Mappatura della potenza degli echi del radar MARSIS per l'identificazione della presenza di ghiaccio nel terreno marziano

La superficie marziana �� stata analizzata per decenni con immagini e tecniche spettroscopiche, sensibili alle propriet�� dei primi millimetri e micrometri del terreno. Le zone sotto la superficie sono state studiate solo indirettamente fino al 2001, quando venne sviluppata la missione Mars Odyssey. Successivamente, �� stato lanciato il Mars Advanced Radar for Subsurface and Ionosfere Sounding (MARSIS) a bordo di Mars Express, con l'obiettivo di ricercare ghiaccio e acqua sul pianeta rosso. In questo lavoro �� stata mappata la potenza degli echi raccolti da MARSIS, ottenuti ad una frequenza di 4.0 MHz, ispirandosi al lavoro descritto in Mouginot et al. (2010). I valori utilizzati sono stati selezionati tenendo conto degli effetti dell'attenuazione del segnale da parte della ionosfera e della rugosit�� della superficie. Dalle mappe degli echi, risultanti dall'analisi, si �� potuta ricavare la costante dielettrica dello strato sotto la superficie. I dati sono stati normalizzati con una simulazione dei segnali di MARSIS, ottenuta a partire dalla topografia del Marsis Orbiter Laser Altimeter (MOLA). Si osserva che le propriet�� dielettriche variano con la latitudine, con valori alti tra 20�� e 40�� e pi�� bassi ai poli e all'equatore. Le tre zone di maggiore interesse, ovvero le due calotte polari e la Formazione Medusae Fossae, appaiono in blu nella Fig. 4.5. Ci�� suggerisce che siano costituite da materiali con una costante dielettrica compresa tra 2 e 4, tipica del ghiaccio. Si pensa, per��, che esse possiedano diverse quantit�� di impurit��.

Studio del parametro di coalescenza e caratterizzazione della sorgente nella produzione di (anti)nuclei in collisioni ad alte energie

In questo lavoro di tesi �� stato approfondito il modello di coalescenza, ampiamente utilizzato in letteratura per descrivere la formazione di (anti)nuclei leggeri in collisioni ad alta energia negli acceleratori e di antinuclei cosmici, con applicazioni alle ricerche indirette di materia oscura nell���universo. Nello specifico, �� stato studiato il parametro di coalescenza per (anti)nuclei con numero di massa A ��� 4; utilizzando un fit ai dati dell���esperimento ALICE a LHC sulla dimensione della sorgente di protoni in collisioni pp a ���s = 13 TeV, si �� cercato di esplicitare la dipendenza del parametro di coalescenza dall���impulso trasverso. Dal confronto delle previsioni del modello cos�� ottenuto con le misure del parametro di coalescenza raccolte da ALICE, si osserva che il parametro di coalescenza di d e 3He non segue l���andamento previsto. Questo risultato evidenzia quindi la necessit�� di rivedere il modello di sorgente adottato o i suoi limiti di applicazione a diversi sistemi di collisione. In vista della possibilit�� di implementare il meccanismo di formazione per coalescenza nei generatori Monte Carlo per la simulazione degli antinuclei, si �� tentato di caratterizzare la sorgente di protoni attraverso l���utilizzo del generatore PYTHIA 8.3. In particolare, �� stata effettuata un���analisi delle coordinate spaziali, della quantit�� di moto e del tempo di produzione dei protoni a rapidit�� centrale generati in 10^5 collisioni pp. I grafici ottenuti mostrano che la sorgente �� sostanzialmente isotropa.

