Thèses sur le sujet « Network analisi »

Questa tesi si occupa di analizzare attraverso un approccio algebrico la dinamica di sistemi complessi descrivibili da network. Dopo aver definito concetti fondamentali per lo studio di un grafo, come la matrice di adiacenza e la matrice Laplaciana (e il relativo spettro), si mettono in relazione questi ultimi con le caratteristiche della dinamica degli elementi del sistema, in particolare per un tipo di dinamica diffusiva detto random walk. Di tale processo, considerato di rilevante importanza per via della sua applicabilità a numerosi fenomeni, se ne studiano l'esistenza e l'unicità delle soluzioni stazionarie e la risposta a perturbazioni dell'equilibrio. I tipi di perturbazioni studiate sono di due categorie: perturbazioni della dinamica degli elementi del sistema rispetto allo stato stazionario, in cui viene tuttavia mantenuta fissa la struttura del network, oppure perturbazioni strutturali del network stesso, in cui sono gli stessi collegamenti tra i nodi a subire una modifica. Attraverso alcune simulazioni numeriche vengono confermati sperimentalmente i principali risultati e, infine, si implementa un sistema di controllo basato su un algoritmo di adaptive learning capace di reagire a perturbazioni strutturali e riportare il sistema all'equilibrio originario.

In questa tesi viene trattato il problema inverso della Super-Resolution di un’immagine singola (SISR), che consiste nel ricostruire un’immagine ad alta risoluzione a partire dalla conoscenza di una sua versione a bassa risoluzione, e vengono analizzate nel dettaglio tecniche di ricostruzione basate sul Deep-Learning. Oggi in molte applicazioni, la risoluzione delle immagini è diventata molto importante. Per esempio, nell’ambito della video-sorveglianza, una risoluzione più elevata nelle telecamere può consentire di vedere molti più dettagli, che potrebbero, ad esempio, facilitare un'indagine; altri settori in cui è utile avere immagini ad alta risoluzione sono l’ambito delle immagini mediche, per permettere chiare diagnosi, l’ambito delle immagini satellitari, l’ambito della microscopia, etc. Sfortunatamente, aumentare la risoluzione a livello di sensore richiede l'acquisto di nuove apparecchiature, il che potrebbe essere finanziariamente proibitivo. Per trovare soluzione a questo problema, sono state studiate in letteratura numerose tecniche per ricostruire immagini a più alta risoluzione, partendo da un’immagine a bassa risoluzione. In questa tesi, viene studiato e testato un metodo di SISR, noto in letteratura, che sfrutta tecniche Deep-Learning per la sua risoluzione. Dopo un’introduzione sull’architettura delle Reti Neurali Artificiali (ANN), si va nel dettaglio di quelle di tipo Convoluzionale (CNN) e si analizza una rete di riferimento della letteratura inerente a questo campo cioè la Rete SRCNN, per arrivare ad approfondire uno strumento più moderno ed efficace che ne supera i limiti, la Very-Deep Super-Resolution Network (VDSR). I risultati di ricostruzione ottenuti utilizzando la rete VDSR vengono confrontati, in termini di accuratezza, con quelli ottenuti mediante la tecnica di interpolazione bicubica, al variare dei fattori di scala.

Lo scopo del lavoro è indagare il ruolo del social network nelle prime fasi di sviluppo dell’idea imprenditoriale, in cui l’innovazione viene in essere, e in particolare il modo in cui questo capitale impatta sulle dinamiche che portano allo sviluppo dell’offerta dell’impresa. L'indagine viene svolta attraverso una revisione della letteratura esistente in materia e, successivamente, attraverso l'analisi qualitativa di due casi di studio di successo. In particolare, si analizzano i momenti critici che hanno portato allo sviluppo dell'idea imprenditoriale e la relazione tra tali momenti e la sviluppo del social network dell'impresa, in un'ottica di co-evoluzione.

Attualmente i mezzi per ottenere diagnosi precoci di COVID-19 si rivelano inadeguati per ridurre il contagio del virus. Il COVID-19 è una malattia respiratoria e studi clinici dimostrano che altera il pattern normale di respirazione in maniera differente ad altre patologie come asma e raffreddore comune inoltre pazienti positivi al virus presentano suoni respiratori anormali dimostrando un legame fisico tra alterazione vocale e infezione di COVID-19. Diversi studi dimostrano che è possibile classificare e identificare queste alterazioni tramite l'analisi campioni acustici di tosse, voce e suoni respiratori. L'analisi vocale è uno strumento di diagnosi che viene già adoperato per l'individuazione di patologie come il morbo di Parkinson, l'apnea notturna ostruttiva e disturbi dello spettro autistico; L'obbiettivo di questo elaborato è dunque di valutare se esso possa costituire un metodo efficace nella diagnosi di COVID-19.

Negli ultimi anni i social media, come ad esempio Facebook, Twitter, WhatsApp, YouTube, si sono diffusi a macchia d'olio. Ormai quasi tutti accedono giornalmente su almeno uno di questi per informarsi, esprimere opinioni e interagire con altri utenti. Per questa ragione sono diventati fondamentali per i reparti marketing delle aziende essendo non solo un ottimo canale di comunicazione, ma anche una fonte di informazioni sui clienti e potenziali tali. La tesi si focalizza proprio su quest'ultimo aspetto. Il progetto Social Network Analysis (SNA) vuole essere infatti uno strumento attraverso il quale è possibile visionare e analizzare per intero le reti di interazione tra utenti. Ci si è posti l'obiettivo di realizzare SNA in modo che raccogliesse e si aggiornasse in tempo reale, così da essere sempre al passo con le ultime novità, data la dinamicità delle informazioni all'interno dei social media. Un progetto come SNA comporta dover affrontare diversi ostacoli. Oltre a quello di riuscire a realizzare un'architettura che accolga un flusso continuo di informazioni, uno degli ostacoli più importanti è quello di gestire la grande mole di dati. Per farlo ci si è affidati ad un'architettura distribuita e facilmente scalabile che comprende l'uso di elaborazioni in cluster, di funzioni serverless e di database NoSQL approvvigionati attraverso il servizio cloud di Microsoft, Azure. In questa tesi SNA è stato progettato e implementato basandosi su Twitter, ma è possibile sfruttare la stessa idea su tanti altri social media.

Si propone un’analisi sul rischio sistemico europeo, prendendo in considerazione le principali 100 aziende del settore finanziario e le loro relazioni di interdipendenza. Per verificare queste connessioni si procede con l’applicazione della teoria di Network, le misure di connessione IN, OUT e INOUT. Il network di connessione è poi studiato con un approccio a diverse frequenze di rilevazione del network. Lo scopo è identificare la frequenza più rappresentativa dei fenomeni di contagio finanziario tra le aziende.

Le blockchain sono una tecnologia innovativa che ha destato interesse fin da subito, pur trovando utilizzo in alcuni campi, ancora non sono state capite appieno. Lo scopo del seguente documento è quello di effettuarne un'analisi per comprenderle meglio. Nei primi capitoli si esamineranno alcune delle loro caratteristiche e verranno fornite delle basi sui grafi. Successivamente verrà mostrato il progetto realizzato, composto da due parti. La prima si occupa della generazione di un grafo basato sulle transazioni delle blockchain e la seconda è incaricata della sua analisi. Infine verranno esaminati i risultati prodotti.

The identification of subject-specific traits extracted from patterns of brain activity still represents an important challenge. The need to detect distinctive brain features, which is relevant for biometric and brain computer interface systems, has been also emphasized in monitoring the effect of clinical treatments and in evaluating the progression of brain disorders. Graph theory and network science tools have revealed fundamental mechanisms of functional brain organization in resting-state M/EEG analysis. Nevertheless, it is still not clearly understood how several methodological aspects may bias the topology of the reconstructed functional networks. In this context, the literature shows inconsistency in the chosen length of the selected epochs, impeding a meaningful comparison between results from different studies. In this study we propose an approach which aims to investigate the existence of a distinctive functional core (sub-network) using an unbiased reconstruction of network topology. Brain signals from a public and freely available EEG dataset were analyzed using a phase synchronization based measure, minimum spanning tree and k-core decomposition. The analysis was performed for each classical brain rhythm separately. Furthermore, we aim to provide a network approach insensitive to the effects that epoch length has on functional connectivity (FC) and network reconstruction. Two different measures, the phase lag index (PLI) and the Amplitude Envelope Correlation (AEC), were applied to EEG resting-state recordings for a group of eighteen healthy volunteers. Weighted clustering coefficient (CCw), weighted characteristic path length (Lw) and minimum spanning tree (MST) parameters were computed to evaluate the network topology. The analysis was performed on both scalp and source-space data. Results about distinctive functional core, show highest classification rates from k-core decomposition in gamma (EER=0.130, AUC=0.943) and high beta (EER=0.172, AUC=0.905) frequency bands. Results from scalp analysis concerning the influence of epoch length, show a decrease in both mean PLI and AEC values with an increase in epoch length, with a tendency to stabilize at a length of 12 seconds for PLI and 6 seconds for AEC. Moreover, CCw and Lw show very similar behaviour, with metrics based on AEC more reliable in terms of stability. In general, MST parameters stabilize at short epoch lengths, particularly for MSTs based on PLI (1-6 seconds versus 4-8 seconds for AEC). At the source-level the results were even more reliable, with stability already at 1 second duration for PLI-based MSTs. Our results confirm that EEG analysis may represent an effective tool to identify subject-specific characteristics that may be of great impact for several bioengineering applications. Regarding epoch length, the present work suggests that both PLI and AEC depend on epoch length and that this has an impact on the reconstructed network topology, particularly at the scalp-level. Source-level MST topology is less sensitive to differences in epoch length, therefore enabling the comparison of brain network topology between different studies.

La sicurezza delle reti informatiche non va mai sottovalutata, neppure da coloro che le utilizzano per uso personale. L'utente corre il rischio di rendere il proprio sistema vulnerabile agli attacchi di intrusi, permettendo loro l'acquisizione dei propri dati personali. Pertanto ho preso in esame l'architettura di una rete wireless domestica e le tecniche di protezione adottate, per garantire riservatezza e confidenzialità nelle trasmissioni dati che vengono effettuate tramite la stessa. Le tematiche affrontate sono state sviluppate attraverso una descrizione delle tecnologie wireless, con i vantaggi e gli svantaggi che tale approccio comporta, e passando in rassegna le tipologie di reti wireless esistenti. Sono entrato in merito alle Wireless Local Area Network, focalizzandomi soprattutto sull'architettura delle stesse in ambito domestico. In particolare, ho descritto il protocollo IEEE 802.11, che regolamenta le reti di questo tipo. Una sezione del documento è stata dedicata ai metodi di riconoscimento, autenticazione ed accesso ad una rete WLAN. Ho preso in considerazione la crittografia, esaminando di che cosa si occupa e qual è la sua importanza nella sicurezza informatica. Ho approfondito anche il protocollo Wired Equivalent Privacy, descrivendo il suo funzionamento ed elencando tutte le problematiche introdotte dal protocollo suddetto. Ho proceduto nell’ analisi delle reti wireless, enumerando i motivi che hanno comportato all’ abbandono della tecnologia WEP per passare a Wireless Protected Access e a Wireless Protected Access v2. Questi due protocolli sono stati descritti nel loro funzionamento e nelle loro vulnerabilità. Una sezione rilevante è stata riservata alla descrizione di alcune tecniche di intrusione indipendenti dal tipo di crittografia utilizzata dalla WLAN. L’ultimo capitolo è dedicato alle configurazioni attualmente proposte dai fornitori di servizi Internet, per gestire un Access Point, ed alle problematiche di tali configurazioni.

