Sommario Analisi del dominio: i sistemi per la localizzazione

Slides:



Advertisements
Presentazioni simili
SCOPO: Determinare condizioni locali di equilibrio al fine di ottenere quello globale del sistema Problema: Flussi uscenti dalla cella centrale verso le.
Advertisements

Relatore: Prof. Fabrizio Ferrandi
Linguaggi Regolari e Linguaggi Liberi
La sperimentazione clinica
Data Bases Distribuiti Finalità Caratteristiche Struttura Mario Capurso
UNIVERSITA DEGLI STUDI DI MODENA E REGGIO EMILIA Facoltà di Ingegneria – Sede di Modena Corso di Laurea in Ingegneria Informatica MOMIS: servizi di wrapping.
ODE PROBLEMA DI CAUCHY IN 1-D Sia f : I x RR, I  R.
Algoritmi e Strutture Dati
La modellazione m.rumor. realtà di interesse target domain source domain rappresentazione funzione di modellazione inversa della funzione di modellazione.
Modelli dinamici e contabilizzazione dei flussi di gas ad effetto serra nei suoli agricoli Udine 27 marzo 2008 Giornata di studio Ruolo dei suoli agricoli.
Introduzione al calcolo parallelo SISTEMI INFORMATIVI AZIENDALI Pierpaolo Guerra Anno accademico 2009/2010.
1 9: Progettazione Architetturale Obiettivo: stabilire la struttura globale di un sistema software Descriveremo diversi tipi di modello di architettura,
Algoritmi e Strutture Dati
Sistemi basati su conoscenza Metodi di ricerca informata Prof. M.T. PAZIENZA a.a
Scenario Archi di un grafo controllati da agenti egoistici
Algoritmi Politecnico di Milano C Primi programmi Politecnico di Milano.
CAMPIONAMENTO Estratto dal Cap. 5 di:
ANNO ACCADEMICO CORSO LAUREA MAGISTRALE IN SCIENZE DELLA PRODUZIONE ANIMALE Riconoscimento elettronico, management informatizzato e tracciabilità.
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Algoritmi e Strutture Dati
Corso di Laurea in Biotecnologie Informatica (Programmazione)
Corso di Informatica (Programmazione)
D2I - Tema 3: Data Mining Stato di avanzamento Roma 11/10/2002.
ALGORITMI E PROGRAMMAZIONE STRUTTURATA
Modelli probabilistici
PATTERN RECOGNITION.
Instance Based Learning Mercoledì, 17 novembre 2004 Giuseppe Manco Readings: Chapter 8, Mitchell Chapter 7, Han & Kamber Instance-Based Learning (IBL):
Algoritmi e diagrammi di flusso
Alessandro Finazzi Psicologia del lavoro L’organizzazione.
Studio di euristiche per il miglioramento di algoritmi di ranking per il World-Wide Web Università degli Studi di Milano Corso di Laurea in Informatica.
UNIVERSITA’ DEGLI STUDI DI MODENA E REGGIO EMILIA CORSO DI LAUREA IN INGEGNERIA INFORMATICA STUDIO, SIMULAZIONE E VALUTAZIONE DI UN ALGORITMO V2V PER LO.
INFORMATICA MATTEO CRISTANI.
Obiettivi: Creare un sistema capace di monitorare i movimenti dei mezzi adibiti al trasporto dei rifiuti pericolosi; Verificare gli spostamenti rispetto.
FLOWCHART DELL’ALGORITMO DI APPRENDIMENTO DELLA RETE DI KOHONEN
Semi-Supervised Learning
THE V*-DIAGRAM: A QUERY-DEPENDENT APPROACH TO MOVING KNN QUERIES Capoccia Emiliano - DIorio Andrea - Fontanelli Davide Sarana Nutanong Rui Zhang Egemen.
