α e di derapata β. Le reti sono usate solo per la fase computazionale della procedura di elaborazione degli angoli aerodinamici, mentre gli algoritmi di gestione delle ridondanze e delle eventuali avarie coincidono con quelli illustrati in [3]. Le reti neurali sono modelli che simulano il comportamento di sistemi reali e sono costituite da semplici unità interconnesse fra loro in modo più o meno complesso. Le informazioni vengono elaborate in corrispondenza delle unità, chiamate neuroni artificiali o nodi, dove vengono, tipicamente, moltiplicate per i pesi associati alle connessioni che le hanno trasmesse ai nodi stessi. Ogni neurone calcola la somma dei segnali pesati che riceve in ingresso e vi aggiunge la sua soglia di attivazione (bias). A tale somma viene applicata, infine, la funzione di trasferimento che genera il segnale da inviare ai neuroni verso i quali esiste una via di comunicazione in uscita. Ciascun neurone riceve diversi segnali in ingresso, ma ne fornisce uno solo in uscita. 38 Aerotecnica Missili e Spazio Vol. 87 3/28
2 neurone i w i 2 i n w 2 w n b bias f funzione di trasferimento u u = f ( ) = f (w i + w 2 i w n i n + b ) Figura : Architettura di un singolo neurone Le operazioni eseguite da un singolo neurone consistono dunque nel calcolare una somma pesata dei segnali d ingresso e applicarvi una funzione di trasferimento (o legge di attivazione ) in uscita. Tipicamente viene utilizzata la stessa funzione di attivazione per tutti i neuroni che appartengono allo stesso strato di una rete, anche se questo non è indispensabile. Esistono diversi tipi di funzioni di trasferimento usate dai neuroni. Alcuni esempi sono riportati in Figura 2: Funzione identità Funzione heaviside f(x) f(x) f(x) f(x) Sigmoide Tangente iperbolica x x Figura 2: Esempi di funzioni di trasferimento In una rete neurale, generalmente, i neuroni vengono organizzati in strati (layer). Il comportamento di un neurone è determinato dalla sua funzione di trasferimento e dalle connessioni pesate lungo le quali invia e riceve segnali. Nella maggior parte delle reti, i neuroni risultano interamente connessi, ovvero se un neurone appartiene ad uno strato ed è collegato ad un neurone dello strato successivo, allora tutti i neuroni del primo strato sono connessi al secondo neurone. Esistono in letteratura metodologie chiamate di pruning o surgerying [4] che provvedono ad eliminare alcune connessioni all interno della rete per migliorare le prestazioni ad un costo computazionale minore. L architettura di rete maggiormente utilizzata è il percettrone multi-strato (Multi-Layer Perceptron, MLP), costituita da uno strato di neuroni d ingresso, uno o più strati intermedi ( strati nascosti o hidden layer) e da uno strato d uscita (output layer). Un esempio di MLP è presentato in Figura 3 (vedi [4]), nella quale è riportata una rete neurale che non ha lo strato di neuroni di ingresso, ma solo un hidden layer ed un output layer. L apprendimento (allenamento o training) di una rete neurale è la modalità con cui vengono stabiliti i valori dei pesi ed è un fattore distintivo di una rete rispetto ad un altra. Esistono due tipi principali di tecniche di apprendimento: supervisionato (supervised learning) e senza supervisione (unsupervised learning). L apprendimento con supervisone si basa sulla disponibilità di un insieme di coppie costituite dai dati del problema e dalle corrispondenti soluzioni (o target), ovvero da una sequenza di vettori d ingresso a ciascuno dei quali corrisponde un vettore d uscita che rappresenta il comportamento desiderato della rete. Aerotecnica Missili e Spazio Vol. 87 3/28 39
3 input hidden layer output layer p p 2 w,, n b n 2 f f a w 2,, a 2 n 2 b 2 n 2 2 f 2 f 2 a 2 a 2 2 p R w, S,R b 2 n S f a S w 2, T,S b 2 2 n 2 T f 2 a 2 T b S b 2 T Figura 3: Esempi di Multi-Layer Perceptron, MLP Una volta fornite queste informazioni, i pesi della rete si calcolano con modalità diverse secondo l algoritmo di allenamento utilizzato. Le reti che vengono allenate per associare un insieme di vettori di ingresso con un insieme di vettori di uscita vengono dette memorie associative. L apprendimento senza supervisione non fa riferimento ad una casistica precostituita di esempi, ma alla rete neurale viene fornito il solo insieme degli ingressi. La rete modifica i pesi in modo che vettori d ingresso simili attivino le stesse unità d uscita. L allenamento è generalmente un procedimento iterativo, durante il quale i valori dei pesi e delle soglie vengono regolati, passo dopo passo, fino a quando una funzione della differenza fra l uscita della rete e l uscita del sistema reale, corrispondenti allo stesso ingresso, è minore di un dato valore detto goal. In letteratura esistono molti algoritmi di allenamento, ognuno caratterizzato dal modo in cui vengono selezionati la direzione di ricerca ed il passo. In questo lavoro è stato utilizzato l algoritmo di allenamento di Levenberg-Marquardt che trova numerose applicazioni nell ingegneria moderna. 