2 ICA. (ICA, Independent Component Analysis) (PCA, Principal Compoenent Analysis) x(t) =(x 1 (t),...,x m (t)) T t =0, 1, 2,... PCA 2 ICA.
|
|
|
- Ευφημία Βλαστός
- 6 χρόνια πριν
- Προβολές:
Transcript
1 s T (ICA, Independent Component Analysis) (PCA, Principal Compoenent Analysis) x =(x,...,x m ) T t =,,,... PCA ICA m m n s x PCA x =As, () ICA ICA ICA Blind Source Separation A m n BSS s A x n n m n m W y =W x, () y WA = I (I n n ) y s ICA y permutation amplitude ICA n>m ICA [] [] x =As+n, (3) ICA ICA ICA Blind Source Separation (BSS) Blind Source Deconvolution BSS Blind Source Deconvolution BSS s =(s,...,s n ) T t =,,,... n () m = n Blind Source Deconvolution x =A s x i = a ik s k, (4) k a ik s k = a ik (τ)s k (t τ), τ=
2 y W x x x y =W x (5) x BSS m n A 3 ICA ICA PCA (Principal Component Analysis, ) ICA (3.) BSS (3.) gradient (3.3) Blind Source Deconvolution (3.4) 3. PCA ICA : Observed signals R R R T R = R V V x x = V x x N x x T = V N V V T = I, (7) t= PCA x, x, x x s s : Source signals s s 3: Applying PCA on observed signals PCA 3 ICA ICA 4 PCA s () x ( ) V = N xx T, (6) N t= y y y 4: Result of solving ICA problem y ICA ICA PCA ICA Whitening Sphering
3 ICA 3. s i y p(y) =p(y,,y n ) W x y y i p(y i ) y i p(y) p(y) = n i= p(y i) p(y) n i= p(y i) W p(y) n i= p(y i) Kullback-Leibler divergence ( {Y i } (i =,...,n) ) W K-L divergence p(y) KL(W) = p(y) log n i= p(y i) dy = H(Y ; W )+ n H(Y i ; W ). (8) i= H(Y ; W ) H(Y i ; W ) p(y)dy = p(x)dx p(y) = p(x)/ W ( W W ) (8) H(Y ; W ) H(Y i ; W ) p(x) W H(Y ; W ) = p(y) log p(y)dy = p(x)(log p(x) log W )dx = H(X) + log W, (9) H(Y i ; W ) = p(y) log p(y i )dy = p(x) log p(y i )dx () KL(W) p(y i ) W KL(W) W W KL(W) W = ( (W T ) E x [ϕ(y)x T ] ) = ( I E x [ϕ(y)y T ] ) (W T ) () ( log p(y ) ϕ(y) =,..., log p(y ) T n) y y n () W () (W T ) W T W [5] W ( I E x [ϕ(y)y T ] ) W (3) [4] η (4) W W t+ = W t + η ( I ϕ(y)y T ) W t. (4) ϕ(y) W [3] Cardoso Souloumiac[9] Jutten Herault[8] Bell Sejnowski [7] sigmoid Common [] Edgeworth Gram-Charlier [5] [6] (sub-gaussian) (super-gaussian) Sigmoid 3.3 { Q = n } log E[yi ] log det E[yy T ], (5) i= 3
4 (E[ ] ) FIR BSS [, 9] K-L divergence Molgedey Schuster [3] (5) [9] [3] ICA [7, 6] (5) x, s, A Fourier ω xx(t + τ) T = A ss(t + τ) T A T ˆx(ω) R s (τ) =Â(ω)ŝ(ω), = A... AT, (6) msec R sn (τ) x R si (τ) s i W y yy(t + τ) T = (WAs) ˆx(ω, t s )=Â(ω)ŝ(ω, t s ), (9) (WAs(t + τ)) T λ R s (τ) =..., (7) λ n R s n (τ),,...,n,,...,n λ i W τ y ((7) ) x τ i W W xx(t + τ i ) T W T = Λ i, i =,...,r, (8) ˆx(ω), ŝ(ω), Â(ω) ˆx(ω, t s ) ŝ(ω, t s ) x, s windowed Fourier BSS BSS perumutation amplitude Blind Source Deconvolution [7] Λ i W 4 [3] τ i 4. [6, 3] [] ICA EEG (Electroencephalogram, ), MEG (Magnetoencephalography, ), MRI (Magnetic Resonance Imaging, ) [7,, 8, 6, 8] optical recording Photo-detector 3.4 Blind Source Deconvolution (Multi-unit Recording) ICA EEG, MEG MRI 3.,3.3 FIR BSS EEG, MEG EEG MEG EEG MEG 4
5 ( ) EEG, MEG BSS ch ch ch 3 ch 4 ch 5 [ft] Time(msec) (Source 4) MRI ICA [] MRI x x t (t =,..., ) x x i (i =,..., ) EEG, MEG ICA MRI ICA 5: 4. ICA Source Source ICA [] MRI Source 3 ICA sparce Source 4 coding[5] ICA [5] Source Time(msec) Cocktail Party 6: [4] 3 Blind Source Deconvolution BSS MEG [6] MEG [4] URL ICA ICA 99 MEG 9channel 5 3 ICA ICA 6 (Source ) (Source,3) shiro/ 3 5
