Curriculum Vitae et Studiorum

Curriculum Vitae et Studiorum di Domenico Rosaci 22 aprile 2010 Recapiti casa Via S. Giorgio Extra, 4B, 89133 Reggio Calabria (RC) tel. 096552931 ufficio Dipartimento DIMET, Via Graziella, Feo di Vito, 89122 Reggio Calabria(RC) tel. 0965875313 e-mail: domenico.rosaci@unirc.it sito Web www.domenicorosaci.it Questo curriculum è strutturato come segue: la Sezione 1 elenca le posizioni in ambito accademico da me ricoperte e fornisce una descrizione del mio iter formativo; la Sezione 2 descrive le mie attività di ricerca; La sezione 3 descrive le altre mie attivitá scientifiche, mentre la sezione 4 é dedicata alla mie attivitá di tipo organizzativo. Nella Sezione 5 vengono brevemente presentati i progetti di ricerca in cui sono stato coinvolto; la Sezione 6 descrive le attività didattiche che ho svolto sia all interno che all esterno delle strutture universitarie; al termine, viene riportato l elenco dei miei lavori scientifici. 1

Indice 1 Posizioni ricoperte e attività di studio 3 1.1 Posizione attuale................................................ 3 1.2 Altre posizioni ricoperte............................................ 3 1.3 Formazione Pre-universitaria......................................... 3 1.4 Formazione Universitaria........................................... 3 1.5 Attività di Formazione successiva alla Laurea................................ 3 1.6 Borse di Studio................................................. 3 1.7 Soggiorni all Estero............................................... 4 2 Attività di ricerca 4 2.1 Agenti Autonomi e Sistemi Multi Agente.................................. 4 2.1.1 Costruzione di Ontologie in Sistemi Multi-Agente.......................... 4 2.1.2 Cooperazione tra agenti in Sistemi Multi-Agente.......................... 5 2.1.3 Modelli concettuali per la Rappresentazione di Agenti....................... 5 2.1.4 Recommender Systems basati su sistemi multi-agente....................... 6 2.2 Derivazione di proprietà semantiche da sorgenti informative aventi formati eterogenei.......... 6 2.2.1 Estrazione di proprietà terminologiche................................ 7 2.2.2 Estrazione di proprietà di similarità tra sotto-sorgenti....................... 7 2.3 Interoperabilità tra sorgenti informative aventi formati eterogenei..................... 7 2.4 Data Warehouse e Tecniche di Compressione dei Dati........................... 8 2.5 Reti Neurali Artificiali............................................. 9 3 Altre attività scientifiche 10 3.1 Attività di Revisione.............................................. 10 3.2 Attività di organizzazione........................................... 10 4 Attività organizzative 11 5 Progetti di ricerca 11 6 Attività didattiche 12 6.1 Attività Didattica svolta presso la Facoltá di Ingegneria dell Università di Reggio Calabria...... 12 6.1.1 Corsi Universitari............................................ 12 6.1.2 Tesi di Laurea e tirocini........................................ 13 6.1.3 Altre attivitá.............................................. 13 Elenco delle pubblicazioni 14 2

1 Posizioni ricoperte e attività di studio 1.1 Posizione attuale Dal novembre 2002, Ricercatore nel Settore Scientifico-Disciplinare ING-INF/05 (Sistemi di Elaborazione dell Informazione) presso la Facoltá di Ingegneria dell Universitá degli Studi di Reggio Calabria. Confermato nel ruolo di Ricercatore nel novembre 2005. 1.2 Altre posizioni ricoperte Dal novembre 1999 al novembre 2001, Assegnista di Ricerca nel settore K05A, Sistemi di Elaborazione dell Informazione, presso il dipartimento DIMET dell Università di Reggio Calabria. Dal 1999 al 2002, Cultore della Materia per gli insegnamenti afferenti all Area Informatica nell ambito dei Corsi di Laurea in Ingegneria Elettronica, Ingegneria delle Telecomunicazioni ed Ingegneria Civile, ed in tale veste inserito in varie commissioni d esame per i corsi di Fondamenti di Informatica I, Fondamenti di Informatica II, Calcolatori Elettronici, Laboratorio di Informatica e Abilitá Informatica. 1.3 Formazione Pre-universitaria Nell anno 1988, conseguimento del diploma di Maturità Scientifica presso il Liceo Scientifico Leonardo Da Vinci di Reggio Calabria con voti 60/60. 1.4 Formazione Universitaria Il 9 febbraio 1994 conseguimento, presso l Università degli Studi di Reggio Calabria la laurea in Ingegneria Civile con votazione di 110/110 e lode. La tesi di laurea [74], propone una tecnica di addestramento per Reti Neurali Artificiali finalizzata alla simulazione di relazioni stocastiche inerenti fenomeni trasportistici in area urbana. 1.5 Attività di Formazione successiva alla Laurea Nel 1999, comseguimento del titolo di Dottore di Ricerca in Ingegneria Elettronica. Dal 1996 al 1999, nell ambito del dottorato, partecipazione a diverse scuole di dottorato, tra le quali, nel 1996 e nel 1997, la scuola estiva del Gruppo Italiano di Ingegneria Informatica (GII), nel 1997 la Scuola Nazionale per i dottorandi in Elettronica ed Elettrotecnica, e nel 1999, la Scuola Internazionale in Information Extraction. 1.6 Borse di Studio Nel 1988, vincitore di una Borsa di Studio indetta dalla Banca del Sud per particolari meriti acquisiti durante il conseguimento del diploma di maturitá. Nel 1995, vincitore di una Borsa di Studio triennale dell Universitá di Reggio Calabria per il Dottorato di Ricerca in Ingegneria Elettronica, da fruirsi presso il Dipartimento DIMET dell Universitá di Reggio Calabria. Nel 1999, vincitore di una Borsa di Studio indetta dalla Scuola Internazionale di Information Extraction. 3

1.7 Soggiorni all Estero Dall 1 febbraio 1997 fino al 30 giugno 1997, visiting researcher presso l Ecole Politechnique Federale (EPFL) di Losanna, presso il gruppo di Circuiti e Sistemi diretto dal Prof. Martin Hasler, per studiare le possibilitá di applicazione di tecniche basate su Reti Neurali Artificiali a problematiche di Data Mining quali la Classificazione ed il Clustering. 2 Attività di ricerca La mia attività scientifica si inquadra nel contesto dell Intelligenza Artificiale Distribuita, delle Basi di Dati e dei Sistemi Informativi. Le attività di ricerca finora svolte possono essere raggruppate nei seguenti filoni principali: Agenti Autonomi e Sistemi Multi Agente Derivazione di proprietá semantiche da sorgenti informative aventi formati eterogenei Interoperabilità tra sorgenti informative aventi formati eterogenei Data Warehouse e Tecniche di Compressione dei Dati Reti Neurali Artificiali 2.1 Agenti Autonomi e Sistemi Multi Agente Nell ambito di tale linea di ricerca sono individuabili i seguenti filoni: Costruzione di Ontologie in Sistemi Multi-Agente Cooperazione tra agenti in Sistemi Multi-Agente Modelli Concettuali per la Rappresentazione di Agenti Recommender Systems basati su sistemi multi-agente. 2.1.1 Costruzione di Ontologie in Sistemi Multi-Agente Questa linea di ricerca investiga l importante problema della costruzione automatica dell ontologia personale di un agente. Al fine di assicurare una effettiva autonomia dell agente, é fondamentale che l agente stesso possa costruirsi una rappresentazione interna della conoscenza che possiede: tale conoscenza, oltre ad includere i contenuti informativi di interesse (gusti, preferenze, ecc.) deve rappresentare anche relazioni logiche ed implicazioni causali. Quest ultima necessitá rende particolarmente difficile la definizione di algoritmi efficienti per la costruzione automatica dell ontologia. In [8] viene proposto un sistema multi agente, denominato CILIOS, appositamente disegnato per supportare la costruzione automatica dell ontologia di ogni agente in un sistema multi agente. Tale sistema é principalmente basato sull utilizzo di una procedura di induzione delle implicazioni causali mediante reti neurali artificiali logiche, che sfrutta un meccanismo di traduzione della rete neurale logica in un programma logico nell ambito dell Extended Logic Programming. In [1] is presented an approach to improve interoperability between agents by using automatic enrichment of multi-categories ontology. 4

