Prof. Danilo Comminiello: i libri dei suoi insegnamenti

1. Che cosa si intende per apprendimento automatico applicato all'elaborazione dei segnali?
2. Come si rappresenta un segnale con un insieme di caratteristiche per l'apprendimento?
3. Quali sono le differenze tra metodi supervisionati e non supervisionati nell'analisi di segnali?
4. Come si addestra un modello lineare per stimare una grandezza a partire da un segnale?
5. Che cosa si intende per regressione regolarizzata e quale effetto ha sul modello?
6. Come si applica la analisi delle componenti indipendenti per separare sorgenti miste?
7. Quali metodi si usano per ridurre il rumore di un segnale con modelli appresi dai dati?
8. Come si valuta la capacità predittiva di un modello con dati di validazione separati?
9. Che cosa si intende per gradiente discendente e come si usa per addestrare un modello?
10. Come si modellano le sequenze temporali con reti ricorrenti nell'elaborazione di segnali?
11. Quali tecniche si utilizzano per la classificazione di segnali acustici o biomedici?
12. Come si gestisce il problema del sovradattamento nei modelli addestrati su segnali?
13. Che cosa si intende per funzione di perdita e come si sceglie per un problema di stima?
14. Come si applica la teoria della decisione alla rivelazione di un segnale nel rumore?
15. Quali vantaggi offre la rappresentazione tempo frequenza per l'apprendimento su segnali?
16. Come si progetta un filtro adattativo che si aggiorna con l'arrivo di nuovi dati?
17. Quali metriche si usano per confrontare le prestazioni di due metodi di stima di un segnale?
18. Come si gestisce la dimensione dei dati in un problema di apprendimento su grandi insiemi di segnali?
19. Quali applicazioni hanno questi metodi nell'analisi di immagini e di segnali radar?
20. Come si interpretano i parametri di un modello appreso dai dati di un segnale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per apprendimento automatico applicato all'elaborazione dei segnali?
2. Come si rappresenta un segnale con un insieme di caratteristiche per l'apprendimento?
3. Quali sono le differenze tra metodi supervisionati e non supervisionati nell'analisi di segnali?
4. Come si addestra un modello lineare per stimare una grandezza a partire da un segnale?
5. Che cosa si intende per regressione regolarizzata e quale effetto ha sul modello?
6. Come si applica la analisi delle componenti indipendenti per separare sorgenti miste?
7. Quali metodi si usano per ridurre il rumore di un segnale con modelli appresi dai dati?
8. Come si valuta la capacità predittiva di un modello con dati di validazione separati?
9. Che cosa si intende per gradiente discendente e come si usa per addestrare un modello?
10. Come si modellano le sequenze temporali con reti ricorrenti nell'elaborazione di segnali?
11. Quali tecniche si utilizzano per la classificazione di segnali acustici o biomedici?
12. Come si gestisce il problema del sovradattamento nei modelli addestrati su segnali?
13. Che cosa si intende per funzione di perdita e come si sceglie per un problema di stima?
14. Come si applica la teoria della decisione alla rivelazione di un segnale nel rumore?
15. Quali vantaggi offre la rappresentazione tempo frequenza per l'apprendimento su segnali?
16. Come si progetta un filtro adattativo che si aggiorna con l'arrivo di nuovi dati?
17. Quali metriche si usano per confrontare le prestazioni di due metodi di stima di un segnale?
18. Come si gestisce la dimensione dei dati in un problema di apprendimento su grandi insiemi di segnali?
19. Quali applicazioni hanno questi metodi nell'analisi di immagini e di segnali radar?
20. Come si interpretano i parametri di un modello appreso dai dati di un segnale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per apprendimento automatico applicato all'elaborazione dei segnali?
