Insegnamento: Materiale Didattico

• Esercizi svolti macchine elettriche
• Esercizi svolti reti elettriche

Impianti ed azionamenti elettrici

Elementi di impianti elettrici

• Impianti elettrci industriali
• Introduzione agli impianti elettrici
• Impianti AT-MT-BT
• Rischio elettrico
• Verifiche su impianti elettrici
• Impianti elettrici: generalità

Elementi di macchine ed azionamenti elettrici

• Azionamenti per macchina asincrona
• Azionamenti per motori brushless
• Azionamenti per motori passo passo

Elementi di compatibilità elettrica industriale

• Lezioni di Compatibilità elettrica industriale

Laboratorio di Elettrotecnica

• Lezioni di Laboratorio di Elettrotecnica

Circuiti Elettrici  Seconda edizione

Renzo Perfetti

Zanichelli, 2013

La seconda edizione di Circuiti elettrici mantiene la collaudata impostazione basata su una graduale esposizione della teoria, con particolare attenzione alle tecniche di risoluzione dei problemi, descritte in forma algoritmica e illustrate attraverso numerosi esempi svolti. Alcuni argomenti sono presentati secondo un nuovo ordine, più funzionale alle esigenze didattiche. Molti esempi sono stati aggiornati.


Sito web del libro:

http://www.zanichelli.it/ricerca/prodotti/9788808178886/renzo-perfetti/circuiti-elettrici/

Recurrent neural network for approximate nonnegative matrix factorization

Giovanni Costantini, Renzo Perfetti, Massimiliano Todisco

A recurrent neural network solving the approximate nonnegative matrix factorization (NMF) problem is presented in this paper. The proposed network is based on the Lagrangian approach, and exploits a partial dual method in order to limit the number of dual variables. Sparsity constraints on basis or activation matrices are included by adding a weighted sum of constraint functions to the least squares reconstruction error. However, the corresponding Lagrange multipliers are computed by the network dynamics itself, avoiding empirical tuning or a validation process. It is proved that local solutions of the NMF optimization problem correspond to as many stable steady-state points of the network dynamics. The validity of the proposed approach is verified through several simulation examples concerning both synthetic and real-world datasets for feature extraction and clustering applications.

To be published in Neurocomputing (2014)