6 5 ICA [9] ICA 99 MEG ICA Blind Source Deconvolution on-line ICA ICA ICA MATLAB 4 [] S. Amari. ICA of temporally correlated signals learning algorithm. In Proceedings of International Workshop on Independent Component Analysis and Blind Signal Separation (ICA 99), pp. 3 8, Janurary 999. [].. Computer Today ( ), [3] S. Amari and J.-F. Cardoso. Blind source separation semiparametric statistical approach. IEEE Trans. Signal Processing, 45():69 7, November 997. [4] S. Amari, T. Chen, and A. Cichocki. Stability analysis of learning algorithms for blind source separation. Neural Networks, (8):345 35, August 997. [5] S. Amari, A. Cichocki, and H. H. Yang. A new learning algorightm for blind signal separation. In D. S. Touretzky, M. C. Mozer, and M. E. Hasselmo eds., Advances in Neural Information Processing Systems, Vol. 8, pp The MIT Press, Cambridge MA, 996. [6] H. Attias. Independent factor analysis. Neural Computation, (4):83 85, May 999. [7] A. J. Bell and T. J. Sejnowski. An information maximization approach to blind separation and blind deconvolution. Neural Computation, 7(6):9 59, 995. [8] J. Cao, N. Murata, S. Amari, A. Cichocki, and T. Takeda. ICA approach with pre & post-processing paris/ techniques. In Proceedings of 998 International Symposium on Nonlinear Theory and its Applications (NOLTA 98), Vol., pp. 87 9, September 998. [9] J.-F. Cardoso and A. Souloumiac. Blind beamforming for non Gaussian signals. IEE-Proceedings-F, 4(6):36 37, December 993. [] A. Cichocki, W. Kasprzak, and S. Amari. Multi-layer neural networks with a local adaptive learning rule for blind separation of source signals. In Proceedings of 995 International Symposium on Nonlinear Theory and its Applications (NOLTA 95), pp. 6 65, 995. [] P. Common and O. Grellier. Non-linear inversion of underdetermined mixtures. In Proceedings of International Workshop on Independent Component Analysis and Blind Signal Separation (ICA 99), pp , January 999. [] P. Comon. Independent component analysis, a new concept? Signal Processing, 36(3):87 34, April 994. [3] S. C. Douglas and A. Cichocki. Neural networks for blind decorrelation of signals. IEEE Trans. Signal Processing, 45():89 84, November 997. [4] F. Ehlers and H. Schuster. Blind separation of convolutive mixtures and an application in automatic speech recognition in noisy environment. IEEE Transactions on Signal Processing, 45():68 69, 997. [5] A. Hyvärinen, P. Hoyer, and E. Oja. Denoising of nongaussian data by independent component analysis and sparce coding. In Proceedings of International Workshop on Independent Component Analysis and Blind Signal Separation (ICA 99), pp , Janurary 999. [6],. Independent component analysis MEG., NC98-8:9 36, June 998. [7] S. Ikeda and N. Murata. An approach to blind source separation of speech signals. In Proceedings of 998 International Conference on Artificial Neural Networks (ICANN 98), pp , September 998. [8] C. Jutten and J. Herault. Separation of sources, part i. Signal Processing, 4():, July 99. [9] M. Kawamoto, K. Matsuoka, and N. Ohnishi. A method of blind separation for convolved nonstationary signals. Neurocomputing, (-3):57 7, 998. [] S. Makeig, T.-P. Jung, and T. J. Sejnowski. Using feedforward neural networks to monitor alertness from changes in EEG correlation and coherence. In D. S. Touretzky, M. C. Mozer, and M. E. Hasselmo eds., Advances in Neural Information Processing Systems, Vol. 8, pp The MIT Press, Cambridge, MA, 996. [] K. Matsuoka, M. Ohya, and M. Kawamoto. A neural net for blind separation of nonstationary signals. Neural Networks, 8(3):4 49,