2. Come si rappresenta un segnale con un insieme di caratteristiche per l'apprendimento?
3. Quali sono le differenze tra metodi supervisionati e non supervisionati nell'analisi di segnali?
4. Come si addestra un modello lineare per stimare una grandezza a partire da un segnale?
5. Che cosa si intende per regressione regolarizzata e quale effetto ha sul modello?
6. Come si applica la analisi delle componenti indipendenti per separare sorgenti miste?
7. Quali metodi si usano per ridurre il rumore di un segnale con modelli appresi dai dati?
8. Come si valuta la capacità predittiva di un modello con dati di validazione separati?
9. Che cosa si intende per gradiente discendente e come si usa per addestrare un modello?
10. Come si modellano le sequenze temporali con reti ricorrenti nell'elaborazione di segnali?
11. Quali tecniche si utilizzano per la classificazione di segnali acustici o biomedici?
12. Come si gestisce il problema del sovradattamento nei modelli addestrati su segnali?
13. Che cosa si intende per funzione di perdita e come si sceglie per un problema di stima?
14. Come si applica la teoria della decisione alla rivelazione di un segnale nel rumore?
15. Quali vantaggi offre la rappresentazione tempo frequenza per l'apprendimento su segnali?
16. Come si progetta un filtro adattativo che si aggiorna con l'arrivo di nuovi dati?
17. Quali metriche si usano per confrontare le prestazioni di due metodi di stima di un segnale?
18. Come si gestisce la dimensione dei dati in un problema di apprendimento su grandi insiemi di segnali?
19. Quali applicazioni hanno questi metodi nell'analisi di immagini e di segnali radar?
20. Come si interpretano i parametri di un modello appreso dai dati di un segnale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per modello generativo e come si applica al suono?
2. Come si rappresenta l'audio digitale in forma adatta a un modello generativo?
3. Quali differenze esistono tra modelli autoregressivi e modelli a diffusione per l'audio?
4. Come si valuta la qualità di un suono generato automaticamente?
5. Che cosa si intende per sintesi vocale e quali modelli la realizzano?
6. In che modo la rappresentazione spettrale influenza la qualità del suono prodotto?
7. Quali sono i principali rischi etici legati alla generazione di audio realistico?
8. Come si addestra un modello su grandi collezioni di registrazioni?
9. Che cosa si intende per codificatore neurale per l'audio?
10. Quali metriche oggettive si usano per confrontare due segnali audio?
11. Come si controlla il timbro di un suono generato?
12. In che modo la musica generata si differenzia dalla musica composta?
13. Quali tecniche di condizionamento permettono di guidare la generazione audio?
14. Come si gestisce la coerenza temporale in un brano generato?
15. Che cosa si intende per vocoder e quale funzione svolge?
16. Quali dataset si utilizzano per l'addestramento di modelli audio?
17. Come si misura la capacità di un modello di generalizzare su nuovi suoni?
18. Quali limiti computazionali presenta la generazione audio in tempo reale?
19. In che modo la generazione audio può supportare la produzione musicale?
20. Quali criteri si adottano per la valutazione percettiva dei risultati?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per apprendimento automatico applicato all'elaborazione dei segnali?
2. Come si rappresenta un segnale con un insieme di caratteristiche per l'apprendimento?
3. Quali sono le differenze tra metodi supervisionati e non supervisionati nell'analisi di segnali?
4. Come si addestra un modello lineare per stimare una grandezza a partire da un segnale?
5. Che cosa si intende per regressione regolarizzata e quale effetto ha sul modello?
6. Come si applica la analisi delle componenti indipendenti per separare sorgenti miste?
7. Quali metodi si usano per ridurre il rumore di un segnale con modelli appresi dai dati?
8. Come si valuta la capacità predittiva di un modello con dati di validazione separati?
9. Che cosa si intende per gradiente discendente e come si usa per addestrare un modello?
10. Come si modellano le sequenze temporali con reti ricorrenti nell'elaborazione di segnali?
11. Quali tecniche si utilizzano per la classificazione di segnali acustici o biomedici?
12. Come si gestisce il problema del sovradattamento nei modelli addestrati su segnali?
13. Che cosa si intende per funzione di perdita e come si sceglie per un problema di stima?
14. Come si applica la teoria della decisione alla rivelazione di un segnale nel rumore?
15. Quali vantaggi offre la rappresentazione tempo frequenza per l'apprendimento su segnali?
16. Come si progetta un filtro adattativo che si aggiorna con l'arrivo di nuovi dati?
17. Quali metriche si usano per confrontare le prestazioni di due metodi di stima di un segnale?
18. Come si gestisce la dimensione dei dati in un problema di apprendimento su grandi insiemi di segnali?
19. Quali applicazioni hanno questi metodi nell'analisi di immagini e di segnali radar?
20. Come si interpretano i parametri di un modello appreso dai dati di un segnale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per apprendimento automatico applicato all'elaborazione dei segnali?
