Cari Studenti,
In questo periodo di difficoltà di accesso ai laboratori possiamo comunque svolgere attività sperimentale come ed anche meglio di prima. Assieme a Damiano Fruet e Matteo Zanetti, abbiamo creato un’esercitazione che svolgeremo in collegamento su zoom e di cui preparerete una breve Relazione (bastano 4/5 pagine con: sommario, introduzione all’obiettivo del riconoscimento azioni, Elaborazione con grafici commentati, conclusioni che commentano le performances finali) che porterete in sede di esame.
Il lavoro potrete poi continuarlo voi in autonomia da casa per l’acquisizione di un credito F connesso con il “Laboratorio didattico di misure meccaniche e termiche” [145788] oppure guadagnando fino a +3 punti per l’esame di Misure Meccaniche.
Per il credito F o arrivare fino a +3 punti su voto finale esame, potrete:
- acquisire nuovi dati. A questo link le istruzioni per acquisire segnali accelerometrici dal vostro smartphone. Potrete modificare gli algoritmi visti ed aggiungere/modificare le azioni target. Anche cambiare completamente l’obiettivo dell’esercitazione come ad esempio sviluppare un sistema di diagnostica per macchine (la lavatrice ad esempio, se lavora a vuoto, carica, identificare la specifica fase del ciclo etc, salire su delle giostre e sviluppare un classificatore che le riconosce, …). Ma non vogliamo mettere limiti alla vostra fantasia. Qualunque esperimento e successiva elaborazione può essere valutabile per l’acquisizione del credito F e per i +3 punti bonus del corso;
- inserire altre features/indicatori al machine learner (nel live script attuale ne sono indicati solo 4) usando i dati già forniti.
NOTA1: in questo caso non occorre produrre una nuova Relazione ma integrare quella già prevista sull’esercitazione svolta in classe.
NOTA2: il lavoro può essere svolto anche in gruppi di massimo 4 studenti di cui ciascuno studente porterà la relazione in sede di esame (non serve spedirla prima).
Prima di mettere le mani in pasta, ehm .. su Matlab, di seguito una breve presentazione che introduce gli strumenti impiegati negli smartphone per misurare l’accelerazione, i sistemi Cyber-Fisici, il Machine Learning, il clustering tramite K-Means ed una overview dei passi di elaborazione che costituiranno l’esercitazione.
Al seguente link il materiale per svolgere l’esercitazione che contiene:
- il main Live Script
- una funzione per mostrare i dati grezzi divisi per azione tramite colore
- il database delle registrazioni
Opzionali (cambierà la risoluzione in frequenza dello Spettro):
- altro database utile per il training del Machine Learner: campioni di 300 dati
- altro database utile per il training del Machine Learner: campioni di 500 dati
Per chi ha bisogno di incrementare le proprie competenze in matlab suggeriamo il seguente link:
https://it.mathworks.com/learn/tutorials/matlab-onramp.html
Calendario esercitazione al seguente link