Con l'ormai prossima rete mobile 5G entreranno a far parte della nostra quotidianità nuovi servizi applicativi, mai prima possibili, grazie all'avvicinamento di risorse di calcolo e di memoria nei pressi dell'utente in mobilità. Un’architettura abilitante i futuri servizi è quella di Mobile Edge Computing (MEC) in cui cloud di capacità inferiori rispetto a quelli presenti nella core della rete sono dislocati nei pressi della stazioni radio e metteranno a disposizione risorse di calcolo tali da permettere, tramite la tecnica di offloading, la fruizione di servizi quali realtà aumentata, gaming online, contenuti streaming ad alta risoluzione ed operazioni di data analytics. Ogni nuovo paradigma porta con sé nuove sfide d'affrontare e risolvere per potere essere applicabile. Ecco, dunque, che s'introduce l'obiettivo perseguito durante questo percorso di ricerca che è stato quello di analizzare, modellare diversi aspetti di uno dei tanti problemi del MEC che è la continuità del servizio che è in funzione non solo del normale spostamento dell'utente mobile, ma anche dalle risorse presenti del server sorgente. Il percorso di studi e di ricerca è stato così strutturato: Studio iniziale sulle nuove sfide del 5G per poi dedicarsi ad uno studio approfondito sull'architettura di riferimento del mobile edge computing sino ad una piattaforma open-source di nome M-CORD. Questa prima parte è stata propedeutica per potere svolgere i seguenti lavori di ricerca. Un primo lavoro è consistito nel proporre una modifica di un framework per la live migration ed analizzare i tempi di migrazione di applicazioni RAM-intensive sviluppando un modello simulante l’esecuzione di tali applicazioni con uno dei possibili algoritmi di migrazione e cioè quello di pre-copy anzichè quello di post-copy. Le nostre ipotesi confortate dai risultati numerici hanno evidenziato che l'algoritmo di pre-copy è preferibile nella service migration di applicazioni RAM-intensive. Un successivo lavoro è nato dalla considerazione che grazie ai server MEC vi sarà un'altissima diffusione di contenuti multimediali e molti di essi saranno a pagamento e regolati da contratti di service level agreement (SLA) e, dunque, abbiamo progettato e sviluppato un'applicazione di machine learning che potrebbe essere installata direttamente nello smartphone che in background analizza ed individua in tempo reale la risoluzione video ricevuta così da verificare il rispetto del SLA. Inoltre abbiamo anche disegnato un'architettura in cui la service migration possa essere originata dal client mobile, una volta verificatosi la violazione (breach) contrattuale. I risultati sono stati promettenti visto che si è ottenuta un'accuratezza superiore al 95% su dati mai visti. Questo lavoro ha anche evidenziato le enormi potenzialità offerte dal machine learning capace di discernere caratteristiche intrinseche dell'applicazione senza alcun ausilio di analisi protocollare. Un terzo lavoro è stato quello di estendere il modello di analisi dei tempi di migrazione per applicazioni RAM-intensive andando a simulare, sempre sotto l'ipotesi di applicare l'algoritmo di pre-copy, la presenza di un controller SDN che permette una continua riconfigurazione dinamica dei percorsi di rete. A tale scopo abbiamo quindi proposto una nuova architettura basata sia su MEC che SDN, modellato e simulato alcuni scenari di traffico di rete ed analizzato le prestazioni temporali. I risultati hanno evidenziato che grazie alla continua riconfigurazione dinamica dei percorsi, assicurando quello più veloce ad ogni iterazione dell'algoritmo, in determinati scenari si sono ottenuti tempi di migrazioni più bassi sino al 90%. È, dunque, chiaro che la cooperazione di MEC e SDN possa fornire un servizio di migrazione più efficiente poiché ad un minore tempo di trasferimento permetterà il rispetto dei stringenti vincoli temporali di molte applicazioni. Infine, un quarto lavoro è nato dall'osservazione che se è vero che la tecnologia più in linea per abilitare i nuovi servizi 5G sia quella dei containers, essendo molto più veloci delle virtual machine, è altrettanto vero che ad oggi per design i containers sono soggetti ad intrinsechi problemi di sicurezza dovuto principalmente alla condivisione del Kernel host con tutti i containers in esecuzione. Per tale motivo, anziché sviluppare soluzioni personalizzate non standardizzate che facessero uso sia dei containers che delle virtual machine, abbiamo ricercato ed analizzato una nuova promettente architettura che potrebbe costituire la base per la migrazione dei servizi garantendo al contempo sia leggerezza e velocità che sicurezza di nome Kata-containers. Essendo una nuovissima architettura abbiamo svolto uno studio sulle sue principali caratteristiche e li abbiamo poi confrontate da un punto di vista qualitativo con quelle di Docker che rappresenta lo standard de facto per la tecnologia containers. Da tale analisi è emerso che tale nuova architettura, se pur ancora da migliorare, potrà rappresentare il pilastro portante per la migrazione dei servizi tra MEC server.

Attualmente il concetto di Internet of Things (IoT) è applicato a diversi ambiti, che spaziano da applicazioni di Città Intelligenti (Smart City) a quelle in ambito industriale e agricolo (Smart Industry e Smart Agriculture). Per rispondere agli specifici requisiti di questi scenari sono state progettate le tecnologie Low Power Wide Area Network (LPWAN), tra le quali Long Range Wide Area Network (LoRaWAN) e Narrowband IoT (NB-IoT) hanno un ruolo predominante. Obiettivo di questa tesi è valutare le prestazioni di queste tecnologie, considerando sia scenari IoT “tradizionali”, sia casi d’uso più impegnativi, come il monitoraggio di sistemi industriali e la localizzazione di droni da remoto, dove i requisiti di comunicazione in termini di affidabilità e latenza sono più stringenti. Per stimare le prestazioni di rete in questi ambiti sono stati impiegati modelli matematici e simulazioni di rete che utilizzano il modulo lorawan di ns-3. Da queste valutazioni emerge che un’appropriata configurazione della tecnologia di comunicazione ha un impatto significativo sulle prestazioni del sistema, e che vari fattori devono essere considerati quando si implementa un sistema IoT. Un altro aspetto considerato in questa tesi è quello del consumo energetico: infatti, nonostante le tecnologie LPWAN siano progettate per avere basso consumo, la valutazione in sistemi reali può contribuire a verificare il corretto comportamento del nodo e l’impatto dei settaggi di rete sul ciclo di vita del dispositivo. Inoltre, molti dispositivi IoT sono attualmente alimentati a batterie, un approccio poco sostenibile economicamente e con grande impatto ecologico. Pertanto, una possibile alternativa è implementare sistemi di Green IoT, equipaggiando i nodi IoT con meccanismi che permettono di assorbire energia da sorgenti rinnovabili. La tesi applica questo concetto a dispositivi LoRaWAN e ne discute la fattibilità utilizzando simulazioni ns-3 e esperimenti con dispositivi reali.
The Internet of Things (IoT) paradigm is nowadays applied to multiple domains, including Smart Cities, Smart Industry and Smart Agriculture. To support the specific requirements of these scenarios, Low Power Wide Area Network (LPWAN) technologies have been developed, among which Long Range Wide Area Network (LoRaWAN) and Narrowband IoT (NB-IoT) play a dominant role. This thesis aims at evaluating the performance of these technologies by considering both traditional IoT scenarios and more challenging use cases, such as industrial monitoring or remote drone tracking, which have strict communication requirements in terms of reliability and delay. To estimate the network performance in all these domains, mathematical modeling and network simulations have been used, leveraging the ns-3 lorawan module. From these evaluations, it is appearent that a proper technology configuration has a significant impact on the system’s performance, and that multiple elements should be taken into account when implementing an IoT system. Another aspect considered in this thesis regards the energy efficiency: indeed, although LPWAN technologies are designed to be low power, the evaluation on real testbeds can help in assessing the correctness of the node’s behavior and the impact of the network settings on the device lifetime. Furthermore, most of the IoT devices are currently battery-powered, an approach that is not economically sustainalble, nor environmental friendly. A possible alternative is to implement Green IoT systems by providing IoT nodes with a mechanism that allows them to harvest power from renewable sources. The thesis applies this concept to LoRaWAN devices, and discusses its feasibility by leveraging ns-3 simulations and experiments on real testbeds.

Il primo capitolo della tesi fornisce una rappresentazione complessiva del business calcistico. Si descrive l’evoluzione economico-giuridica delle società calcistiche in Italia, dando riscontro delle peculiarità che contraddistinguono questo settore e che lo rendono un business atipico. In aggiunta, sono esposte le disposizioni della UEFA per regolare i conti economico finanziari delle aziende calcistiche, il c.d. Fair Play Finanziario. Tale normativa UEFA ha certamente contribuito ad indirizzare l’attenzione scientifica e mediatica sui bilanci delle società di calcio europee. Sulla base di queste considerazioni, è stato sviluppato il secondo capitolo della ricerca che, attraverso un’analisi sull’efficienza produttiva delle squadre di Serie A, tenta di dare un contributo allo studio degli effetti del Fair Play Finanziario sul calcio italiano. La seconda parte della tesi (capitolo terzo e quarto) è un’ampia indagine empirica sul mercato del lavoro dei calciatori professionisti. In questa sezione si è cercato di descrivere il fenomeno economico del calcio attraverso diversi punti di vista: quello aziendale-manageriale, connesso alla prospettiva delle società calcistiche, e quello del calciatore professionista, che appartiene ad una categoria professionale peculiare che, grazie all’evoluzione digitale ed alla conseguente crescita dell’esposizione mediatica, vede accrescere la propria importanza come asset delle società di calcio.

Argomenti della tesi sono l’analisi della destinazione Bologna e un progetto di social network per lo sviluppo turistico della città. Per fornire una visione d’insieme sono stati studiati inizialmente alcuni aspetti più generali di Bologna come storia, economia, andamento della popolazione, clima e territorio. Successivamente sono stati presi in esame gli elementi caratteristici del campo turistico come l’accessibilità, la domanda, il prodotto turistico primario e quello secondario, l’immagine e la governance. La ricerca si è conclusa con un analisi swot di Bologna come destinazione, per valutare i punti di forza, di debolezza, le opportunità e le minacce del suo sviluppo turistico. Lo studio compiuto ha rivelato la totale assenza di utilizzo dei social network come strumento di promozione turistica da parte del Comune della città. Dopo un’analisi dei social network principali, come Facebook, Twitter, Foursquare, Instantgram e Pinterest, e delle possibili modalità di impiego in campo turistico si è quindi proposta la realizzazione di un progetto di loro utilizzo come mezzo di promozione turistica del comune di Bologna. Durante lo studio dei nuovi media sono stati presi in esame i casi di Ferrara e Venezia.

L’obiettivo di questo lavoro é di progettare e sviluppare una applicazione web il cui utilizzo sia quello di poter condurre analisi sociali andando ad elaborare dati provenienti da diverse fonti quali: Facebook, Twitter e mail box. Per rendere possibili queste analisi abbiamo focalizzato la nostra attenzione, non solo sulla costruzione visiva di un reticolo sociale, ma anche sulla diffusione dei contenuti nel tempo e nello spazio e sulla loro estrazione testuale. Siamo partiti definendo il concetto di rete sociale ed abbiamo proseguito evidenziando come l’analisi sociale possa essere di supporto alle analisi forensi, fornendo alcune tecniche specifiche per questo ambito. Abbiamo, infine, messo a paragone alcuni strumenti di analisi forense attualmente presenti sul marcato. Questa panoramica ci ha permesso di definire il nostro campo di interesse e le motivazioni dietro il progetto che hanno portato allo sviluppo di un’applicazione web in grado di analizzare e rappresentare visivamente i dati in ingresso. Andremo a definire l’architettura utilizzata e presenteremo un caso d’uso reale utilizzando i dati provenienti dai miei canali social.

