Guida dello studente A.A. 2004/2005 - di.univr.it · • Progetto della gerarchia di memoria:...

Corso di Laurea specialistica in Sistemi intelligenti e multimediali

Anno Accademico 2004/2005

Guida dello studente

Elenco docenti Nome E-mail Telefono

Paolo Azzoni [email protected] 045 802 7062

Alberto Belussi [email protected] 045 802 7980

Maria Paola Bonacina [email protected] 045/802.7046

Emilio Burattini [email protected] 045 802 7911

Leonardo Chelazzi [email protected] 0458027149

Carlo Combi [email protected] 045 802 7985

Matteo Cristani [email protected] 045 802 7983

Stefano De Marchi [email protected] 045 802 7978

Nicola Drago [email protected] 045 802 7081

Paolo Fiorini [email protected] 045 802 7963

Federico Fontana [email protected] 045 802 7968

Franco Fummi [email protected] 045 802 7994

Andrea Fusiello nome.cognome[at]univr.it 045 802 7088

Roberto Giacobazzi [email protected] 045 802 7995

Enrico Gregorio [email protected] 045 802 7937

Vincenzo Manca [email protected] 045 802 7981

Francesca Mantese [email protected] 045 802 7045

Gino Mariotto [email protected] 0461 881501

Maurizio Martignano [email protected] +31715656749

Francesca Monti [email protected] 045 802 7910

Laura Maria Morato [email protected] 045 802 7904

Vittorio Murino [email protected] 045 802 7996

Barbara Oliboni [email protected] 045 802 7077

Giandomenico Orlandi giandomenico.orlandi at univr.it 045 802 7986

Angelo Pica [email protected] 045 802 7942

Nicola Piccinini [email protected]

Roberto Posenato roberto.posenato at univr.it 045 802 7967

Graziano Pravadelli [email protected] 045 802 7081

Davide Rocchesso [email protected] 045 802 7979

Giuseppe Scollo [email protected] 045 802 7940

http://www.scienze.univr.it/fol/main?ent=persona&id=182

mailto:[email protected]
























mailto:nome.cognome%5Bat%5Dunivr.it



























mailto:roberto.posenato at univr.it







Roberto Segala [email protected] 045 802 7997

Ugo Solitro [email protected] 045 802 7977

Elenco degli insegnamenti attivati Insegnamenti del Primo quadrimestre per il secondo anno e anni successivi

Architetture multimediali

Complessità

Intelligenza artificiale

Ricerca operativa

Sicurezza e crittografia - Modulo aggiuntivo

Sicurezza e crittografia - Teoria base

Sistemi informativi geografici

Teoria dei sistemi

Teoria dell'informazione

Insegnamenti del Secondo quadrimestre

Deduzione automatica

Fisica dei rivelatori

Linguaggi di programmazione

Metodi probabilistici e statistici

Robotica

Sistemi esperti

Insegnamenti del Terzo quadrimestre

Complementi di interazione uomo macchina

Equazioni differenziali

Sistemi informativi multimediali

Teoria e tecniche del riconoscimento

Visione computazionale

Insegnamenti non assegnati ad alcun periodo

Complementi di analisi L'insegnamento tace per questo anno accademico

Fisica e tecniche delle immagini L'insegnamento tace per questo anno accademico

Metodi di approssimazione L'insegnamento tace per questo anno accademico

Programma degli insegnamenti

Architetture multimediali Docente Paolo Azzoni - docente a contratto

crediti 5

Periodo 1° Q - 2° anno e successivi





http://www.scienze.univr.it/fol/main?ent=oi&id=10804























Obiettivi formativi Il corso presenta una rassegna delle caratteristiche delle architetture avanzate di sistemi a microprocessore, con particolare enfasi sugli aspetti riguardanti le esigenze dei moderni sistemi multimediali, quali prestazioni, vincoli di tempo reale e consumo di potenza. Il corso prevede esercitazioni in laboratorio nelle quali alcuni aspetti teorici verranno valutati su simulatori software di architetture a microprocessore di diversa natura. Attività formative Il corso viene svolto in circa 50 ore di lezioni ed esercitazioni di laboratorio. Programma del corso

• Introduzione: Cenni storici, trend tecnologici ed impatto sulle architetture. Tassonomia delle architetture a microprocessore.

• Analisi delle prestazioni: metriche basate su numero di istruzioni. Benchmark (SPECInt, SPECfp). Calcolo di prestazioni in base a benchmark. Legge di Amhdal.

• Progetto dell'unita' di controllo: Esecuzione in pipeline. Conflitti. Gestione dei salti. Interruzioni ed eccezioni. Esecuzione fuori ordine.Predizione dei salti. Meccanismi di prenotazione.

• Progetto della gerarchia di memoria: Livelli di gerarchia. La memoria cache. Metodi di mapping. Algoritmi di rimpiazzamento. Coerenza della cache. Prestazioni. Relazione con sistemi che supportano la memoria virtuale. Paginazione e segmentazione.

• Architetture multiprocessore: Condizioni per l'innesco di un deadlock. Rappresentazione dello stato di un sistema con grafi di allocazione. Tecniche di deadlock prevention. Deadlock avoidance. Algoritmo del banchiere. Deadlock detection e recovery.

• Sistemi embedded: Definizione e problematiche tipiche di sistemi embedded. Implicazioni architetturali. Differenze rispetto a sistemi general-purpose.

• Consumo di potenza: Modello del consumo di potenza. Tecniche per l'ottimizzazione del consumo a livello architetturale: gerarchia della memoria, progetto delle interfacce, rappresentazione dei dati.

• Architetture di DSP: Caratteristiche e differenze rispetto ad architetture tradizionali. Separazione dello spazio dei dati e del codice. Utilizzo di hardware dedicato nell'unita' di controllo

• Il futuro dell architetture: Architetture IRAM. Architetture basate su logica programmabile. Architetture per sistemi su chip: Network on chip.

Modalità di verifica

L'esame consiste di una prova scritta contenente esercizi e domande sugli aspetti teorici del corso. La votazione conseguita nella prova scritta sara' integrata da un voto su un elaborato da consegnarsi al termine del corso, relativo alle tematiche viste in laboratorio.

Testi di riferimento

Autore Titolo Casa editrice Anno ISBN G. Bucci Architetture dei Calcolatori Elettronici McGraw-Hill 2001 88 386 088

Hennessy, Patterson

Computer Architecture: A Quantitative Approach (3rd edition)

Jackson (v. Italiana)

1999 8825618433

Complementi di interazione uomo macchina Docente Davide Rocchesso - compito didattico

crediti 5

Periodo 3° Q

OBIETTIVI FORMATIVI

Il corso di Complementi di Interazione Uomo-Macchina intende offrire una conoscenza approfondita di alcuni metodi per la progettazione e valutazione di sistemi interattivi e multimodali.

ATTIVITÀ FORMATIVE

Il corso viene offerto al III quadrimestre del Corso di Laurea Specialistica in Sistemi Intelligenti e Multimediali, e comporta 40 ore di lezione frontale.