Multivariate analysis to discriminate top quark pair production channels at LHC

Il quark top �� una delle particelle fondamentali del Modello Standard, ed �� osservato a LHC nelle collisioni a pi�� elevata energia. In particolare, la coppia top-antitop (tt��) �� prodotta tramite interazione forte da eventi gluone-gluone (gg) oppure collisioni di quark e antiquark (qq��). I diversi meccanismi di produzione portano ad avere coppie con propriet�� diverse: un esempio �� lo stato di spin di tt��, che vicino alla soglia di produzione �� maggiormente correlato nel caso di un evento gg. Uno studio che voglia misurare l���entit�� di tali correlazioni risulta quindi essere significativamente facilitato da un metodo di discriminazione delle coppie risultanti sulla base del loro canale di produzione. Il lavoro qui presentato ha quindi lo scopo di ottenere uno strumento per effettuare tale differenziazione, attraverso l���uso di tecniche di analisi multivariata. Tali metodi sono spesso applicati per separare un segnale da un fondo che ostacola l���analisi, in questo caso rispettivamente gli eventi gg e qq��. Si dice che si ha a che fare con un problema di classificazione. Si �� quindi studiata la prestazione di diversi algoritmi di analisi, prendendo in esame le distribuzioni di numerose variabili associate al processo di produzione di coppie tt��. Si �� poi selezionato il migliore in base all���efficienza di riconoscimento degli eventi di segnale e alla reiezione degli eventi di fondo. Per questo elaborato l���algoritmo pi�� performante �� il Boosted Decision Trees, che permette di ottenere da un campione con purezza iniziale 0.81 una purezza finale di 0.92, al costo di un���efficienza ridotta a 0.74.

Sugli autovalori dell'operatore di Koopman: perturbazione e aspetti computazionali

La previsione ed il controllo dei grandi sistemi dinamici costituiscono due delle principali sfide della scienza contemporanea. Prima degli anni '90 la parola previsione indicava un singolo esperimento numerico, mentre negli ultimi vent'anni ha denotato un insieme di simulazioni/esperimenti. Sostanzialmente non si cerca pi�� di trovare la traiettoria pi�� realistica e verosimile ma si studia l'insieme delle previsioni e l'evolversi della loro distribuzione nel tempo per avere un'idea di quale sia la previsione pi�� probabile. Un sistema dinamico �� descritto, in un particolare istante temporale, da una variabile di stato. Esistono poi delle funzioni di stato che hanno come argomento una variabile di stato e mentre il sistema dinamico �� in movimento, e dunque mentre le variabili di stato del sistema cambiano nel tempo, anche le funzioni di stato si evolvono. Il lavoro di Bernard Koopman (19/01/1900 - 18/08/1981) si �� incentrato sullo studio di tale evoluzione. Koopman formalizz�� il problema cercando di trovare un operatore che prendesse una funzione di stato e la "spingesse" in avanti nel tempo. Tale operatore venne chiamato Operatore di Koopman. Il legame sostanziale tra l'operatore di Koopman e il sistema dinamico in questione sta nel fatto che tale operatore agisce sullo spazio delle funzioni di stato del sistema. Inoltre si �� scoperto che i suoi autovalori e le sue autofunzioni descrivono completamente il sistema dinamico che vi sta dietro. Questo elaborato introduce l'operatore di Koopman in relazione a sistemi dinamici e mostra come ricavare lo spettro di tale operatore a partire da dati di simulazione. Infine vengono studiate le propriet�� spettrali dell'operatore di Koopman nel caso mono-dimensionale degli indici Ni��o-3 e viene fatta un'analisi dettagliata dei risultati numerici ottenuti, trovando una conferma teorica mediante l'utilizzo dei dischi di Gershgorin.

Riconoscimento mediante dati satellitari Sentinel-2 dei suoli nudi nella regione Emilia-Romagna per una loro sostenibile valorizzazione

La ricerca oggetto del presente elaborato di tesi persegue fini di lotta ai cambiamenti climatici e promozione delle energie rinnovabili, in linea con i diciassette Obiettivi per lo Sviluppo Sostenibile definiti dall���Organizzazione delle Nazioni Unite nel 2015 a causa dell���incombente emergenza ambientale in atto; inoltre individua risorse che possono risultare utili in situazioni di crisi energetica come quella iniziata nel 2022. L���obiettivo dell���elaborato �� l���individuazione dei bare soils o ���suoli nudi���, ovvero terreni lasciati senza copertura nei mesi che intercorrono tra un raccolto e la semina successiva, presenti nella parte pianeggiante dell���Emilia Romagna nell���anno 2021. �� stata eseguita una ricerca introduttiva sulle politiche agricole inerenti i cambiamenti climatici e sull���uso del suolo nell���area di studio. Nel procedimento seguente sono stati utilizzati immagini e dati satellitari a libero accesso, rilevati dai satelliti Sentinel-2 del programma Copernicus dell���Unione Europea. Per mezzo di software open source, sono state identificate le superfici di suolo nudo tramite calcolo degli indici di vegetazione Normalized Difference Vegetation Index (NDVI) e selezione delle aree con valori dell���indice idonei per 4 mesi consecutivi; sono state create mappe tematiche con le posizioni dei terreni, sono state ricavate statistiche sulla loro estensione e sono state effettuate validazioni dei risultati. Secondo i calcoli, nei 2 periodi pi�� promettenti i suoli nudi coprivano rispettivamente circa il 4% e il 25% dell���area di studio. I terreni individuati sono stati poi utilizzati come input per una simulazione di un loro utilizzo sostenibile. Infatti, quando abbastanza estesi e liberi per un tempo sufficiente, possono essere utilizzati per colture intercalari come il sorgo, volte ad ottenere biomasse adatte alla produzione di biocarburanti.