2.1.2 Cooperazione tra agenti in Sistemi Multi-Agente Negli ultimi anni, grande attenzione é stata data, nel campo dei sistemi multi-agente, al problema di individuare convenienti forme di cooperazione tra gli agenti, al fine di migliorare le prestazioni dei sistemi in termini di qualitá ed efficienza. In questo ambito, nel lavoro [46] viene definito un modello di cooperazione di un sistema di agenti multipli basato sulla determinazione di proprietà semantiche mediante algoritmi di tipo adattativo. In particolare, attraverso la risoluzione di un sistema lineare, che contiene alcuni parametri adattativi, viene definita una tecnica attraverso la quale ogni agente puó individuare l insieme di altri agenti con i quali la cooperazione appare promettente. Ció è fatto in base a proprietà che misurano similarità tra agenti e attrattività di un agente rispetto alla comunità. La cooperazione è ottenuta sulla base dell integrazione tra le ontologie degli agenti. In seguito al positivo riscontro avuto dal lavoro, é pervenuto l invito a pubblicarne una versione estesa per la rivista Cognitive Systems Research Journal, pubblicata da Elsevier. Tale versione estesa é contenuta in [18]. Altri lavori attinenti a tale tematica sono [64, 56]. Una descrizione di un sistema multi-agente che implementa il modello SPY é descritta in [22]. Recentemente, ho iniziato a sviluppare un protocollo, denominato HISENE, orientato alla cooperazione tra agenti JADE, denominato HISENE [32], che consente a tale tipo di agenti di negoziare la semantica dei termini contenuti nei messaggi interscambiati. Una applicazione di tale modello viene presentata in [59]. Inoltre, un ulteriore studio sulla possibilitá di ottenere un corretto feedback dell utente successivamente all attivitá di negoziazione ha portato ad un estensione del protocollo HISENE, denominata HISENE2 [31]. 2.1.3 Modelli concettuali per la Rappresentazione di Agenti Nel lavoro [35] é proposto un modello di ontologia di agenti per il supporto di attivitá di B2C E-Commerce. Tale modello consente di rappresentare in modo omogeneo tutte le fasi di cui si compone una generica attivitá di commercio elettronico in cui sia impegnato un cliente o un venditore, tenendo conto sia degli interessi e delle preferenze del cliente e delle categorie di prodotti trattate dal venditore, sia del comportamento di clienti e venditori nel condurre le transazioni. Il profilo utente definito in [43] è capace di rappresentare il punto di vista dell utente relativamente alle sorgenti informative che questi ha utilizzato. Quello descritto finora è, però, un profilo statico in quanto indica quali sono i concetti che l utente ha utilizzato e come tali concetti sono correlati tra loro; tuttavia non è in grado di modellare il comportamento che l utente ha avuto nell accedere ai concetti di interesse. Una versione estesa di tale lavoro é contenuta in [20]. Al fine di rappresentare e utilizzare tanto le informazioni di natura statica quanto quelle comportamentali, in [42,?] viene presentato un nuovo modello concettuale, denominato B-SDR-Network, che può essere visto come una SDR-Network arricchita da una serie di misure capaci di tenere conto del comportamento dell utente. Tale modello concettuale viene poi utilizzato per definire un modello di agente autonomo capace di costruire un profilo utente completo a partire dalle sorgenti informative cui egli ha acceduto e di utilizzare tale profilo in una serie di contesti applicativi tra i quali appare di estrema importanza il supporto dell utente nella ricerca di sorgenti informative di suo interesse. Un modello di agente software in grado di aiutare l utente nell espletare vari task sul Web, basato sull utilizzo di ontologie XML, é presentato in [11, 61, 38]. Un sistema multi-agente capace di gestire l adattivit della presentazione di pagine Web rispetto alle preferenze dell utente e al tipo di device utilizzata descritto in [36]. Recentemente, ho inziato a lavorare allo sviluppo di un formalismo, nell ambito dell Answer Sets Programming, per la rappresentazione del comportamento degli agenti in situazioni di informazione incompleta [33, 58]. 5