2. RICOSTRUZIONE DELL ANGOLO DI INCIDENZA E DERAPATA TRAMITE LE RETI NEURALI Il sistema dati aria oggetto della presente memoria è caratteristico di un velivolo di elevate prestazioni. Esso è composto da quattro sonde [2] che si allineano automaticamente alla direzione locale del flusso, ognuna delle quali fornisce tre dati d uscita: l'angolo di flusso locale λ i misurato da un apposito trasduttore di rotazione della sonda, la frontal pressure P front i fornita dalla presa allineata con la direzione locale del flusso e la slot pressure P slot i ottenuta misurando la media delle pressioni che si hanno in corrispondenza delle due prese posizionate a 9 rispetto alla direzione locale del flusso. Il pedice i (i=,,4) rappresenta l indice della sonda. Le architetture di rete analizzate in questo lavoro sono di tipo MLP ed hanno due strati nascosti di neuroni ed uno strato di output costituito da uno (architettura a singolo output) o due neuroni (architettura a doppio output). Le reti sono state allenate su un insieme di dati (training set), utilizzando i metodi Bayesian Regularization ed Early Stopping, che sono particolarmente indicati per ottenere delle reti con buone capacità di generalizzazione, ovvero in grado di ottenere risultati soddisfacenti su insiemi di input diversi da quelli di allenamento. Per verificare tali proprietà, dopo la fase di allenamento è stata effettuata una verifica del comportamento delle reti stesse su di un insieme di dati chiamato testing set. Per un architettura a reti neurali che ha come obiettivo la ricostruzione degli angoli α e β, è importante stabilire quali siano i segnali di input contenenti le informazioni più indicate per la soluzione del problema. Il modello sviluppato in [2] stabilisce i seguenti legami tra le misure delle sonde e le caratteristiche del flusso asintotico: P front i P slot i λ i = f i ( α, β, M, Ω, Config ) γ 2 = Psa + M Cp front i ( α, β, M, Ω, Config) 2 γ 2 = Psa + M Cpslot i ( α, β, M, Ω, Config) 2 () (2) (3) dove i termini Cp fronti e Cp sloti sono i coefficienti di pressione in corrispondenza delle prese front e slot della sonda i-esima. Noto il numero di Mach M (stimato con una procedura di calcolo che usa le misure di pressione 4 Aerotecnica Missili e Spazio Vol. 87 3/28
4 e non presa in esame in questo studio), la velocità angolare Ω e la configurazione del velivolo Config, dalla () riferita a due generiche misure angolari (λ i, λ j ) è possibile ricavare le seguenti funzioni: α = gα ( λi, λ j, M, Ω, Config) β = g β ( λi, λ j, M, Ω, Config) Nel presente lavoro è stata considerata la sola configurazione denominata Cruise, caratterizzata dalla deflessione nulla delle superfici di controllo del velivolo e si sono considerate manovre stazionarie (Ω=). Sotto tali condizioni, le relazioni (4) e (5) mostrano che per calcolare gli angoli di incidenza e derapata è necessario conoscere una generica coppia di misure angolari (λ i, λ j ) ed il numero di Mach. Quest ultimo ha un legame forte col rapporto di pressione P front / P slot come illustrato in []. Il compito delle rete neurali è, quindi, quello di riuscire ad approssimare le funzioni (4) e (5) e per poterlo fare si può pensare di utilizzare come dato di input, il numero di M o in alternativa il rapporto (P front i / P slot i ) o (P front j / P slot j ) relativo alla generica sonda. Se si usa il numero di Mach M, la stima di tale valore può essere fornita o da un approccio di tipo classico basato su approssimazioni polinomiali di funzioni di taratura [2] o da un architettura neurale []. In questo lavoro è stata valutata anche la possibilità di utilizzare il rapporto di pressioni votato (P front / P slot ) votato per rendere l algoritmo di elaborazione degli angoli più robusto alle avarie di pressione, come verrà spiegato nel seguito. In Figura 4 è riportato il rapporto di pressioni votato (P front / P slot ) votato al variare del numero di Mach. Avendo a disposizione quattro valori λ i è possibile ottenere sei stime di α e sei stime di β ciascuna delle quali derivata dalla generica coppia (λ i, λ j ). Di conseguenza, fissata l architettura della rete, si avranno sei reti per α e sei per β per quelle a singolo output e sei reti per quelle che prevedono il doppio output. Sono state definite tre tipologie di reti, diverse tra loro per gli input considerati. La simbologia utilizzata per identificare le diverse architetture prevede al pedice di gli input considerati (es. LL2M indica che gli input sono 3 e sono λ, λ 2 ed il numero di Mach asintotico M ) ed all apice di gli output della rete: Sei reti, sei reti LiLjM a singolo output e sei reti LiLjM, LiLjM a doppio output che hanno come dati di input la generica coppia di misure angolari (λ i, λ j ) e la stima del numero di Mach asintotico M ; Sei reti e sei reti a singolo output e sei reti (4) (5), a doppio output che hanno come dati di input le due misure angolari (λ i, λ j ) ed i due rapporti di pressioni P fronti / P sloti e P frontj / P slotj relativi alla generica coppia di sonde (i, j); Sei reti e sei reti a singolo output e sei reti, a doppio output che hanno come dati di input la generica coppia di misure angolari (λ i, λ j ) ed il rapporto di pressione (P front / P slot ) vot ottenuto dai quattro rapporti di pressione P front i / P slot i. Le stime appartenenti alla generica famiglia di reti devono essere elaborate da un algoritmo di voting [3], il quale restituisce in uscita un unico valore consolidato di α ed un unico valore consolidato di β da fornire ai sistemi esterni ai dati aria. Le reti facenti della terza tipologia hanno come dati di input il rapporto di pressione (P front / P slot ) vot che viene calcolato in modo diverso a seconda del numero di avarie di pressione: nessuna avaria di pressione: (P front / P slot ) vot coincidente con la media dei due rapporti di pressione che occupano le posizioni centrali nella quadrupla ordinata; una avaria di pressione: (P front / P slot ) vot coincidente con il rapporto di pressione che occupa la posizione centrale nella tripletta ordinata; due avaria di pressione: (P front / P slot ) vot coincidente con la media dei rapporti di pressione associati alle due sonde non in avaria. Per quanto riguarda l architettura sviluppata, tutte le tipologie considerate sono caratterizzate da tre strati di neuroni. Due hidden layer da neuroni, ciascuno con funzioni di trasferimento sigmoide binaria ed uno strato d uscita con un neurone per le reti a singolo output e con due neuroni per le reti a doppio output. Le funzioni esponenziali sono utilizzate per i neuroni facenti parti dello strato d uscita. In Figura 5, si riporta la struttura delle reti a singolo e doppio output. Aerotecnica Missili e Spazio Vol. 87 3/28 4