Televisione e cucina: come i media hanno influenzato la cultura culinaria italiana

La prima parte della tesi analizza il cambiamento della dieta degli italiani nel corso dei decenni, a partire dagli anni del dopoguerra fino al periodo contemporaneo. Il passaggio da un periodo di estrema povert�� al boom economico ha permesso ai cittadini di dare sempre pi�� importanza alla qualit�� del cibo. Con la nascita e lo sviluppo della televisione il popolo ha avuto la possibilit�� di conoscere le ricette tradizionali di ogni parte dell'Italia, arrivando a costruire una forte identit�� nazionale legata al mondo della cucina. Le trasmissioni televisive si sono trasformate sia grazie al cambiamento della societ�� e della mentalit�� degli italiani, sia grazie ai numerosi nuovi canali tematici che sono nati grazie alle reti privati; ad oggi esistono dunque programmi di intrattenimento, pedagogici e show di ogni tipo che mostrano la cucina in tutte le sue sfaccettature. Il cibo e l'alimentazione in televisione sono stati rappresentati anche attraverso gli spot: �� stato analizzato come i marchi abbiano inizialmente cercato di rendere attraente un prodotto - anche attraverso l'uso di donne sensuali come volto delle campagne pubblicitarie - fino ad arrivare al voler fidelizzare gli acquirenti veicolando specifici messaggi e valori. Dall'analisi del format Dinner Club �� stato dimostrato come nel periodo contemporaneo i programmi abbiano forme e strutture ibride, che possono mescolare il lato pedagogico, riscoprendo il territorio italiano e le sue tradizioni culinarie, la sfida e la competizione tra i concorrenti e la parte legata all'intrattenimento. Nell'ultimo capitolo �� stato messo in evidenza come i cuochi, presentatori di queste trasmissioni, stiano diventando sempre pi�� famosi. Sono presenti sia aspetti positivi che negativi riguardo la loro progressiva importanza all'interno della societ�� italiana.

Metodi di deep learning per la decodifica di segnali neurali registrati dalla corteccia posteriore parietale di macaco

Le interfacce cervello-macchina (BMIs) permettono di guidare devices esterni utilizzando segnali neurali. Le BMIs rappresentano un���importante tecnologia per tentare di ripristinare funzioni perse in patologie che interrompono il canale di comunicazione tra cervello e corpo, come malattie neurodegenerative o lesioni spinali. Di importanza chiave per il corretto funzionamento di una BCI �� la decodifica dei segnali neurali per trasformarli in segnali idonei per guidare devices esterni. Negli anni sono stati implementati diversi tipi di algoritmi. Tra questi gli algoritmi di machine learning imparano a riconoscere i pattern neurali di attivazione mappando con grande efficienza l���input, possibilmente l���attivit�� dei neuroni, con l���output, ad esempio i comandi motori per guidare una possibile protesi. Tra gli algoritmi di machine learning ci si �� focalizzati sulle deep neural networks (DNN). Un problema delle DNN �� l���elevato tempo di training. Questo infatti prevede il calcolo dei parametri ottimali della rete per minimizzare l���errore di predizione. Per ridurre questo problema si possono utilizzare le reti neurali convolutive (CNN), reti caratterizzate da minori parametri di addestramento rispetto ad altri tipi di DNN con maggiori parametri come le reti neurali ricorrenti (RNN). In questo elaborato �� esposto uno studio esplorante l���utilizzo innovativo di CNN per la decodifica dell���attivit�� di neuroni registrati da macaco sveglio mentre svolgeva compiti motori. La CNN risultante ha consentito di ottenere risultati comparabili allo stato dell���arte con un minor numero di parametri addestrabili. Questa caratteristica in futuro potrebbe essere chiave per l���utilizzo di questo tipo di reti all���interno di BMIs grazie ai tempi di calcolo ridotti, consentendo in tempo reale la traduzione di un segnale neurale in segnali per muovere neuroprotesi.