PROGRAMMA DEL CORSO

Nelle lezioni si intendono affrontare i seguenti argomenti: • Richiamo dei prerequisiti da "Interazione uomo-macchina e multimedia". (Physical) Interaction Design: definizione. • Prototipi di sistemi audio-visuali interattivi: la piattaforma pure-data (pd). • Prototipi di sistemi audio-visuali interattivi: estensioni openGL di pd (GEM), gui toolkit per pd (GrIPD). • Analisi dei requisiti. Progettazione. Prototipizzazione. User-centered design. • Sketches. Storyboarding. Il mezzo video come supporto all'interaction design. • Luogo dell'attenzione. Compiti simultanei. Modi e quasi modi. Bottoni, cursori, connessioni. Affordance. • Metodi di valutazione: generalita'. • Modelli predittivi: GOMS, keystroke modelling, Legge di Fitts e sue varianti. • Valutazione basata su metodi della psicologia sperimentale. • Metodi psicofisici. • Esempi: valutazione di dispositivi di input. • Icone visive ed uditive. • Visualizzazione: attenzione ed emergenza rapida di informazione (pre-attentive processing, textures, ecc.). Glyphs e visualizzazione di dati multivariati. Display di attivita' umane (WebLog, ecc.). • Visualizzazione e Sonorizzazione: pattern statici e mobili. • Visualizzazione e Sonorizzazione: percezione e display di dati spaziali. • Interazione multimodale con le visualizzazioni e le sonorizzazioni. • Information appliances. Invisible/Disappearing Computing. Tangible Bits.

PREREQUISITI


Si presuppone la conoscenza delle generalita' sull'interazione uomo-macchina. Si fa uso di alcune teorie, modelli e concetti di psicologia, soprattutto di percezione. La Laurea di Tecnologie dell'Informazione: Multimedia garantisce il possesso dei prerequisiti.

MODALITA' DI VERIFICA

Lo studente e' incoraggiato, fin dalle fasi iniziali del corso, a proporre un progetto individuale che comprenda le fasi di design concettuale, progettazione, sviluppo, e valutazione di un prototipo. Alla fine del corso, lo studente dovra' presentare un elaborato ed una dimostrazione relativi al progetto sviluppato. La valutazione di tale elaborato sara' integrata da quesiti sugli argomenti del corso.


Autore Titolo Casa editrice Anno ISBN J. Preece, Y. Rogers, H. Sharp Interaction Design Wiley 2002 047149278

Complessità Docente Roberto Posenato - compito didattico

crediti 5


Obiettivi formativi

Il corso è costituito da un'introduzione alla complessità strutturale, con particolare attenzione alla teoria del NP-completezza, e da un'introduzione alla analisi di complessità dei problemi rispetto alla loro approssimabilità computazionale. Scopo di tale introduzione è fornire agli studenti gli strumenti necessari per comprendere e affrontare la difficoltà nel risolvere alcuni problemi comuni da un punto di vista computazionale.

Attività formative

Il corso viene svolto in 40 ore di lezione frontale.

Programma del corso

Il programma è diviso in lezioni. La colonna Rif. libro indica i paragrafi o i capitoli del libro di Christos H. Papadimitriou, "Computational complexity", Addison Wesley, 1994.

N. Data

Luogo N. ore

Argomento Rif. libro

Firma


N. Data

Luogo N. ore


Firma

1 27/09/04 Aula 'C'

2

Introduzione al corso Presentazione del corso: programma, testi di riferimento e modalità d'esame. Concetto intuitivo di modello di calcolo, risorsa computazionale, algoritmo efficiente e problema trattabile. Richiamo del concetto di ordine di grandezza: O, Ω e Θ. Richiamo dei concetti principali inerenti all'espressioni booleane.

Cap. 1 e cap. 4

Roberto Posenato

2 28/09/04 Aula 'C'

1

Problemi computazionali: descrizione, istanze, codifica, relazione con i linguaggi. Esempi di problemi: RAGGIUNGIBILITÀ (PATH), MASSIMO FLUSSO (MAX FLOW) e SODDISFACIBILITÀ (SAT).

Cap. 1 Roberto Posenato

3 29/09/04 Aula 'C'

2

Modelli di calcolo Macchina di Turing (MdT): definizione, funzionamento, concetto di configurazione, produzione e di computazione. Esempio di MdT. MdT e linguaggi: differenza tra accettare e decidere un linguaggio.


4 04/10/04 Aula 'C'

2

Estensione della MdT: MdT a più nastri (k-MdT). Complessità in tempo La risorsa computazionale tempo. Classe di complessità TIME(). Teorema di relazione polinomiale tra le computazioni delle macchine k-MdT e MdT (idea della dimostrazione). Introduzione al modello di calcolo "Macchina ad accesso casuale" (RAM = Random Access Machine): concetti di configurazione, programma e computazione.


5 05/10/04 Aula 'C'

1

Macchina ad accesso casuale (RAM): tempo di computazione secondo il criterio di costo uniforme e costo logaritmico. Ipotesi necessarie per poter utilizzare il criterio del costo uniforme.


6 06/10/04 Aula 'C'

2

Esempio di programma RAM per calcolare il prodotto di due interi. Teorema sul costo di simulazione di una MdT mediante un programma RAM (idea della dimostrazione). Teorema sul costo di simulazione di un programma RAM mediante una MdT (solo enunciato). Tesi del calcolo sequenziale e sue conseguenze.


7 11/10/04 2 Teorema dell'accelerazione lineare (linear Cap. 2 Roberto Posenato

N. Data

Luogo N. ore


Firma

Aula 'C' speed-up) e sue conseguenze. La classe di complessità P. Esempio di problemi della classe P: PATH.

8 12/10/04 Aula 'C'

1 Esempio di problema della classe P: MAX FLOW. Insidie sui possibili algoritmi di risoluzione per MAX FLOW.


9 13/10/04 Aula 'C'

2

Esempio di problema della classe P: ACCOPPIAMENTO PERFETTO (PERFECT MATCHING). Estensione della MdT: MdT non deterministica (NMdT). La risorsa tempo nelle NMdT a k-nastri. Classe di complessità NTIME(). Esempio di algoritmo non deterministico computabile da una NMdT: algoritmo per SODDISFACIBILITÀ (SAT).

Cap. 1 e 2

Roberto Posenato

10 18/10/04 Aula 'C'

2

Relazione tra NMdT e MdT. La classe di complessità NP. Relazione tra NP e P. Esempio di problema in NP: problema del COMMESSO VIAGGIATORE (TSP).


11 19/10/04 Aula 'C'

1 Caratterizzazione alternativa della classe NP: verificatori polinomiali.

non presente

Roberto Posenato

12 20/10/04 Aula 'C'

2

La classe di complessità EXP. Complessità in spazio Concetto di complessità spaziale. Macchina di Turing con input e output. Classi di complessità SPACE() e NSPACE(). Teorema di compressione (solo enunciato, dimostrazione per esercizio). Classi di complessità L e NL. Esempi di problemi: PALINDROME L e PATH NL.

In parte nel cap. 2.

Roberto Posenato

13 25/10/04 Aula 'C'

2

Teoremi di relazione tra spazio e tempo di computazione per una MdT con I/O. Relazioni tra classi di complessità Concetto di funzione propria ed esempi di funzioni. Il teorema del gap di Borodin.


14 26/10/04 Aula 'C'

1

Il metodo di raggiungibilità. Teorema di inclusione tra classi in tempo e in spazio: NTIME(f(n)) SPACE(f(n)), NSPACE(f(n)) TIME(k(log n+f(n))).