Il lavoro è stato suddiviso in tre macro-aree. Una prima riguardante un'analisi teorica di come funzionano le intrusioni, di quali software vengono utilizzati per compierle, e di come proteggersi (usando i dispositivi che in termine generico si possono riconoscere come i firewall). Una seconda macro-area che analizza un'intrusione avvenuta dall'esterno verso dei server sensibili di una rete LAN. Questa analisi viene condotta sui file catturati dalle due interfacce di rete configurate in modalità promiscua su una sonda presente nella LAN. Le interfacce sono due per potersi interfacciare a due segmenti di LAN aventi due maschere di sotto-rete differenti. L'attacco viene analizzato mediante vari software. Si può infatti definire una terza parte del lavoro, la parte dove vengono analizzati i file catturati dalle due interfacce con i software che prima si occupano di analizzare i dati di contenuto completo, come Wireshark, poi dei software che si occupano di analizzare i dati di sessione che sono stati trattati con Argus, e infine i dati di tipo statistico che sono stati trattati con Ntop. Il penultimo capitolo, quello prima delle conclusioni, invece tratta l'installazione di Nagios, e la sua configurazione per il monitoraggio attraverso plugin dello spazio di disco rimanente su una macchina agent remota, e sui servizi MySql e DNS. Ovviamente Nagios può essere configurato per monitorare ogni tipo di servizio offerto sulla rete.

In this thesis, we investigate the combination of Multigrid methods and Neural Networks, starting from Finite Element discretizations of Partial Differential Equations. Multigrid methods are among the fastest numerical methods employed to solve elliptic equations. They use different levels of approximation in a multilevel hierarchy to compute the solution. The keypoint is to appropriately define transfer operators to transfer information between these different levels. These operators are crucial for fast convergence of Multigrid, but they are generally unknown. Here, we propose Neural Network models for learning transfer operators, and we build a multilevel hierarchy based on the output of the predictive model. After a preliminary study in one-dimensional scenarios, we define our training set by extracting information from geometry and operator matrices. We take the features from the mass matrix and the target from the L2-projection. Then, we customize the model loss function in order to include knowledge about the transfer operators: in this way, our network solves a constrained problem, forcing some domain properties on the predictions. The application of this model in a Multigrid context results in good convergence, motivating the passage to two-dimensional problems. Given the increased complexity of the data, we first investigate the accuracy of the predictions, by testing it with different network architectures and with different combinations of parameters. We focus on the study of convergence, where we compare our strategy with existing Multigrid methods. More specifically, we consider the Semi-Geometric Multigrid and the Algebraic Multigrid. A big issue that needs to be faced is the constraint given by feedforward Neural Networks of working only with fixed input and output dimensions. Therefore, we implement and compare different solution to address this problem, by extending the node patches when the neighborhood of a node has less nodes than expected, and by decomposing our feature extraction when the node patch is bigger than the network input. In order to validate this procedure in more general settings, we test our method using several geometries, considering structured and unstructured grids, but without the need of using a specific implementation for each grid. In the last part of this work, we focus on problems with variable diffusion coefficients, where stiffness information is added in the training process. This strategy allows to achieve faster convergence than using transfer operators based only on geometric data. Future discussion should be devoted to the extension of this Neural Network approach to three-dimensional scenarios and to the construction of grid operators for an automatic definition of multilevel solvers, allowing a portable solution in scientific computing.
In this thesis, we investigate the combination of Multigrid methods and Neural Networks, starting from Finite Element discretizations of Partial Differential Equations. Multigrid methods are among the fastest numerical methods employed to solve elliptic equations. They use different levels of approximation in a multilevel hierarchy to compute the solution. The keypoint is to appropriately define transfer operators to transfer information between these different levels. These operators are crucial for fast convergence of Multigrid, but they are generally unknown. Here, we propose Neural Network models for learning transfer operators, and we build a multilevel hierarchy based on the output of the predictive model. After a preliminary study in one-dimensional scenarios, we define our training set by extracting information from geometry and operator matrices. We take the features from the mass matrix and the target from the L2-projection. Then, we customize the model loss function in order to include knowledge about the transfer operators: in this way, our network solves a constrained problem, forcing some domain properties on the predictions. The application of this model in a Multigrid context results in good convergence, motivating the passage to two-dimensional problems. Given the increased complexity of the data, we first investigate the accuracy of the predictions, by testing it with different network architectures and with different combinations of parameters. We focus on the study of convergence, where we compare our strategy with existing Multigrid methods. More specifically, we consider the Semi-Geometric Multigrid and the Algebraic Multigrid. A big issue that needs to be faced is the constraint given by feedforward Neural Networks of working only with fixed input and output dimensions. Therefore, we implement and compare different solution to address this problem, by extending the node patches when the neighborhood of a node has less nodes than expected, and by decomposing our feature extraction when the node patch is bigger than the network input. In order to validate this procedure in more general settings, we test our method using several geometries, considering structured and unstructured grids, but without the need of using a specific implementation for each grid. In the last part of this work, we focus on problems with variable diffusion coefficients, where stiffness information is added in the training process. This strategy allows to achieve faster convergence than using transfer operators based only on geometric data. Future discussion should be devoted to the extension of this Neural Network approach to three-dimensional scenarios and to the construction of grid operators for an automatic definition of multilevel solvers, allowing a portable solution in scientific computing.

Descrizione del processo di raccolta dati relativi all'inquinamento atmosferico ed alle condizioni meteorologiche in Emilia-Romagna. Introduzione alle principali tecniche di machine learning: le reti neurali artificiali. Utilizzo di alcuni framework specifici in tale ambito (TensorFlow, Keras) per la definizione di un modello capace di prevedere la concentrazione di un particolare inquinante (biossido di azoto), partendo dai dati raccolti nella prima fase. Descrizione e analisi dei risultati ottenuti.

La tesi consiste nella individuazione delle comunità più attive su Twitter sul tema "vaccini" e nella analisi della loro struttura, proprietà e comportamento. Le informazioni necessarie per condurre le analisi sono state estratte da Twitter tramite l'utilizzo del software R

I dispositivi mobili, dagli smartphone ai tablet, sono entrati a far parte della nostra quotidianità. Controllando l’infrastruttura delle comunicazioni, rispetto a qualsiasi altro settore, si ha un maggiore accesso a informazioni relative alla geo-localizzazione degli utenti e alle loro interazioni. Questa grande mole di informazioni può aiutare a costruire città intelligenti e sostenibili, che significa modernizzare ed innovare le infrastrutture, migliorare la qualità della vita e soddisfare le esigenze di cittadini, imprese e istituzioni. Vodafone offre soluzioni concrete nel campo dell’info-mobilità consentendo la trasformazione delle nostre città in Smart City. Obiettivo della tesi e del progetto Proactive è cercare di sviluppare strumenti che, a partire da dati provenienti dalla rete mobile Vodafone, consentano di ricavare e di rappresentare su cartografia dati indicanti la presenza dei cittadini in determinati punti d’interesse, il profilo di traffico di determinati segmenti viari e le matrici origine/destinazione. Per fare questo verranno prima raccolti e filtrati i dati della città di Milano e della regione Lombardia provenienti dalla rete mobile Vodafone per poi, in un secondo momento, sviluppare degli algoritmi e delle procedure in PL/SQL che siano in grado di ricevere questo tipo di dato, di analizzarlo ed elaborarlo restituendo i risultati prestabiliti. Questi risultati saranno poi rappresentati su cartografia grazie a QGis e grazie ad una Dashboard aziendale interna di Vodafone. Lo sviluppo delle procedure e la rappresentazione cartografica dei risultati verranno eseguite in ambiente di Test e se i risultati soddisferanno i requisiti di progetto verrà effettuato il porting in ambiente di produzione. Grazie a questo tipo di soluzioni, che forniscono dati in modalità anonima e aggregata in ottemperanza alle normative di privacy, le aziende di trasporto pubblico, ad esempio, potranno essere in grado di gestire il traffico in modo più efficiente.

Questa dissertazione esamina le sfide e i limiti che gli algoritmi di analisi di grafi incontrano in architetture distribuite costituite da personal computer. In particolare, analizza il comportamento dell'algoritmo del PageRank così come implementato in una popolare libreria C++ di analisi di grafi distribuiti, la Parallel Boost Graph Library (Parallel BGL). I risultati qui presentati mostrano che il modello di programmazione parallela Bulk Synchronous Parallel è inadatto all'implementazione efficiente del PageRank su cluster costituiti da personal computer. L'implementazione analizzata ha infatti evidenziato una scalabilità negativa, il tempo di esecuzione dell'algoritmo aumenta linearmente in funzione del numero di processori. Questi risultati sono stati ottenuti lanciando l'algoritmo del PageRank della Parallel BGL su un cluster di 43 PC dual-core con 2GB di RAM l'uno, usando diversi grafi scelti in modo da facilitare l'identificazione delle variabili che influenzano la scalabilità. Grafi rappresentanti modelli diversi hanno dato risultati differenti, mostrando che c'è una relazione tra il coefficiente di clustering e l'inclinazione della retta che rappresenta il tempo in funzione del numero di processori. Ad esempio, i grafi Erdős–Rényi, aventi un basso coefficiente di clustering, hanno rappresentato il caso peggiore nei test del PageRank, mentre i grafi Small-World, aventi un alto coefficiente di clustering, hanno rappresentato il caso migliore. Anche le dimensioni del grafo hanno mostrato un'influenza sul tempo di esecuzione particolarmente interessante. Infatti, si è mostrato che la relazione tra il numero di nodi e il numero di archi determina il tempo totale.

L'elaborato si pone l’obiettivo di indagare gli aspetti legati alle strategie di comunicazione online adottate dalle aziende del lusso in ambito internazionale, con particolare riferimento al mercato cinese. Per fare questo si è partiti da un’analisi del settore dei prodotti di alta gamma a livello globale, mettendo poi a confronto i mercati tradizionali del lusso e i cosiddetti mercati emergenti del settore, al fine di individuare sfide e opportunità presentate da questi nuovi mercati ai player del settore. Attraverso l’analisi del contesto cinese dal punto di vista geografico, sociale, culturale ed infine economico si è giunti ad individuare quali sono le caratteristiche del mercato nello specifico e i fattori sociali e culturali che influiscono nella percezione del lusso e nei comportamenti di consumo dei clienti cinesi. Questo passaggio di analisi ha permesso di comprendere quanto sia importante non sottovalutare, quando si opera in mercati geograficamente lontani, che questi si caratterizzano anche per contesti storico-culturali profondamente diversi, i quali influenzano la composizione del mercato e le attitudini di consumo. Sono state in seguito analizzate le strategie di comunicazione online dei principali marchi del lusso e in particolare le caratteristiche specifiche delle strategie implementate dalle imprese occidentali e italiane in Cina per comprendere quanto queste siano legate o meno alla tradizione e al territorio cinese. Dal punto di vista metodologico, si è affiancato alla ricerca bibliografica, un’analisi empirica di alcuni siti web aziendali e account ufficiali dei brand del lusso sui social network cinesi e occidentali maggiormente utilizzati, al fine di verificare il grado di standardizzazione o adattamento delle strategie di comunicazione online adottate dalle imprese in Cina.

