41199 research outputs found
Sort by
Ricerca di segnali gravitazionali dovuti alla coalescenza di sistemi binari di stelle di neutroni nella fase di post
Get PDFLa tesi è dedicata allo studio della capacità di rivelazione e di ricostruzione dei segnali di onda gravitazionale generati dalla post-coalescenza di sistemi binari di stelle di neutroni da parte dell'algoritmo Coherent WaveBurst.
Nella prima parte si descrive il fenomeno dello spiraleggiamento di un sistema binario di stelle di neutroni con la conseguente emissione di onde gravitazionali e si descrivono le caratteristiche attese del segnale, anche in relazione alle masse delle stelle progenitrici e all'equazione di stato. Nella seconda parte si ripercorre la prima osservazione di onda gravitazionale da questo tipo di sistemi, GW170817, avvenuta il 17 Agosto 2017, che risulta tutt'oggi il segnale più energetico osservato, e la conseguente ricerca effettuata della fase di post-coalescenza per questo segnale, considerando i limiti sperimentali che non ne permettono l'osservazione.
L'analisi riportata in questa tesi include iniezioni di dati simulati nel contesto della rete di interferometri LIGO-Virgo, secondo le previsioni di sensibilità del run O4. Dopo una breve introduzione sull'algoritmo utilizzato, vengono descritte le simulazioni effettuate. Obiettivo delle simulazioni è stato valutare la capacità di ricostruzione dell'algoritmo per questa tipologia di segnale: si è verificato l'energia persa nella ricostruzione e la corrispondenza del segnale ricostruito rispetto al segnale iniettato e, facendo riferimento alla fase del segnale relativo alla post-coalescenza, si è valutato le principali caratteristiche di quest'ultimo utilizzando un metodo che permette di studiarlo separatamente dal resto del segnale.
La tesi è organizzata nel seguente modo: nel \textit{Capitolo 1} viene introdotta la struttura teorica che regola l'emissione di onde gravitazionali da sistemi binari di stelle di neutroni e i possibili destini di tali complessi, e si ripercorre la rivelazione, da parte della collaborazione LIGO-Virgo, del segnale GW170817; nel \textit{Capitolo 2} si descrive l'algoritmo cWB, con particolare attenzione alle statistiche che verranno utilizzate nell'analisi e infine nel \textit{Capitolo 3} si sviluppa l'analisi e se ne traggono le conclusioni
Radiomics and machine learning methods for 2-year overall survival prediction in non-small cell lung cancer patients
Get PDFIn recent years, the application of radiomics to lung cancer show encouraging results in the prediction of histological outcomes, survival times, staging of the disease and so on.
In this thesis, radiomics and deep learning applications are compared by analyzing their performance in the prediction of the 2-year overall survival (OS) in patients affected by non-small cell lung cancer (NSCLC). The dataset under exam contains 417 patients with both clinical data and computed tomography (CT) examinations of the chest.
Radiomics extracts handcrafted radiomic features from the three-dimensional tumor region of interest (ROI). It is the approach that better predicts the 2-year overall survival with a training and test area under the receiver operating characteristic curve (AUC) equal to 0.683 and 0.652.
Concerning deep learning applications, two methods are considered in this thesis: deep features and convolutional neural networks (CNN). The first method is similar to radiomics, but substitutes handcrafted features with deep features extracted from the bi-dimensional slices that build the three-dimensional tumor ROI. In particular, two different main classes of deep features are considered: the latent variables returned by a convolutional autoencoder (CAE) and the inner features learnt by a pre-trained CNN. The results for latent variables returned by CAE show an AUC of 0.692 in training set and 0.631 in test set. The second method considers the direct classification of the CT images themselves by means of CNN. They perform better than deep features and they reach an AUC equal to 0.692 in training set and 0.644 in test set. For CNN, the impact of using generative adversarial networks (GAN) to increase the dataset dimension is also investigated. This analysis results in poorly defined images, where the synthesis of the bones is incompatible with the actual structure of the tumor mass.