15 27/10/04 Aula 'C'

2

Concetto di Macchina di Turing Universale. L'insieme Hf. Lemma 1 per il teorema di gerarchia temporale. Lemma 2 per il teorema di gerarchia temporale.


N. Data

Luogo N. ore


Firma

16 02/11/04 Aula 'C'

1

Teorema di gerarchia in tempo: versione lasca e versione stretta. Corollario P EXP. Teorema di gerarchia spaziale (solo enunciato). Corollario L PSPACE.


17 03/11/04 Aula 'C'

2

Teorema di Savitch. Corollario SPACE(f(n))=SPACE(f(n)2). Corollario PSPACE=NPSPACE. Riduzioni e completezza Concetto di riduzione e di riduzione logaritmica in spazio.


18 08/11/04 Aula 'C'

2

Esempio di riduzione: HAMILTON PATH ≤log SAT, PATH ≤log CIRCUIT VALUE, CIRCUIT SAT ≤log SAT. Esempio di riduzione per generalizzazione.


19 09/11/04 Aula 'C'

1 Proprietà delle riduzioni: transitiva e riflessiva. Concetto di completezza di un linguaggio.


20 10/11/04 Aula 'C'

0 Lezione sospesa per protesta contro il cosidetto DDL Moratti sull'ordinamento giuridico universitario.

Roberto Posenato

20 15/11/04 Aula 'C'

2

Concetto di chiusura rispetto alla riduzione. Chiusura delle classi L, NL, P, NP, PSPACE e EXP. Concetto di tabella di computazione. Dimostrazione che CIRCUIT VALUE è P-completo.


21 16/11/04 Aula 'C'

1 Dimostrazione alternativa del teorema di Cook: CIRCUIT SAT è NP-completo.


22 17/11/04 Aula 'C'

2

Esempi di problemi NP-completo e loro riduzioni: SAT e sue varianti (3SAT, 3SAT con vincoli). Il caso 2SAT. Concetto di gadget e dimostrazione della completezza del problema dell'INSIEME DI INDIPENDENZA (INDEPENDENT SET).


23 22/11/04 Aula 'C'

2

Problemi collegati: CRICCA (CLIQUE) e RICOPRIMENTO DI VERTICI (VERTEX COVER). Cenni sulla completezza dei problemi: MASSIMO TAGLIO, K-COLORABILITÀ, CIRCUITO HAMILTONIANO, COMMESSO VIAGGIATORE, ACCOPPIAMENTO TRIDIMENSIONALE.


24 23/11/04 Aula 'C'

1

Cenni sulla completezza della PROGRAMMAZIONE LINEARE INTERA, ZAINO e RIEMPIMENTO DEI CESTINI (BIN PACKING). Concetto di algoritmo pseudo polinomiale Problemi fortemente NP-


N. Data

Luogo N. ore


Firma

completi. Altri problemi NP-completi secondo la classificazione di Garey e Johnson.

25 24/11/04 Aula 'C'

2

Algoritmi di approssimazione e classi di complessità approssimate Concetto di soluzione approssimata e di algoritmo approssimante. Esempi. Concetto di classificazione dei problemi in base alla loro approssimabilità computazionale. Principali classi di approssimazione computazionale: PTAS, APX, NPO. Esempi di problemi approssimabili e non approssimabili.


Modalità di verfica

L'esame consiste in una prova scritta e una orale. Nella prova scritta il candidato dovrà risolvere degli esercizi in ordine crescente di difficoltà. Gli esercizi hanno lo scopo di verificare la preparazione dello studente sui concetti fondamentali e la loro applicazione. Non viene MAI richiesto di conoscere a memoria dettagli di dimostrazioni, ma di conoscere i teoremi, la loro dimostrazione nei punti fondamentali e di saperli applicare. Solitamente gli esercizi sono quattro a difficoltà crescente. I primi due esercizi valgono al massimo 7 punti ciascuno mentre gli ultimi due 8. La prova è superata se per ciascuno dei primi due esercizi si ottengono almeno 4 punti E si raggiunge il punteggio finale di 18. La prova ha una durata di un'ora e mezza. Chi supera la prova scritta può sostenere la prova orale o chiedere la 'conferma' del voto. In caso di conferma del voto scritto, il voto finale non potrà mai essere superiore a 24: votoFinale = (votoScritto > 24) ? 24 : votoScritto; La prova orale consiste in un colloquio dove viene richiesto di 'ragionare' su almeno due argomenti (a scelta del docente) del programma del corso. Il colloquio ha lo scopo di verificare la capacità dello studente di presentare gli argomenti e i principali risultati. Per quanto riguarda le dimostrazioni dei teoremi, lo studente è tenuto a conoscere le dimostrazioni principali fatte durante il corso (segnalate dal docente e sul programma). Una raccolta dei temi d'esame è disponibile all'indirizzo http://profs.sci.univr.it/~posenato/courses/complessita/temiEsame.


Autore Titolo Casa

editrice Anno ISBN

Christos H. Papadimitriou

Computational complexity Addison Wesley

1994 0201530821

A. Bernasconi B. Codenotti

Introduzione alla complessità computazionale

Springer 1998 8847000203

http://profs.sci.univr.it/%7Eposenato/courses/complessita/temiEsame

Deduzione automatica Docente Maria Paola Bonacina - compito didattico

crediti 5

Periodo 2° Q

Pagina Web http://profs.sci.univr.it/~bonacina/teachingUniVR/DA.html Obbiettivi formativi: Il corso assume conoscenze di logica ed algoritmi quali quelle impartite dai corsi dei primi tre anni, e presenta problemi, metodi e sistemi di ragionamento automatico, combinando fondamenti teorici con questioni pratiche di natura algoritmico-implementativa, in modo da preparare lo studente a progettare, valutare ed applicare metodi e sistemi di ragionamento automatico. Programma del corso: la nozione di procedura di prova come combinazione di sistema di inferenza e piano di ricerca; il teorema di Herbrand; strategie basate sulla generazione di istanze: dal metodo di Gilmore alla combinazione di hyperlinking con l'algoritmo di Davis-Putnam-Logemann-Loveland; strategie basate sugli ordinamenti ben fondati: schemi di inferenza di espansione (risoluzione, paramodulazione, sovrapposizione) e di contrazione (sussunzione, riscrittura) e piani di ricerca per il ragionamento in avanti; strategie basate sulla riduzione di goals: risoluzione lineare, tableaux, eliminazione di modelli e piani di ricerca per il ragionamento all'indietro; progetto e uso di dimostratori di teoremi; cenni di costruzione di modelli; cenni sulle applicazioni del ragionamento automatico alla matematica e alla verifica. Modalità d'esame: per l'esame lo studente svolge un progetto e lo presenta in forma sia scritta che orale. Lo studente può scegliere tra un progetto pratico e un progetto teorico. Una lista di progetti tra cui scegliere sarà presentata a lezione. Un progetto pratico consiste nello studiare ed usare un sistema di ragionamento automatico (e.g., dimostratore di teoremi) allo stato dell'arte. Un progetto teorico consiste nello studiare un soggetto teorico non trattato a lezione. In entrambi i casi il progetto applica ed estende gli argomenti trattati nel corso. Lo studente che sceglie il progetto pratico dovrà scaricare il sistema dal suo sito web, compilarlo, imparare ad usarlo, ovvero capire come presentare un problema in ingresso e come interpretare il risultato in uscita, e valutarlo empiricamente. Per far questo studierà il manuale del sistema ed articoli apparsi in letteratura sul sistema stesso. Lo studente che sceglie il progetto teorico dovrà studiare una collezione di articoli sull'argomento. In entrambi i casi lo studente dovrà preparare una breve relazione scritta e dare una presentazione orale del suo soggetto. Il voto d'esame sarà determinato al 50% dalla relazione scritta e al 50% dalla presentazione orale.