“Dì che ti piace questa pagina”. Questo è uno dei tanti inviti rivolti a chi, ogni giorno, naviga in Internet. Che si stia leggendo un articolo sul sito de La Repubblica, o visitando il blog di un personaggio famoso o di un politico, i riferimenti ai social network sono ormai una presenza costante nelle pagine web. La facilità di restare in contatto con i propri amici, e la possibilità di collegarsi in qualsiasi momento, hanno portato gli utenti del Web 2.0 ad intensificare le discussioni, ed a commentare gli argomenti ed i contenuti prodotti dagli altri in un continuo e complesso “botta e risposta”. È possibile che quest'ambiente abbia favorito lo sviluppo di una nuova prospettiva della Rete, inteso come un nuovo modo di vedersi e di rapportarsi con gli altri, di esprimersi e di condividere le proprie storie e la propria storia. Per approfondire queste tematiche si è deciso di osservare alcuni dei social networks più diffusi, tra i quali Twitter e Facebook e, per raccogliere i dati più significativi di quest'ultimo, di sviluppare un'apposita applicazione software. Questa tesi tratterà gli aspetti teorici che hanno portato questa ricerca su scala nazionale e l'analisi dei requisiti del progetto; approfondirà le dinamiche progettuali e lo sviluppo dell'applicazione entro i vincoli imposti da Facebook, integrando un questionario per l'utente alla lettura dei dati. Dopo la descrizione delle fasi di testing e deployment, l'elaborato includerà un'analisi preliminare dei dati ottenuti per mezzo di una pre-elaborazione all'interno dell'applicazione stessa.

Il lavoro è parte integrante di un progetto di ricerca del Ministero della Salute ed è stato sviluppato presso la Fisica Sanitaria ed il reparto di Radioterapia Oncologica dell’Azienda Ospedaliero Universitaria di Modena. L’obiettivo è la realizzazione di modelli predittivi e di reti neurali per tecniche di warping in ambito clinico. Modifiche volumetrico-spaziali di organi a rischio e target tumorali, durante trattamenti tomoterapici, possono alterare la distribuzione di dose rispetto ai constraints delineati in fase di pianificazione. Metodologie radioterapiche per la valutazione di organ motion e algoritmi di registrazione ibrida permettono di generare automaticamente ROI deformate e quantificare la divergenza dal piano di trattamento iniziale. Lo studio si focalizzata sulle tecniche di Adaptive Radiation Therapy (ART) mediante la meta-analisi di 51 pazienti sottoposti a trattamento mediante Tomotherapy. Studiando il comportamento statistico del campione, sono state generate analisi predittive per quantificare in tempo reale divergenze anatomico dosimetriche dei pazienti rispetto al piano originale e prevedere la loro ripianificazione terapeutica. I modelli sono stati implementati in MATLAB, mediante Cluster Analysis e Support Vector Machines; l’analisi del dataset ha evidenziato il valore aggiunto apportabile dagli algoritmi di deformazione e dalle tecniche di ART. La specificità e sensibilità della metodica è stata validata mediante l’utilizzo di analisi ROC. Gli sviluppi del presente lavoro hanno aperto una prospettiva di ricerca e utilizzo in trattamenti multicentrici e per la valutazione di efficacia ed efficienza delle nuove tecnologie in ambito RT.

L'informazione è alla base della conoscenza umana. Senza, non si potrebbe sapere nulla di ciò che esiste, di ciò che è stato o di quello che potrebbe accadere. Ogni giorno si assimilano moltissime informazioni, che vengono registrate nella propria memoria per essere riutilizzate all'occorrenza. Ne esistono di vari generi, ma il loro insieme va a formare quella che è la cultura, educazione, tradizione e storia dell'individuo. Per questo motivo è importante la loro diffusione e salvaguardia, impedendone la perdita che costerebbe la dipartita di una parte di sé, del proprio passato o del proprio futuro. Al giorno d'oggi le informazioni possono essere acquisite tramite persone, libri, riviste, giornali, la televisione, il Web. I canali di trasmissione sono molti, alcuni più efficaci di altri. Tra questi, internet è diventato un potente strumento di comunicazione, il quale consente l'interazione tra chi naviga nel Web (ossia gli utenti) e una partecipazione attiva alla diffusione di informazioni. Nello specifico, esistono siti (chiamati di microblogging) in cui sono gli stessi utenti a decidere se un'informazione possa essere o meno inserita nella propria pagina personale. In questo caso, si è di fronte a una nuova "gestione dell'informazione", che può variare da utente a utente e può defluire in catene di propagazione (percorsi che compiono i dati e le notizie tra i navigatori del Web) dai risvolti spesso incerti. Ma esiste un modello che possa spiegare l'avanzata delle informazioni tra gli utenti? Se fosse possibile capirne la dinamica, si potrebbe venire a conoscenza di quali sono le informazioni più soggette a propagazione, gli utenti che più ne influenzano i percorsi, quante persone ne vengono a conoscenza o il tempo per cui resta attiva un'informazione, descrivendone una sorta di ciclo di vita. E' possibile nel mondo reale trovare delle caratteristiche ricorrenti in queste propagazioni, in modo da poter sviluppare un metodo universale per acquisirne e analizzarne le dinamiche? I siti di microblogging non seguono regole precise, perciò si va incontro a un insieme apparentemente casuale di informazioni che necessitano una chiave di lettura. Quest'ultima è proprio quella che si è cercata, con la speranza di poter sfruttare i risultati ottenuti nell'ipotesi di una futura gestione dell'informazione più consapevole. L'obiettivo della tesi è quello di identificare un modello che mostri con chiarezza quali sono i passaggi da affrontare nella ricerca di una logica di fondo nella gestione delle informazioni in rete.

Al giorno d'oggi una pratica molto comune è quella di eseguire ricerche su Google per cercare qualsiasi tipo di informazione e molte persone, con problemi di salute, cercano su Google sintomi, consigli medici e possibili rimedi. Questo fatto vale sia per pazienti sporadici che per pazienti cronici: il primo gruppo spesso fa ricerche per rassicurarsi e per cercare informazioni riguardanti i sintomi ed i tempi di guarigione, il secondo gruppo invece cerca nuovi trattamenti e soluzioni. Anche i social networks sono diventati posti di comunicazione medica, dove i pazienti condividono le loro esperienze, ascoltano quelle di altri e si scambiano consigli. Tutte queste ricerche, questo fare domande e scrivere post o altro ha contribuito alla crescita di grandissimi database distribuiti online di informazioni, conosciuti come BigData, che sono molto utili ma anche molto complessi e che necessitano quindi di algoritmi specifici per estrarre e comprendere le variabili di interesse. Per analizzare questo gruppo interessante di pazienti gli sforzi sono stati concentrati in particolare sui pazienti affetti dal morbo di Crohn, che è un tipo di malattia infiammatoria intestinale (IBD) che può colpire qualsiasi parte del tratto gastrointestinale, dalla bocca all'ano, provocando una grande varietà di sintomi. E' stato fatto riferimento a competenze mediche ed informatiche per identificare e studiare ciò che i pazienti con questa malattia provano e scrivono sui social, al fine di comprendere come la loro malattia evolve nel tempo e qual'è il loro umore a riguardo.

L’obiettivo di questa tesi è quello di implementare funzionalità aggiuntive e migliorare l’interfaccia grafica e di navigazione di un’applicazione per sistemi mobile Android. Scopo dell’applicazione è quello di favorire l’organizzazione di partite di beach volley e di creare una community con la quale ritrovarsi per giocare in spiaggia e in strutture attrezzate. L’applicazione esistente permette ad ogni utente registrato di inserirsi in una partita o di crearne una nuova. È possibile, inoltre, visualizzare le strutture vicine alla propria posizione tramite l’apposita mappa, o consultare l’elenco di tutti i campi da gioco disponibili nel sistema. Ogni utente ha la possibilità infine di personalizzare il proprio profilo e di guadagnare punti, per scalare la classifica, in base al risultato delle partite giocate. Nello specifico si andrà a riorganizzare la struttura del menù iniziale e di navigazione, in modo che sia più intuitivo e di facile utilizzo. Si cercherà inoltre di snellire la procedura per la creazione di una nuova partita e si implementerà la funzione di login e logout dell’applicazione, in modo che ogni utente possa collegarsi e scollegarsi a piacimento dal sistema.

Nel documento vengono principalmente trattati i principali meccanismi per il controllo di flusso per le NoC. Vengono trattati vari schemi di switching, gli stessi schemi associati all'introduzione dei Virtual Channel, alcuni low-level flow control, e due soluzioni per gli end-to-end flow control: Credit Based e CTC (STMicroelectronics). Nel corso della trattazione vengono presentate alcune possibili modifiche a CTC per incrementarne le prestazioni mantenendo la scalabilità che lo contraddistingue: queste sono le "back-to-back request" e "multiple incoming connections". Infine vengono introdotti alcune soluzioni per l'implementazione della qualità di servizio per le reti su chip. Proprio per il supporto al QoS viene introdotto CTTC: una versione di CTC con il supporto alla Time Division Multiplexing su rete Spidergon.

2010 - 2011
Con la sempre più rapida crescita in termini di dimensioni e complessità delle moderne infrastrutture di rete, l’attività di individuazione e prevenzione di abusi e violazioni nell’uso di tali infrastrutture sta diventando sempre più strategica per garantire alle stesse un adeguato grado di protezione sia dall’esterno che da possibili minacce interne. In questo particolare scenario stanno emergendo prepotentemente molte tecniche per il controllo automatizzato del traffico di rete e basate sulla formulazione di modelli di comportamento normali o anomali del traffico stesso, al fine di rilevare la presenza di attività indesiderate o quantomeno sospette. Innanzitutto va considerato che, la definizione del concetto di andamento normale o anomalo del traffico dipende da diversi fattori legati alle attività giornaliere e all’utilizzo le delle risorse ad esse associate. Infatti,il profilo di normalità del traffico può essere determinato solo attraverso l'acquisizione e l’attenta analisi di informazioni storiche relative allo stesso, seguite dalla formulazione di scenari di previsione basati sull’esperienza passata, ma ovviamente tali analisi di solito richiedono tempo e pertanto pregiudicano la possibilità di rilevare la presenza di fenomeni anomali in tempo reale. Questo problema può essere risolto provando a modellare il comportamento futuro del traffico basandosi sull’idealizzazione statistica degli eventi passati e l'osservazione di quelli presenti e specificamente analizzando ed osservando alcune proprietà statistiche particolarmente discriminanti, in grado di caratterizzare i fenomeni evolutivi e osservabili nel traffico di rete. Dato che gli eventi anomali vanno ormai considerati una osservabili nel traffico di rete. Dato che gli eventi anomali vanno ormai considerati una parte strutturale irrinunciabile del traffico di rete globale, diventa sempre più importante poter rilevare automaticamente, classificare e identificare gli stessi al fine di reagire prontamente e adeguatamente ad eventuali minacce o malfunzionamenti. Di conseguenza l'obiettivo principale di questa tesi è lo sviluppo di un nuovo approccio per il rilevare in tempo reale anomalie di traffico in rete basandosi sull'analisi di proprietà e meccanismi di associazione complessi nonchè modelli di ricorrenza e dinamiche non immediatamente "apparenti" riscontrabili nei flussi aggregati di traffico. Nello studiare ed analizzare tali proprietà al fine di modellizzare e rilevare comportamenti anomali, sono state adottate diverse tecniche che hanno dimostrato la loro efficacia nell’esplorare dinamiche meno apparenti e correlazioni temporali di serie storiche statistiche, come l’analisi multi-risoluzione basata su wavelets e l’analisi di quantificazione dei fenomeni ricorrenti. Sulla base di tali presupposti è stato realizzato un modello adattativo per la classificazione di eventi anomali basato su metodologie di machine learning che ha dimostrato di essere alquanto efficace nell’interpretazione deterministica dei fenomeni non lineari e delle complesse dinamiche di traffico osservabili durante il verificarsi di eventi anomali caratterizzati da variazioni apprezzabili nelle proprietà statistiche del traffico di rete. Pertanto tale modello si è rivelato estremamente utile per sviluppare e osservazioni qualitative e quantitative che possono essere utilizzate in modo affidabile per rilevare tali eventi anomali. With the rapid growth and the ever increasing complexity of the modern network infrastructures, the task of identifying and preventing network abuses is getting more and more strategic to ensure an adequate degree of protection from both external and internal menaces. In this scenario many techniques are emerging for inspecting the network tra c and modeling anomalous and normal behaviors to detect undesired or suspicious activities. First of all, the de nition of normal or abnormal network behavior depends on several factors related to the day-to-day operations and resource usage. Normal behavior can only be determined by acquiring information about past events, but tra c trends usually take time to be understood and analyzed. This paradox can only be coped with by modeling the future behavior, based on a statistical idealization of the past events and an observation of the present ones and by speci cally analyzing and observing some particularly discriminating statistical features and evolutive phenomena that occur on the network tra c. Since anomalous events are now conceived to be a structural part of the overall network tra c, it is more and more important to automatically detect, classify and identify them in order to react promptly and adequately. Accordingly the main focus of this dissertation is on developing a novel approach to network anomaly detection based on the analysis of complex non-stationary properties and \hidden" recurrence patterns occurring in the aggregated IP tra c ows. In the observation of the above transition patterns for detecting anomalous behaviors, we adopted several techniques that are known to be e ective in exploring the hidden dynamics and time correlations of statistical time series, such as wavelet and recurrence quanti cation analysis. The resulting model, using supervised machine learning techniques to adaptively classify the tra c time series from the aforementioned observations, demonstrated to be e ective for providing a deterministic interpretation of nonlinear patterns originated by the complex tra c dynamics observable during the occurrence of \noisy" network anomaly phenomena, characterized by measurable variations in the statistical properties of the tra c time series, and hence for developing qualitative and quantitative observations that can be reliably used in detecting such events. [edited by the author]
X n.s.