7 [] M. J. Mckeown, T.-P. Jung, S. Makeig, G. Brown, S. S. Kindermann, T.-W. Lee, and T. J. Sejnowski. Spatially independent activity patterns in functional magnetic resonance imaging data during the Stroop colornaming task. In Proceedings of the National Academy of Sciences, Vol. 95, pp. 83 8, February 998. [3] L. Molgedey and H. G. Schuster. Separation of a mixture of independent signals using time delayed correlations. Phys. Rev. Lett., 7(3): , 994. [4] N. Murata, S. Ikeda, and A. Ziehe. An approach to blind source separation based on temporal structure of speech signals. to appear in Neurocomputing. [5] B. A. Olshausen and D. J. Field. Emergence of simplecell receptive field properties by learning a sparce code for natural images. Nature, 38:67 69, 996. [6] P. Smaragdis. Blind separation of convolved mixtures in the frequency domain. Neurocomputing, (-3): 34, 998. [7] R. N. Vigário. Extraction of ocular artifacts from EEG using independent component analysis. Electroenceph. clin. Neurophysiol., 3:395 44, 997. [8] R. Vigário, V. Jousmäki, M. Hämäläinen, R. Hari, and E. Oja. Independent component analysis for identification of artifacts in Magnetoencephalographic recordings. In M. I. Jordan, M. J. Kearns, and S. A. Solla eds., Advances in Neural Information Processing Systems, Vol., pp The MIT Press, Cambridge MA, 998. [9] L. Zhang, S. Amari, and A. Cichocki. Natural gradient approach to blind separation of over- and undercomplete mixtures. In Proceedings of International Workshop on Independent Component Analysis and Blind Signal Separation (ICA 99), pp , January 999. [3] A. Ziehe and K.-R. Müller. TDSEP an efficient algorithm for blind separation using time structure. In Proceedings of 998 International Conference on Artificial Neu ral Networks (ICANN 98), pp , September 998. ( )
Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT
![Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT](/thumbs/91/105754605.jpg "Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT")
1,a) 1,2,b) Continuous wavelet transform, CWT CWT CWT CWT CWT 100 1. Continuous wavelet transform, CWT [1] CWT CWT CWT [2 5] CWT CWT CWT CWT CWT Irino [6] CWT CWT CWT CWT CWT 1, 7-3-1, 113-0033 2 NTT,
Anomaly Detection with Neighborhood Preservation Principle
27 27 Workshop on Information-Based Induction Sciences (IBIS27) Tokyo, Japan, November 5-7, 27. Anomaly Detection with Neighborhood Preservation Principle Tsuyoshi Idé Abstract: We consider a task of anomaly
3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o
Sound Source Identification based on Deep Learning with Partially-Shared Architecture 1 2 1 1,3 Takayuki MORITO 1, Osamu SUGIYAMA 2, Ryosuke KOJIMA 1, Kazuhiro NAKADAI 1,3 1 2 ( ) 3 Tokyo Institute of
[1] DNA ATM [2] c 2013 Information Processing Society of Japan. Gait motion descriptors. Osaka University 2. Drexel University a)
![[1] DNA ATM [2] c 2013 Information Processing Society of Japan. Gait motion descriptors. Osaka University 2. Drexel University a)](/thumbs/99/141682136.jpg "[1] DNA ATM [2] c 2013 Information Processing Society of Japan. Gait motion descriptors. Osaka University 2. Drexel University a)")
1,a) 1,b) 2,c) 1,d) Gait motion descriptors 1. 12 1 Osaka University 2 Drexel University a) higashiyama@am.sanken.osaka-u.ac.jp b) makihara@am.sanken.osaka-u.ac.jp c) kon@drexel.edu d) yagi@am.sanken.osaka-u.ac.jp
Algìrijmoi Tufl c EpexergasÐac S matoc
Algìrijmoi Tufl c EpexergasÐac S matoc EujÔmioc Kìtsialoc, Ajanˆsioc Mˆrgarhc, KwnstantÐnoc Diamantˆrac 6 AprilÐou 2007 Περίληψη Αντικείμενο της παρούσης εργασίας είναι η παρουσίαση των εννοιών που σχετίζονται