Propriet�� statistiche dell���apprendimento nella rete di Hopfield diluita

La rete di Hopfield �� una tipologia di rete neurale che si comporta come una memoria associativa. La caratteristica pi�� importante per questo tipo di rete �� la capacit�� pmax, cio�� quanti dati, chiamati ricordi, pu�� apprendere prima che cambi comportamento. Infatti, per un numero grande di ricordi, avviene una transizione di fase e la rete smette di comportarsi come desiderato. La capacit�� di una rete di Hopfield �� proporzionale al numero di neuroni N che la compongono, pmax = �� N , dove �� = 0.138. Una variante importante di questo modello �� la rete di Hopfield diluita. In questa rete i neuroni non sono tutti connessi tra loro ma l���esistenza di connessioni tra due neuroni �� determinata in modo stocastico con probabilit�� �� di esserci e 1 ��� �� di essere assente. Il grafo di una rete cos�� definita �� un grafo aleatorio di Erd��s���R��nyi. Il lavoro qui presentato ha lo scopo di studiare le propriet�� statistiche dell���apprendimento di questo tipo di reti neurali, specialmente l���andamento della capacit�� in funzione del parametro �� e le connettivit�� del grafo durante le transizioni di fase che avvengono nel network. Attraverso delle simulazioni, si �� concluso che la capacit�� di una rete di Hopfield diluita pmax segue un andamento a potenza pmax = aN ��b +c, dove N �� il numero di neuroni, a = (0.140 �� 0.003), b = (0.49 �� 0.03), e c = (���11 �� 2). Dallo studio della connettivit�� del grafo �� emerso che la rete funge da memoria associativa finch�� il grafo del network risulta connesso.

Modello neurocomputazionale per lo studio del benefit dell���integrazione multisensoriale nel processo mnemonico-associativo fra nomi propri e volti

Associare nomi propri a volti di persona �� un compito importante, fondamentale nella quotidianit�� di tutti i giorni. Nonostante questa operazione avvenga quasi sempre in maniera automatica, essa coinvolge una rete neurale complessa ed articolata. Diversi studi offrono strategie che possono aiutare in questo compito; in particolare, �� stato riportato che rafforzare i nomi con stimoli cross-modali, ossia presentando pi�� input sensoriali esterni contemporaneamente, pu�� costituire un vantaggio per il recupero in memoria dei nomi stessi. Lo scopo di questa tesi �� stato quello di svolgere un���analisi di sensibilit�� tramite un modello neuro-computazionale su MatLab di ispirazione biologica. Nello specifico sono stati considerati due macro-network: uno per i volti, l���altro per i nomi propri; quest���ultimo in particolare a sua volta si compone di tre aree uni-sensoriali, ciascuna delle quali corrisponde ad un modo specifico con cui codificare un nome (traccia audio, lip reading, name tag). Questi network sono stati dunque implementati attraverso una configurazione articolata su due strati: si potrebbe infatti pensare alla fase di addestramento, basata su un algoritmo hebbiano, come un primo layer del processo, seguito cos�� da un secondo layer, dato invece dalla fase di utilizzo. Dalle simulazioni svolte sembra emergere che addestrare in maniera efficiente le connessioni fra le aree uni-sensoriali dei nomi, ricreando cos�� un'integrazione multi-sensoriale, sia un fattore fondamentale per favorire non solo il ricordo di un nome in s��, ma anche processi mnemonici-associativi che coinvolgono anche lo stimolo visivo di un volto. Le evidenze prodotte risultano inoltre qualitativamente coerenti con analoghi esperimenti in vivo.