Autore Titolo Casa editrice Anno ISBN Rolf Socher-Ambrosius, Patricia Johann

Deduction Systems Springer Verlag 1997 0387948473

Klaus Truemper Design of Logic-based Intelligent Systems

John Wiley and Sons

2004 0471484032

Raymond M. Smullyan First-order logic Dover Publications 1995 0486683702

Allan Ramsay Formal Methods in Artificial Intelligence

Cambridge University Press

1989 0521424216


Chin-Liang Chang, Richard Char-Tung Lee

Symbolic Logic and Mechanical Theorem Proving

Academic Press 1973 0121703509

Alexander Leitsch The Resolution Calculus Springer 1997 3540618821

Equazioni differenziali Docente Stefano De Marchi - compito didattico

crediti 5

Periodo 3° Q

Obiettivi formativi

Negli ultimi anni i modelli matematici svillupati per le discipline scientifiche sono diventati sempre piùù complessi e l'analisi numerica svolge un importante ruolo nell'ambito del calcolo scientifico. Nel corso l'attenzione sarà ffocalizzata in particolare sui metodi numerici per le equazioni differenziali ordinarie e alle derivate parziali. Per introdurre le idee fondamentali e la teoria matematica necessaria per lo sviluppo e l'analisi di tali metodi, sono presentati le principali tecniche classiche, senza trascurare pero' anche problematiche di piùù recente interesse

Attività formative

Il corso si svolgerà mediante lezioni teoriche in aula, e saranno proposti anche dei seminari di approfondimento su temi di ricerca moderni. Inoltre si richiedà agli studenti di implementare i metodi numerici proposti. Come linguaggio per le implementazioni si consiglia Matlab (introdotto già in altri corsi), ma si lascia spazio agli studenti per l'utilizzo di strumenti diversi (scilab, octave o linguaggi compilati).

Programma del corso

• Brevi richiami alla soluzione di sistemi lineari con metodi iterativi. • Equazioni alle differenze. • Equazioni differenziali ordinarie: metodi numerici per problemi a valori iniziali. Metodi ad

un passo e a passi multipli. Problemi Stiff. Stabilita'. • Problemi con valori ai limiti: metodi alle differenze finite, di collocazione e shooting. • Equazioni differenziali alle derivate parziali: generalità e studio delle equazioni alle derivate

parziali classiche (Laplace, calore e onde). • Metodi alle differenze finite. Metodi agli elementi finiti. • Potranno inoltre essere inseriti approfondimenti e/o cenni ad altri argomenti.

Tesi di riferimento

• A. Quarteroni, R. Sacco e F. Saleri: Matematica Numerica, Springer (seconda edizione), 2000.

• Saber N. Elaydi: An introduction to difference equations, Springer, 1996.


• D. Greenspan e V. Casulli: Numerical analysis for applied mathematics, science, and engineering. Addison-Wesley Publishing Company, Advanced Book Program, Redwood City, CA, 1988.

• Lezioni del docente a cui partecipare!

Modalità di verfica

La verifica del profitto avviene mediante una prova scritta ed una breve prova orale oppure - se i numeri lo permettono - mediante la realizzazione e la discussione di un breve progetto.

Intelligenza artificiale Docente Matteo Cristani - compito didattico

crediti 5


Pagina Web http://www.sci.univr.it/~cristani/ Obiettivi formativi Il corso si propone di introdurre lo studente al campo dell'intelligenza artificiale, insegnando i suoi concetti e tecniche di base, e illustrando la loro applicazione ad alcune aree specifiche, in modo che lo studente sia preparato a seguire corsi specifici in tali aree e/o a lavorare ad una tesi di laurea specialistica in intelligenza artificiale. Attività formative Il corso si sviluppa su 40 ore di lezione frontale Programma del corso

1. Metodi dell’I.A. a. Algoritmi e complessità – definizioni generali b. Ripasso di Logica Formale

2. Ricerca in spazi di soluzioni a. Agenti Razionali b. Toy-problem classici c. Vacuum cleaner world d. Le 8 regine

3. Ricerca informata 1. Euristiche per il search 2. L’algoritmo A* 3. L’algoritmo SMA* 4. Problem-solving generale

4. Pianificazione . Mondo a blocchi


http://www.sci.univr.it/%7Ecristani/

a. Pianificazione mediante ricerca 5. Fondamenti di dimostrazione automatica dei teoremi

a. Teorema di Herbrand b. Principio di risoluzione c. Risoluzione semantica e per blocco

6. Risoluzione lineare a. Risoluzione per input e per unità b. Risoluzione positiva ed unitaria di Bowling e Gallier

7. Uguaglianza a. Paramodulazione b. Paramodulazione lineare

8. Procedure di dimostrazione basate sul teorema di Herbrand a. Procedura di Prawitz b. Procedura di V-risoluzione c. Alberi pseudosemantici d. Generalizzazione del metodo di Davis e Putnam

Esame mediante prove parziali: durante il corso si svolgono due prove: C: compito in classe di due ore; P: progetto di programmazione individuale da fare a casa o in laboratorio. Il voto al primo appello d'esame, che segue la fine del corso, sulla base delle due prove, è dato da: 50% C + 50% P. Queste prove valgono solo per il primo appello dopo la fine delle lezioni. Dopo tale appello le due prove durante il corso non valgono più nulla. Similmente chi sostiene l'esame regolare al primo appello perde il voto maturato con le due prove. Esame regolare: Si basa su una prova scritta che determina il voto d'esame.


Autore Titolo Casa

editrice Anno ISBN

Stuart Russell, Peter Norvig Intelligenza Artificiale: un approccio moderno

UTET libreria 1998

Chin-Liang Chang, Richard Char-Tung Lee

Symbolic Logic and Mechanical Theorem Proving

Academic Press

1973 0121703509

Linguaggi di programmazione Docente Roberto Giacobazzi - compito didattico

crediti 5

Periodo 2° Q

Pagina Web http://profs.sci.univr.it/~giaco/linguaggi.htm


Obiettivi formativi: Scopo del corso è quello di introdurre i concetti fondamentali che stanno alla base della progettazione ed implementazione di un linguaggio di programmazione moderno. In particolare si porrà l'attenzione sul ruolo centrale che hanno i tipi e la semantica (operazionale e denotazionale) nella fase di comprensione e progettazione di un linguaggio di programmazione, e di come sia possibile derivare sistematicamente interpreti e macchine astratte a partire da una corretta e ben formalizzata definizione del linguaggio. Propedeuticità consigliate: Il corso ha come prerequisiti i corsi del I e II anno e la parte di linguaggi formali ed automi del corso di Fondamenti dell'Informatica. Il corso è propedeutico al corso di Compilatori. Programma dettagliato