2.1.4 Recommender Systems basati su sistemi multi-agente Negli ultimi anni, i cosiddetti Recommender Systems, ovvero i sistemi a supporto delle attivitá degli utenti sul Web, hanno spesso utilizzato tecnologie basate su agenti software. Queste ultime consentono infatti di impiegare linguaggi e protocolli standard di comunicazione, e di sfruttare piattaforme idonee all implementazione di comunitá virtuali su Internet. In quest ambito, ho preliminarmente indagato la possibilitá di sfruttare agenti software nell ambito del supporto alle attivitá di e-commerce. Ad esempio, nel lavoro [34] viene presentata una nuova tecnica di clustering a due livelli per ontologie d agente. La tecnica propone di sfruttare due diverse misure di similaritá inter-ontologia per individuare agenti simili ad un primo livello rispetto ai contenuti, ad un secondo livello rispetto al comportamento. Nei lavori [39, 16], é descritta una tecnica basata sul modello di agente B-SDR che permette di fornire a utenti di siti E-Commerce un supporto per gli acquisti on line. Nell articolo [60] é invece presentata una completa architettura multi agente per il supporto delle attivitá di e-commerce. Nel lavoro [40], é invece sviluppata una tecnica per estrarre dei cluster di agenti che presentano similaritá sia strutturale che comportamentale, all interno di una comunitá di agenti B-SDR. Sono inoltre tracciate le linee guida per applicare la tecnica proposta a due problematiche di attuale interesse quali la costruzione di portali Web personalizzati e l estrazione di regole associative relative agli acquisti on-line. Nel lavoro [62], viene proposta un applicazione del modello di agente B-SDR per la guida alla navigazione dell utente sul Web. Nel lavoro [7] viene proposto il sistema multi agente EC-XAMAS, di tipo adattativo, per il supporto di attivitá di E-Commerce. Nel sistema [24] viene presentato un sistema ad agenti a supporto dell e-commerce, che genera raccomandazioni ad alta qualitá per gli utenti, sulla scorta di un profilo utente che tiene conto dei vari stadi dell attivitá di e-commerce. Piú recentemente, sempre nel contesto dei sistemi multi-agente, ho indagato la problematica dell utilizzo di diversi dispositivi di navigazione per l utente. L importanza di tenere in giusta considerazione la device sulla quale un agente software viene eseguito (PC, palmtop, cellulare) é stata particolarmente studiata nel lavoro [9], nel quale viene proposto un sistema multi-agente, denominato MASHA, in grado di fornire raccomandazioni al visitatore di siti Web sulla base di un algoritmo di collaborazione tra gli agenti del sistema che tiene in conto la device utilizzata. Una evoluzione efficiente di tale sistema, denominata MUADDIB, é descritta nel lavoro [2] (una versione preliminare e ridotta di tale lavoro é descritta in[28]). MUADDIB sfrutta un algoritmo di generazione delle raccomandazioni che tiene in considerazione le preferenze dell utente sui singoli dispositivi utilizzati. Come esempio di applicazioni reali delle architetture MASHA e MUADDIB sono stati proposti due recommender systems di supporto all e-learning, denominati MASHA-EL [29] ed ISABEL[30], rispettivamente. 2.2 Derivazione di proprietà semantiche da sorgenti informative aventi formati eterogenei La progettazione di sistemi informativi di grandi dimensioni che integrino sorgenti informative con formati e gradi di strutturazione diversi è oggigiorno di grande interesse (si considerino, ad esempio, l accesso alle informazioni su Web oppure la costruzione e la gestione delle reti informative delle Pubbliche Amministrazioni Centrali). Questo compito e reso particolarmente complesso dal numero e dalla dimensione rilevante delle sorgenti informative tipicamente coinvolte. Riveste, pertanto, grande importanza la realizzazione di strumenti di supporto all attività dei progettisti dei sistemi integrati. Tali strumenti devono essere in grado di aiutare 6

il progettista nell esame delle proprietà semantiche che legano concetti appartenenti alle diverse sorgenti informative in considerazione. In questo quadro, mi sono occupato della derivazione di proprietà inter-sorgente, ovvero di proprietà terminologiche e strutturali che sussistono tra concetti appartenenti ad un insieme di sorgenti informative aventi diversa natura. Le proprietà inter-sorgente possono essere classificate in tre gruppi: proprietà terminologiche, proprietà strutturali, similarità tra sotto-sorgenti. Il mio lavoro di ricerca ha approfondito tematiche inerenti al primo ed al terzo di tali gruppi. 2.2.1 Estrazione di proprietà terminologiche In [63] vengono fornite le regole di traduzione da modello E/R ad un nuovo modello concettuale denominato SDR-Network, che consente di estrarre e rappresentare la semantica intra- ed inter-sorgente, e si mostra come la metodologia di estrazione di sinonimie ed omonimie basata sulla SDR-Network possa essere utilizzata per derivare queste proprietà tra concetti appartenenti a sorgenti informative con formati differenti. La sistematizzazione di tale idea viene portata a termine in [14] dove la SDR-Network viene presentata come un modello concettuale capace di sussumere gran parte dei modelli concettuali utilizzati attualmente per rappresentare sorgenti informative. In tale lavoro vengono inoltre analizzate numerose applicazioni per le quali la conoscenza di sinonimie ed omonimie esistenti tra concetti relativi a sorgenti informative con formato differente può essere utilmente sfruttata. Infine, nello stesso lavoro, viene effettuata un approfondita analisi volta a confrontare la SDR-Network con gli altri modelli concettuali proposti in letteratura per rappresentare e gestire sorgenti informative di diversa natura. 2.2.2 Estrazione di proprietà di similarità tra sotto-sorgenti La definizione di una tecnica di estrazione di similarità tra sotto-sorgenti, che possa essere applicata a sorgenti informative con formati eterogenei, viene descritta in [44]. Tale tecnica fa uso della SDR-Network per poter gestire sorgenti con formati differenti. Un approfondimento di tale tecnica, insieme ad uno studio sui benefici che, in svariati contesti applicativi, è possibile trarre dalla conoscenza delle proprietà di similarità tra sotto-sorgenti, viene proposto in [19]. 2.3 Interoperabilità tra sorgenti informative aventi formati eterogenei Contestualmente allo sviluppo delle tecniche di derivazione di proprietà inter-sorgente sopra esposte, mi sono interessato alla definizione di approcci volti a gestire l interoperabilità tra sorgenti informative eterogenee. Ho inoltre lavorato allo sviluppo di una metodologia che, utilizzando le proprietà inter-sorgente, consente l interoperabilità tra sorgenti informative con formati e gradi di strutturazione differenti. Un approccio volto a realizzare il passo più importante di tale metodologia, ovvero la costruzione di una rappresentazione integrata ed uniforme delle sorgenti informative coinvolte, viene illustrata in [45]. In questo lavoro viene evidenziato il ruolo rilevante che le proprietà inter-sorgente hanno nella costruzione di tale rappresentazione. Una sistematizzazione di tale approccio, corredata da un analisi dettagliata volta a collocarlo nell ambito della letteratura, viene proposta in [15]. In questo lavoro viene, inoltre, presentato un prototipo che è stato progettato e realizzato per implementare l approccio proposto. Infine, in [41, 17], viene presentata una tecnica volta all astrazione di sorgenti informative di diversa natura. In tale lavoro viene illustrata l enorme importanza che tale attività può avere nell ambito delle 7