Uno studio dell'anatomia in 3 D per l'ingegneria biomedica

Il progresso tecnologico permette l���introduzione di sempre pi�� nuove risorse e sistemi virtuali nel campo dell���ingegneria biomedica e della medicina. La Anatomage Table 7.0 (Anatomage Inc., San Jose, CA, USA) si presenta, ad oggi, come un dispositivo d���avanguardia. Utilizzato principalmente per l���insegnamento e lo studio tridimensionale di anatomia, fisiologia e istologia del corpo umano, mediante riproduzioni reali e ad alta definizione di ogni sezione corporea, potrebbe diventare utile e d���innovazione anche per il settore biomedicale. Per investigare il suo possibile utilizzo nel campo della biomedica, sono state analizzate le funzioni principali di questo tavolo anatomico. La ricerca non ha riguardato solo la parte anatomica, ma soprattutto la cinematica e la corposa Case library, che permette uno studio approfondito di numerose patologie, attraverso simulazioni ed esami caricati nell���applicazione TableEDU 8.0.2. Inoltre, per dare un esempio delle numerose capacit�� di questo device medico, sono andato a studiare l���articolazione di ginocchio, avendo la possibilit�� di utilizzare immagini DICOM di esami reali e la simulazione di un intervento coronario percutaneo. Questo ha permesso di evidenziare tutte le potenzialit�� di questo tavolo anatomico e di riflettere su nuove possibilit�� di utilizzo nel campo della biomedica.

Machine learning and convolutional neural networks for melanomas identification

Il machine learning negli ultimi anni ha acquisito una crescente popolarit�� nell���ambito della ricerca scientifica e delle sue applicazioni. Lo scopo di questa tesi �� stato quello di studiare il machine learning nei suoi aspetti generali e applicarlo a problemi di computer vision. La tesi ha affrontato le difficolt�� del dover spiegare dal punto di vista teorico gli algoritmi alla base delle reti neurali convoluzionali e ha successivamente trattato due problemi concreti di riconoscimento immagini: il dataset MNIST (immagini di cifre scritte a mano) e un dataset che sar�� chiamato ���MELANOMA dataset��� (immagini di melanomi e nevi sani). Utilizzando le tecniche spiegate nella sezione teorica si sono riusciti ad ottenere risultati soddifacenti per entrambi i dataset ottenendo una precisione del 98% per il MNIST e del 76.8% per il MELANOMA dataset

Deep Learning applicato alla diagnostica dei trasformatori

Il trasformatore �� uno degli elementi pi�� importanti di una rete di trasmissione; essendo il tramite fra reti di alta e media tensione, il suo corretto funzionamento garantisce l���alimentazione di tutti i dispositivi e carichi connessi alla linea. Oltre a questo, il trasformatore �� anche l���elemento pi�� costoso di tutta la linea elettrica; la sua manutenzione �� di vitale importanza per evitare costi elevati per la sostituzione e disagi lungo la linea. Qui entra in gioco il ruolo della diagnostica; attraverso misure periodiche e mirate sul trasformatore �� possibile agire tempestivamente ed evitare tutti i fenomeni precedentemente elencati. Nell���elaborato si tratter�� l���analisi del trasformatore elettrico trifase durante il suo funzionamento, evidenziando i sottocomponenti e le rispettive criticit��; inoltre, verranno mostrate le varie tecniche di diagnostica del trasformatore, in modo tale da poter estrarre un indice legato allo stato di vita, ossia l���Health Index. Ad oggi esistono diverse tecniche di approccio al calcolo dell���Health Index, quella che viene presentata �� una tecnica del tutto innovativa, ossia sviluppare una rete neurale artificiale (Artificial Neural Network, ANN) in grado di prevedere lo stato del trasformatore basandosi su misure effettuate sullo stesso. Dunque, verranno presentante le basi per lo sviluppo di una rete neurale, partendo dall���analisi e formattazione dei dati, fino alla fase di ottimizzazione delle prestazioni. Infine, si attraverseranno tutte le fasi intermedie di realizzazione del progetto da cui l���elaborato prende il titolo; osservando l���evoluzione di una rete neurale che si trasforma da un programma scritto in ambiente Python a una applicazione pronta all���uso per gli operatori durante le operazioni di diagnostica.

Il sistema Geocall a supporto dei processi di conduzione e manutenzione e di pronto intervento in ambito del servizio idrico integrato: il caso Gruppo Hera S.p.A.

All���interno dell'elaborato verr�� approfondito il Servizio Idrico Integrato, in particolare saranno descritti i processi di trattamento dell���acqua dalla captazione fino al rilascio in ambiente e introdotte le Autorit�� che regolano il Servizio Idrico con la relativa normativa. In particolare, oggetto di questa tesi �� l���applicativo Geocall, implementato dalla Direzione Acqua del Gruppo Hera S.p.A. nel 2018, a supporto dei processi di Pronto Intervento e di Conduzione e Manutenzione delle reti e impianti idrici. In seguito alla descrizione delle modalit�� di gestione di questi processi da parte del Gruppo prima dell���implementazione di Geocall, la piattaforma, messa a confronto con gli strumenti a disposizione del Gruppo prima della sua introduzione, verr�� approfondita nelle sue applicazioni e nelle sue funzionalit�� all���interno dei processi coinvolti dall���analisi, con l���obbiettivo di mettere in luce le differenze con le modalit�� di gestione passate e in particolare i vantaggi e gli eventuali svantaggi ottenuti con l���utilizzo del nuovo software.