BCI On Feature Extraction from Multi-Channel Brain Waves Used for Brain Computer Interface
BCI On Feature Extraction from Multi-Channel Brain Waves Used for Brain Computer Interface Hiroya SAITO Kenji NAKAYAMA Akihiro HIRANO Graduate School of Natural Science and Technology,Kanazawa Univ. E-mail:
Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)
![Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)](/thumbs/85/92153760.jpg "Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)")
( ) 1 ( ) : : (Differential Evolution, DE) (Particle Swarm Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] 2 2.1 (P) (P ) minimize f(x) subject to g j (x) 0, j = 1,..., q h j (x) = 0, j
Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία
Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ενότητα 3 : Εφαρμογές της Τεχνητής Νοημοσύνης στη Γεωργία (2/3) Μελετίου Γεράσιμος 1 Ανοιχτά Ακαδημαϊκά
An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software Defined Radio
C IEEJ Transactions on Electronics, Information and Systems Vol.133 No.5 pp.910 915 DOI: 10.1541/ieejeiss.133.910 a) An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software
HOSVD. Higher Order Data Classification Method with Autocorrelation Matrix Correcting on HOSVD. Junichi MORIGAKI and Kaoru KATAYAMA
DEIM Forum 2010 D1-4 HOSVD 191-0065 6-6 E-mail: j.morigaki@gmail.com, katayama@tmu.ac.jp Lathauwer (HOSVD) (Tensor) HOSVD Savas HOSVD Sun HOSVD,, Higher Order Data Classification Method with Autocorrelation
( ) (Harmonic-Temporal Clustering; HTC) [1], [2] ( ) ( ) [4] HTC. (Non-negative Matrix Factorization; NMF) [3] [5], [6] [7], [8]
![( ) (Harmonic-Temporal Clustering; HTC) [1], [2] ( ) ( ) [4] HTC. (Non-negative Matrix Factorization; NMF) [3] [5], [6] [7], [8]](/thumbs/39/20177343.jpg "( ) (Harmonic-Temporal Clustering; HTC) [1], [2] ( ) ( ) [4] HTC. (Non-negative Matrix Factorization; NMF) [3] [5], [6] [7], [8]")
1 1 1 1, Product of ExpertsPoE) 1. ) Harmonic-Temporal Clustering; HTC) [1], [] ) ) HTC Non-negative Matrix Factorization; NMF) [3] 1 Graduate School of Information Science and Technology, The University
SVM. Research on ERPs feature extraction and classification
39 1 2011 2 Journal of Fuzhou University Natural Science Edition Vol 39 No 1 Feb 2011 DOI CNKI 35-1117 /N 20110121 1723 008 1000-2243 2011 01-0054 - 06 ERPs 350108 - ERPs SVM ERPs SVM 90% ERPs SVM TP391
: Active Learning 2017/11/12
: Active Learning 2017/11/12 Contents 0.1 Introduction............................................ 2 0.2..................................... 2 0.2.1 Membership Query Synthesis..............................
MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)
![MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)](/thumbs/93/113459486.jpg "MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)")
1,a) 1,b) 1,c) 1. MIDI [1], [2] U/D/S 3 [3], [4] 1 [5] Song [6] 1 Sony, Minato, Tokyo 108 0075, Japan a) Emiru.Tsunoo@jp.sony.com b) AkiraB.Inoue@jp.sony.com c) Masayuki.Nishiguchi@jp.sony.com MIDI [7]
CSJ. Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity
i-vector 1 1 1 1 i-vector CSJ i-vector Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity Fukuchi Yusuke 1 Tawara Naohiro 1 Ogawa Tetsuji 1 Kobayashi
Quick algorithm f or computing core attribute
24 5 Vol. 24 No. 5 Cont rol an d Decision 2009 5 May 2009 : 100120920 (2009) 0520738205 1a, 2, 1b (1. a., b., 239012 ; 2., 230039) :,,.,.,. : ; ; ; : TP181 : A Quick algorithm f or computing core attribute
Τίτλος: Διαχωρισμός Ηχητικών Πηγών σε Περιβάλλον Πραγματικού Δωματίου.
ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τίτλος: Διαχωρισμός Ηχητικών Πηγών σε Περιβάλλον Πραγματικού Δωματίου. Διπλωματική Εργασία Αριθμός φοιτητικού μητρώου : 55850 Επιβλέπων
Στοιχεία εισηγητή Ημερομηνία: 10/10/2017
Θέμα μεταπτυχιακής διατριβής: Λογισμικά μελέτης και σχεδίασης ρομποτικών συστημάτων - συγκρτική μελέτη και εφαρμογές. 1) Μελέτη των δημοφιλών λογισμικών σχεδίασης ρομποτικών συστημάτων VREP και ROS. 2)
Area Location and Recognition of Video Text Based on Depth Learning Method
21 6 2016 12 Vol 21 No 6 JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY Dec 2016 1 1 1 2 1 150080 2 130300 Gabor RBM OCR DOI 10 15938 /j jhust 2016 06 012 TP391 43 A 1007-2683 2016 06-0061- 06
Δημήτριος Θ. Τόμτσης, Ph.D. Αναλυτικό Βιογραφικό Σημείωμα
Δημήτριος Θ. Τόμτσης, Ph.D. Αναλυτικό Βιογραφικό Σημείωμα Τίτλοι σπουδών Πτυχίο: Μηχανικός Πληροφοριακών Συστημάτων, Πανεπιστήμιο Coventry, U.K,, 1991. Μεταπτυχιακό: Μηχανικός Τηλεπικοινωνιακών Συστημάτων
Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :
![Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :](/thumbs/85/92640788.jpg "Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4// 3 3 Hanning (T ) 3 Hanning 3T (y(t)w(t)) dt =.5 T y (t)dt. () STRAIGHT F 3 TANDEM-STRAIGHT[] 3 F F 3 [] F []. :")
Vol.4-DCC-8 No.8 Vol.4-MUS-5 No.8 4//,a) Vocoder (F) F F. PSOLA [] sinusoidal model [] phase vocoder Vocoder [3] (F) F 3 [4], [5], [6], [7], [8], [9] [], [], [], [3], [4] [5], [6] [7], [8], University
Buried Markov Model Pairwise
Buried Markov Model 1 2 2 HMM Buried Markov Model J. Bilmes Buried Markov Model Pairwise 0.6 0.6 1.3 Structuring Model for Speech Recognition using Buried Markov Model Takayuki Yamamoto, 1 Tetsuya Takiguchi
Applicatio ns of Indep endent Sub2Band Functio ns and Wavelet Analysis in Single2Channel Noisy Signal B SS :Mo del and Crucial Technique
7 2009 7 ACTA ELECTRONICA SINICA Vol. 37 No. 7 July 2009 : 1,3, 2,3, 2, 1, 4 (1., 210001 ; 2., 210001 ; 3., 250022 ;4., 250001) :.,;, ;, ;,. : ; ; ; ; ; : TN91117 : A : 037222112 (2009) 0721522207 Applicatio
Έχει ληφθεί την 27 DEC 2009 ένα σεισµικό ηλεκτρικό σήµα (SES) από τον σταθµό LAM του δικτύου ΒΑΝ [ 1 ]
![Έχει ληφθεί την 27 DEC 2009 ένα σεισµικό ηλεκτρικό σήµα (SES) από τον σταθµό LAM του δικτύου ΒΑΝ [ 1 ]](/thumbs/56/38782381.jpg "Έχει ληφθεί την 27 DEC 2009 ένα σεισµικό ηλεκτρικό σήµα (SES) από τον σταθµό LAM του δικτύου ΒΑΝ [ 1 ]")
================================================= D.T. Christopoulos, dchristop@econ.uoa.gr Ανάλυση SES στις 19 Μαρτίου 2010 ================================================= Έχει ληφθεί την 27 DEC 2009
ΣΧΟΛΗ Σχολή Τεχνολογικών Εφαρμογών ΤΜΗΜΑ Ηλεκτρονικών Μηχανικών Τ.Ε. ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 5
ΣΧΟΛΗ Σχολή Τεχνολογικών Εφαρμογών ΤΜΗΜΑ Ηλεκτρονικών Μηχανικών Τ.Ε. ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 5 ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Ψηφιακή Επεξεργασία Σήματος ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+
Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,
(Υπογραϕή) (Υπογραϕή) (Υπογραϕή)