applicazioni Web allorquando il numero di sorgenti informative che si vogliono esaminare e far interagire è notevole. Il lavoro illustra anche come l attività di astrazione abbia un ruolo fondamentale nella costruzione di un repository intensionale dei dati volto a rappresentare, a vari livelli di dettaglio, le informazioni contenute nelle varie sorgenti informative in esame. 2.4 Data Warehouse e Tecniche di Compressione dei Dati I Data Warehouse possono essere pensati come dei magazzini contenenti grandi quantità di dati appartenenti al sistema informativo di un organizzazione, dati ai quali lo staff direttivo deve poter accedere rapidamente per svolgere attività di analisi e trovare supporto alle decisioni strategiche. Si comprende quindi come lo sviluppo dei Data Warehouse abbia comportato la nascita di modelli e tecnologie che si differenziano da quelle delle comuni basi di dati, non adatte a supportare la tipologia di applicazioni sopra descritta. Uno dei modelli per la rappresentazione dei dati largamente usato nei Data Warehouse è il datacube. Un datacube è, in sostanza, una matrice multidimensionale (implementata efficientemente) che consente la memorizzazione di una relazione multidimensionale con più attributi funzionali e alcuni attributi di misura. Uno dei problemi che ostacola lo sviluppo di applicazioni efficienti che operano sui datacube è la loro dimensione: un data warehouse contiene normalmente quantità di dati dell ordine delle decine Gbyte, raggiungendo in alcuni casi il livello dei TeraByte. In questo contesto, quindi, le tecniche che consentono di valutare efficientemente query su datacube sono di grande interesse. Partendo da alcuni risultati preliminari ottenuti conducendo una ricerca nell ambito della ottimizzazione di query relazionali riportati nei lavori [47, 66] è stata definita una tecnica per la valutazione veloce di range query su datacube. Le range query rappresentano una tipologia di query di largo uso nel contesto delle applicazioni OLAP. La tecnica proposta si basa sulla compressione dei datacube, che vengono suddivisi in blocchi ognuno dei quali viene sostituito da alcune informazioni aggregate. Le query vengono così sottoposte sui datacube compressi invece che su quelli originali, ottenendo in tal modo risposte rapide anche se approssimate. Nel lavoro viene svolta un attenta analisi dell accuratezza del metodo e una comparazione sperimentale con altre tecniche di compressione di datacube recentemente proposte in letteratura. I lavori [37] e [66] si inseriscono nel contesto della compressione dei dati e delle applicazioni OLAP proponendo una nuova tipologia di istogrammi che consente una più accurata valutazione delle range query rispetto agli istogrammi tradizionali (a parità di fattore di compressione). Gli istogrammi consistono in una rappresentazione sintetica e approssimata di una distribuzione di dati, ottenuta dividendo il dominio dell attributo in bucket e assegnando ad ogni bucket un insieme ridotto di informazioni aggregate. Nel lavoro [37], che completa alcuni risultati preliminari ottenuti in [65], viene definita una tipologia di istogrammi, denominata 4LT, in cui ogni bucket contiene, oltre che le usuali informazioni aggregate, una informazione aggiuntiva di limitata dimensione (32 bit), che codifica in maniera gerarchica la distribuzione dei dati all interno del bucket. Il lavoro presenta una approfondita analisi sperimentale comparativa con gli istogrammi recentemente proposti (inclusi gli istogrammi basati sulle wavelet) che evidenzia l efficacia della tecnica proposta. Un estensione del suddetto lavoro, che contiene un ulteriore analisi sperimentale finalizzata a fornire una piú approfondita valutazione della tecnica 4LT, é riportata nel lavoro [4]. 8

2.5 Reti Neurali Artificiali Il termine Rete Neurale trae il suo originale riferimento dai sistemi biologici formati da neuroni interconnessi. Tali sistemi sono di enorme interesse in biologia, perché caratterizzati da particolari capacitá nei confronti dell ambiente esterno, capacitá che quando si esplicano danno luogo ad un fenomeno di centrale importanza per gli esseri viventi: il comportamento intelligente. Tale fenomeno é in realtá il risultato di diverse abilitá possedute da particolari sistemi biologici, quali la percezione, l induzione e la generalizzazione delle osservazioni, la memoria e l elaborazione dell informazione immagazzinata. Tali capacitá sono possedute in massima parte dall uomo, ed in misura diversamente minore dalla quasi totalitá delle specie viventi plurucellulari. Le Reti Neurali sono modelli matematici che simulano un comportamento intelligente, al fine di risolvere problemi quali,ad esempio, il riconoscimento di immagini e il riconoscimento di suoni, nella risoluzione dei quali i sistemi intelligenti biologici si dimostrano particolarmente efficaci. Il problema del riconoscimento (pattern recognition) implica come attivitá fondamentali per la sua risoluzione la classificazione (capacitá di riconoscere l appartenenza di un oggetto ad una classe noto un modello classificatore) e il clustering (capacitá di raggruppare gli oggetti in classi sulla base di mutue somiglianze); entrambe queste attivitá sono centrali nella problematica del Data Mining, e da ció deriva la naturale possibilitá di applicare le Reti Neurali a tale problematica. Nel contesto delle Reti Neurali, ho sperimentato le possibilitá di applicazione di tali tecniche alla realizzazione di sistemi di supporto all analisi e alle decisioni. Nel dettaglio, l attivitá di ricerca si riassume nei seguenti punti: Messa a punto di un modello originale di rete neurale stocastica, e sua applicazione al problema di modellizzare un sistema di trasporto urbano. Il modello sviluppato introduce la possibilitá di simulare con maggiore facilitá, rispetto alle tecniche neurali classiche, sistemi ad evoluzione non deterministica, grazie all introduzione di un innovativo modello di neurone artificiale a comportamenrto stocastico. L applicazione al sistema di trasporto urbano di Reggio Calabria [21] ha mostrato la capacitá del modello di riprodurre con ottima approssimazione, la relazione esistente tra i dati di domanda afferenti all area in studio e la corrispondente configurazione dei flussi di traffico sulle strade della rete urbana. Ulteriori studi su tale problematica sono stati condotti nei lavori [68, 69]. Reti neurali non supervisionate, di tipo Hopfield. La ricerca ha portato alla progettazione di modifiche dell algoritmo di addestramento del modello di Hopfield, al fine di migliorarne l efficienza. L algoritmo modificato é stato applicato alla problematica della simulazione di flussi di traffico in area urbana, ed ha consentito di riprodurre in maniera estremamente realistica l evoluzione del sistema di trasporto urbano di Reggio Calabria, migliorando i risultati ottenuti con l applicazione dell originale modello di Hopfield. I principali risultati di tale ricerca sono contenuti in [55]. Essi evidenziano come l approccio non supervisionato proposto consenta la gestione di un sistema di trasporto in tempo reale, commettendo errori di approssimazione di entitá trascurabile. Reti neurali supervisionate e non supervisionate ad ingresso dinamico. In questo contesto, l attivitá di ricerca ha portato allo sviluppo di un modello originale di rete neurale artificiale, denominata MAIA (Modulated Asynchronous Information Arrangement), particolarmente adatta alla simulazione di sistemi dinamici. La nuova tipologia di rete neurale é stata applicata alle seguenti problematiche di interesse ingegneristico: 9