• Interpreti e macchine astratte: interpretazione, compilazione, specializzazione • Definizioni induttive, sistemi di transizione, teoremi di punto fisso • Sintassi concreta, sintassi astratta, ambiente e memoria: i tipi di dato • Semantica denotazionale ed operazionale • Il linguaggio ML: specifica dell'interprete denotazionale ed operazionale • L'interprete per un linguaggio di programmazione: interprete denotazionale, operazionale,

iterativo. • La gestione degli ambienti: linguaggi a blocchi • L'interprete per un lunguaggio con funzioni e procedure • L'interprete per un linguaggio ad oggetti • Semantica statica e interpretazione: linguaggi fortemente tipati • Gestione della memoria e del controllo

Modalità d'esame Realizzazione di un progetto implementativo su specifiche fornite dal docente. Il progetto consiste nello sviluppo in OCAML di un interprete. L'esame consiste nella discussione del progetto. Il progetto di Linguaggi ha validita' annuale, ovvero fino al I appello del II quadrimestre A.A. 2005-06 escluso. La consegna del progetto, redatto secondo le seguenti specifiche ovvero composto dalle specifiche date dal docente, dalle specifiche che descrivano le scelte progettuali indivuduali operate, ed il codice sorgente in OCAML del progetto con eventuali esempi di funzionamento, e' fissata ad ogni appello dell'esame di Linguaggi presso lo studio del docente o presso un'aula da destinarsi. Oltre al I appello del II quadrimestre (Aprile 2005) e' fissata una consegna straordinaria a 2 settimane dal I appello, presso lo studio del Docente. L'esame consiste in una discussione del progetto con domande sul programma del corso. I gruppi non possono essere formati da piu' di 4 studenti. La formazione dei gruppi deve essere stabilita prima della fine del corso, ovvero prima del 15 Marzo 2004.

Metodi probabilistici e statistici Docente Laura Maria Morato - compito didattico

crediti 5

Periodo 2° Q


Obbiettivi formativi

**Modellizzazione matematica di sistemi stocastici di interesse in campo informatico , loro simulazione ed analisi statistica. **

Attività formative

**Lezioni teoriche e discussione di homeworks**

Programma del corso

• ** Costruzione , simulazione e studio delle principali proprieta' asintotiche di: Catene di Markov con spazio finito e numerabile, sia in tempo discreto che continuo, Processo di Poisson,Processi di rinnovo,Moto Browniano.**

• **Applicazione a sistemi di code .** • **Analisi statistica su dati simulati**


*La prova d'esame consistera' in una tesina o progetto**


Autore Titolo Casa editrice Anno ISBN Sidney I.Resnick Adventures in stichastic processes Birkhauser;Boston,Basel,Berlin 1992

Ricerca operativa Docente Angelo Pica - compito didattico

crediti 5


Pagina Web http://profs.sci.univr.it/~pica/

Obiettivi formativi

Il corso si propone di introdurre lo studente ad alcune problematiche di base inerenti al campo dell'ottimizzazione, con particolare riferimento alla Programmazione Lineare ed alcuni problemi di Ottimizzazione su reti ed ai relativi algoritmi di risoluzione. Viene inoltre fornito qualche cenno di modellistica, mediante l'analisi di semplici problemi lineari che rientrano in questa casistica e la conseguente formulazione matematica.

Attività formative


http://profs.sci.univr.it/%7Epica/

Il corso viene svolto in 40 ore di lezione/esercitazione frontale ed ha luogo nel primo periodo dell'anno accademico.

Programma del corso

• Modelli ed algoritmi. Processi decisionali. Problemi di ottimizzazione e di esistenza: funzione obiettivo, vincoli e variabili decisionali. Esempi di classi di problemi. Classi di algoritmi: algoritmi greedy, di ricerca locale ed enumerativi.

• Programmazione lineare e dualità. Il problema di programmazione lineare: definizione, regole di trasformazione ed interpretazione geometrica dei dati. Il problema duale: coppia simmetrica e coppia asimmetrica, tabella delle corrispondenze, interpretazione geometrica. Programmazione lineare su coni: teorema fondamentale delle disuguaglianze lineari e procedura Simplesso-su-coni. Direzioni ammissibili e direzioni di crescita. Teorema debole e teorema forte della dualità e loro conseguenze. Primale e duale ristretti. Algoritmo del Simplesso Primale-Duale: procedura ed interpretazione grafica. Teorema degli scarti complementari e sue conseguenze. Matrici di base e basi complementari: definizione, ammissibilità e degenerazione. Condizioni di ottimo. Algoritmi del Simplesso Primale e del Simplesso Duale e loro interpretazione grafica. Cenni sul simplesso a variabili limitate. Riottimizzazione: variazione del vettore dei costi, del vettore dei termini noti ed aggiunta di vincoli al primale.

• Problema di flusso di costo minimo. Formulazione e regole di trasformazione. Problema duale (di potenziale). Visita di un grafo. Condizioni degli scarti complementari e relativa curva. Algoritmo Primale-Duale: soluzione iniziale, fase primale e fase duale. Soluzioni di base: matrice ed albero di base, visite anticipata e posticipata di un albero per la determinazione di soluzioni complementari. Simplesso-per-flusso e Simplesso-per-potenziale.

• Problema di flusso massimo. Problema di flusso e problema di taglio. Condizioni di ottimalità. Algoritmo di Edmonds e Karp.

• Problema dei cammini minimi. Formulazione. Condizioni di ottimalità (di Bellman). Algoritmo SPT ed algoritmo di Dijkstra.


La verifica del profitto avviene mediante una prova in laboratorio, nella quale deve essere analizzato e risolto un certo numero di problemi che richiedono sia una impostazione teorica, basata sulle conoscenze acquisite nel corso, che la relativa risoluzione numerica con il codice MATLAB e le librerie fornite dal docente - ed eventualmente con funzioni MATLAB scritte dallo studente durante la prova stessa. La votazione riportata nella prova è quella definitiva, fatto salvo il diritto di ciascuno studente di richiedere l'effettuazione di un esame orale, le cui modalità vanno definite caso per caso.

Robotica Docente Paolo Fiorini - compito didattico


crediti 5

Periodo 2° Q

Pagina Web http://profs.sci.univr.it/~fiorini/corsi/robotica/robotica.html

OBIETTIVI FORMATIVI

L'obbiettivo del corso e' di presentare agli studenti i concetti fondamentali dell'analisi, controllo e programmazione di sistemi robotici quali manipolatori e veicoli autonomi. Il corso si articolera' in tre parti principali.

• Nella prima parte verranno presentati i metodi fondamentali per l'analisi delle catene cinematiche aperte, quali i bracci manipolatori.

• Nella seconda parte verra' presentata l'analisi della dinamica di un braccio manipolatore. • Infine l'ultima parte sara' dedicata al controllo di un robot, introducendo i concetti di base

sul controllo degli attuatori e sulla pianificazione del movimento.

Parte essenziale del corso sara' il progetto finale, durante il quale gli studenti potranno sviluppare una propria idea nell'ambito della robotica e condurre simulazioni ed esperimenti sul proprio progetto.

ATTIVITÀ FORMATIVE

Il corso viene svolto in circa 40 ore di lezione frontale in cui verranno introdotti i concetti fondamentali, svolti esercizi significativi e stimolata la discussione con gli studenti.