2. Come si rappresenta un segnale con un insieme di caratteristiche per l'apprendimento?
3. Quali sono le differenze tra metodi supervisionati e non supervisionati nell'analisi di segnali?
4. Come si addestra un modello lineare per stimare una grandezza a partire da un segnale?
5. Che cosa si intende per regressione regolarizzata e quale effetto ha sul modello?
6. Come si applica la analisi delle componenti indipendenti per separare sorgenti miste?
7. Quali metodi si usano per ridurre il rumore di un segnale con modelli appresi dai dati?
8. Come si valuta la capacità predittiva di un modello con dati di validazione separati?
9. Che cosa si intende per gradiente discendente e come si usa per addestrare un modello?
10. Come si modellano le sequenze temporali con reti ricorrenti nell'elaborazione di segnali?
11. Quali tecniche si utilizzano per la classificazione di segnali acustici o biomedici?
12. Come si gestisce il problema del sovradattamento nei modelli addestrati su segnali?
13. Che cosa si intende per funzione di perdita e come si sceglie per un problema di stima?
14. Come si applica la teoria della decisione alla rivelazione di un segnale nel rumore?
15. Quali vantaggi offre la rappresentazione tempo frequenza per l'apprendimento su segnali?
16. Come si progetta un filtro adattativo che si aggiorna con l'arrivo di nuovi dati?
17. Quali metriche si usano per confrontare le prestazioni di due metodi di stima di un segnale?
18. Come si gestisce la dimensione dei dati in un problema di apprendimento su grandi insiemi di segnali?
19. Quali applicazioni hanno questi metodi nell'analisi di immagini e di segnali radar?
20. Come si interpretano i parametri di un modello appreso dai dati di un segnale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per apprendimento automatico applicato all'elaborazione dei segnali?
2. Come si rappresenta un segnale con un insieme di caratteristiche per l'apprendimento?
3. Quali sono le differenze tra metodi supervisionati e non supervisionati nell'analisi di segnali?
4. Come si addestra un modello lineare per stimare una grandezza a partire da un segnale?
5. Che cosa si intende per regressione regolarizzata e quale effetto ha sul modello?
6. Come si applica la analisi delle componenti indipendenti per separare sorgenti miste?
7. Quali metodi si usano per ridurre il rumore di un segnale con modelli appresi dai dati?
8. Come si valuta la capacità predittiva di un modello con dati di validazione separati?
9. Che cosa si intende per gradiente discendente e come si usa per addestrare un modello?
10. Come si modellano le sequenze temporali con reti ricorrenti nell'elaborazione di segnali?
11. Quali tecniche si utilizzano per la classificazione di segnali acustici o biomedici?
12. Come si gestisce il problema del sovradattamento nei modelli addestrati su segnali?
13. Che cosa si intende per funzione di perdita e come si sceglie per un problema di stima?
14. Come si applica la teoria della decisione alla rivelazione di un segnale nel rumore?
15. Quali vantaggi offre la rappresentazione tempo frequenza per l'apprendimento su segnali?
16. Come si progetta un filtro adattativo che si aggiorna con l'arrivo di nuovi dati?
17. Quali metriche si usano per confrontare le prestazioni di due metodi di stima di un segnale?
18. Come si gestisce la dimensione dei dati in un problema di apprendimento su grandi insiemi di segnali?
19. Quali applicazioni hanno questi metodi nell'analisi di immagini e di segnali radar?
20. Come si interpretano i parametri di un modello appreso dai dati di un segnale?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Quali sono le leggi di Kirchhoff e come si applicano alla soluzione di una rete elettrica?
2. Che cosa si intende per teorema di Thévenin e come si determina il circuito equivalente?
3. Come si applica il teorema di Norton a una rete lineare con generatori indipendenti?
4. Che cosa si intende per regime sinusoidale e come si rappresentano le grandezze con i fasori?
5. Come si calcola la potenza attiva, reattiva e apparente in un circuito in regime sinusoidale?
6. Quali sono le proprietà dei circuiti del primo ordine e come si determina la risposta al gradino?
7. Come si analizza un circuito del secondo ordine RLC in regime transitorio?
8. Che cosa si intende per risonanza in un circuito RLC serie e parallelo?
9. Come si studia la risposta in frequenza di un filtro passivo con i diagrammi di Bode?
10. Quali sono le caratteristiche di un doppio bipolo e quali parametri si utilizzano per descriverlo?
11. Come si applica il principio di sovrapposizione degli effetti in una rete lineare?
12. Che cosa si intende per trasformata di Laplace e come si applica all'analisi dei circuiti?
13. Come si determina la funzione di trasferimento di un circuito lineare tempo invariante?
14. Quali metodi si usano per la risoluzione sistematica delle reti con il metodo dei nodi?
15. Come si modella un trasformatore ideale e quali relazioni collegano tensioni e correnti?
16. Che cosa si intende per adattamento di impedenza e quando si ottiene il massimo trasferimento di potenza?
17. Come si valutano i circuiti con accoppiamento magnetico tra induttori?
18. Quali sono le caratteristiche di un amplificatore a componenti discreti in un modello lineare?
19. Come si calcola la costante di tempo di un circuito e che cosa rappresenta fisicamente?
20. Quali strumenti si usano per verificare sperimentalmente il comportamento di una rete elettrica?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.