a) Simulazione dei flussi di traffico. Sono stati comparati i risultati ottenuti con algoritmi convenzionali e quelli ottenuti con il nuovo modello MAIA, evidenziando la maggiore efficacia di quest ultimo [54, 71, 52]. b) Compressione e decompressione delle immagini. MAIA é stata utilizzata per codificare in formato compresso immagini a 256 colori. I risultati ottenuti hanno dimostrato la particolare affidabilitá della rete nella ricostruzione dell immagine con interessanti rapporti di compressione. I principali risultati sono contenuti in [53, 48, 67]. c) Controllo di sistemi di antipattinaggio ferroviario. E stata utilizzata una rete neurale MAIA per controllare dinamicamente il pattinamento di un veicolo ferroviario. Il sistema, realizzato in collaborazione con le Ferrovie dello Stato, é stato testato su un database reale, ed ha mostrato un estrema efficacia nella diagnosi dello stato di pattinamento. I risultati sono illustrati nelle pubblicazioni [50, 49, 70]. La validitá pratica del modello proposto é stata messa in evidenza nel lavoro [51], in cui viene proposta una overview dei risultati ottenuti nell ambito di una prestigiosa conferenza internazionale nel settore dell Ingegneria dei Trasporti. Applicazione di reti neurali caotiche alla classificazione di rumore veicolare prodotto in area urbana. La ricerca é stata condotta in collaborazione con il gruppo di Circuiti e Sistemi dell Ecole Politecnique Federale di Losanna, nel contesto di un progetto di ricerca sotto la supervisione del Prof. Martin Hasler. I contenuti di tale lavoro sono contenuti nel rapporto [73], ed evidenziano la possibilitá di addestrare un semplice sistema a due neuroni artificiali formati da mappe caotiche accoppiate per effettuare pattern recognition in presenza di dati affetti da alte irregolaritá e forte presenza di rumore. Gli esperimenti, effettuati su una base di dati reale contenente registrazioni di rumore veicolare rilevate nell area urbana di Reggio Calabria, hanno dimostrato la possibilitá di immagazzinare centinaia di pattern in una rete neurale caratterizzata da un numero esiguo di parametri, con un alto fattore di compressione dell informazione, per mezzo di una tecnica euristica a complessitá polinomiale. 3 Altre attività scientifiche 3.1 Attività di Revisione Dal 1997, ho partecipato all attività di revisione di vari articoli scientifici proposti per la pubblicazione su riviste internazionali, quali IEEE Transactions on Human, Man and Cybernetics, part A, International Journal of Human Computer Studies, Knowledge and Information Systems, AI Communications, Information Sciences, User Modeling and User Adapted Interactions, e di vari articoli sottomessi a congressi nazionali ed internazionali, quali l International Joint Conference on Artificial Intelligence (IJCAI), l International Agent Technology Conference (IAT), l International Joint Conference on Neural Networks (IJCNN), l Italian Symposium on Advanced Database Systems (SEBD) e l APPIA-GULP-PRODE International Conference. 3.2 Attività di organizzazione membro dell Editorial Board dello special issue Context-aware Services for Ubiquitous Applications della rivista internazionale Cybernetics and Systems, pubblicata da Elsevier 10

membro dell Editorial Board dello special issue Data Security and Privacy Protection in Pervasive Computing environments della rivista internazionale Journal of Universal Computer Science, pubblicata da Springer Membro dell Editorial Board di The Open Cybernetics and Systemics Journal, rivista internazionale pubblicata da Bentham. Membro del comitato di programma dell International Conference on Reliability, Availability and Security (ARES) nel 2006, nel 2007, nel 2008 e nel 2009. Membro del comitato tecnico dell International Joint Conference on Neural Networks, nel 2008. Membro del comitato di programma dell International Workshop ODBIS bell ambito della Conferenza VLDB, nel 2005, nel 2006 e nel 2007. Membro del comitato organizzatore dell International Symposium on Intelligent Systems (ISIS) nel 1997. Membro del comitato organizzatore del Convegno Nazionale su Sistemi Evoluti per Basi di Dati (SEBD) nel 2003. Membro del comitato organizzatore della Joint Conference on Declarative Programming APPIA- GULP-PRODE nel 2003. 4 Attività organizzative Nel 2009, membro della Commissione Formazione dell Università degli Studi Mediterranea di Reggio Calabria, con il ruolo di esperto in Informatica. Dal 2008, membro del Collegio dei Docenti della Scuola di Dottorato in Ingegneria dell Informazione dell Università degli Studi Mediterranea di Reggio Calabria. Da Novembre 2002, membro del Consiglio del Dipartimento di Informatica, Matematica, Elettronica e Trasporti dell Università degli Studi Mediterranea di Reggio Calabria. Da Novembre 2002, membro del Consiglio di Classe per i corsi in Ingegneria dell informazione della Facoltà di Ingegneria dell Università degli Studi Mediterranea di Reggio Calabria. Dal 2002 al 2004, partecipazione al progetto CampusOne nell ambito dell azione ICT diretta dal Prof. Palopoli, con compiti di coordinamento generale. 5 Progetti di ricerca Ho partecipato a diversi progetti di ricerca, nazionali ed internazionali. Elenco qui di seguito i principali: Progetto MURST 1997 - Metodologie e tecnologie per la gestione di dati e processi su reti Internet e Intranet - Coordinatore Prof. Domenico Saccá. 11

Progetto Lotta all evasione (1998) sviluppato per conto della SOGEI e del Ministero delle Finanze, presso il DEIS dell Università della Calabria, in collaborazione con l ISI-CNR di Rende, il CNUCE- CNR di Pisa, il Dipartimento di Informatica dell Università degli Studi di Pisa e il Dipartimento di Informatica e Sistemistica dell Università degli Studi di Roma La Sapienza. Progetto POP - Calabria 1998/2000 - Un Sistema Integrato sul Territorio di Sportelli Tecnologici di Ingegneria dell Informazione per il Supporto alla Produzione delle Piccole e Medie Imprese, Coordinatore: Prof. Raffaele Albanese, enti coinvolti: Università di Reggio Calabria, Università della Calabria, ISI-CNR, CREATE. progetto MURST Programmi di ricerca scientifica di rilevante interesse nazionale dal titolo D2I: Integrazione, Warehousing e Mining di Sorgenti Eterogenee 2000-2001, coordinatore Prof. Maurizio Lenzerini, enti coinvolti: Università La Sapienza di Roma, Università della Calabria, Università di Modena e Reggio Emilia, Università di Bologna, Università di Milano. Progetto Sviluppo di un Tool-kit per la Progettazione e la Realizzazione di Data Warehouses svolto nell ambito di una convenzione tra DIMET dell Università di Reggio Calabria e CM-Sistemi Sud, coordinatore il Prof. Luigi Palopoli. Progetto: SP1 - Reti Internet: efficienza, integrazione e sicurezza, workpackage A2- WP2 (obiettivo O2.4): U.O.: DIMET, Responsabile U.O.: Prof. Francesco Buccafurri 6 Attività didattiche 6.1 Attività Didattica svolta presso la Facoltá di Ingegneria dell Università di Reggio Calabria 6.1.1 Corsi Universitari A partire dall anno accademico 2008/2009, docente del Corso di Fondamenti di Informatica (9 CFU) per il Corso di Laurea Triennale in Ingegneria delle Telecomunicazioni e del Corso di Sistemi Distribuiti (6CFU) per il Corso di Laurea Magistrale in Ingegneria delle Telecomunicazioni. A partire dall anno accademico 2002/2003 fino all anno accademico 2008/2009, docente del Corso di Fondamenti di Informatica I (5CFU) per il Corso di Laurea in Ingegneria delle Telecomunicazioni e del Corso di Fondamenti di Informatica II per i Corsi di Laurea in Ingegneria Elettronica e in Ingegneria delle Telecomunicazioni. A partire dall anno accademico 2003/2004 fino all anno accademico 2007/2008, docente del Corso di Calcolatori Elettronici ( A partire dall anno accademico 2003/2004 fino all anno accademico 2008/2009, docente del Corso di Reti di Calcolatori per la Laurea Specialistica in Ingegneria delle Telecomunicazioni. 12

