CosaSeminario
Quando6/12/2018 - 16:00
DoveSala Riunioni
ReferenteDario Fasino
Emaildario.fasino@uniud.it

Nonlinear Perron Eigenvectors: Theory and Applications to Network Analysis

Francesco Tudisco

Department of Mathematics & Statistics, University of Strathclyde, Glasgow

Tensors with nonnegative entries arise very naturally in numerous network-related applications and, as for the matrix case, one often is interested in their dominant positive eigenvectors and singular vectors. The power method is the algorithm of reference for this computation. However, unlike the matrix case, most of the eigenvector problems for tensors are NP-hard and [...]

CosaSeminario
Quando16/10/2018 - 11:30
DoveSala Riunioni
ReferenteStefano mizzaro
Emailstefano.mizzaro@uniud.it

Valutazione imperfetta dei sistemi di Information Retrieval: un'analisi sistematica dell'effetto di misure approssimate

Karina Zinchenko

Laurea Magistrale in Informatica

CosaSeminario
Quando15/10/2018 - 16:00
DoveSala Riunioni di Fisica
ReferenteMarisa Michelini
Emailmarisa.michelini@uniud.it

Nuove frontiere dell'astrofisica X e gamma per H.E.R.M.E.S.

Daniela Cirrincione

Dottorato di Ricerca Informatica e Scienze Matematiche e Fisiche

L'astrofisica pone sempre nuove sfide e per poterle affrontare nel modo migliore sono necessari strumenti sempre nuovi e avanzati. A Udine stiamo sviluppando e testando un tipo di rivelatori che hanno riscosso ottimi risultati dal punto di vista delle prestazioni che saranno utilizzati per alcune applicazioni nello spazio. Tra gli esperimenti che propongono l'uso di questi [...]

CosaSeminario
Quando12/10/2018 - 14:00
DoveSala Riunioni
ReferenteAlberto Marcone
Emailalberto.marcone@uniud.it

I sistemi assiomatici di Tarski per la geometria

Eleonora Lena

Laurea Magistrale in Matematica

CosaSeminario
Quando12/10/2018 - 09:00
DoveSala Riunioni
ReferenteDimitri Breda
Emaildimitri.breda@uniud.it

Applications of automatic differentiation to compute the equilibria of dynamical systems

Marco Gambone

Scuola Superiore di Udine

Derivatives of mathematical functions play a key role in many scientific areas. To compute them we briefly present a quite recent method, namely Automatic Differentiation (AD) [1], which automatically transforms a program that calculates numerical values of a function, into a program which calculates numerical values for derivatives of that function. After that, we use [...]