Questo argomento è stato trattato durante dopo la discussione dei Massimi minimi multi-variabile, però è stato ripreso anche nella forma R to R, quindi credo necessiti di un foglio a parte. Affine set Lines $$ x = \theta x_{1} + (1 - \theta)x_{2} $$ This is a parametrization of the line Example: Def: affine set A combination where the coefficients add up to 1. We can say that this set is unique given two points. ...
In questo capitolo cerchiamo di andare oltre alla singola dimensione per l’analisi. Lo spazio $\mathbb{R}^{n}$ Possiamo definire uno spazio Rn come il prodotto cartesiano fra l’insieme R un numero di volte uguale a n $\mathbb{R} \times \mathbb{R} \times ... \times\mathbb{R} = \mathbb{R}^n$ Allora un tipico elemento in Rn è nella forma $(x_1,...,x_n)$, questo elemento si chiama punto, mentre gli elelmenti in R che costituiscono questo elemento si chiamano componenti. Osservazione La maggior parte dei risultati che dimostro nello spazio ordinario (R3) si può dimostrare per Rn, non andiamo più nel dettaglio perché i problemi che ho in spazi maggiori sono parte di materiale per analisi 2 ...
Metodi di registrazione informazione Ci stiamo chiedendo in che modo possiamo registrare attività del cervello e quindi cercare di fare decoding delle informazioni presenti Prima parliamo di alcune tecniche non invasive che ci permettono di vedere alcune attività presenti nel cervello. Metodi macroscopici Functional Magnetic Resonance Imaging Un metodo è fMRI. (ci sono cose ) TODO capire come funziona Electro-Encephalo-Gram EEG che prende direttamente dai segnali Ma il drawback di entrambi è che non registrano attività del singolo array. ...
Anomaly detection is a problem in machine learning that is of a big interest in industry. For example a bank needs to identify problems in transactions, doctors need it to see illness, or suspicious behaviors for law (no Orwell here). The main difference between this and classification is that here we have no classes. Setting of the problem Let’s say we have a set $X = \left\{ x_{1}, \dots, x_{n} \right\} \subseteq \mathcal{N} \subseteq \mathcal{X} = \mathbb{R}^{d}$ We say this set is the normal set, and $X$ are our samples but it’s quite complex, so we need an approximation to say whether if a set is normal or not. We need a function $\phi : \mathcal{X} \to \left\{ 0, 1 \right\}$ with $\phi(x) = 1 \iff x \not \in \mathcal{N}$. ...
Omnidirezionali Antenne omnidirezionali 🟩 Slides antenne omnidirezionali Il senso di omnidirezionale è in tutte le direzioni dell’antenna (nota: non è isotropico, perché non è da un singolo punto). in passato era importante andare a guardare la direzione per trovare la polarizzazione migliore. Praticamente irradia a 360 gradi sul piano permedicolare all’antenna. Esempio pattern di radiazione Questo genere di antenne sono irrealizzabili la più simile è la antenna dipolo dipolo, ma comunque non rispetta le antenne in questo verso diciamo. ricorda i dBi che abbiamo citato in Fisica del Wireless. ...