6.1.2 Tesi di Laurea e tirocini Dall anno accademico 2003-2004, relatore di numerose tesi di laurea e tutor scientifico di diversi tirocini formativi. 6.1.3 Altre attivitá Decente del Corso di Informatica nell ambito del Progetto Formazione Formatori per la formazione di Docenti nella Pubblica Amministrazione presso la Facoltá di Ingegneria dell Universitá di Reggio Calabria, nel 2001. Docente del Corso di Tecniche e Linguaggi di Programmazione nell ambito dei Corsi IFTS presso il Liceo Scientifico Volta di Reggio Calabria, nel 2001. Docente del Corso di Informatica nell ambito dei Corsi per il Personale Tecnico Amministrativo dell Universitá di Reggio Calabria, nel 2001. Docente del Corso di Logica di Programmazione Strutturata nell ambito dei Corsi IFTS presso l Istituto Tecnico Commerciale Da Empoli di Reggio Calabria, nel 2003. Docente del Corso ECDL organizzato dall Universit di Reggio Calabria per gli studenti interni all ateneo, nel 2003 e nel 2004. Docente del Corso di Informatica nell ambito dei Corsi per il Personale Tecnico Amministrativo dell Universitá di Reggio Calabria, nel 2006. Docente di un Corso di Informatica per l Istituto Tecnico Commerciale Galileo Ferraris di Reggio Calabria, nel 2006. Docente del Corso di Informatica nell ambito dei Corsi per il Personale Tecnico Amministrativo dell Universitá di Reggio Calabria, nel 2007. Docente del Corso di Informatica nell ambito dei Corsi per il Personale Tecnico Amministrativo dell Universitá di Reggio Calabria, nel 2008. Docente del Corso Azzera presso la Facoltá di Ingegneria dell Universitá di Reggio Calabria, nel 2008 e nel 2009. 13

8 Elenco delle pubblicazioni 8.1 Riviste Internazionali [1] P. De Meo,S. Garruzzo,D. Rosaci, D. Ursino. Improving Agent Interoperability via the Automatic Enrichment of Multi-Category Ontologies. Web Intelligence and Agent Systems (WIAS), To Appear, 2010, IOS Press. ACM Press. [2] D. Rosaci, G.M.L. Sarné. MUADDIB: A Distributed Recommender System Supporting Device Adaptivity. ACM Transactions on Information Systems, vol.27, num.4, 2009, ACM Press. [3] D. Rosaci, G.M.L. Sarné. Efficient Personalization of e-learning Activities Using a Multi-Device Decentralized Recommender System. Computational Intelligence, in corso di pubblicazione, 2009, Wiley and Blackwell. [4] F. Buccafurri,G. Lax, D. Saccá, L. Pontieri and D. Rosaci. Enhancing Histograms by Tree-Like Bucket Indices Journal of Very Large Databases, vol.17, num.5, pp. 1041 1061, 2008. [5] S. Garruzzo, D. Rosaci. Agent Clustering based on Semantic Negotiation. ACM Transactions on Autonomous and Adaptive Systems, vol.3, num.2, 2008, ACM Press. [6] F. Buccafurri, G. Caminiti, D. Rosaci. An ASP-based approach to dealing with agent perception failure. AI Communications, vol.21 n.1, pp. 49 69, IOS Press. [7] P. De Meo, D. Rosaci, G.M.L. Sarné and D. Ursino. EC-XAMAS: Supporting E-Commerce Activities by an XMLbased Adaptive Multi-Agent System. Applied Artificial Intelligence, vol. 21, num. 6, pp. 529 562, 2007, Francis and Taylor. [8] D. Rosaci. CILIOS: Connectionist Inductive Learning and Inter-Ontology Similarities for Recommending Information Agents. Information Systems, vol. 32 num.6, pp. 793 825, 2007, Elsevier. [9] D. Rosaci, G.M.L. Sarné. MASHA: A Multi Agent System Handling User and Device Adaptivity of Web Sites. User Modeling and User-Adapted Interaction, vol. 16 num. 5, pp. 435 462. 2006, Springer. [10] F. Buccafurri, G. Lax,D. Rosaci, D. Ursino. Dealing with Semantic Heterogeneity for Improving Web Usage. Data and Knowledge Engineering, Vol.58, Num.3, pp. 436 465, 2006, Elsevier. [11] S. Garruzzo, S. Modafferi, D. Rosaci and D. Ursino. An XML-based agent model for supporting user activities on the Web. Web Intelligence and Agent Systems, vol. 4, num. 2, pp. 181-207, 2006, IOS Press. [12] L. Palopoli, D. Rosaci and D. Ursino. Agents roles in B2C e-commerce. AI Communications, vol.19, num.2, pp. 95 126, 2006. IOS Press [13] D. Rosaci. Exploiting Agent Ontologies in B2C Virtual Marketplaces. Journal of Universal Computer Science, vol. 11, num.6, pp. 1011-1040, 2005. Springer. [14] D. Rosaci, G. Terracina, D. Ursino, and L. Palopoli. A graph-based approach for extracting terminological properties from information sources with heterogeneous formats. Knowledge and Information Systems, vol.8, num.4, pp.462 497, 2005, Springer. [15] D. Rosaci, G. Terracina, and D. Ursino. An approach for deriving a global representation of data sources having different formats and structures. Knowledge and Information Systems Journal, vol. 6, num.1, pp. 42 82, 2004, Springer. [16] D. Rosaci, G.M.L. Sarné, G. Terracina, and D. Ursino. An agent-based approach for managing e-commerce activities. International Journal of Intelligent Systems, vol.19 n.5, pp. 385 416, 2004, Wiley Press. [17] D. Rosaci, G. Terracina, and D. Ursino. A framework for abstracting data sources having heterogeneous representation formats Data and Knowledge Engineering, vol.48, num.4, pp. 1 38, 2004, Elsevier. [18] F. Buccafurri, L. Palopoli,D. Rosaci and G.M.L. Sarné. Modeling Cooperation in Multi-Agent Communities. Cognitive Systems Research, vol.5, num. 3, pp. 171 190, 2004, Elsevier. [19] D. Rosaci, G. Terracina, and D. Ursino. A technique for extracting sub-source similarities from information sources having different formats. World Wide Web Journal, vol.6, num. 4, pp. 375 399, 2003, Kluwer Academic Publisher. 14