(Υπογραϕή) (Υπογραϕή) (Υπογραϕή) (Υπογραϕή) F 1 F 1 RGB ECR RGB ECR δ w a d λ σ δ δ λ w λ w λ λ λ σ σ + F 1 ( ) V 1 V 2 V 3 V 4 V 5 V 6 V 7 V 8 V 9 V 10 M 1 M 2 M 3 F 1 F 1 F 1 10 M 1
Yoshifumi Moriyama 1,a) Ichiro Iimura 2,b) Tomotsugu Ohno 1,c) Shigeru Nakayama 3,d)
1,a) 2,b) 1,c) 3,d) Quantum-Inspired Evolutionary Algorithm 0-1 Search Performance Analysis According to Interpretation Methods for Dealing with Permutation on Integer-Type Gene-Coding Method based on
Επεξεργασία MEG με ΒSS/ICA και χρήση Predictive model
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ Επεξεργασία MEG με ΒSS/ICA και χρήση Predictive model -Πτυχιακή εργασία- Παναγιώτης Νικολόπουλος A.M.: 390 - Ηράκλειο 2006 - Πρόλογος Η εργασία πραγματοποιήθηκε στο
Stabilization of stock price prediction by cross entropy optimization
,,,,,,,, Stabilization of stock prediction by cross entropy optimization Kazuki Miura, Hideitsu Hino and Noboru Murata Prediction of series data is a long standing important problem Especially, prediction
JOURNAL OF APPLIED SCIENCES Electronics and Information Engineering. Cyclic MUSIC DOA TN (2012)
30 01 3 JOURNAL OF APPLIED SCIENCES Electronics and Information Engineering Vol. 30 No. Mar. 01 DOI: 10.3969/j.issn.055-897.01.0.007 DOA 1, 1 1. 150001. 15007 DOA DOA. Cyclic MUSIC.. DOA TN911.7 055-89701)0-0146-05
Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]
![Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]](/thumbs/78/77313882.jpg "Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]")
Re-Pair 1 1 Re-Pair Re-Pair Re-Pair Re-Pair 1. Larsson Moffat [1] Re-Pair Re-Pair (Re-Pair) ( ) (highly repetitive text) [2] Re-Pair [7] Re-Pair Re-Pair n O(n) O(n) 1 Hokkaido University, Graduate School
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems Multiple User Interfaces MobileSoft'16, Multi-User Experience (MUX) S1: Insourcing S2: Outsourcing S3: Responsive design
Σύντομο Βιογραφικό Σημείωμα
Σύντομο Βιογραφικό Σημείωμα Προσωπικά Στοιχεία Όνομα Παντελής Επώνυμο Μπουμπούλης Υπηκοότητα Ελληνική Ημ/νία Γέννησης 23/02/1976 Διεύθυνση Σερφιώτου 86-88 Πειραιάς Τηλέφωνο 210-4533469, 210-4537064 e-mail
40 3 Journal of South China University of Technology Vol. 40 No Natural Science Edition March
40 3 Journal of South China University of Technology Vol 40 No 3 2012 3 Natural Science Edition March 2012 1000-565X 2012 03-0106-06 * 510640 MFCC K-L K-L MFCC K-L 46 61% 42 25% 39 68% 36 36% K-L TN912
ΝΙΚΟΛΑΟΣ ΜΗΤΙΑΝΟΥΔΗΣ
ΝΙΚΟΛΑΟΣ ΜΗΤΙΑΝΟΥΔΗΣ Ι. ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ Ημερομηνία γέννησης: Δεκέμβριος 1975 Τόπος γέννησης: Θεσσαλονίκη Διεύθυνση κατοικίας: Λ. Στρατού 3ΣΤ, ΤΚ. 671 00, Ξάνθη Οικογενειακή κατάσταση: Έγγαμος Email:
The State of the Art and Difficulties in Automatic Chinese Word Segmentation
138 Vol. 17 No. 1 JOURNAL OF SYSTEM SIMULATION 1 2 1, ( 1 100080 2 100039) 1004-731X (2005) 01-0138-06 TP391 A The State of the Art and Difficulties in Automatic Chinese Word Segmentation ZHANG Chun-xia
Scrub Nurse Robot: SNR. C++ SNR Uppaal TA SNR SNR. Vain SNR. Uppaal TA. TA state Uppaal TA location. Uppaal