5 ( P front / P slot ) vot Mach =.2 Mach =.4 Mach =.6 Mach =.7 Mach = angle of attack α [deg] ( P front / P slot ) vot Mach =.2 Mach =.4 Mach =.6 Mach =.7 Mach = angle of sideslip β [deg] Figura 4: Andamento del rapporto (P front / P slot ) vot al variare del numero di Mach α (β) α β input strato di output neurone FdT=e -n input strato di output 2 neuroni FdT=e -n I strato nascosto neuroni FdT=/(+e -4n ) II strato nascosto neuroni FdT=/(+e -4n ) I strato nascosto neuroni FdT=/(+e -4n ) II strato nascosto neuroni FdT=/(+e -4n ) Figura 5: Architetture delle reti a singolo e doppio output 3. ADDESTRAMENTO DELLE RETI CON I DATI PROVENIENTI DALLA GALLERIA DEL VENTO Le reti illustrate nel precedente paragrafo sono state allenate con dati di galleria del vento relativi al nuovo addestratore avanzato Alenia Aermacchi M346. In particolare, si è utilizzato per la generazione del campione d ingresso e per il campione di uscita delle reti, lo stesso database utilizzato per l approssimazione polinomiale ai minimi quadrati delle funzioni di taratura utilizzate nella procedura di elaborazione descritta in [2]. Gli insiemi di allenamento (training set), di validazione (validation set) e di verifica (testing set), sono stati costruiti estraendo i punti in modo casuale dal database di riferimento, dopo aver distribuito tali punti nello spazio (α, β, M ) [5]. Considerando che le reti neurali hanno buone capacità di interpolazione, ma non di estrapolazione, è necessario che l insieme dei punti di allenamento sia uniformemente distribuiti nel dominio e contenga i punti estremi dell inviluppo. Quest ultimo è stato, perciò, diviso in tanti sottoinsiemi regolari e da ognuno di questi sono stati estratti, in modo casuale, un fissato numero di punti. Gli insiemi di training e validation sono stati definiti per poter allenare le reti con il metodo Early Stopping, mentre utilizzando 42 Aerotecnica Missili e Spazio Vol. 87 3/28
6 A. Calia, E. Denti, C. Di Fusco, F. Schettini l algoritmo Bayesian Regularization, i due insiemi sono stati uniti, dato che questo metodo compie l allenamento e la generalizzazione su un unico insieme di dati. Dopo diverse prove di ottimizzazione, si è deciso di utilizzare un data set di circa punti suddivisi in punti per il training set, 5 punti per il validation set e 85 punti per il testing set (Figura 6). I punti hanno interessato i valori di α, β, e M compresi, rispettivamente, negli intervalli (-7 25 deg.), (-2 2 deg.) e (.2.8). Training Set Mach angolo di incidenza α [deg] angolo di derapata β [deg] angolo di incidenza α [deg] angolo di derapata β [deg] Testing Set Mach 25-2 Validation Set Mach angolo di incidenza α [deg] angolo di derapata β [deg] Figura 6: Punti del training, validation e testing set 4. COMPORTAMENTO DELE RETI IN PRESENZA DI AVARIE Dopo aver verificato le prestazioni delle reti neurali in condizioni di piena operatività del sistema, si è passati all analisi del comportamento delle reti in presenza di avarie angolari e di pressione delle sonde multi-funzione (analisi di robustezza). Per tutte le architetture considerate, la presenza di avarie sulle misure angolari comporta l impossibilità di utilizzare le reti che hanno dette misure in input. La situazione diventa critica, quando le misure angolari in avaria sono due, in quanto ciò comporta la disponibilità di una sola coppia (λi, λj) e quindi di una sola rete. Le stime predette dall unica rete disponibile non possono tuttavia essere considerate affidabili, e quindi utilizzabili da sistemi esterni (leggi di controllo, ecc.), in quanto uniche e non confrontabili con altri valori. La Tabella riassume il numero di reti disponibili in funzione del numero di avarie sulle misure angolari. Le considerazioni fin qui esposte, portano alla conclusione che le avarie sulle misure angolari hanno lo stesso effetto su tutte le architetture prese in considerazione. Stesso discorso non può essere fatto per le avarie di pressione, poiché tali avarie influenzano in modo diverso le architetture. Le reti che hanno in ingresso i rapporti, ) vengono inibite nel momento in cui si,, di pressione della generica coppia di sonde ( verifica una avaria di pressione su di una delle due sonde utilizzate. Per questo tipo di architetture, un avaria di pressione comporta quindi l inibizione di 6 reti a singolo output (3 per α e 3 per β) e 3 reti a doppio output, mentre la doppia avaria comporta la possibilità di utilizzare solo 2 reti a singolo output ( per α e per β) ed una sola rete a doppio output. Aerotecnica Missili e Spazio Vol. 87 3/28 43