MODALITÀ DI VERIFICA

La verifica del profitto avviene mediante due prove in aula. Le prove in aula saranno effettuate a metà ed alla fine del periodo di insegnamento. Le prove in aula prevedono la soluzione di un certo numero di problemi e la risposta ad alcune domande teoriche. La media delle votazioni riportate nelle prove è quella definitiva, fatto salvo il diritto di ciascuno studente di richiedere l'effettuazione di una prova orale, le cui modalità vanno definite caso per caso.

PROGRAMMA DEL CORSO

• Introduzione al corso. • Cinematica nello spazio. • Cinematica diretta di un manipolatore. • Cinematica inversa di un manipolatore. • Cinetmatica differenziale. • Pianificazione della traiettoria di un robot. • Pianificazione del moto di un robot. • Dinamica di un robot. • Controllo di un robot. • Argomenti avanzati: telerobotica, sensori, Haptics, ecc.


Autore Titolo Casa

editrice Anno ISBN

L. Sciavicco e B. Siciliano

Robotica Industriale -- Modellistica e Controllo di Manipolatori

McGraw Hills 2002

Sicurezza e crittografia - Teoria base Docente Roberto Segala - compito didattico

crediti 4


OBIETTIVI FORMATIVI

Nel corso vengono esaminati i concetti di base per lo studio della sicurezza dei sistemi e delle transazioni telematiche. Viene data particolare enfasi all'aspetto definizionale del problema, all'aspetto della criptazione dei dati, e al modo di affrontare la letteratura esistente. Al termine del corso lo studente ha acquisito maggior sensibilità alle problematice di sicurezza in rete ed è in gado di cercare e valutare autonomamente soluzioni ad eventuali problemi di sicurezza.

ATTIVITÀ FORMATIVE

Il corso viene svolto in 40 ore di lezione frontale. Le lezioni sono svolte mantenendo un livello scientifico elevato. Buona parte dei risultati vengono dimostrati formalmente. Lo studente non è tenuto a comprendere tutti i dettagli del lavoro svolto; tuttavia lo studente è tenuto a cogliere le similarità che sussistono tra le diverse tipologie di problema e i diversi modi di affrontare un problema. E' questo l'elemento fondamentale che permette allo studente di leggere autonomamente la letteratura esistente. Non sono previsti libri di testo.

PROGRAMMA DEL CORSO

• Elementi di teoria dei numeri: Gruppi Zn e Zn*, gruppi ciclici, generatori, logaritmo discreto, residuo quadratico, simboli di Legendre e Jacobi. • Crittografia: storia della crittografia, crittografia a chiave simmetrica (DES, IDEA), crittografia a chiave pubblica (Diffie-Helman, RSA, Bloom-Goldwasser), tecniche dimostrabilmente sicure per la codifica di un singolo bit e di sequenze di bit, tecniche per il lancio di una moneta in rete, lancio di moneta nel pozzo, generazione di bit pseudo-casuali (Bloom-Bloom-Shoub), generazione di funzioni pseudo-casuali. • Protocolli: firma digitale, autenticazione di messaggi, bit committment, schemi a barriera, blind signature, comunicazione non tracciabile, protocolli zero-knowledge, denaro digitale, voto digitale, autenticazione di agenti, distribuzione di chiavi, certificazione di chiavi. • Sicurezza dei sistemi: Elementi e criteri generali di sicurezza, attacchi ai sistemi e difese, virus, vermi, firewall.

PIANO DELLE LEZIONI


Lezione 1: Introduzione al corso, Definizione della materia, Storia della Crittografia, Dal codice di Cesare a DES, IDEA. Lezione 2: Elementi di Teoria dei Numeri, Gruppi Zn, Zn*, Generatori, Logaritmo discreto. Lezione 3: Elementi di teoria dei numeri, Residuo quadratico, Simbolo di Legendre, Simbolo di Jacobi, Esempio di riduzione da radice quadrata a fattorizzazione. Lezione 4: Crittografia a chiave pubblica, Diffie-Helman, RSA. Lezione 5: Codifica di un singolo bit. Lezione 6: Codifica di sequenze di bit. Lezione 7: Lancio di monete. Lezione 8: Lancio di monete. Lezione 9: Generazione di bit pseudo casuali. Lezione 10: Generazione di funzioni pseudo casuali. Lezione 11: Firme digitali, Autenticazione di messaggi. Lezione 12: Bit committment, Schemi a barriera, Blind signatures, Comunicazioni non tracciabili. Lezione 13: Zero knowledge. Lezione 14: Zero Knowledge. Lezione 15: Contanti elettronici. Lezione 16: Voto elettronico. Lezione 17: Protocolli di Autenticazione. Lezione 18: Distribuzione di chiavi, Standard X.509. Lezione 19: Virus e vermi. Lezione 20: Firewall.


L'esame consiste di una prova orale sugli argomenti del corso. Durante la prova orale non vengono chieste dimostrazioni o definizioni formali. Lo studente deve comunque saper commentare eventuali definizioni e/o dimostrazioni che vengono proposte dal docente.

Sistemi esperti Docente Matteo Cristani - compito didattico

crediti 5

Periodo 2° Q

Pagina Web http://www.sci.univr.it/~cristani/ Obiettivi formativi Il corso si propone di introdurre alle nozioni di Logica Descrittiva, delle Ontologie Formali e dei Vincoli, con specifica attenzione alle applicazioni di questi temi al Web Semantico ed alle Basi di Dati. Attività formative Il corso si sviluppa su 32 ore di lezione frontale e 12 di laboratorio.


http://www.sci.univr.it/%7Ecristani/

Programma del corso 1. Richiami di Logica

a. Logica proposizionale b. Logica del primo ordine c. Deduzione nel calcolo proposizionale d. Deduzione nel calcolo del primo ordine

2. Logiche descrittive a. Logiche descrittive strutturali (FL-) b. Logiche descrittive proposizionali

3. Basi di conoscenza a. Rappresentazione di concetti b. La relazione ISA c. Attributi e vincoli

4. Due logiche terminologiche: SHF e SHIQ a. Concetti b. Ruoli e attributi c. Restrizioni d. Sintassi e semantica di SHF e. Sintassi e semantica di SHIQ

5. Il sistema FaCT 6. Ontologie formali

a. Top-Level Ontologies b. Ontologie di Dominio c. Ontologie Dedicate ad un Compito

7. Vincoli relazionali a. Vincoli binari numerici b. Problemi di Elaborazione dei Vincoli c. Vincoli non numerici

Esame mediante prove parziali: durante il corso si svolgono due prove: C: compito in classe di due ore; P: progetto di programmazione individuale da fare a casa o in laboratorio. Il voto al primo appello d'esame, che segue la fine del corso, sulla base delle due prove, è dato da: 50% C + 50% P. Queste prove valgono solo per il primo appello dopo la fine delle lezioni. Dopo tale appello le due prove durante il corso non valgono più nulla. Similmente chi sostiene l'esame regolare al primo appello perde il voto maturato con le due prove. Esame regolare: Si basa su una prova scritta che determina il voto d'esame.