[20] L. Palopoli, D. Rosaci, G. Terracina, and D. Ursino. Modeling Web-search scenarios exploiting user and source profiles. AI Communications, vol.14 n.4, pp. 215 230, 2001, IOS Press. [21] D. Rosaci. Stochastic Neural Networks for Transportation Systems Modeling. Applied Artificial Intelligence, vol. 12, num. 6, pp. 491 500, 1998, Francis and Taylor. 8.2 Capitoli di Libro [22] F. Buccafurri, L. Palopoli,D. Rosaci and G.M.L. Sarné. Finding the Best Agents for Cooperation. In Intelligent Technologies for Information Analysis, chapter 14, 311 330, 2004, Springer. [23] D. Rosaci. Web Recommender Agents with Inductive Learning Capabilities. Emergent Web Intelligence, in corso di pubblicazione, 2009, Springer. 8.2 Conferenze Internazionali [24] D. Rosaci, G.M.L Sarné. TRES: A Decentralized Agent-based Recommender System to Support B2C Activities. In Proceedings of the Symposium on Agents and Multi-Agent Systems (AMSTA 2009), in corso di pubblicazione, Uppsala, Sweden, 2009. Springer-Verlag. [25] D. Rosaci, G.M.L Sarné. A Multi-agent Recommender System for Supporting Device Adaptivity in E-Commerce. In Proceedings of the International Conference on Distributed Computing (IDC 2008), pp. 293 298, Catania, Italy, 2008. Studies in Computational Intelligence 162, Springer-Verlag. [26] D. Rosaci, G.M.L Sarné. Dynamically Computing Reputation of Recommender Agents with Learning Capabilities. In Proceedings of the International Conference on Distributed Computing (IDC 2008), pp. 299 304, Catania, Italy, 2008. Studies in Computational Intelligence 162, Springer-Verlag. [27] S. Garruzzo, D. Rosaci. DOntology Enrichment in Multi Agent Systems Through Semantic Negotiation. In Proc. of the Conference on Cooperative Information Systems (CoopIS 2007), pp. 391 388, Vilamoura, Portugal., 2007. Lecture Notes in Computer Science 4803, Springer-Verlag. [28] S. Garruzzo, D. Rosaci, G.M.L. Sarné. MARS: An Agent-based Recommender System for the Semantic Web. In Proc. of 7th IFIP International Conference on Distributed Applications and Interoperable Systems (DAIS 2007), Paphos, Cyprus, 2007, pp. 181 194. Lecture Notes in Artificial Intelligence. Springer and Verlag. [29] S. Garruzzo, D. Rosaci, G.M.L. Sarné. ISABEL: A Multi-Agent e-learning system That Supports Multiple Devices. In Proceedings of the 19th IEEE International Conference on Tools with Artificial Intelligence (ICTAI 2007), Patrasso, Greece, 2007. IEEE Press. [30] S. Garruzzo, D. Rosaci, G.M.L. Sarné. MASHA-EL: A Multi-Agent System for Supporting Adaptive E-Learning. In Proceedings of the International Conference on Intelligence Agent Technologies (IAT 2007), Silicon Valley, USA, 2007. IEEE Press. [31] S. Garruzzo, D. Rosaci. HISENE2: A Reputation-based Protocol for Supporting Semantic Negotiation. In Proc. of Ontologies, DataBases, and Applications of Semantics (ODBASE 2006), Montpellier, France, 2006, Lecture Notes in Artificial Intelligence 4275, pp. 949-966. Springer Verlag. [32] S. Garruzzo, D. Rosaci. Information Agents that Learn to Understand Each Other via Semantic Negotiation. In Proc. of 6th IFIP International Conference on Distributed Applications and Interoperable Systems (DAIS 2006), Bologna, Italy, 2006, pp. 99 112. Lecture Notes in Artificial Intelligence. Springer and Verlag. [33] F. Buccafurri, G. Caminiti,D. Rosaci. Logic Programs with Multiple Chances. In Proceedings of the 17th European Conference on Artificial Intelligence (ECAI 2006), Riva del Garda, Italy. [34] D. Rosaci. An Ontology-Based Two-Level Clustering for Supporting E-Commerce Agents Activities. Proceedings dell Electronic Commerce and Web Conference (EC-Web 2005), In corso di pubblicazione, Copenaghen,Danimarca,2005. Lecture Notes in Computer Science. Springer and Verlag [35] D. Rosaci. A Model of Agent Ontologies for Supporting B2C E-Commerce. In Proc. of International Conference on Enterprise Information Systems (ICEIS 2004), Porto, Portugal, 2004, vol.4 pp. 3 9. INSTICC Press. 15

[36] P. De Meo, D. Rosaci, G.M.L. Sarné, G. Terracina, and D. Ursino. An XML-based adaptive multi-agent system for handling e-commerce activities. Proceedings della International Conference on Web Services - Europe 2003 (ICWS-Europe 03), pp. 152 166, Erfurt, Germany, 2003, Springer-Verlag. [37] F. Buccafurri,L. Pontieri,D. Rosaci and D. Saccá. Improving Range Query Estimation on Histograms. In Proc. of 18th International Conference on Data Engineering (ICDE 2002, IEEE Computer Society, February 26-March 1, 2002, San José, California, pp. 628 638. [38] S. Garruzzo, S. Modafferi, D. Rosaci, and D. Ursino. X-Compass: an XML agent for supporting user navigation on the Web. Proceedings del Fifth International Conference on Flexible Query Answering Systems (FQAS 2002),pp. 197 211, Copenaghen, 2002. Lecture Notes in Artificial Intelligence 2522, Springer-Verlag. [39] D. Rosaci, D. Ursino, and G.M.L. Sarné. A multi-agent model for handling e-commerce activities. Proceedings dell International Database Engineering and Applications Symposium (IDEAS 2002), pp. 202 211, Edmonton, Canada. 2002. IEEE Press [40] F. Buccafurri, D. Rosaci, D. Ursino, and G.M.L. Sarné. Clustering Agent Ontologies in Heterogeneous Environment. Proceedings dell Electronic Commerce and Web Conference (EC-Web 2002), pp. 109 118, Aix-en-Provence,France,2002. Lecture Notes in Computer Science 2455. Springer and Verlag [41] D. Rosaci, G. Terracina, and D. Ursino. Abstraction: performing an intensional synthesis of a data source In Proc. of the Document Compression and Synthesis in Adaptive Hypermedia Systems Workshop nell ambito della 2nd International Conference on Adaptive Hypermedia and Adaptive Web Based Systems, pp. 54 63, Malaga, Spain, May 2002. University of Malaga. [42] F. Buccafurri, G. Lax,D. Rosaci, D. Ursino. A User Behavior-Based Agent for Improving Web Usage. In Proceedings of International Conference on Ontologies, Databases and Applications of Semantics (ODBASE 2002), San Jose, CA, pp. 1168 1185. Lecture Notes in Computer Science 2519, Springer-Verlag. [43] L. Palopoli, D. Rosaci, G. Terracina, and D. Ursino. Supporting user-profiled semantic web-oriented search. In Proc. of International Conference on Cooperative Information Agents (CIA 2001), Modena, Italy, 2001, pp. 26 31. Lecture Notes in Artificial Intelligence, Springer Verlag. [44] D. Rosaci, G. Terracina, and D. Ursino. Deriving sub-source similarities from heterogeneous, semi-structured information sources. In Proc. of the Conference on Cooperative Information Systems (CoopIS 2001), pp. 163 178, Trento, Italy., 2001. Lecture Notes in Computer Science, Springer-Verlag. [45] D. Rosaci, G. Terracina, and D. Ursino. A semi-automatic technique for constructing a global representation of information sources having different formats and structures. In Proc. of International Conference on Database and Expert Systems Applications (DEXA 2001), pp. 734 743, Munich, Germany, 2001. Lecture Notes in Computer Science, Springer-Verlag. [46] F. Buccafurri, L. Palopoli,D. Rosaci and G.M.L. Sarné. SPY: A Multi-Agent Model Yielding Semantic Properties. In Proc. of The International Conference on Intelligent Agent Technology (IAT-2001), World Scientific pp. 44 53, Maebashi, Japan, 2001. [47] F. Buccafurri,D. Rosaci and D. Saccá. Compressed Datacubes for Fast OLAP Applications. In Proc. of the International Conference on Data Warehousing and Knowledge Discovery 1999 (DaWaK 99), Lecture Notes in Computer Science 1676, Springer, pp. 65 77, Firenze, 1999. [48] G. Pappalardo, D. Rosaci and G.M.L. Sarné. New Results in Image Compression trough MAIA Neural Networks. In Proc. of the WIRN 98 Conference, Springer, 242 247, Vietri, Italy, 1998. [49] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. MAIA Neural Network: an Application to the Railway Antiskating Systems. In Proc. of the WIRN 97 Conference, Springer, 239 244, Vietri, Italy, 1997. [50] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. Railway Antiskating Systems Controlled by Neural Networks. In Proc. of the International Symposium on Intelligent Systems, ISIS 97, IOS Press, 273 278, Reggio Calabria, Italy, 1997. [51] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. Evaluation of the Anti-Skating System Reference Speed With Neural Networks. In Proceedings of the World Congress on Railway Research, pp 695 701, Florence, Italy, 1997. 16