In general, deep learning applications perform worse than radiomics, both in terms of lower AUC and greater generalization gap between training and test sets. The main issue encountered in their training is the limited number of patients that is responsible for overfitting on CNN, inacurrate reconstructions on CAE and poor synthetic images on GAN. This limit is reflected in the necessity to reduce the complexity of the models by implementing a two-dimensional analysis of the tumor masses, in contrast with the three-dimensional study performed by radiomics. However, the bi-dimensional restriction is responsible for an incomplete description of the tumor masses, reducing the predictive capabilities of deep learning applications.
In summary, our analysis, spanning a wide set of more than 7000 combinations, shows that with the current dataset it is only possible to match the performances of previous works. This detailed survey suggests that we have reached the state of the art in terms of analysis and that more data are needed to improve the predictions
Structure of solutions and initial data identification for conservation laws with spatial discontinuous flux
Get PDFIn this thesis we deal with two control problems for a scalar conservation
law with spatial discontinuous flux. The first result concerns the
characterization of the attainable set at time T>0 in terms of some
Oleinik-type inequalities and some further conditions related to the fact
that some profiles might be reachable only by solutions containing a shock.
The second part of the thesis deals with the problem of initial data
identification. We generalize the known results for a scalar conservation
law with convex flux to our discontinuous flux setting, adapting the method
of generalized characteristics by Dafermos. In particular we prove that the
set of initial data that lead to the same profile at time T is either a
singleton or an infinite dimensional cone that, unlike the convex flux
case, is not always convex
Un'analisi del tempo intercorso tra il completamento dell'istruzione e la nascita del primo figlio in Europa
Get PDFCrystalline comparison theorem for p-divisible groups
Get PDFLet be a prime number and a complete discrete valuation field of
characteristic with perfect residue field of characteristic . The
aim of the master thesis is to understand Messing's crystalline Dieudonné
theory and deformation theory of -divisible groups, in order to prove
the classification of -divisible groups over the ring of integers of
with Breuil-Kisin modules. Using crystalline techniques, this allows to
relate the -adic Tate module of a -divisible group and its
Breuil-Kisin module by a period isomorphism, which in this case is nothing
but the crystalline comparison isomorphism between the dual of the étale
cohomology and that of the crystalline cohomology of the special fiber
Analisi e controllo ottimo per un processo di trascinamento unilaterale
No full textIn questa tesi è studiato un processo di trascinamento unilaterale, detto
sweeping process. Sono presi in considerazione dei teoremi che dimostrano
l'esistenza di soluzioni e sono provate delle condizioni necessarie di
ottimalità per un problema di controllo ottimo con questo tipo di dinamica
Evaluation of the Activity and Selectivity of Dinuclear Cu- and Ni-NHC/pyrazolato Complexes for the Electrocatalytic CO2 Reduction
Get PDFIl fentanil: tossicità da impiego terapeutico, misuso e uso illecito
No full textIl fentanil è un oppioide sintetico impiegato a scopo terapeutico e utilizzato in modo inappropriato o incongruente rispetto a quanto prescritto. Nel secondo decennio degli anni 2000 si è osservato un incremento delle overdose di fentanil negli Stati Uniti e in Europa.
Lo scopo di questo lavoro di tesi è stato quello di indagare la tossicità che si sviluppa a seguito di esposizione al fentanil e i fattori che contribuiscono ad aumentare il rischio di sviluppare reazioni avverse gravi
Fluid dynamic analysis and development of a 1 N bipropellant liquid rocket combustion chamber
No full textThe New space economy is calling for high performance miniaturized engines for nanosats. Some injection designs for a bipropellant engine have been numerically investigated using RANS CFD methods in order to achieve high combustion efficiency and low convective heat trasfer while being additively manufacturable to reduce costs and the number of parts. Two final designs based on HTP (High-Test Peroxide) as the oxidizer and meeting all these requirements will be presented