Autore Titolo Casa editrice Anno ISBN

J. D. Ullman Principles of Database and Knowledge-base Systems

Computer Science Press

-1

Franz Baader, Diego Calvanese, Deborah McGuinness, Daniele Nardi, Peter Patel-Schneider

The Description Logic Handbook Theory, Implementation and Applications

Cambridge University Press

2003 0521781760

Sistemi informativi geografici Docente Alberto Belussi - compito didattico

crediti 5


Obiettivi formativi

I sistemi per la gestione di basi di dati rappresentano un elemento fondamentale per la maggior parte dei sistemi informatici presenti nella realtà economica di ogni paese avanzato. Il corso di “Sistemi informativi geografici” ha lo scopo di approfondire i temi trattati nel corso di "Basi di dati e Web" offerto lo scorso anno accademico, considerando in particolare l'evoluzione subita negli ultimi anni dal settore delle basi di dati. In particolare nel corso si illustreranno in dettaglio: le tecniche di normalizzazione di un base di dati relazionale, i linguaggi di interrogacazione basati sul calcolo relazionale, le basi di dati attive, le tecniche di data mining e data warehousing. Inoltre si presenteranno le caratteristiche fondamentali delle basi di dati geografiche, presentando per queste anche una metodologia di progettazione. Lo studente alla fine del corso sarà in grado di definire autonomamente le specifiche concettuali di una base di dati geografica, di progettarne la struttura logica e di interrogare la stessa base di dati geografica. Inoltre, avrà le conoscenze per affrontare la progettazione e la realizzazione di basi di dati non tradizionali.

Attività formative

Il corso prevede 40 ore di lezione/esercitazione in aula che verranno svolte nel primo quadrimestre.

Programma del corso

• Linguaggi e modelli per basi di dati: Vincoli di integrità. Il concetto di dipendenza funzionale. Proprietà delle decomposizioni. Teoria della normalizzazione di uno schema relazionale. Calcolo relazionale sui domini e sulle tuple. Equivalenza tra algebra e calcolo. Cenni a Datalog.

• Sistemi transazionali: Rilevanza dei sistemi transazionali. Concetto di transazione. Proprietà di una transazione. Controllo della concorrenza. Il gestore della concorrenza e il deadlock. Affidabilità di un sistema transazionale: il gestore dell’affidabilità, il file di LOG, ripresa a caldo e a freddo.

• Evoluzione delle basi di dati: Basi di dati attive. Data Warehousing and Data Mining. • Basi di dati geografiche: Introduzione ai sistemi informativi geografici, modelli dei dati per

l'informazione geografica. Linguaggi di interrogazione per una base di dati geografica: la selezione basata sulle relazioni topologiche, il join spaziale e altri operatori. Metodi di accesso ai dati geografici: R-tree



L'esame di Sistemi informativi geografici è orale. Per l'ammissione all'esame orale lo studente deve superare una prova scritta di 2 ore circa che consiste di alcuni esercizi sulle tecniche di progettazione, interrogazione di una base di dati relazionale e geografica, di alcuni esercizi sulle tecniche di realizzazione dei moduli di un DBMS e di alcune domande sulla parte di teoria. Alla prova orale lo studente può decidere di verbalizzare il voto della prova scritta o di essere riesaminato mediante colloquio. In tal caso il voto finale dell'esame sarà basato puramente sul colloquio senza tenere in alcun conto l'esito della prova scritta.


Autore Titolo Casa editrice Anno ISBN P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone

Basi di dati. Architetture e linee di evoluzione

McGraw-Hill 2003 88-386-603

P. Atzeni, S. Ceri, S. Paraboschi, R. Torlone

Basi di dati, modelli e linguaggi di interrogazione.

McGraw-Hill 2002 8838660085

R. Elmasri, S. B. Navathe Fundamentals of Database Systems

Addison-Wesley

1994 0805317481

J. D. Ullman Principles of Database and Knowledge-base Systems

Computer Science Press

-1

P. Rigaux, M. Scholl and A. Voisard

Spatial Databases with Application to GIS

Morgan Kaufmann

-1

Sistemi informativi multimediali Docente Carlo Combi - compito didattico

crediti 5

Periodo 3° Q

OBIETTIVI FORMATIVI

L'obbiettivo del corso è introdurre lo studente alle problematiche relative alla progettazione ed utilizzo dei sistemi informativi per la gestione di informazioni multimediali. Viene fornito allo studente un completamento degli aspetti tecnologici e metodologici inerenti i sistemi di basi di dati, specificatamente orientato alla gestione dei dati multimediali.

ATTIVITÀ FORMATIVE

Il corso viene svolto in 40 ore di lezione/esercitazione frontale.

PROGRAMMA DEL CORSO

• Informazioni multimediali.Caratteristiche fondamentali delle informazioni multimediali. Acquisizione dei dati multimediali. Memorizzazione ed accesso ai dati multimediali.


• Basi di dati orientate agli oggetti.Concetti fondamentali delle basi di dati orientate agli oggetti; modelli dei dati. Linguaggi di interrogazione. Lo standard ODMG.

• Progettazione di basi di dati multimediali. La metodologia di progettazione ad oggetti UML. Esempi di progettazione di sistemi di gestione di dati multimediali.

• Linguaggi di interrogazione per dati multimediali. Tipologie di linguaggi di interrogazione. Esempi d'uso

• Dati semistrutturati e presentazioni multimediali. Modelli dei dati semistrutturati multimediali. Il linguaggio SMIL: esempi di applicazione.


La verifica del profitto avviene mediante una prova orale, nella quale vengono proposte sia domande sulle parti più teoriche sia brevi esercizi sugli aspetti più applicativi.


Autore Titolo Casa editrice Anno ISBN P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone

Basi di dati. Architetture e linee di evoluzione

McGraw-Hill 2003 88-386-603

V.S. Subrahmanian Principles of Multimedia Database Systems

Morgan Kaufmann

1998 1-55860-46

R. G. G. Cattell The Object Data Standard: ODMG 3.0

Morgan Kaufmann

2000 1-55860-64

M. Fowler, K. Scott UML distilled Addison Wesley Longman

1997 0201325632

Teoria dei sistemi Docente Paolo Fiorini - compito didattico

crediti 5


OBIETTIVI FORMATIVI

L'obbiettivo del corso e' di presentare agli studenti alcuni concetti avanzati dello studio dei sistemi dinamici lineari tempo-invarianti, con particolare riferimento alle problematiche della controllabilità e osservabilit&agrace; dei sistemi. Verranno anche introdotti concetti sull'analisi della stabilità dei sistemi non lineari. Se il tempo lo consente verràapprofondito il concetto di stima di stato introducendo gli stimatori probabilitici e gli stimatori ottimi e presentando i concetti di base del firltro di Kalman.

ATTIVITÀ FORMATIVE


Il corso viene svolto in circa 40 ore di lezione frontale in cui verranno introdotti i concetti fondamentali, svolti esercizi significativi e stimolata la discussione con gli studenti.


La verifica del profitto avviene mediante una prova finale che sarà concordata con gli studenti. La prova potrà consiste in un esame in aula contente domande teoriche ed esercizi, oppure un elaborato/progetto a scelta dello studente.

PROGRAMMA DEL CORSO

• Introduzione al corso e modelli di stato. • Struttura dei sistemi dinamici lineari. • Analisi modale. • Analisi della stabilità. • Raggiungibilità e controllabilit&a;. • Retroazione dallo stato e allocazione degli autovalori. • Osservabilità e stima dello stato. • Stimatori probabilistici e stimatori ottimi. • Il filtro di Kalman


Sergio Rinaldi, Teoria dei Sistemi, CLUP Milano • Appunti delle lezioni.