7 tipologia reti numero avarie LiLjM LiLjM, LiLjM,, nessuna avaria 2 (6+6) 6 2 (6+6) 6 2 (6+6) 6 una avaria angolare 6 (3+3) 3 6 (3+3) 3 6 (3+3) 3 due avarie angolari 2 (+) 2 (+) 2 (+) Tabella : Numero di reti disponibili in funzione del numero di avarie sulle misure angolari Discorso diverso si ha per le reti che hanno in ingresso il rapporto di pressione (P front / P slot ) vot, in quanto la presenza di avarie di pressione non comporta l inibizione di alcuna rete, ma ne influenza la ricostruzione della stima degli angoli di incidenza e di derapata. Infatti, le reti vengono allenate in condizioni di piena operatività (con tutte e quattro le pressioni disponibili), di conseguenza la presenza di avarie di pressione comporta valori del rapporto (P front / P slot ) vot diversi da quelli usati nella fase di training con conseguente diminuzione di accuratezza sui parametri ricostruiti. Per quanto riguarda le reti, LiLjM ed LiLjM,, l effetto delle LiLjM avarie di pressione è quello di modificare la stima del numero del Mach asintotico fornito da un processo di calcolo separato (polinomi o reti neurali) e dipendente dalle misure di pressione (vedi [], [2]), con conseguente aumento degli errori nel calcolo degli angoli di incidenza e derapata. 5. RISULTATI Tutte le architetture sviluppate hanno fornito risultati soddisfacenti e paragonabili tra loro in termini di livelli di accuratezza. Le reti presentano degli errori medi dell ordine di -2 deg., con deviazioni standard dello stesso ordine di grandezza, ed errori massimi dell ordine di - deg., sia per quanto riguarda la stima dell angolo di incidenza che per quella dell angolo di derapata, fatta eccezione per alcuni punti ai margini dell inviluppo. Tali prestazioni sono garantite dal sistema sia in condizioni di piena operatività che in presenza di una o più avarie di pressione. Alla luce dei risultati ottenuti, si può osservare come la scelta del segnale di input collegato alle misure di pressione (numero di Mach asintotico, rapporti di pressione P front / P slot della generica coppia o rapporto di pressione P front / P slot votato) non influisca in modo determinante sugli errori commessi dalle reti nella ricostruzione degli angoli di incidenza e di derapata. Ciò fa preferire le reti che hanno in input il rapporto (P front / P slot ) vot, perché rispetto alle altre non sono affette da fonti di errore provenienti da altri processi di calcolo (ricostruzione del numero di Mach asintotico M ) e non valutati in questo lavoro. Inoltre tali architetture sono più robuste alle avarie di pressioni in quanto nessuna rete di questo tipo viene inibita. Per quanto riguarda il confronto tra le reti a singolo o doppio output, le analisi di prestazione condotte hanno portato a concludere che la struttura a doppio output, che contemporaneamente stima gli angoli di incidenza e di derapata, è preferibile in quanto minimizza il numero dei parametri senza pregiudicare le prestazioni. In Figura 7 è riportato il confronto tra i valori predetti dalle reti, ed i valori nominali, nelle condizioni rispettivamente di piena operatività, una e due avarie di pressione. Si osservi che i valori predetti si riferiscono alle grandezze processate dagli algoritmi di voting, descritti in [3], che a partire da più stime di α e β forniscono un unico valore consolidato. Per ogni punto α e β, è stata riportata la media dei valori votati ottenuti ai numeri di Mach pari a:.2,.3,.4,.5,.6,.7, Aerotecnica Missili e Spazio Vol. 87 3/28
8 25 val. nominali val. ricostruiti (senza avarie) val. ricostruiti (una avaria) val. ricostruiti (due avarie) 2 angolo di incidenza α [deg] angolo di derapata β [deg] Figura 7: Angoli di incidenza e derapata ricostruiti dalle reti in diversi condizioni di operatività delle sonde 6. CONCLUSIONI E stata verificata la possibilità di applicare le reti neurali alla ricostruzione degli angoli di incidenza e derapata, come metodologia di calcolo alternativa a quella classica basata su funzioni polinomiali di taratura. Sono state analizzate diverse architetture di reti neurali differenti tra loro per il numero di input e di output, tutte allenate e testate su di un database di riferimento proveniente da prove in galleria del vento realizzate su di un modello in scala del velivolo Alenia Aermacchi M346. Le varie architetture considerate hanno presentato un buon comportamento sia in assenza di avarie delle sonde multi-funzione che in condizioni di una o due avarie di pressione. I risultati conseguiti sia nell ambito di questo lavoro sia in quello riguardante l applicazione delle reti neurali alla stima del numero di Mach asintotico e della pressione statica [], aprono stimolanti prospettive. L approccio neurale infatti, paragonato a quello di tipo classico dei polinomi di taratura, consente di raggiungere una precisione maggiore nella ricostruzione dei parametri di volo, utilizzando un numero simile di parametri da memorizzare nei Flight Control Computer. Le funzioni polinomiali inoltre presentano difficoltà di taratura per ampi intervalli di angolo di incidenza. Infatti, per valori elevati di tale angolo (si consideri che i velivoli di elevate prestazioni raggiungono valori di α dell ordine di 45 deg.), le funzioni che legano le grandezze asintotiche alle misure locali di flusso hanno andamenti difficilmente approssimabili con singoli polinomi. Di conseguenza si ha la necessità di ricorrere a più funzioni polinomiali, aumentando i parametri da memorizzare e complicando notevolmente le logiche di gestione dell intero algoritmo di elaborazione dei dati aria. Con le reti neurali questo tipo di problematica può al massimo comportare un aumento del numero di neuroni, ma non ne stravolge la struttura, né comporta un aumento molto sensibile del numero dei parametri da memorizzare. Aerotecnica Missili e Spazio Vol. 87 3/28 45
