Prof. Sergio Barbarossa: i libri dei suoi insegnamenti

1. Come si rappresenta un segnale in modo adatto all'apprendimento automatico?
2. Quali trasformazioni del segnale estraggono caratteristiche utili per la classificazione?
3. Che cosa si intende per spettrogramma e come si calcola?
4. Come si riduce il rumore di un segnale prima di addestrare un modello?
5. Quali tecniche di selezione delle caratteristiche migliorano le prestazioni di un modello?
6. In che modo la trasformata wavelet descrive segnali non stazionari?
7. Come si gestisce il campionamento di dati temporali per l'addestramento?
8. Quali metriche valutano la qualità di un sistema di riconoscimento di segnali?
9. Che cosa si intende per normalizzazione dei dati in fase di preprocessing?
10. Come si costruisce un insieme di dati di addestramento rappresentativo?
11. Quali differenze esistono tra filtri adattativi e filtri fissi?
12. In che modo la compressione dei dati influisce sul costo computazionale?
13. Come si stima la densità spettrale di potenza di un segnale casuale?
14. Che cosa si intende per funzione di autocorrelazione e a cosa serve?
15. Quali strumenti si usano per l'analisi tempo-frequenza di segnali biomedici?
16. Come si valuta la robustezza di un modello rispetto al rumore?
17. Quali architetture di rete neurale trattano dati sequenziali?
18. In che modo l'aumento dei dati migliora la generalizzazione?
19. Come si gestiscono i segnali con frequenze di campionamento diverse?
20. Quali applicazioni pratiche combinano elaborazione del segnale e apprendimento automatico?

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

1. Che cosa si intende per segnale a tempo continuo e a tempo discreto e come si classificano?
2. Quali sono le proprietà principali della trasformata di Fourier di un segnale?
3. Come si calcola la convoluzione tra due segnali e quale significato ha nel dominio del tempo?
4. Che cosa si intende per teorema del campionamento e quale frequenza minima garantisce la ricostruzione?
5. Come si descrive un sistema lineare tempo invariante con la risposta impulsiva?
6. Quali sono le caratteristiche della trasformata discreta di Fourier e come si calcola con la FFT?
7. Che cosa si intende per aliasing e come si evita nella fase di acquisizione?
8. Come si progetta un filtro FIR con il metodo della finestratura?
9. Quali differenze esistono tra filtri FIR e filtri IIR nell'elaborazione dei segnali?
10. Come si analizza la stabilità di un sistema discreto a partire dalla posizione dei poli?
11. Che cosa rappresenta la trasformata Zeta e quale ruolo ha nell'analisi dei sistemi discreti?
12. Come si determina l'energia e la potenza di un segnale nel dominio del tempo e della frequenza?
13. Quali proprietà hanno i segnali periodici e come si sviluppano in serie di Fourier?
14. Come si caratterizza la densità spettrale di potenza di un segnale casuale?
15. Che cosa si intende per modulazione e demodulazione di un segnale in banda traslata?
16. Come si applica la correlazione per riconoscere la presenza di un segnale noto nel rumore?
17. Quali sono le principali finestre usate per ridurre le perdite spettrali nella FFT?
18. Come si campiona e si ricostruisce un segnale con un convertitore digitale analogico ideale?
19. Quali sono i vantaggi del campionamento sovrascritto nell'acquisizione di segnali?
20. Come si valuta la risposta in frequenza di un sistema a partire dalla sua funzione di trasferimento?

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