Autore Titolo Casa editrice Anno ISBN M.E. Valcher Segnali e Sistemi Ediitrice Progresso 2002

Teoria dell'informazione Docente Vincenzo Manca - titolare

crediti 5

Periodo 1° Q - 2° anno e successiviIntroduzione ai codici. Principali caratteristiche e tipologie. Misure informative e informazione intrinseca. Teoremi di Kraft e diÊ McMillan. Codifichea diÊ Huffmann. Teorema di ottimalita'. Codifica di Shannon-Fano-Elias e codifica Arithmetic. Algoritmi di compressione LZ e BW. Entropia di una sorgente semplice. Entropie congiunte, relativa e condizionale. Lemma del logaritmo. Primo teorema di Shannon. Sorgenti stocastiche e stazionarie. Teorema di stazionarieta'. Sorgenti markoviane ed entropie linguistiche. Teorema dell'equipartizione asintotica. Sorgenti ergodiche. Canali discreti con rumore. Mutua informazione e capacita'. Secondo teorema di Shannon. Codici autocorrettori (cenni). Entropie continua. Entropia della distribuzione normale. Teorema di Maxwell. Segnali, serie e trasformata di Fourier. Teorema del campionamento


(Nyquist-Wiener-Shannon). Canale gaussiano e terzo teorema di Shannon. Principi informazionali dei metodi crittografici. Complessita' algoritmica. Eleganza. Testualizzazione e Recupero dell'informazione. Esame orale.

Teoria e tecniche del riconoscimento Docente Vittorio Murino - compito didattico

crediti 5

Periodo 3° Q

Pagina Web http://profs.sci.univr.it/~swan/Teaching/2004-05/TTR/TTR.html Obiettivi formativi •Il corso intende fornire i fondamenti teorici e le metodologie principali relative all’analisi e riconoscimento automatico di dati di qualsiasi tipo, detti tipicamente pattern. Questa disciplina è alla base o completa molte altre discipline di più larga diffusione come l’elaborazione delle immagini, la visione, l’intelligenza artificiale, l’analisi di grosse quantità di dati, le basi di dati, e numerose altre. •Nel corso verrà data enfasi alle tecniche probabilistiche con particolar riferimento all’addestramento di sistemi volti al riconoscimento (anche di immagini, ma non solo) e alle reti neurali. •Le applicazioni che questa disciplina coinvolge sono molteplici. Tra queste ci sono le applicazioni legati all’elaborazione delle immagini e visione, data mining, la bioinformatica, analisi ed interpretazione di dati medicali e biologici (e.g., genomica, proteomica, sierologia, etc.), la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre. Attività formative Il corso viene svolto in 32 ore di lezioni frontali e 12 ore di laboratorio. L'attività di laboratorio prevede la pratica e risoluzione di esercizi mediante l'uso di MATLAB volti all'apprendimento pratico e alla miglior comprensione della teoria svolta a lezione. Programma

• •Introduzione: cos’è, a cosa serve, sistemi, applicazioni • •Riconoscimento e classificazione • •Estrazione e rappresentazione di caratteristiche (feature) • •Teoria della decisione di Bayes • •Stima dei parametri e metodi non parametrici • •Classificatori lineari, non lineari e funzioni discriminanti • •Cenni di Pattern Recognition di tipo sintattico • •Selezione di feature • •Reti neurali • •Metodi di classificazione non supervisionata (clustering) • •Metodi avanzati: Hidden Markov Models.


Modalità di verifica dei crediti La verifica del profitto avverrà mediante un'attività di progetto e una breve prova orale. Il progetto riguarderà gli argomenti trattati a lezione con riferimento all'elaborazione delle immagini e visione, ma anche altre applicazioni potranno essere considerate. La prova orale verterà sui temi sviluppati a lezione e potrà essere sostituita da una prova scritta con brevi domande simili alla prova orale. Il superamento della prova porta all'acquisizione di 5 crediti, ovvero di 1 unità didattica.


Autore Titolo Casa editrice Anno ISBN

C.M. Bishop Neural Networks for Pattern Recognition

Oxford University Press

1995

R. Duda, P. Hart, D. Stork Pattern Classification Wiley 2001

S. Theodoridis, K. Koutroumbas

Pattern Recognition Academic Press 1998

Visione computazionale Docente Andrea Fusiello - compito didattico

crediti 5

Periodo 3° Q

OBIETTIVI FORMATIVI

Tra tutte le abilità sensoriali, la visione è largemente riconosciuta come quella più importante: basti pensare che più della metà del cervello umano è dedicato alla elaborazione visiva. Si intuisce quindi l'importanza della analisi delle immagini in un sistema che ambisca ad essere "intelligente". Se adottiamo un punto di vista distaccato, le capacità dei sistemi biologici ci appaiono immediatamente formidabili: l'occhio raccoglie una banda di radiazioni elettromagnetiche rimbalzate su diverse superfici e provenienti da fonti luminose diverse ed il cervello elabora questa informazione formando il quadro della scena come noi la percepiamo. Il tentativo di replicare completamentequeste funzionalità e' decisamente troppo ambizioso e forse destinato al fallimento. Ci si può accontentare di replicare alcune di esse, in particolare quelle di basso livello, legate al recupero della struttura tridimensionale (3D) della scena a partire da sue proiezioni bidimensionali (le immagini). Il corso è centrato sul processo computazionale che porta dalle immagini al modello 3D, che si può immaginare come l'inverso del processo studiato dalla Grafica al Calcolatore.

ATTIVITÀ FORMATIVE

Il corso viene svolto in 32 ore di lezione frontale e 12 ore di esercitazione in laboratorio (con MATLAB), nell'arco di un periodo.


PROGRAMMA DEL CORSO

• Introduzione, rassegna degli argomenti, motivazioni. (2 h) • Dalla struttura 3D al modello completo (2 h) • Formazione dell'immagine (2 h). • Modello della telecamera, calibrazione, stima della posa (2 h). • Algoritmi per il recupero della struttura, sensori range (2 h). • Forma dalle ombreggiature (2 h). • Struttura da Stereopsi: triangolazione passiva, rettificazione (3 h). • Triangolazione attiva (2 h). • Ricostruzione volumetrica: shape from silhouettes, space carving (2 h). • Struttura da Moto: moto discreto (3 h). • Moto planare: omografie e mosaici di immagini (3 h). • Struttura da Moto: moto continuo, flusso ottico (3 h). • Ricostruzione proiettiva ed autocalibrazione (2 h). • Ricostruzione tomografica (2 h).


La verifica del profitto avviene mediante valutazione di un progetto (50%) e prova orale (50%). Il superamento della verifica di profitto porta all'acquisizione di 5 crediti.


Autore Titolo Casa

editrice Anno ISBN

E. Trucco, A. Verri

Introductory techniques for 3D Computer Vision

Prentice-Hall 1998 0132611082

Guida dello studente A.A. 2004/2005 - di.univr.it · • Progetto della gerarchia di memoria:...

Documents

Transcript of Guida dello studente A.A. 2004/2005 - di.univr.it · • Progetto della gerarchia di memoria:...