In this thesis we analyze the relationship between epidemiology and network theory, starting from the observation that the viral propagation between interacting agents is determined by intrinsic characteristics of the population contact network. We aim to investigate how a particular network structure can impact on the long-term behavior of epidemics. This field is way too large to be fully discussed; we limit ourselves to consider networks that are partitioned into local communities, in order to incorporate realistic contact structures into the model. The gross structure of hierarchical networks of this kind can be described by a quotient graph. The rationale of this approach is that individuals infect those belonging to the same community with higher probability than individuals in other communities. We describe the epidemic process as a continuous-time individual-based susceptible–infected–susceptible (SIS) model using a first-order mean-field approximation, both in homogeneous and in heterogeneous setting. For this mean-field model we show that the spectral radius of the smaller quotient graph, in connection with the infecting and curing rates, is related to the epidemic threshold, and it gives conditions in order to decide whether the overall healthy-state defines a globally asymptotically stable or an unstable equilibrium. Moreover we show that above the threshold another steady-state exists that can be computed using a lower-dimensional dynamical system associated with the evolution of the process on the quotient graph. Our investigations are based on the graph-theoretical notion of equitable partition and of its recent and rather flexible generalization, that of almost equitable partition. We also consider the important issue related to the control of the infectious disease. Taking into account the connectivity of the network, we provide a cost-optimal distribution of resources to prevent the disease from persisting indefinitely in the population; for a particular case of two-level immunization problem we report on the construction of a polynomial time complexity algorithm. In the second part of the thesis we include stochasticity in the model, considering the infection rates in the form of independent stochastic processes. This allows us to get stochastic differential equation for the probability of infection in each node. We report on the existence of the solution for all times. Moreover we show that there exist two regions, given in terms of the coefficients of the model, one where the system goes to extinction almost surely, and the other where it is stochastic permanent.

The research activity presented in this thesis is focused on three main subjects: first it has been investigated whether and how the Internet contributes to the reconfiguration of political participation, then it is explained the way this phenomenon is articulated on SNSs and finally, the relationship between online and offline political participation has been explored. An innovative mixed method research approach is hereafter proposed, based on the following techniques: data collection and analysis of the interactions of Italian movement Purple People official Facebook page, creation of an online questionnaire for participants, and in-depth interviews. The research starts presenting the changes in social and political action in late modernity: where political actions, individual and collectives, come through private and semi-public practices, arising from a reflexive and autonomous research of unconventional behaviors and it is carried out through self-selected network, beyond the traditional affiliations. The ideal support of this type of participation is the Internet, and an analysis of its deployment for political action in three main fields has been carried out, providing new tools for the production and the diffusion of the information, a multiplicity of platforms and repertoires of action, and opportunities to form and maintain social networks. Regarding the re-articulation of political participation on SNSs, the applications provided by Facebook to enhance political participation are analyzed, underlying the double feature of Facebook’s walls, private and public at the same time. It is then demonstrated how a “public” page, with hundreds of thousands of fans, is effective for the spread of information, (an high percentage of links send to online newspapers, and the reported analysis shows how Facebook is integrating - even not substituting - traditional information channels). Focusing on the dynamics of public debate, it has been found that Facebook is not effective for a collective elaboration of shared contents and materials: discussions are carried out by a small group of people, very fast and low deepens, polarized on the main vision of the group (low level of conflict). In this sense Facebook is more suitable for a kind of participation rather expressive (oriented to the reflection) than instrumental and it is used to communicate contents elaborated elsewhere. Most of the time effective political decisions are deliberate in a private way, as in mailing list, forum, chat and Facebook private groups or in the offline dimension. Three typologies (quantitative-qualitative) of participants have been created: offline, on the Internet and specifically on Facebook (from lurkers to engaged), leading to the discovery of a strong positive correlation between the two dimensions, even if there are some traditionally inactive categories of individuals that participate more in the online that in the offline dimension. It is finally proven that the online participation actually explains the offline one even better than socio-demographic variables.

La crisi dello stato sociale, che si trascina da quasi quarant’anni, unitamente agli effetti della crisi economica del 2007 hanno portato l’attenzione di imprese e istituzioni sul tema del welfare aziendale quale potenziale anello di congiunzione tra la ricerca di nuovi modelli per la competitività delle imprese e il processo di ricalibratura del welfare pubblico. Tuttavia, in Italia il fenomeno riguarda un numero ancora molto limitato di imprese – in prevalenza di grandi dimensioni -, prevalgono misure ancora non pienamente in grado di intercettare efficacemente i nuovi bisogni sociali e non si è ancora registrato un forte sviluppo di modelli in grado di coinvolgere il territorio per la generazione di reti di servizi che possano inserirsi a pieno titolo in un sistema di “secondo welfare”, ovvero un’arena in cui attori di natura diversa – fondazioni, associazioni, organizzazioni sindacali, associazioni datoriali, imprese, eccetera – mobilitano risorse non pubbliche per sviluppare servizi in grado di sostenere ed integrare il welfare pubblico da un punto divista quali-quantitativo. Uno dei modi per coniugare tali aspetti e contribuire allo sviluppo del welfare aziendale è ritenuto essere l’aggregazione tra aziende in rete. L’obbiettivo del presente lavoro è quello di fare chiarezza su quelle che possono essere le criticità e i vincoli, nonché il potenziale, delle reti nate per creare servizi di welfare comuni tra le aziende aderenti e valutare se effettivamente quello della rete può essere uno strumento in grado di portare a uno sviluppo del welfare aziendale in chiave territoriale e a portata delle imprese di piccole e medie dimensioni. La ricerca è stata svolta tramite la metodologia dello “studio di caso” e ha visto il coinvolgimento di due importanti realtà italiane. I risultati mostrano che le reti nate per la creazione di misure di welfare comuni possono agevolare l’avvicinamento delle PMI al tema del welfare aziendale e possono rappresentare un potenziale laboratorio di sperimentazione sul territorio per nuovi servizi in risposta a nuovi bisogni. Tuttavia, per facilitare tali processi occorre prestare particolare attenzione, in fase di progettazione della rete, alle caratteristiche di quello che sarà il territorio di riferimento, ai sistemi di relazioni industriali delle aziende partecipanti e ai meccanismi di regolamentazione interna.

Per comprendere la capacità delle organizzazioni criminali di resistere alle indagini da parte delle forze di polizia, alcuni studiosi hanno introdotto il concetto di resilienza nel campo della ricerca sul crimine organizzato. Il termine si riferisce alla capacità di un gruppo criminale di affrontare le pressioni esterne e riorganizzarsi. Adottando un approccio di rete e facendo riferimento a precedenti ricerche sulla resilienza dei gruppi criminali, il presente studio analizza l’evoluzione nel corso del tempo di due gruppi legati alla ‘Ndrangheta. L’obiettivo consiste nel comprendere come questi gruppi si sono adattati alla pressione da parte delle forze dell’ordine e nell’identificare i meccanismi che hanno favorito la loro evoluzione e i cambiamenti che hanno riguardato la loro struttura organizzativa. I risultati mostrano che i due gruppi criminali hanno potuto fare affidamento su diverse fonti di resilienza. La presenza di legami di natura non economica, che non sono conseguenza della loro partecipazione nei mercati illegali, ha consentito ai gruppi mafiosi di sostituire i soggetti arrestati in modo rapido ma parziale. Una minor importanza attribuita alla struttura gerarchica da parte dei gruppi mafiosi coinvolti in traffici internazionali ha invece permesso a questi gruppi di dotarsi di una organizzazione interna più flessibile.
To understand mafia persistence over time and address the problem of the impact of law enforcement interventions on criminal groups, some scholars have introduced the concept of resilience into organized crime research; this refers to the ability of criminal groups to deal with ongoing changes and reorganize themselves accordingly. Adopting a network approach to organized crime and drawing on previous studies on criminal network resilience, this study analyses the evolution of two ‘Ndrangheta criminal groups over around two years, seeking to understand how they adapted to the external pressure of law enforcement agencies, and to identify the mechanisms that drove their evolution and the structural changes that they experienced. The results show that the two mafia groups had several sources of resilience. The possibility to rely on non-economic ties, which are not the consequence of their participation in illegal markets, enabled the mafia groups to rapidly, though partially, replace the actors arrested. A less prominent role of the formal hierarchy of the ‘Ndrangheta in criminal networks mainly involved in drug trafficking instead gave rise to a more flexible internal configuration.

Per comprendere la capacità delle organizzazioni criminali di resistere alle indagini da parte delle forze di polizia, alcuni studiosi hanno introdotto il concetto di resilienza nel campo della ricerca sul crimine organizzato. Il termine si riferisce alla capacità di un gruppo criminale di affrontare le pressioni esterne e riorganizzarsi. Adottando un approccio di rete e facendo riferimento a precedenti ricerche sulla resilienza dei gruppi criminali, il presente studio analizza l’evoluzione nel corso del tempo di due gruppi legati alla ‘Ndrangheta. L’obiettivo consiste nel comprendere come questi gruppi si sono adattati alla pressione da parte delle forze dell’ordine e nell’identificare i meccanismi che hanno favorito la loro evoluzione e i cambiamenti che hanno riguardato la loro struttura organizzativa. I risultati mostrano che i due gruppi criminali hanno potuto fare affidamento su diverse fonti di resilienza. La presenza di legami di natura non economica, che non sono conseguenza della loro partecipazione nei mercati illegali, ha consentito ai gruppi mafiosi di sostituire i soggetti arrestati in modo rapido ma parziale. Una minor importanza attribuita alla struttura gerarchica da parte dei gruppi mafiosi coinvolti in traffici internazionali ha invece permesso a questi gruppi di dotarsi di una organizzazione interna più flessibile.
To understand mafia persistence over time and address the problem of the impact of law enforcement interventions on criminal groups, some scholars have introduced the concept of resilience into organized crime research; this refers to the ability of criminal groups to deal with ongoing changes and reorganize themselves accordingly. Adopting a network approach to organized crime and drawing on previous studies on criminal network resilience, this study analyses the evolution of two ‘Ndrangheta criminal groups over around two years, seeking to understand how they adapted to the external pressure of law enforcement agencies, and to identify the mechanisms that drove their evolution and the structural changes that they experienced. The results show that the two mafia groups had several sources of resilience. The possibility to rely on non-economic ties, which are not the consequence of their participation in illegal markets, enabled the mafia groups to rapidly, though partially, replace the actors arrested. A less prominent role of the formal hierarchy of the ‘Ndrangheta in criminal networks mainly involved in drug trafficking instead gave rise to a more flexible internal configuration.