9 BIBLIOGRAFIA [] Calia, A. e Schettini, F., Elaborazione dei dati aria mediante uso di reti neurali - Atti del XVIII Congresso Nazionale AIDAA, Volterra (PI), Italia, 25. [2] Cervia, F., Denti, E., Galatolo, R. e Schettini, F., Air Data Computation in Fly By Wire Flight Control Systems, Journal of Aircraft, Vol. 43, No. 2, 26, pp [3] Calia, A., Poggi, V. e Schettini, F., Air Data Failure Management in a Full-Authority Fly-By-Wire Control System, IEEE Joint Conference CCA, ISIC and CACSD, Munich, Germany, 26. [4] Cammarata, S., Reti neurali, dal perceptron alle reti caotiche e neuro-fuzzy Etaslibri, 997. [5] Thomas, J., Rohloff, Whitmore, S., A. e Catton, I., "Air Data Sensing from Surface Pressure Measurements Using a Neural Network Method" AIAA Journal, Vol. 36, No., 998, pp Aerotecnica Missili e Spazio Vol. 87 3/28
SVILUPPO DI UNA SONDA MULTI-PRESSIONE E DI ALGORITMI DI ELABORAZIONE PER LA RICOSTRUZIONE DEI PARAMETRI DI VOLO
82/08 XIX CONGRESSO NAZIONALE AIDAA 17-21 settembre 2007 FORLÌ (FC) SVILUPPO DI UNA SONDA MULTI-PRESSIONE E DI ALGORITMI DI ELABORAZIONE PER LA RICOSTRUZIONE DEI PARAMETRI DI VOLO A.CALIA, R.GALATOLO,
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
CARATTERIZZAZIONE DEL FLUSSO DELLA GALLERIA DEL VENTO DALLARA. G.V. Iungo, G. Lombardi
CARATTERIAIONE DEL FLSSO DELLA GALLERIA DEL VENTO DALLARA G.V. Iungo, G. Lombardi DDIA 2008-3 Marzo 2008 Indice Pagina 1 Misure d anemometro a filo caldo e di Pitot statico 2 1.1 Set-up 2 1.2 Analisi dei
Corso di Intelligenza Artificiale A.A. 2016/2017
Università degli Studi di Cagliari Corsi di Laurea Magistrale in Ing. Elettronica Corso di Intelligenza rtificiale.. 26/27 Esercizi sui metodi di apprendimento automatico. Si consideri la funzione ooleana
Introduzione alle Reti Neurali
Introduzione alle Reti Neurali Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famo2spaghi http://stegua.github.com Reti Neurali Terminator
TOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
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
Università della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
Derivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
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
Sistemi di regolazione, monitoraggio e controllo degli impianti di climatizzazione in edifici complessi e/o distretti energetici
Sistemi di regolazione, monitoraggio e controllo degli impianti di climatizzazione in edifici complessi e/o distretti energetici Le tecnologie tradizionalmente utilizzate per il condizionamento estivo
Note sull utilizzazione di componenti logici di tipo memoria
Architettura degli Elaboratori, a.a. 2005-06 Note sull utilizzazione di componenti logici di tipo memoria Queste note precisano e completano il contenuto nel Cap. III, sez. 7 delle Dispense, in particolare
Tecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 9 Alberi di decisione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr
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)
Preprocessamento di immagini per la classificazione in GRASS
Preprocessamento di immagini in GRASS Preprocessamento di immagini per la classificazione in GRASS Marco Ciolli 1, Clara Tattoni 2, Alfonso Vitti 1, Paolo Zatelli 1 1 Dipartimento di Ingegneria Civile,
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
Minimizzazione a più livelli di reti combinatorie Cristina Silvano
Minimizzazione a più livelli di reti combinatorie Cristina Silvano Università degli Studi di Milano Dipartimento di Scienze dell Informazione Milano (Italy) Sommario Modello booleano e modello algebrico
Indicazioni su come preparare la relazione su un esperienza di laboratorio
Indicazioni su come preparare la relazione su un esperienza di laboratorio Riportare all inizio: nome e cognome; numero di matricola; anno in cui si è seguito il corso; gruppo con cui si è realizzata l
IL NUOVO MODELLO PER LA PREVISIONE POLLINICA. Stefano Marchesi Direzione Tecnica Centro Tematico Regionale Ambiente Salute
IL NUOVO MODELLO PER LA PREVISIONE POLLINICA Stefano Marchesi Direzione Tecnica Centro Tematico Regionale Ambiente Salute La presenza del polline in atmosfera concentrazione pollinica [numero di granuli/mc
2. Costruire un M function file di Matlab che calcola il valore del
Esercizi. 1. Costruire un M function file di Matlab che calcola il valore del polinomio di Chebyshev di grado n in un vettore di punti, usando la formula di ricorrenza a tre termini. Costruire il grafico
Analisi sismica di un sistema lineare viscoso a più gradi di libertà con il metodo dello Spettro di Risposta
Analisi sismica di un sistema lineare viscoso a più gradi di libertà con il metodo dello Spettro di Risposta Prof. Adolfo Santini - Dinamica delle Strutture 1 Analisi sismica con lo spettro di risposta
8 - Dimensionamento del piano di coda
8 - Dimensionamento del piano di coda 8.1 Piano di coda orizzontale Si è scelto un piano di coda orizzontale di tipo stabilizzatore equilibratore, di profilo NACA 0012 con un rapporto di rastremazione
Alberi Decisionali Per l analisi del mancato rinnovo all abbonamento di una rivista
Alberi Decisionali Per l analisi del mancato rinnovo all abbonamento di una rivista Il problema L anticipazione del fenomeno degli abbandoni da parte dei propri clienti, rappresenta un elemento fondamentale
STIMA INCERTEZZA AMMONIO
Pagina 1 di 6 REVISIONE NUMERO DATA REDATTA DA DIR (firma) VERIFICATA DA RAQ (firma) APPROVATA DA AMM (firma) PARAGRAFO REVISIONATO NUMERO 00 07/.2/13 / / MOTIVO Pagina 2 di 6 INDICE DELLA PROCEDURA 1.
STATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
Esempi di applicazioni di reti neurali
Esempi di applicazioni di reti neurali Ogni problema di rete neurale segue la stessa procedura di base: (1) caricare il set di dati, (2) inizializzare la rete, (3) addestrare la rete (training), e (4)
COMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
Teorema di Thevenin generalizzato
Teorema di Thevenin generalizzato Si considerino due reti elettriche lineari, A e B, aventi rispettivamente N A e N B nodi interni. Esse si interfacciano attraverso n (n 3) fili di collegamento, in cui
Capitolo 1 Esercitazioni condotte in aula con Star-CCM+
Capitolo 1 Esercitazioni condotte in aula con Star-CCM+ 1.1 Mixing Pipe Nella prima esercitazione è stato trattato il caso di un miscelatore nel quale sono stati iniettati 2 fluidi considerati ideali a
Serie storiche Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Serie storiche Introduzione Per alcuni dataset, l attributo target è soggetto ad un evoluzione temporale e risulta associato ad istanti di tempo successivi. I modelli di analisi delle serie storiche si
Metodologie informatiche per la chimica
Metodologie informatiche per la chimica Dr. Sergio Brutti Metodologie di analisi dei dati Strumenti di misura Uno strumento di misura e un dispositivo destinato a essere utilizzato per eseguire una misura,
Simulazione. D.E.I.S. Università di Bologna DEISNet
Simulazione D.E.I.S. Università di Bologna DEISNet http://deisnet.deis.unibo.it/ Introduzione Per valutare le prestazioni di un sistema esistono due approcci sostanzialmente differenti Analisi si basa
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
L ANEMOMETRO. Principio di funzionamento
L ANEMOMETRO Principio di funzionamento È uno dei più importanti strumenti di volo e ricevere informazioni sia sulla pressione statica che quella d impatto. Tali pressioni vengono fornite dal tubo di Pitot.
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011
Esame di Calcolo Numerico per Informatica A.A. 2010/11 Proff. S. De Marchi e M. R. Russo 20 giugno 2011 L esame consiste di 4 domande aperte e 10 esercizi a risposta multipla. Per gli esercizi ci sono
Otacon22 HgComo. Reti neurali artificiali
Otacon22 HgComo Reti neurali artificiali Chi sono? Daniele Iamartino ( aka Otacon22 ) Membro del team HgComo Studente/sperimentatore Futura matricola del PoliMi, ex liceale con tesina sulle reti neurali!
Esercizio 1. Esercizio 2
Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)
Simulazione numerica delle prove di rimorchio in acqua calma di un peschereccio. Daniele Peri, E.F. Campana
ÁÆ Ë Æ Simulazione numerica delle prove di rimorchio in acqua calma di un peschereccio Daniele Peri, E.F. Campana Committente: Intermarine SpA Loc. Cà del Sale PO Box 185 19038 SARZANA (SP) Roma, Gennaio
2. Si Discretizzano i carichi in CARICHI CONCENTRATI in modo da riprodurre gli andamenti delle azioni interne. Si opera in pi passi: 2a.
1 Prove Statiche Permettono la verifica del comportamento elastico struttura allo scopo di validare il modello numerico Le prove prevedono: 1. Struttura completa (full-scale) Sottostruttura (Es. solo centina,
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
dove f = 0,997 è un fattore correttivo che dipende dall allungamento e dal rapporto di rastremazione
ALA TRIDIMENSIONALE Procediamo con la determinazione delle caratteristiche aerodinamiche dell ala tridimensionale seguendo il testo del Picardi. Il primo passo è il calcolo della pendenza della curva C
Corso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Risoluzione di Equazioni Algebriche Le equazioni
4. Esercitazione 4: Dimensionamento del primo stadio di un compressore assiale
4. Esercitazione 4: Dimensionamento del primo stadio di un compressore assiale Lo scopo della presente esercitazione è il dimensionamento del primo stadio di un compressore assiale. Con riferimento alla
ITIS A. Volta Flavia Lollis pag. 1
Il Function Point è una delle metriche più antiche e tuttora diffuse nell ambito della valutazione di progetti software. Ciò che lo rende insostituibile e superiore ad altri metodi può essere riassunto
IL MODELLO FLaIR. Descrizione sintetica del modello
IL MODELLO FLaIR Descrizione sintetica del modello Il modello idrologico FLaIR (Forecasting of Landslides Induced by Rainfalls), proposto da Sirangelo e Versace nel 992, costituisce uno strumento di interpretazione
ANTITRASFORMATA DI LAPLACE MODI DI UN SISTEMA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANTITRASFORMATA DI LAPLACE MODI DI UN SISTEMA Ing. Federica Grossi Tel.
Introduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
Elementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm CRITERIO DI ROUTH-HURWITZ
Teoria dei giochi. migliorare il proprio obiettivo il sistema ha raggiunto l equilibrio.
iii migliorare il proprio obiettivo il sistema ha raggiunto l equilibrio. Per introdurre la nozione di equilibrio di Nash consideriamo due giocatori. Siano f A (x, y) :AxB = R e f B (x, y) :AxB = R entrambe
Approssimazione di dati e funzioni
Approssimazione di dati e funzioni Richiamiamo i principali metodi di approssimazione polinomiale di un insieme di dati (x i, y i ), i = 0,..., n. Le ordinate y i possono essere i valori assunti nei nodi
Modelli di recupero. Modello di recupero booleano
Modelli di recupero L obiettivo è recuperare i documenti che sono verosimilmente rilevanti all interrogazione. Vi sono vari modelli di recupero, che possono essere suddivisi in due grandi famiglie: exact
AUTOMA A STATI FINITI
Gli Automi Un Automa è un dispositivo, o un suo modello in forma di macchina sequenziale, creato per eseguire un particolare compito, che può trovarsi in diverse configurazioni più o meno complesse caratterizzate
Modelli matematici e Data Mining
Modelli matematici e Data Mining Introduzione I modelli matematici giocano un ruolo critico negli ambienti di business intelligence e sistemi di supporto alle decisioni. Essi rappresentano un astrazione
Equazioni, funzioni e algoritmi: il metodo delle secanti
Equazioni, funzioni e algoritmi: il metodo delle secanti Christian Ferrari 1 Introduzione La risoluzione di equazioni in R ci ha mostrato che solo per le equazioni polinomiali di primo e secondo grado,
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai
Questi appunti costituiscono soltanto una traccia sintetica del Corso di Laboratorio di Fisica, a prescindere dalle opportune spiegazioni e dai necessari chiarimenti forniti a lezione. 1 MISURA DI UNA
Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.
Strumenti di controllo costi-qualità Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni. Controllo costi Le difficoltà di un accurato e affidabile
INVILUPPO DI VOLO VELOCITÀ MASSIMA IN VOLO ORIZZONTALE RETTILINEO UNIFORME
INILUPPO DI OLO Una volta diagrammate le curve delle potenze disponibili e necessarie, dobbiamo ora usarle per determinare le prestazioni fondamentali del velivolo: tali prestazioni andranno a generare
Programma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a. 2005-06 Prof. B.Paternoster
Programma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a. 2005-06 Prof. B.Paternoster Richiami di analisi degli errori. Rappresentazione dei numeri in un calcolatore. Operazioni di macchina.
RETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni
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 confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
ESPERIENZA DI LABORATORIO N 1. 1) Misura diretta mediante tester della resistenza elettrica dei resistori R1, R2, R3 e calcolo degli errori di misura.
ESPERIENZA DI LABORATORIO N. ) Misura diretta mediante tester della resistenza elettrica dei resistori R, R, R3 e calcolo degli errori di misura. Dalla misurazione diretta delle singole resistenze abbiamo
CONTROLLI AUTOMATICI Ingegneria Gestionale ANALISI ARMONICA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Ing. Federica Grossi Tel. 059 2056333 e-mail: federica.grossi@unimore.it
STUDIO DI UN SISTEMA DI TRAZIONE INTEGRALE PER UN VEICOLO MOBILE
Università del Salento Facoltà di Ingegneria Corso di Laurea Magistrale in Ingegneria Meccanica Tesi di Laurea in Meccanica del Veicolo STUDIO DI UN SISTEMA DI TRAZIONE INTEGRALE PER UN VEICOLO MOBILE
Reti nel dominio del tempo. Lezione 7 1
Reti nel dominio del tempo Lezione 7 1 Poli (o frequenze naturali) di una rete Lezione 7 2 Definizione 1/2 Il comportamento qualitativo di una rete dinamica dipende dalle sue frequenze naturali o poli
Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014
Calcolo Numerico (A.A. 2014-2015) Lab n. 12 Approssimazione 17-12-2014 1 Approssimazione di dati e funzioni Problema Data la tabella {x i, y i }, i = 0,..., n, si vuole trovare una funzione analitica ϕ
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
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
Laboratorio di Fisica-Chimica
Laboratorio di Fisica-Chimica Lezione n.1. Che cos'è la Fisica? La Fisica è una scienza che si occupa dello studio dei fenomeni che avvengono in natura. Questo studio viene compiuto tramite la definizione
Università degi studi di Bergamo Dipartimento di Ingegneria e Scienze Applicate
Università degi studi di Bergamo Dipartimento di Ingegneria e Scienze Applicate Progettazione Funzionale di Sistemi Meccanici e Meccatronici 2015-2016 Prof. Paolo Righettini Progetto camma a Bilanciere
Gestione delle scorte - modello stocastico -
Gestione delle scorte - modello stocastico - Prof. Riccardo Melloni riccardo.melloni@unimore.it Università di Modena and Reggio Emilia Dipartimento di Ingegneria Enzo Ferrari via Vignolese 905, 41100,
Complementi di Matematica e Calcolo Numerico A.A Laboratorio 4 - Polinomi e Interpolazione polinomiale
Complementi di Matematica e Calcolo Numerico A.A. 2013-2014 Laboratorio 4 - Polinomi e Interpolazione polinomiale Polinomi e vettori Matlab non prevede un oggetto particolare di tipo polinomio, ma rappresenta
IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
RENDITE. Ricerca del tasso di una rendita