Firenze – Festival della Creatività 2009 Comm.it s.r.l. – Ing. Davide Rogai, Ph.D. – Software >> fast on demand software.
Algoritmi e Strutture Dati
Euristiche: algoritmi costruttivi e di ricerca locale
PROGETTO FINALE PROGETTO FINALE DEL CORSO DI PROGETTAZIONE DI SISTEMI DI CONTROLLO a.a. 2008/2009 Localizzazione tramite una rete di sensori wireless.
Analisi e realizzazione software
Risultati complessivi Diego Ragazzi
Index Land Surface for Efficient kNN Query Gruppo 2 Riccardo Mascia Roberto Saluto Relatore Roberto Saluto Cyrus Shahabi Lu-An TangSonghua Xing.
Voronoi-Based K Nearest Neighbor Search for Spatial Network Databases
Università degli Studi di Cagliari
Complessità degli algoritmi (cenni) CORDA – Informatica A. Ferrari.
PlannerComponentChecker Available components pdfquerycompanswer.
Tema 2: progettazione e interrogazione di data warehouse
Capitolo 13 Cammini minimi: Algoritmo di Floyd e Warshall Algoritmi e Strutture Dati.
“Exact Indexing of Dynamic Time Warping” di E.Keogh G. Fregnan, T. Splendiani 17/03/06 Exact Indexing of Dynamic Time Warping Eamonn Keogh Computer Science.
1 Interpretazione astratta: un approccio sistematico all’analisi statica.
RETI NEURALI - 2.
Università degli Studi di Roma Tor Vergata
Voronoi-Based K Nearest Neighbor Search for Spatial Network Databases1 GRUPPO 13: Relatore: Mengoli Dario Mengoli Dario Rovatti Fabrizio Tassoni Davide.
Sistemi basati su conoscenza Metodi di ricerca informata Prof. M.T. PAZIENZA a.a
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Sistemi basati su conoscenza Metodi di ricerca informata Prof. M.T. PAZIENZA a.a
Capitolo 10 Tecniche algoritmiche Algoritmi e Strutture Dati.
Il Problema del Commesso Viaggiatore. Traveling Salesman’s Problem (TSP) Un commesso viaggiatore deve visitare un certo numero di città Conosce la distanza.
MobileGuide Framework Progetto PRIN 2005 Università di Udine – Luca Chittaro (Coord.) Università di Torino – Luca Console Università di Pisa – Maria Simi.
1 Ordinamento (Sorting) Input: Sequenza di n numeri Output: Permutazione π = tale che: a i 1  a i 2  ……  a i n Continuiamo a discutere il problema dell’ordinamento:
A.A Roma Tre Università degli studi “Roma Tre” Facoltà di Ingegneria Corso di Laurea in Ingegneria Elettronica Servizi di localizzazione a livello.
Algoritmi e Strutture Dati
Cammini minimi in grafi:
TRATTAMENTO STATISTICO DEI DATI ANALITICI
M. De Cecco - Sensor Fusion: teoria ed applicazione alla percezione di sistemi robotici SLAM Simultanea localizzazione e mappatura di veicoli autonomi.
REGIONE MARCHE Assessorato Attività produttive Ricerca scientifica e tecnologica POR MARCHE FESR ASSE 3 - OS. 8 - AZIONE 8.1 Bando di Accesso.
Il progetto ARTISAN Angelo Frascella – ENEA (8 Luglio 2011)
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Trattamento dei dati sperimentali
Transcript della presentazione:

