La Calcolatrice Bootstrap e' programmata in Java. Essa comprende sei voci indipendenti: la Media, la Media pesata, la Mediana, la Varianza, la Correlazione e la Regressione. Per ciascuna voci ci sono quattro sottovoci: File, Metodi, Lingua e Aiuto che ne permettono l'uso adeguato. In particolare la Regressione e' distinta tra multipla e polinomiale con la rispettiva variabile dipendente e le covariate. L'esecuzione in Java viene mostrata per esteso. I valori possono essere di diverso tipo: ambientali, fisici, chimici, metrologici, ecc.

An application in cultural heritage is introduced. Wavelet decomposition and Neural Networks like virtual sensors are jointly used to simulate physical and chemical measurements in specific locations of a monument. Virtual sensors, suitably trained and tested, can substitute real sensors in monitoring the monument surface quality, while the real ones should be installed for a long time and at high costs. The application of the wavelet decomposition to the environmental data series allows getting the treatment of underlying temporal structure at low frequencies. Consequently a separate training of suitable Elman Neural Networks for high/low components can be performed, thus improving the networks convergence in learning time and measurement accuracy in working time.

Proposta di un modello di riferimento e una architettura di una piattaforma abilitante una Governance e Compliance di "Cultura e Territorio"

Utilizzando la chiave BCHome si passa al sito corrispondente. Esso e' fatto da piu' parti: nella prima viene elencato e descritto tutta la parte del bootstrap usata, nella seconda e' inserito un ampio glossario, nella terza e' effettivamente mostrato il funzionamento in JAVA del bootstrap, per esempio da MEDIA, la MEDIA PESATA, la MEDIANA, la VARIANZA e la CORRELAZIONE: infine e' mostrato anche il modo per generare un nuovo accesso. I dati da elaborare possono essere di tipi diversi: ambientali, topografici, chimici, metrologici.

The accurate calibration of thousands of thermometers involves the optimzation of the experimental design to save time and costs. A modelling procedure is proposed for the construction of a suitable free-knots cubic spline model. An iterative algorithm is used and a minimum experimental design is identified.

Il Progetto riguarda tre ambiti di ricerca; 1. Sensoristica virtuale non invasiva per il monitoraggio di parametri ambientali; 2. Metodologie per la determinazione ottimale di posizioni di prelievo di dati di composizione chimica relative a regioni di interesse (ROI) evidenziate sul monumento da strumenti di elaborazione delle immagini e segmentazione basata sul colore delle stesse; 3. Metodologie per la determinazione di griglie ottime di sensori di misura di dati ambientali (quali temperatura ed umidità) sulla base di dati acquisiti da un numero iniziale sottodimensionato di sensori.

Oggetto della presente ricerca è stato lo studio, la progettazione e la realizzazione di un sistema, basato sulla tecnologia delle reti neurali, per il monitoraggio non invasivo di grandezze, prevalentemente di tipo fisico sulla facciata del teatro romano d’Aosta. Inoltre, la ricerca ha messo a punto due metodologie per la determinazione dei punti ottimi di prelievo di tipo chimico utilizzando strumenti di elaborazione di immagini e segmentazione basata sul colore e per la definizione di griglie ottime di sensori per la misura di parametri ambientali, utilizzando strumenti di elaborazione delle immagini come l’analisi wavelet. La ricerca si è sviluppata secondo le seguenti tematiche: 1.Sensoristica virtuale non invasiva per il monitoraggio di parametri ambientali; 2.Metodologie per la determinazione ottimale di posizioni di prelievo di dati di composizione chimica relative a regioni di interesse (ROI) evidenziate sul monumento da strumenti di elaborazione delle immagini e segmentazione basata sul colore delle stesse; 3.Metodologie per la determinazione di griglie ottime di sensori di misura di dati ambientali (quali temperatura ed umidità) sulla base di dati acquisiti da un numero iniziale sottodimensionato di sensori.

Several studies highlight the need for appropriate statistical and probabilistic tools to analyze the data provided by the participants in an interlaboratory comparison. In some temperature comparisons, where the measurand is a physical state, independent realizations of the same physical state are acquired in each participating institute, which should be considered as belonging to a single super-population. This paper introduces the use of a probabilistic tool, a mixture of probability distributions, to represent the overall population in such a temperature comparison. This super-population is defined by combining the local populations in given proportions. The mixture density function identifies the total data variability, and the key comparison reference value has a natural definition as the expectation value of this probability density.