Alla base di questa tesi vi è lo studio di UAVs (Unmanned Aerial Vehicles) Swarm Network che utilizzano LTE Side-Link per la comunicazione fra nodi. In particolare, si valutano le prestazioni di un sistema simulato con OMNeT++ con numero di UAVs variabile, che come tecnologia di comunicazione utilizza LTE Side-Link Mode 4. L'obbiettivo è quello di estendere questa tecnologia con il multi-hop e quindi abilitare la consegna di tutti i pacchetti creati dal mittente al destinatario che non si trova nel suo raggio di comunicazione diretto. Nella simulazione i nodi sono posizionati su una linea retta, ad una distanza prefissata l’uno dall’altro, in modo tale che ogni nodo possa comunicare soltanto con i propri vicini. Essi mantengono la propria posizione durante tutta la simulazione, soltanto il primo nodo invia messaggi, tutti destinati all’ultimo della catena. Le metriche utilizzate per la valutazione sono: PDR, Delay medio nella ricezione dei pacchetti e Throughput. I test sono stati condotti con numero di UAV variabile e TTI fisso. I risultati ottenuti dimostrano il successo nell’implementazione di un sistema multi-hop e ne determinano i suoi limiti, infatti dai dati ricavati si evince come le prestazioni degradino all’aumentare del numero di nodi.

In questo lavoro di tesi verrà presentata l’implementazione di due algoritmi di Deployment e gestione di uno sciame di dispositivi UAV (Unmanned Aerial Vehicles). L’interesse scientifico su cui si fonda quest'analisi ha origine nelle enormi potenzialità degli UAV che garantiscono un'esplorazione aerea di aree pericolose in contesti di emergenze quali ad esempio scenari post catastrofe. La problematica principale affrontata sarà quella della gestione continuativa dell'area disastrata fornendo un algoritmo di schedulazione della cooperazione degli UAV alternando periodi attivi con quelli di ricarica dei dispositivi.

Thinkmix è un network con componenti social che permette agli utenti di creare storie collaborando. La tesi illustra tutti gli step che hanno portato alla realizzazione di questo network: l'idea, la progettazione, lo sviluppo e la pubblicazione. Ritengo si tratti di un progetto ben riuscito e completo che mi ha permesso di esprimere totalmente le capacità acquisite durante il corso nelle varie materie (e non unicamente nella materia di riferimento) e di avvicinarmi a tematiche esterne a una laurea triennale (sicurezza informatica, marketing, acquisto e gestione di server dedicati, burocrazia per la pubblicazione di applicazione iOS e sito web con dominio).

The graph-theoretical based formulation for the representation of the data-driven structure and the dynamics of complex systems is rapidly imposing as the paramount paradigm [1] across a variety of disciplines, from economics to neuroscience, with biological -omics as a major example. In this framework, the concept of Null Model borrowed from the statistical sciences identifies the elective strategy to obtain a baseline points of modelling comparison [2]. Hereafter, a null model is a graph which matches one specific graph in terms of some structural features, but which is otherwise taken to be generated as an instance of a random network. In this view, the network model introduced by Erdos & Renyi [3], where random edges are generated as independently and identically distributed Bernoulli trials, can be considered the simplest possible null model. In the following years, other null models have been developed in the framework of graph theory, with the detection of the community structure as one of the most important target[4]. In particular, the model described in [5] introduces the concept of a randomized version of the original graph: edges are rewired at random, with each expected vertex degree matching the degree of the vertex in the original graph. Although aimed at building a reference for the community detection, this approach will play a key role in one of the model considered in this thesis. Note that, although being the ï¬ rst problem to be considered, designing null models for the community structures detection is still an open problem [6, 7]. Real world applications of null model in graph theory have also gained popularity in many different scientific areas, with ecology as the ï¬ rst example: see [8] for a comprehensive overview. More recently, interest for network null models arose also in computational biology [9, 10], geosciences [11] and economics [12, 13], just to name a few. In the present work the theoretical design and the practical implementation of a series of algorithms for the construction of null models will be introduced, with applications ranging from functional genomics to game theory for social studies. The four chapters devoted to the presentation of the examples of null model are preceded by an introductory chapter including a quick overview of graph theory, together with all the required notations. The ï¬ rst null model is the topic of the second chapter, where a suite of novel algorithms is shown, aimed at the efficient generation of complex networks under different constraints on the node degrees. Although not the most important example in the thesis, the premiment position dedicated to this topic is due to its strict familiarity with the aforementioned classical null models for random graph construction. Together with the algorithms definition and examples, a thorough theoretical analysis of the proposed solutions is shown, highlighting the improvements with respect to the state-of-the-art and the occurring limitations. Apart from its intrinsic mathematical value, the interest for these algorithms by the community of systems biology lies in the need for benchmark graphs resembling the real biological networks. They are in fact of uttermost importance when testing novel inference methods, and as testbeds for the network reconstruction challenges such as the DREAM series [14, 15, 16]. The following Chapter three includes the most complex application of null models presented in this thesis. The scientific workï¬ eld is again functional genomics, namely the combinatorial approach to the modelling of patterns of mutations in cancer as detected by Next Generation Sequencing exome Data. This problem has a natural mathematical representation in terms of rewiring of bipartite networks and mutual-exclusively mutated modules [17, 18], to which Markov chain updates (switching-steps) are applied through a Switching Algorithm SA. Here we show some crucial improvements to the SA, we analytically derive an approximate lower bound for the number of steps required, we introduce BiRewire, an R package implementing the improved SA and we demonstrate the effectiveness of the novel solution on a breast cancer dataset. A novel threshold-selection method for the construction of co-expression net- works based on the Pearson coefficient is the third and last biological example of null model, and it is outlined in Chapter four. Gene co-expression networks inferred by correlation from high-throughput proï¬ ling such as microarray data represent a simple but effective technique for discovering and interpreting linear gene relationships. In the last years several approach have been proposed to tackle the problem of deciding when the resulting correlation values are statistically significant. This is mostly crucial when the number of samples is small, yielding a non negligible chance that even high correlation values are due to random effects. Here we introduce a novel hard thresholding solution based on the assumption that a coexpression network inferred by randomly generated data is expected to be empty. The theoretical derivation of the new bound by geometrical methods is shown together with two applications in oncogenomics. The last two chapters of the thesis are devoted to the presentation of null models in non-biological contexts. In Chapter 5 a novel dynamic simulation model is introduced mimicking a random market in which sellers and buyers follow different price distributions and matching functions. The random marked is mathematically formulated by a dynamic bipartite graph, and the analytical formula for the evolution along time of the mean price exchange is derived, together with global likelihood function for retrieving the initial parameters under different assumptions. Finally in Chapter 6 we describe how graph tools can be used to model abstraction and strategy (see [19, 20, 21]) for a class of games in particular the TTT solitaire. We show that in this solitaire it is not possible to build an optimal (in the sense of minimum number of moves) strategy dividing the big problems into smaller subproblems. Nevertheless, we ï¬ nd some subproblems and strategies for solving the TTT solitaire with a negligible increment in the number of moves. Although quite simple and far from simulating highly complex real-world situations of decision making, the TTT solitaire is an important tool for starting the exploration of the social analysis of the trajectories of the implementation of winning strategies through different learning procedures [22].

Modern Graph Theory is a newly emerging field that involves all of those approaches that study graphs differently from Classic Graph Theory. The main difference between Classic and Modern Graph Theory regards the analysis and the use of graph's structures (micro/macro). The former aims to solve tasks hosted on graph nodes, most of the time with no insight into the global graph structure, the latter aims to analyze and discover the most salient features characterizing a whole network of each graph, like degree distributions, hubs, clustering coefficient and network motifs. The activities carried out during the PhD period concerned, after a careful preliminary study on the applications of the Modern Graph Theory, the development of an innovative Convolutional Model to model brain connections at the cellular level capable of combining exponential models and power law models. This new theoretical framework has been introduced in the first instance with an aspatial graph formulation and then proposed a spatial graph model with Convolutive connectivity able to fit the degree distributions of data driven Connectome reconstructions. In order to evaluate the qualities of the Convolutional Model, theoretical graphical models capable of characterizing brain activity were taken into consideration. In the specific case, the model examined characterizes the epileptic activity through a simple Hindmarsh-Rose model system of point neurons and reproduces the functional characteristics observed in the data driven model. Such a model provides insight into the deep impact of micro connectivity in macro-scale brain activity. Other evaluations have been done in different applications, in the field of image cell segmentation with Explainable Artificial Intelligence's neuronal agents in which has been used a methodology that is not only explainable but also resistant to adversarial noise and also in the field of modelling Covid-19 outbreak in gaining insight on vaccines and role of our habits as individuals in the pandemic spread. Therefore, the core of the thesis is to introduce Modern Graph Theory with a new competitive Convolutive Model and then expose some applications to real-world problems like a characterization of Brain networks, simulation and analysis of Brain dynamics with a particular focus on Epilepsy, Immunofluorescence images segmentation with neuronal based agents and modelling of Covid-19 Epidemic spread with a specific interest in human social networks. All this takes continuously into account the whole dialogue between Graph Theory and its applications.