Sommario Analisi del dominio: i sistemi per la localizzazione Obiettivi Definizione e implementazione del framework Test e risultati sperimentali Conclusioni e sviluppi futuri Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Tassonomia di Hightower Dominio Obiettivi Framework Test Conclusioni Tecniche di localizzazione Triangolazione Analisi della scena Prossimità Proprietà dei sistemi Accuratezza e precisione Costo Posizioni fisiche Vs simboliche Posizioni assolute Vs relative Limiti Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Sistemi per la localizzazione Dominio Obiettivi Framework Test Conclusioni Infrastruttura ad-hoc Infrastruttura esistente Wireless Network-based Satellite-based Inerziali WiFi GPS UWB GSM ultrasuoni IR Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Caratteristiche del dominio Obiettivi Framework Test Conclusioni Il GPS è globalmente diffuso ma non funziona “indoor” non esiste uno standard Soluzioni ad-hoc per ogni specifico problema scarsa omogeneità e portabilità Obiettivo: massima precisione/accuratezza talvolta non sono necessarie Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Obiettivi Definizione di un framework che: Risoluzione delle query Dominio Obiettivi Framework Test Conclusioni Definizione di un framework che: Modelli le interrogazioni (query) di localizzazione Modelli il generico sistema per la localizzazione Risoluzione delle query Combinando diversi sistemi Minimizzando il rapporto costo/efficacia Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Query di localizzazione Dominio Obiettivi Framework Test Conclusioni Dove mi trovo? Precisione? 50%? 99%? Accuratezza? 1 mt? 1000 mt? Le query che abbiamo appena visto presentano ambiguità nella specifica di alcuni requisiti come la precisione Dominio? Coordinate fisiche? Stanze di un palazzo? Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Componenti per la localizzazione Input: Dati di input generici per la localizzazione Insieme delle risposte (posizioni) Output: Distribuzione di probabilità sull’insieme delle risposte Proprietà: Costo q-Selettività: probabilità di risolvere una certa query q Dominio Obiettivi Framework Test Conclusioni Componente input Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Valutazione delle query Dominio Obiettivi Framework Test Conclusioni ddp Insieme delle risposte A Probabilità p Atrio Corridoio Ufficio 1 Bagno Ufficio 2 ... Query q dominio = A accuratezza = aq precisione = pq Sottoinsieme delle risposte A’ accuratezza = | A’ | precisione = (somma) Query soddisfatta se: aq ≥ | A’ | pq ≤ (somma) Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Combinazione dei componenti Dominio Obiettivi Framework Test Conclusioni Se un solo componente non basta? In serie (pipeline): Miglioramenti della medesima tecnologia In parallelo: Tecnologie indipendenti ddp ddp Componente Componente ddp Componente ddp ddp Componente Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Aggregazione delle ddp Dominio Obiettivi Framework Test Conclusioni Approccio Bayesiano indipendente Esempio: Componenti concordi Componenti discordi Singoli componenti Aggregato Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Algoritmo di pianificazione (1/2) Dominio Obiettivi Framework Test Conclusioni Problema: data una query, quali componenti è meglio valutare per minimizzare i costi? Algoritmo di pianificazione Generare una rete degli stati Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Algoritmo di pianificazione (2/2) Dominio Obiettivi Framework Test Conclusioni Marcare gli archi con i costi condizionali Usare l’algoritmo di Dijkstra per trovare il cammino di costo minimo Vk Probabilità che allo stato Vk la query non sia ancora risolta (selettività) × Costo del componente valutato allo stato Vl Ck,l Vl Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Componenti non omogenei (1) Dominio Obiettivi Framework Test Conclusioni Come aggregare risposte di diversi domini? Il traduttore è un particolare tipo di componente che accetta ddp in input l’algoritmo di pianificazione resta valido (con qualche lieve modifica) Traduttore Insieme A Insieme B Supponiamo adesso di avere componenti che forniscono informazioni di localizzazione di diverso tipo, per esempio supponiamo di avere un componente che tratta coordinate globali, e uno che tratta nomi simbolici, per esempio nomi di stanze. Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Implementazione – WiFi Tecnica utilizzata: Wi-Fi fingerprinting Dominio Obiettivi Framework Test Conclusioni Componente Fingerprints database Snapshot receiver sender Linux Wireless Tools Mobile device driver UDP ddp Client Server Algoritmi: Nearest neighbor dist. Hamming dist. Euclidea Reti neurali Inferenza Bayesiana Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Test - Interfaccia Dominio Obiettivi Framework Test Conclusioni Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Test – Risultati sperimentali Stima delle selettività Dominio Obiettivi Framework Test Conclusioni Wi-Fi nearest neighbor con distanza di Hamming Wi-Fi nearest neighbor con distanza Euclidea Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione

Conclusioni e sviluppi futuri Contributi: Formalizzazione di un metodo per integrare diverse tecnologie per la localizzazione Applicabilità ad altri domini (riconoscimento vocale/facciale) Definizione di un algoritmo per la valutazione di query con requisiti di precisione/accuratezza Implementazione di componenti di test basati su WiFi e reti di sensori Sviluppi futuri: Implementazione di nuovi componenti per sfruttare le capacità dell’algoritmo Dominio Obiettivi Framework Test Conclusioni Stefano Bonetti – Framework per la valutazione progressiva di interrogazioni di localizzazione