RENDITE Ricerca del tasso di una rendita Un problema che si presenta spesso nelle applicazioni è quello di calcolare il tasso di interesse associato a una rendita quando siano note le altre grandezze 1
PONTI TERMICI: PROBLEMATICHE PRESTAZIONALI E COSTRUTTIVE DEL NODO PARETE-SERRAMENTO
PONTI TERMICI: PROBLEMATICHE PRESTAZIONALI E COSTRUTTIVE DEL NODO PARETE-SERRAMENTO studente: ALESSANDRO BARONIO matricola n 703032 relatore: Prof. Ing. E. De Angelis AA 0809 POLITECNICO DI MILANO VI FACOLTA
Esercitazione 14 Aprile 2016 (Viki Nellas)
Esercitazione Aprile 06 (Viki Nellas) Esercizio Considerate un impresa che utilizzi una tecnologia descritta dalla seguente funzione, ; i prezzi dei fattori lavoro e capitale sono pari rispettivamente
Appunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
Coperture di grande luce a paraboloide iperbolico: studio parametrico della risposta aerodinamica
Coperture di grande luce a paraboloide iperbolico: studio parametrico della risposta aerodinamica F. Rizzo a a Dipartimento di Ingegneria, Università degli Studi G. D Annunzio, Chieti-Pescara La concezione
ANALISI ARMONICA. G(s) Analisi armonica. Funzione di risposta armonica
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANALISI ARMONICA Analisi
Sintesi Sequenziale Sincrona Sintesi Comportamentale di reti Sequenziali Sincrone
Sintesi Sequenziale Sincrona Sintesi Comportamentale di reti Sequenziali Sincrone Il problema dell assegnamento degli stati versione del 9/1/03 Sintesi: Assegnamento degli stati La riduzione del numero
Corso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di 3 - PROBLEMI DI INTERPOLAZIONE Lucio Demeio Dipartimento di Scienze Matematiche 1 Interpolazione: Polinomio di Lagrange 2 3 Introduzione Problemi di interpolazione
STATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
Problemi, algoritmi, calcolatore
Problemi, algoritmi, calcolatore Informatica e Programmazione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Problemi, algoritmi, calcolatori Introduzione
simulazioni fluidodinamiche di scambiatori a pacco alettato
u efficienza energetica u simulazioni fluidodinamiche di scambiatori a pacco alettato Matteo Totaro, Luca Cogo Ufficio tecnico Aermec, Bevilacqua (VR) Gli scambiatori a pacco alettato rivestono un ruolo
GLI ERRORI. Problema. valutare l'accuratezza del risultato di un calcolo e quindi l'affidabilità del risultato stesso. Prof.
GLI ERRORI Prof. Almerico Murli a.a. 2002-2003 1 Problema valutare l'accuratezza del risultato di un calcolo e quindi l'affidabilità del risultato stesso 2 Esempio Si vuole approssimare x = 10.1294 con
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
COLLEGIO DEI PERITI AGRARI E DEI PERITI AGRARI LAUREATI DELLA PROVINCIA DI SALERNO
Prot. n 65 Salerno, lì 20 Gennaio 2014 A tutti gli iscritti all Albo e nell Elenco Speciale LORO SEDI OGGETTO: Circolare n 13/2014. Libera Professione. Direzione Lavori: Cronoprogramma e Controllo dei
Nota metodologica. Censimento k=1,..4 Licenza media. Laurea o titolo di. Variabile Livello di istruzione. Licenza media. Nessun titolo o licenza
DISEGUAGLIANZE NELLA SPERANZA DI VITA PER LIVELLO DI ISTRUZIONE. ANNO 2012 1 Nota metodologica La stima della speranza di vita per livello di istruzione è stata ottenuta attraverso l integrazione tra l
RETI CORRETTRICI. Regolatori standard Alcune strutture standard di regolatori reti correttrici anticipo o ritardo 1 polo ed uno zero reali
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm RETI CORRETTRICI Ing. Luigi
Simulazione dei dati
Simulazione dei dati Scopo della simulazione Fasi della simulazione Generazione di numeri casuali Esempi Simulazione con Montecarlo 0 Scopo della simulazione Le distribuzioni di riferimento usate per determinare
Relazione di fisica ESPERIMENTO N 1
ISTITUTO SUPERIORE "B. RUSSELL" DI ROMA Relazione di fisica ESPERIMENTO N 1 1.TITOLO Misurazione indiretta della massa di un cilindretto metallico mediante i metodi della tara di J.C. Borda e della doppia
obbligatorio - n. iscrizione sulla lista
02.09.2015 - appello di STATISTICA per studenti ENE - docente: E. Piazza obbligatorio - n. iscrizione sulla lista il presente elaborato si compone di 5 (cinque) pagine se non ve lo ricordate siete fritti;
UNIVERSITÀ DEGLI STUDI DI BERGAMO - Facoltà di Ingegneria CORSO SISTEMI DI CONTROLLO DI GESTIONE Ingegneria Informatica Prof. Sergio Mascheretti
ESAME DEL 12-07-11 DOMANDA 1 Definire ed illustrare graficamente il concetto di Break Even Point ESERCIZIO 1 Il direttore generale della società Salumificio Rossi srl, leader nel mercato europeo degli
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
Tecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
Strumenti di Misura. Strumento di Misura
Strumenti di Misura Le misure in fisica si ottengono attraverso gli strumenti di misura, dispositivi che possono essere sia molto semplici (come un righello) sia molto complessi come i rivelatori attualmente
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
Reti sequenziali asincrone
Reti sequenziali asincrone Esercizio Una rete sequenziale asincrona è caratterizzata da due segnali di ingresso (E, X) e da un segnale di uscita (Z). I segnali di ingresso non variano mai contemporaneamente,
CAPITOLO 1: INTRODUZIONE
CAPITOLO 1: INTRODUZIONE I componenti di natura elettrica o elettronica sono presenti in molti dispositivi di uso quotidiano. Pensiamo ai controlli elettronici presenti in un'automobile. Essi aiutano il