Rome Transplant Network (RTN), fondato nell'aprile 2006, rappresenta un Programma Unico di Trapianto Metropolitano che coinvolge sette centri trapianto. La politica del RTN è quella di individuare, per i pazienti privi di un donatore familiare HLA identico e candidati ad un trapianto allogenico, una fonte alternativa di Cellule Staminali Ematopoietiche (HSC) attraverso la simultanea ricerca che, oltre allo studio di donatori e di unità di sangue di cordone ombelicale, prende in considerazione in caso di mancata disponibilità di donatore MUD/unità SCO o di condizioni di urgenza clinica del paziente, la possibilità di utilizzare il donatore familiare mismatched.(HRD) Lo scopo dello studio è l'identificazione di un donatore idoneo al fine di eseguire il trapianto in tempi adeguati. I dati sono stati ottenuti dal database del RTN. I criteri di selezione per il Donatore Volontario da Registro (MUD) consistono in 8/10 loci HLA compatibili, testati in bassa risoluzione per HLA di classe I ed in alta risoluzione (HR) per la classe II. I criteri di selezione per le singole unità di Sangue di Cordone Ombelicale (SCO) sono basati su dosi cellulari: TNC > 3x107/kg e CD34+ > 1x105/kg e su un grado di compatibilità > 4/6 antigeni HLA. In questo lavoro, riportiamo i risultati dell’analisi “intention to treat” (ITT) sul potenziale impatto terapeutico della nostra politica di trapianto. Dall’aprile 2006 al dicembre 2010, 428 su 462 pazienti candidati sono stati considerati idonei a ricevere un trapianto allogenico. Un donatore familiare HLA identico è stato trovato in 146 su 428 (34%) casi, mentre la ricerca di un donatore alternativo è stata attivata per 282 (66%) pazienti. Tredici pazienti si trovavano ad uno stadio troppo precoce della ricerca per essere valutati; in 25 (9%) dei rimanenti 269 (95%) pazienti non è stato possibile identificare un donatore alternativo poiché il 40%, affetto da emoglobinopatie, richiedeva criteri di corrispondenza HLA più stringenti. Un donatore alternativo è stato identificato per 244 (91%) di questi 269 pazienti. Nonostante l'identificazione di un donatore alternativo, durante il processo di ricerca 51 pazienti (20%) hanno perduto l'idoneità al trapianto per diverse cause. Ad oggi, 193 (80%) dei 244 pazienti sono stati effettivamente trapiantati (50 SCO, 73 MUD; 54 HRD, 16 ancora non trapiantati ma programmati), mentre 146 pazienti sono stati sottoposti a trapianto da donatore familiare HLA identico . In conclusione, un donatore compatibile è stato identificato per 390 (91%) dei 428 pazienti ritenuti idonei al trapianto allogenico e successivamente 339 (80%) di questi sono stati sottoposti a trapianto. Dall’analisi ITT, possiamo concludere che, adottando la politica del RTN nel condurre la ricerca a 360 gradi includendo tutte le tipologie di donatore alternativo, si offre la possibilità a tutti i pazienti considerati candidabili alla procedura di poter effettivamente essere sottoposti al trapianto allogenico.
Rome Transplant Network (RTN), founded in April 2006, represents a Metropolitan Transplant Program involving seven transplant centers. The policy of RTN for patients (pts) lacking of a HLA identical sibling and candidate to an allogeneic hematopoietic stem cell transplant (HSCT) is the contemporary search for an alternative HSC source such as Matched Unreleted Donor (MUD), Cord Blood (CB) or Haploidentical Related Donor (HRD). The aim of the study is the identification of a suitable donor in order to perform transplant procedure in adequate timing. Data were obtained from RTN database. The selection criteria for MUD consist of a 8/10 HLA loci matching tested at low resolution for class I HLA and at high resolution (HR) for class II. Selection criteria for single CB unit are based on cell doses TNC > 3x107 / kg and CD34+ > 1x 105 / kg and on a > 4/6 HLA antigen compatibility. From April 2006, the haploidentical option was also simultaneously considered, so all closer family members have been tested for the HLA. Mother was considered as 1st choice. Here, we report the results of the intention to treat (ITT) analysis on the potential therapeutic impact of our transplant policy. From April 2006 to December 2010, 428 out of 462 candidate pts have been considered eligible to receive an allogeneic HSCT for hematological desease. HLA identical sibling donor was available in 146 out of 428 (34%) cases, while a search process for an alternative donor was activated for 282 (66%) pts. 13 pts are too early to be evaluated and we were not able to identify any alternative donor for 25 (9%) of the 269 (95%) remaining pts because of 40%, affected by Haemoglobinopathies, requiring more restricted HLA matching criteria. An alternative donor was identified for 244 (91%) of these 269 pts. Despite the identification of an alternative donor, 51 (20%) pts lost the eligibility during the search process because of several causes. To date, 193 (80%) of 244 pts have been definitively transplanted (50 CB; 73 MUD; 54 HRD) or are willing to proceed towards the transplant (n = 16), while 146 pts have been grafted from a HLA identical siblings. In summary, a suitable donor was identified for 390 (91%) of 428 pts eligible for an allogeneic transplant which could be performed in 339 (80%) of them. From this ITT analysis, we can conclude that, by adopting the RTN policy of widespread donor search and multiple transplant options, the allogeneic transplant can be offered as a potential therapeutic procedure to a large majority of pts.

Al giorno d’oggi, senza esserne troppo consapevoli, il Machine Learning sta entrando a far parte dei più svariati settori, professionali o privati che siano; dalla Classificazione in ambito agricolo alle auto a guida autonoma; dal Riconoscimento del parlato in ambito didattico all’individuazione di oggetti in un paesaggio, fino a giungere all’ambito sportivo, che sia individuale o di squadra, di livello amatoriale o professionistico. Ed è proprio in quest’ultimo ambito che si colloca questo progetto: tratteremo infatti l’utilizzo delle reti convoluzionali per la stima della posa umana in ambito sportivo, nello specifico in ambito tennistico.

Il presente lavoro di tesi si pone nell'ambito dell'analisi dati attraverso un metodo (QDanet_PRO), elaborato dal Prof. Remondini in collaborazine coi Dott. Levi e Malagoli, basato sull'analisi discriminate a coppie e sulla Teoria dei Network, che ha come obiettivo la classificazione di dati contenuti in dataset dove il numero di campioni è molto ridotto rispetto al numero di variabili. Attraverso questo studio si vogliono identificare delle signature, ovvero un'insieme ridotto di variabili che siano in grado di classificare correttamente i campioni in base al comportamento delle variabili stesse. L'elaborazione dei diversi dataset avviene attraverso diverse fasi; si comincia con una un'analisi discriminante a coppie per identificare le performance di ogni coppia di variabili per poi passare alla ricerca delle coppie più performanti attraverso un processo che combina la Teoria dei Network con la Cross Validation. Una volta ottenuta la signature si conclude l'elaborazione con una validazione per avere un'analisi quantitativa del successo o meno del metodo.

In un ambiente dove la complessità e la quantità di informazioni sono in continuo aumento è più che mai necessario dotarsi di strumenti che permettano di gestire tale agglomerato di dati estraendo quella conoscenza intrinseca fonte primaria di vantaggio competitivo. Tale premessa viene confermata nell’ambito del Demand Forecasting, il processo di previsione della domanda futura di un prodotto o servizio offerto. Un’attività chiave che impatta su molteplici funzioni e attività aziendali con particolare riguardo alle azioni di pianificazione di breve e lungo periodo in ottica di ottimizzazione delle decisioni aziendali. In questo elaborato verranno definite le dinamiche di sviluppo, implementazione e valutazione di Proteus; un nuovo sistema di previsione della domanda basato sull’utilizzo di una rete neurale in grado di combinare le informazioni specifiche e di contesto relative alla serie storica e selezionare l’algoritmo più opportuno nella previsione di ciascun codice, fra i 9 algoritmi implementati. Uno strumento di supporto che possa definire una base di analisi in grado di estrapolare le informazioni significative nella valutazione del futuro, lasciando uno spazio di confidenza finale in cui siano le persone, consapevoli delle dinamiche reali, a prendere decisioni. Un progetto svoltosi all’interno di Orogel soc. coop. agricola, azienda leader nella produzione e distribuzione di surgelati a livello nazionale e in forte espansione in ambito internazionale. Un contesto fortemente segnato dall'avvento di una pandemia globale senza precedenti che ha generato la necessità di ripensare un sistema già confidente affinché comprendesse l'accaduto. Una sfida basata sulla comprensione della metodologia più opportuna per valutare le variazioni impattanti sul contesto di riferimento.

Gravitational waves are space-time perturbations that are predicted by the General Relativity. Their weak interaction with the matter has neglect a direct detection, however, this has bring to a great effort from the scientific community to construct detectors with high sensitivity and to implement complicated algorithms of signal extraction from noise. For the goal of a detection, the community has realized that the use of more detectors make more realiable on the detection and allows to reconstruct better the waveform characteristics. In this thesis, we have studied a coherent algorithm on the LIGO-Virgo detectors, with the aim to improve the reconstruction performances and use it on the data referring to 2007 to estimate the presence of an interesting candidate as a gravitational wave
Le onde gravitazionali sono perturbazioni dello spazio tempo previste dalla relatività generale. La loro interazione debolissima con la materia ha impedito ad oggi una rilevazione, tuttavia ha causato un grande sforzo dalla comunità scientifica per la costruzione di rivelatori sofisticatissimi in grado di raggiungere sensibilità elevate e l'implementazione di algoritmi per estrarre il segnale gravitazionale dal rumore di fondo. Per questo obiettivo si è realizzato che l'uso di più rivelatori fornisce una stima più credibile sulla rivelazione e permette di ricostruire meglio le caratteristiche dell'onda. In questa tesi si è studiato un algoritmo di analisi coerente sulla rete di rivelatori LIGO-Virgo, allo scopo di migliorarne le prestazioni di ricostruzione e di utilizzarlo sul periodo di presa dati 2007 per estimare la presenza di un eventuale candidato nel suddetto periodo.

Analisi "dall'interno" del settore della comunicazione multimediale, attraverso l'analisi di un caso aziendale complesso vissuto in prima persona dall'autrice. Il caso tratta di un micro-distretto di aziende della Grafica, del Web e del Multimedia nel suo ciclo di vita dal 1998 al 2003, analizzando le mutazioni del comportamento organizzativo nelle sue differenti fasi di nascita, ascesa e declino. L'obiettivo è quello di identificare i comportamenti organizzativi favorevoli e contrari alla sopravvivenza nel settore, fornendo indicazioni per un corretto comportamento manageriale in un ambito creativo relativo ad una rete di imprese co-specializzate.

L’informatica forense è la scienza che unisce informatica e diritto al fine di conservare, analizzare e interpretare le fonti di prova memorizzate su dispositivi digitali. La progressiva informatizzazione della società in ogni suo settore ha comportato un graduale aumento dei casi nei quali dati immagazzinati su supporti digitali vengono portati come fonte di prova in un processo. La quantità di informazioni memorizzate sui moderni calcolatori e la complessità degli scenari in cui un informatico forense si trova ad operare esigono però tempi di analisi incompatibili con la rapidità oggi richiesta. Una possibile soluzione a questa problematica può essere individuata nell’automazione della fase di analisi mediante logiche di correlazione di artefatti forensi personalizzabili e riutilizzabili da parte di un operatore. L’obiettivo del presente lavoro è pertanto quello di codificare alcune delle suddette logiche, riguardanti l’individuazione di malware su calcolatori e l'identificazione di movimento laterale all’interno di una rete, al fine di diminuire il lavoro umano richiesto ad un informatico forense. Per far ciò si utilizzerà una piattaforma, denominata Velociraptor, che offre un query language col quale è possibile analizzare molteplici host sui quali si vuole condurre un'indagine.