[52] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. The planning of a transportation network helped by a non supervisioned neural networks. Accepted and Presented to the Meeting of the EURO Working Group on Transportation, Newcastle, UK, 1996. [53] G. Pappalardo, D. Rosaci and G.M.L. Sarné. MAIA Unsupervisioned Neural Network in the Compression and Decompression of Images. In Proc. of the WIRN 96 Conference, Springer, 217 222, Vietri, Italy, 1996. [54] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. Simulation of Traffic Flows in Transportation Networks with Unsupervised MAIA Neural Net. In Proc. of the WIRN 96 Conference, Springer, 257 262, Vietri, Italy, 1996. [55] D. Laganá, G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. A Hopfield-Like Neural Network in the Simulation of Traffic Flows in a Transportation Network. In Proc. of the International Conference on Artificial Neural Networks, ICANN 95, EC2&Cie, Paris, France,1995. 8.3 Riviste Nazionali [56] F. Buccafurri, L. Palopoli,D. Rosaci and G.M.L. Sarné. A System Implementing Cooperation in Multi-Agent Networks. AI*IA Notizie, Vol 4, pp. 26 28, 2001. [57] V. Gervasi, D. Rosaci. School on Information Extraction, 2nd Edition. AI*IA Notizie, 12(4), pp. 65 66, 1999. 8.4 Convegni Nazionali [58] F. Buccafurri, G. Caminiti,D. Rosaci. Perception-dependent reasoning and answer sets. In Atti della Giornata di Lavoro: Analisi sperimentale e benchmark di algoritmi per l Intelligenza Artificiale, (RCRA 2005), Ferrara, Italy. [59] S. Garruzzo, D. Rosaci. Agent-based Web Services Supporting Semantic Negotiation. In Proc. of the 14th Italian Symposium on Advanced Database Systems (SEBD 2006), Portonovo, Ancona, Italy, 2006. [60] S. Garruzzo, D. Rosaci and G.M.L. Sarné. MAST: an Agent Framework to Support B2C E-Commerce. In Atti del Workshop: WOA 2006 Dagli Oggetti agli Agenti, Catania, 2006. [61] S. Garruzzo, S. Modafferi, D. Rosaci, and D. Ursino. X-Compass: un agente XML per supportare un utente durante la navigazione su Web. Atti dell VIII Convegno dell AI*IA, Siena, 2002 [62] F. Buccafurri, G. Lax, D. Rosaci, D. Ursino. Modellazione del comportamento degli utenti per supportarne l accesso a sorgenti informative eterogenee. Atti del Congresso sui Sistemi Evoluti per Basi di Dati (SEBD 2002), Portoferraio, 2002, Centro 2P Stampa. [63] L. Palopoli, D. Rosaci, G. Terracina, and D. Ursino. Un modello concettuale per rappresentare e derivare la semantica associata a sorgenti informative strutturate e semi-strutturate. In Atti del Congresso sui Sistemi Evoluti per Basi di Dati (SEBD 2001), pp. 131 145, Venezia, Italy, 2001. [64] F. Buccafurri, L. Palopoli,D. Rosaci and G.M.L. Sarné. A System Implementing Cooperation in Multi-Agent Networks. In Atti del Workshop: WOA 2001 Dagli Oggetti agli Agenti, 2001, Pitagora Editrice - Bologna. [65] F. Buccafurri,F. Furfaro,D. Rosaci and D. Saccá. Estimating Range Queries using Aggregate Data. In Atti del Convegno Nazionale su Sistemi Evoluti per Basi di Dati, SEBD 2000, L Aquila, 26-28 Giugno 2000. [66] F. Buccafurri,D. Rosaci. A New Histogram-Based Approach for accurate OLAP query estimation. In Atti del Convegno AICA 99 Padova, Italy 1999 - pag. 140-150. [67] G. Pappalardo, D. Rosaci and G.M.L. Sarné. Image Compression by MAIA Neural Network. In Atti del Workshop Industriale su Reti Neurali, IIASS ed., Vietri, Italy, 1997. [68] D. Rosaci and G.M.L. Sarné. Stochastic Learning for Traffic Modeling. In Atti del Workshop Industriale su Reti Neurali, IIASS ed., Vietri, Italy, 1997. [69] D. Rosaci and G.M.L. Sarné. Stochastic Neural Nets for Simulating Traffic Evolution in a Motorway System. In Atti del Workshop Industriale su Reti Neurali, IIASS ed., Vietri, Italy, 1997. [70] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. MAIA Neural Control of Railways Antiskating Systems. In Atti del Workshop Industriale su Reti Neurali, IIASS ed., 6 7 Vietri, Italy, 1996. [71] G. Pappalardo, M.N. Postorino, D. Rosaci and G.M.L. Sarné. MAIA Neural Networks an Conventional Algorithms for the Simulation of Traffic Flows in a Transport Network. In Atti del Workshop Industriale su Reti Neurali, IIASS ed., 15 16 Vietri, Italy, 1995. 17

8.5 Altri Lavori [72] D. Rosaci. Tecniche Avanzate per il Data Mining: OLAP e Reti Neurali, 1999. [73] D. Rosaci and M. Hasler. Signal Recognition by Synchronization of Chaotic Systems. Technical Report SSC 1997/032, Lausanne, 1997. [74] D. Rosaci. Reti Neurali per la Stima della Matrice OD da Flussi di Traffico. Tesi di Laurea. Reggio Calabria, 1994 Il sottoscritto dichiara, sotto la propria responsabilit, ai sensi e per gli effetti dell art. 2 della Legge n 15 del 4 gennaio 1968, dell art. 18 della Legge n 241 del 7 agosto 1990 e dell art. 3 della Legge n 12 del 15 maggio 1997 che i dati sopraindicati corrispondono a vero; autorizza all utilizzo dei dati personali nel rispetto degli artt. 10 e 11 della legge 675/96. Reggio Calabria, 22 aprile 2010 Domenico Rosaci 18