Implementazione di un sistema di traduzione automatica: un caso di studio per la traduzione italiano-cinese

Il lavoro di tesi presentato �� nato da una collaborazione con il Politecnico di Macao, i referenti sono: Prof. Rita Tse, Prof. Marcus Im e Prof. Su-Kit Tang. L'obiettivo consiste nella creazione di un modello di traduzione automatica italiano-cinese e nell'osservarne il comportamento, al fine di determinare se sia o meno possibile l'impresa. Il trattato approfondisce l'argomento noto come Neural Language Processing (NLP), rientrando dunque nell'ambito delle traduzioni automatiche. Sono servizi che, attraverso l'ausilio dell'intelligenza artificiale sono in grado di elaborare il linguaggio naturale, per poi interpretarlo e tradurlo. NLP �� una branca dell'informatica che unisce: computer science, intelligenza artificiale e studio di lingue. Dal punto di vista della ricerca, le pi�� grandi sfide in questo ambito coinvolgono: il riconoscimento vocale (speech-recognition), comprensione del testo (natural-language understanding) e infine la generazione automatica di testo (natural-language generation). Lo stato dell'arte attuale �� stato definito dall'articolo "Attention is all you need" \cite{vaswani2017attention}, presentato nel 2017 a partire da una collaborazione di ricercatori della Cornell University.\\ I modelli di traduzione automatica pi�� noti ed utilizzati al momento sono i Neural Machine Translators (NMT), ovvero modelli che attraverso le reti neurali artificiali profonde, sono in grado effettuare traduzioni o predizioni. La qualit�� delle traduzioni �� particolarmente buona, tanto da arrivare quasi a raggiungere la qualit�� di una traduzione umana. Il lavoro infatti si concentrer�� largamente sullo studio e utilizzo di NMT, allo scopo di proporre un modello funzionale e che sia in grado di performare al meglio nelle traduzioni da italiano a cinese e viceversa.

Implementazione di algoritmi Tiny Machine Learning per il monitoraggio strutturale basato su emissioni acustiche

Il monitoraggio basato su emissioni acustiche (AE) guidate si �� confermato tra le tecniche pi�� affidabili nel campo del Non-Destructive Testing delle strutture planari, vista anche la sua semplicit�� implementativa, i bassi costi che lo caratterizzano, la non invasivit�� e la possibilit�� di realizzare un sistema che agisca in maniera continuativa ed in tempo reale sfruttando reti di sensori permanentemente installati, senza la necessit�� di ispezioni periodiche. In tale contesto, �� possibile sfruttare l���abilit�� dell���apprendimento automatico nell���individuazione dei pattern nascosti all���interno dei segnali grezzi registrati, ottenendo cos�� informazioni utili ai fini dell���applicazione considerata. L���esecuzione on-edge dei modelli, ovvero sul punto di acquisizione, consente di superare le limitazioni imposte dal processamento centralizzato dei dati, con notevoli vantaggi in termini di consumo energetico, tempestivit�� nella risposta ed integrit�� degli stessi. A questo scopo, si rivela per�� necessario sviluppare modelli compatibili con le stringenti risorse hardware dei dispositivi a basso costo tipicamente impiegati. In questo elaborato verranno prese in esame alcune tipologie di reti neurali artificiali per l���estrazione dell���istante di arrivo (ToA) di un���emissione acustica all���interno di una sequenza temporale, in particolare quelle convoluzionali (CNNs) ed una loro variante pi�� recente, le CapsNet basate su rounting by agreement. L���individuazione dei ToA relativi al medesimo evento su segnali acquisiti in diverse posizioni spaziali consente infatti di localizzare la sorgente da cui esso �� scaturito. Le dimensioni di questi modelli permettono di eseguire l���inferenza direttamente su edge-device. I risultati ottenuti confermano la maggiore robustezza delle tecniche di apprendimento profondo rispetto ai metodi statistici tradizionali nel far fronte a diverse tipologie di disturbo, in particolare negli scenari pi�� critici dal punto di vista del rapporto segnale-rumore.