Diabetes mellitus is a chronic disease characterized by dysfunctions of the normal regulation of glucose concentration in the blood. In Type 1 diabetes the pancreas is unable to produce insulin, while in Type 2 diabetes derangements in insulin secretion and action occur. As a consequence, glucose concentration often exceeds the normal range (70-180 mg/dL), with short- and long-term complications. Hypoglycemia (glycemia below 70 mg/dL) can progress from measurable cognition impairment to aberrant behaviour, seizure and coma. Hyperglycemia (glycemia above 180 mg/dL) predisposes to invalidating pathologies, such as neuropathy, nephropathy, retinopathy and diabetic foot ulcers. Conventional diabetes therapy aims at maintaining glycemia in the normal range by tuning diet, insulin infusion and physical activity on the basis of 4-5 daily self-monitoring of blood glucose (SMBG) measurements, obtained by the patient using portable minimally-invasive lancing sensor devices. New scenarios in diabetes treatment have been opened in the last 15 years, when minimally invasive continuous glucose monitoring (CGM) sensors, able to monitor glucose concentration in the subcutis continuously (i.e. with a reading every 1 to 5 min) over several days (7-10 consecutive days), entered clinical research. CGM allows tracking glucose dynamics much more effectively than SMBG and glycemic time-series can be used both retrospectively, e.g. to optimize metabolic control therapy, and in real-time applications, e.g. to generate alerts when glucose concentration exceeds the normal range thresholds or in the so-called “artificial pancreas”, as inputs of the closed loop control algorithm. For what concerns real time applications, the possibility of preventing critical events is, clearly, even more appealing than just detecting them as they occur. This would be doable if glucose concentration were known in advance, approximately 30-45 min ahead in time. The quasi continuous nature of the CGM signal renders feasible the use of prediction algorithms which could allow the patient to take therapeutic decisions on the basis of future instead of current glycemia, possibly mitigating/ avoiding imminent critical events. Since the introduction of CGM devices, various methods for short-time prediction of glucose concentration have been proposed in the literature. They are mainly based on black box time series models and the majority of them uses only the history of the CGM signal as input. However, glucose dynamics are influenced by many factors, e.g. quantity of ingested carbohydrates, administration of drugs including insulin, physical activity, stress, emotions and inter- and intra-individual variability is high. For these reasons, prediction of glucose time course is a challenging topic and results obtained so far may be improved. The aim of this thesis is to investigate the possibility of predicting future glucose concentration, in the short term, using new models based on neural networks (NN) exploiting, apart from CGM history, other available information. In particular, we first develop an original model which uses, as inputs, the CGM signal and information on timing and carbohydrate content of ingested meals. The prediction algorithm is based on a feedforward NN in parallel with a linear predictor. Results are promising: the predictor outperforms widely used state of art techniques and forecasts are accurate and allow obtaining a satisfactory time anticipation. Then we propose a second model, which exploits a different NN architecture, a jump NN, which combines benefits of both feedforward NN and linear algorithm obtaining performance similar to the previously developed predictor, although the simpler structure. To conclude the analysis, information on doses of injected bolus of insulin are added as input of the jump NN and the relative importance of every input signal in determining the NN output is investigated by developing an original sensitivity analysis. All the proposed predictors are assessed on real data of Type 1 diabetics, collected during the European FP7 project DIAdvisor. To evaluate the clinical usefulness of prediction in improving diabetes management we also propose a new strategy to quantify, using an in silico environment, the reduction of hypoglycemia when alerts and relative therapy are triggered on the basis of prediction, obtained with our NN algorithm, instead of CGM. Finally, possible inclusion of additional pieces of information such as physical activity is investigated, though at a preliminary level. The thesis is organized as follows. Chapter 1 gives an introduction to the diabetes disease and the current technologies for CGM, presents state of art techniques for short-time prediction of glucose concentration of diabetics and states the aim and the novelty of the thesis. Chapter 2 discusses NN paradigms from a theoretical point of view and specifies technical details common to the design and implementation of all the NN algorithms proposed in the following. Chapter 3 describes the first prediction model we propose, based on a NN in parallel with a linear algorithm. Chapter 4 presents an alternative simpler architecture, based on a jump NN, and demonstrates its equivalence, in terms of performance, with the previously proposed algorithm. Chapter 5 further improves the jump NN, by adding new inputs and investigating their effective utility by a sensitivity analysis. Chapter 6 points out possible future developments, as the possibility of exploiting information on physical activity, reporting also a preliminary analysis. Finally, Chapter 7 describes the application of NN for generation of preventive hypoglycemic alerts and evaluates improvement of diabetes management in a simulated environment. Some concluding remarks end the thesis.
Il diabete mellito è una patologia cronica caratterizzata da disfunzioni della regolazione della concentrazione di glucosio nel sangue. Nel diabete di Tipo 1 il pancreas non produce l'ormone insulina, mentre nel diabete di Tipo 2 si verificano squilibri nella secrezione e nell'azione dell'insulina. Di conseguenza, spesso la concentrazione glicemica eccede le soglie di normalità (70-180 mg/dL), con complicazioni a breve e lungo termine. L'ipoglicemia (glicemia inferiore a 70 mg/dL) può risultare in alterazione delle capacità cognitive, cambiamenti d'umore, convulsioni e coma. L'iperglicemia (glicemia superiore a 180 mg/dL) predispone, nel lungo termine, a patologie invalidanti, come neuropatie, nefropatie, retinopatie e piede diabetico. L'obiettivo della terapia convenzionale del diabete è il mantenimento della glicemia nell'intervallo di normalità regolando la dieta, la terapia insulinica e l'esercizio fisico in base a 4-5 monitoraggi giornalieri della glicemia, (Self-Monitoring of Blood Glucose, SMBG), effettuati dal paziente stesso usando un dispositivo pungidito, portabile e minimamente invasivo. Negli ultimi 15 anni si sono aperti nuovi orizzonti nel trattamento del diabete, grazie all'introduzione, nella ricerca clinica, di sensori minimamente invasivi (Continuous Glucose Monitoring, CGM) capaci di misurare la glicemia nel sottocute in modo quasi continuo (ovvero con una misurazione ogni 1-5 min) per parecchi giorni consecutivi (dai 7 ai 10 giorni). I sensori CGM permettono di monitorare le dinamiche glicemiche in modo più fine delle misurazioni SMBG e le serie temporali di concentrazione glicemica possono essere utilizzate sia retrospettivamente, per esempio per ottimizzare la terapia di controllo metabolico, sia prospettivamente in tempo reale, per esempio per generare segnali di allarme quando la concentrazione glicemica oltrepassa le soglie di normalità o nel “pancreas artificiale”. Per quanto concerne le applicazioni in tempo reale, poter prevenire gli eventi critici sarebbe chiaramente più attraente che semplicemente individuarli, contestualmente al loro verificarsi. Ciò sarebbe fattibile se si conoscesse la concentrazione glicemia futura con circa 30-45 min di anticipo. La natura quasi continua del segnale CGM rende possibile l'uso di algoritmi predittivi che possono, potenzialmente, permettere ai pazienti diabetici di ottimizzare le decisioni terapeutiche sulla base della glicemia futura, invece che attuale, dando loro l'opportunità di limitare l'impatto di eventi pericolosi per la salute, se non di evitarli. Dopo l'introduzione nella pratica clinica dei dispositivi CGM, in letteratura, sono stati proposti vari metodi per la predizione a breve termine della glicemia. Si tratta principalmente di algoritmi basati su modelli di serie temporali e la maggior parte di essi utilizza solamente la storia del segnale CGM come ingresso. Tuttavia, le dinamiche glicemiche sono determinate da molti fattori, come la quantità di carboidrati ingeriti durante i pasti, la somministrazione di farmaci, compresa l'insulina, l'attività fisica, lo stress, le emozioni. Inoltre, la variabilità inter- e intra- individuale è elevata. Per questi motivi, predire l'andamento glicemico futuro è difficile e stimolante e c'è margine di miglioramento dei risultati pubblicati finora in letteratura. Lo scopo di questa tesi è investigare la possibilità di predire la concentrazione glicemica futura, nel breve termine, utilizzando modelli basati su reti neurali (Neural Network, NN) e sfruttando, oltre alla storia del segnale CGM, altre informazioni disponibili. Nel dettaglio, inizialmente svilupperemo un nuovo modello che utilizza, come ingressi, il segnale CGM e informazioni relative ai pasti ingeriti, (istante temporale e quantità di carboidrati). L'algoritmo predittivo sarà basato su una NN di tipo feedforward, in parallelo ad un modello lineare. I risultati sono promettenti: il modello è superiore ad algoritmi stato dell'arte ampiamente utilizzati, la predizione è accurata e il guadagno temporale è soddisfacente. Successivamente proporremo un nuovo modello basato su una differente architettura di NN, ovvero una “jump NN”, che fonde i benefici di una NN di tipo feedforward e di un algoritmo lineare, ottenendo risultati simili a quelli del modello precedentemente proposto, nonostante la sua struttura notevolmente più semplice. Per completare l'analisi, valuteremo l'inclusione, tra gli ingressi della jump NN, di segnali ottenuti sfruttando informazioni sulla terapia insulinica (istante temporale e dose dei boli iniettati) e valuteremo l'importanza e l'influenza relativa di ogni ingresso nella determinazione del valore glicemico predetto dalla NN, sviluppando un'originale analisi di sensitività. Tutti i modelli proposti saranno valutati su dati reali di pazienti diabetici di Tipo 1, raccolti durante il progetto Europeo FP7 (7th Framework Programme, Settimo Programma Quadro) DIAdvisor. Per valutare l'utilità clinica della predizione e il miglioramento della gestione della terapia diabetica proporremo una nuova strategia per la quantificazione, in simulazione, della riduzione del numero e della gravità degli eventi ipoglicemici nel caso gli allarmi, e la relativa terapia, siano determinati sulla base della concentrazione glicemica predetta, utilizzando il nostro algoritmo basato su NN, invece che su quella misurata dal sensore CGM. Infine, investigheremo, in modo preliminare, la possibilità di includere, tra gli ingressi della NN, ulteriori informazioni, come l'attività fisica. La tesi è organizzata come descritto in seguito. Il Capitolo 1 introduce la patologia diabetica e le attuali tecnologie CGM, presenta le tecniche stato dell'arte utilizzate per la predizione a breve termine della glicemia di pazienti diabetici e specifica gli scopi e le innovazioni della presente tesi. Il Capitolo 2 introduce le basi teoriche delle NN e specifica i dettagli tecnici che abbiamo scelto di adottare per lo sviluppo e l'implementazione di tutte le NN proposte in seguito. Il Capitolo 3 descrive il primo modello proposto, basato su una NN in parallelo a un algoritmo lineare. Il Capitolo 4 presenta una struttura alternativa più semplice, basata su una jump NN, e dimostra la sua equivalenza, in termini di prestazioni, con il modello precedentemente proposto. Il Capitolo 5 apporta ulteriori miglioramenti alla jump NN, aggiungendo nuovi ingressi e investigando la loro utilità effettiva attraverso un'analisi di sensitività. Il Capitolo 6 indica possibili sviluppi futuri, come l'inclusione di informazioni sull'attività fisica, presentando anche un'analisi preliminare. Infine, il Capitolo 7 applica la NN per la generazione di allarmi preventivi per l'ipoglicemia, valutando, in simulazione, il miglioramento della gestione del diabete. Alcuni commenti e osservazioni concludono la tesi.

Questa tesi ha come scopo quello di investigare la relazione tra etnicità, modalità di commissione del crimine e struttura relazionale di differenti reti etniche coinvolte nella tratta per sfruttamento sessuale. E’ realizzata un’analisi di due reti criminali dell’Africa occidentale e di due dei Balcani mediante l’applicazione di due metodi: la crime script analysis e l’analisi di rete. I risultati ottenuti sono stati uniti per capire come le relazioni tra gli individui sono distribuite all’interno della cornice criminale. Da ultimo, i casi studio sono stati comparati per verificare se esiste una relazione tra etnicità e tratta per sfruttamento sessuale, anche indipendentemente dall’ambito di sfruttamento. I risultati mostrano che l’etnicità ha un impatto sulla tratta per sfruttamento sessuale. In particolare, influenza il modus operandi e le caratteristiche socio-biografiche degli attori che operano nelle reti impegnate nello stesso ambito di sfruttamento. Se sono considerati differenti ambiti di sfruttamento, messi in atto sia dallo stesso che da differenti gruppi etnici, l’etnicità non sembra influenzare né le modalità di commissione del crimine né le caratteristiche dei soggetti. Infatti, anche l’ambito di sfruttamento indoor/outdoor sembra essere rilevante. Al contrario, la struttura relazionale e la relazione tra questa e le modalità di commissione del crimine non sembrano essere influenzate dall’etnicità.
This thesis aims at investigating the relationship among ethnicity, modalities of crime commission and relational structure of different ethnic networks involved in sex trafficking. A case study analysis of two West African and two Balkan networks is carried out by the adoption of two methods: crime script analysis and social network analysis. A merger of the results obtained in these analyses is performed in order to understand how relationships among individuals are distributed within the criminal framework. Finally, the case studies are compared to verify whether a relationship exists between ethnicity and sex trafficking, also apart from the field of exploitation. The results show that ethnicity has an impact on sex trafficking. In particular, it influences modi operandi and the socio-biographical characteristics of the members of the networks operating in the same field of exploitation. If different fields of exploitation are considered, both carried out by same or different ethnic groups, ethnicity appears to affect neither the modalities of crime commission nor the features of the people. Indeed, also the outdoor/indoor exploitation context seems to be relevant. Conversely, the relational structure and the relation between the latter and the modalities of crime commission do not seem to be affected by ethnicity.