Scrub Nurse Robot: SNR SNR SNR SNR Uppaal Uppaal timed automatonta SNR C++ Uppaal TA SNR SNR 1 1SNR3 SNR SNR C++ SNR Uppaal TA Vain Uppaal TA TA state Uppaal TA location TRON (Testing Realtime Systems
Συνδυασμένη Οπτική-Ακουστική Ανάλυση Ομιλίας
Ομάδα Όρασης Υπολογιστών, Επικοινωνίας Λόγου και Επεξεργασίας Σήματος Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχαν. και Μηχαν. Υπολ. http://cvsp.cs.ntua.gr Συνδυασμένη Οπτική-Ακουστική ή Ανάλυση
Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων
Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων Κωνσταντίνος Παπαοδυσσεύς Καθηγητής ΣΗΜΜΥ, Δημήτρης Αραμπατζής Δρ. ΣΗΜΜΥ Σολομών Ζάννος Υ.Δ. ΣΗΜΜΥ Φώτιος Γιαννόπουλος Υ.Δ. ΣΗΜΜΥ Μιχαήλ Έξαρχος Δρ. ΣΗΜΜΥ
Development of the Nursing Program for Rehabilitation of Woman Diagnosed with Breast Cancer
Development of the Nursing Program for Rehabilitation of Woman Diagnosed with Breast Cancer Naomi Morota Newman M Key Words woman diagnosed with breast cancer, rehabilitation nursing care program, the
Ένα µοντέλο Ισοδύναµης Χωρητικότητας για IEEE Ασύρµατα Δίκτυα. Εµµανουήλ Καφετζάκης
Ένα µοντέλο Ισοδύναµης Χωρητικότητας για IEEE 802.11 Ασύρµατα Δίκτυα. Εµµανουήλ Καφετζάκης mkafetz@iit.demokritos.gr Το κίνητρο µας-συνεισφορά Η ασύρµατη δικτύωση λαµβάνει ευρείας αποδοχής. Το πρότυπο
ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ
ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ Νικόλαος Κυριακούλης *, Ευάγγελος Καρακάσης, Αντώνιος Γαστεράτος, Δημήτριος Κουλουριώτης, Σπυρίδων Γ. Μουρούτσος Δημοκρίτειο
Echo path identification for stereophonic acoustic echo cancellation without pre-processing
Echo path identification for stereophonic acoustic echo cancellation without pre-processing Yuusuke MIZUNO Takuya NUNOME Akihiro HIRANO Kenji NAKAYAMA Division of Electronics and Computer Science Graduate
{takasu, Conditional Random Field
DEIM Forum 2016 C8-6 CRF 700 8530 3 1 1 700 8530 3 1 1 101 8430 2-1-2 E-mail: pobp52cw@s.okayama-u.ac.jp, ohta@de.cs.okayama-u.ac.jp, {takasu, adachi}@nii.ac.jp Conditional Random Field 1. Conditional
ΤΕΧΝΙΚΕΣ ΔΙΑΓΝΩΣΗΣ ΤΗΣ ΝΟΣΟΥ ΑΛΤΣΧΑΙΜΕΡ ΜΕ FMRI
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΔΟΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΛΙΚΩΝ ΤΕΧΝΙΚΕΣ ΔΙΑΓΝΩΣΗΣ ΤΗΣ ΝΟΣΟΥ ΑΛΤΣΧΑΙΜΕΡ ΜΕ FMRI ΔΙΠΛΩΜΑΤΙΚΗ
Project: 296 File: Title: CMC-E-600 ICD Doc No: Rev 2. Revision Date: 15 September 2010
Project: 296 File: Title: CMC-E-600 ICD Doc No: 21029100-406 Rev 2. Revision Date: 15 September 2010 Contract No.: Revisions Table ECR/ECN LTR Description Date 0 Pre Contract draft 29 July 2010 1 Replace
ER-Tree (Extended R*-Tree)
1-9825/22/13(4)768-6 22 Journal of Software Vol13, No4 1, 1, 2, 1 1, 1 (, 2327) 2 (, 3127) E-mail xhzhou@ustceducn,,,,,,, 1, TP311 A,,,, Elias s Rivest,Cleary Arya Mount [1] O(2 d ) Arya Mount [1] Friedman,Bentley
CorV CVAC. CorV TU317. 1
30 8 JOURNAL OF VIBRATION AND SHOCK Vol. 30 No. 8 2011 1 2 1 2 2 1. 100044 2. 361005 TU317. 1 A Structural damage detection method based on correlation function analysis of vibration measurement data LEI
AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ
AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΙΔΙΚΕΥΣΗΣ ΠΡΟΣΤΑΣΙΑ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΒΙΩΣΙΜΗ ΑΝΑΠΤΥΞΗ ΔΙΕΡΕΥΝΗΣΗ ΤΩΝ ΠΙΕΣΕΩΝ ΣΤΟ ΠΕΡΙΒΑΛΛΟΝ
Ινστιτούτο Ερευνών Περιβάλλοντος και Βιώσιμης Ανάπτυξης. Following Nafplio, October Δ. Φουντά
Ινστιτούτο Ερευνών Περιβάλλοντος και Βιώσιμης Ανάπτυξης Following Nafplio, October 2014 Δ. Φουντά Ερευνητικά Προγράμματα Προτάσεις Τρέχοντα: Ανάληψη καθηκόντων ΕΥ απο Μάρτιο 2015 για το πρόγραμμα REN-Athens
Automatic extraction of bibliography with machine learning
Automatic extraction of bibliography with machine learning Takeshi ABEKAWA Hidetsugu NANBA Hiroya TAKAMURA Manabu OKUMURA Abstract In this paper, we propose an extraction method of bibliography using support
ECE 468: Digital Image Processing. Lecture 8
ECE 468: Digital Image Processing Lecture 8 Prof. Sinisa Todorovic sinisa@eecs.oregonstate.edu 1 Image Reconstruction from Projections X-ray computed tomography: X-raying an object from different directions
DEIM Forum 2 D3-6 819 39 744 66 8 E-mail: kawamoto@inf.kyushu-u.ac.jp, tawara@db.soc.i.kyoto-u.ac.jp, {asano,yoshikawa}@i.kyoto-u.ac.jp 1.,, Amazon.com The Internet Movie Database (IMDb) 1 Social spammers
ΤΕΙ ΘΕΣΣΑΛΙΑΣ. Αναγνώριση προσώπου με επιλογή των κατάλληλων κυρίων συνιστωσών. ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΚΑΒΒΑΔΙΑ ΑΛΕΞΑΝΔΡΟΥ.
ΤΕΙ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε Αναγνώριση προσώπου με επιλογή των κατάλληλων κυρίων συνιστωσών. Πτυχιακή εργασία του ΚΑΒΒΑΔΙΑ ΑΛΕΞΑΝΔΡΟΥ Επιβλέπων καθηγητής:βέντζας Δημήτριος ΛΑΡΙΣΑ ΜΑΙΟΣ
Control Theory & Applications PID (, )
26 12 2009 12 : 1000 8152(2009)12 1317 08 Control Theory & Applications Vol. 26 No. 12 Dec. 2009 PID,, (, 200240) : PID (PIDNN), PID,, (BP).,, PIDNN PIDNN (MPIDNN), (CPSO) BP, MPIDNN CPSO MPIDNN CRPSO
Research on model of early2warning of enterprise crisis based on entropy
24 1 Vol. 24 No. 1 ont rol an d Decision 2009 1 Jan. 2009 : 100120920 (2009) 0120113205 1, 1, 2 (1., 100083 ; 2., 100846) :. ;,,. 2.,,. : ; ; ; : F270. 5 : A Research on model of early2warning of enterprise
Ταξινόμηση και διαχρονική παρακολούθηση των βοσκόμενων δασικών εκτάσεων στη λεκάνη απορροής του χειμάρρου Μπογδάνα Ν. Θεσσαλονίκης
Ταξινόμηση και διαχρονική παρακολούθηση των βοσκόμενων δασικών εκτάσεων στη λεκάνη απορροής του χειμάρρου Μπογδάνα Ν. Θεσσαλονίκης Α. Αϊναλής 1, Ι. Μελιάδης 2, Π. Πλατής 3 και Κ. Τσιουβάρας 4 1 Διεύθυνση
Introduction to Risk Parity and Budgeting
Introduction to Risk Parity and Budgeting Chapter 1 Modern Portfolio Theory c Thierry Roncalli & CRC Press Evry University & Lyxor Asset Management, France Instructors may find the description of the book
ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ
ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΑΝΑΠΛΗΡΩΤΡΙΑ ΚΑΘΗΓΗΤΡΙΑ ΤΟΥ ΤΜΗΜΑΤΟΣ ΛΟΓΙΣΤΙΚΗΣ ΤΟΥ ΤΕΙ ΚΑΒΑΛΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΙΑΝΟΥΑΡΙΟΣ 2008 ΒΙΟΓΡΑΦΙΚΟ
Κβαντική Επεξεργασία Πληροφορίας
Κβαντική Επεξεργασία Πληροφορίας Ενότητα 36: Προοπτικές και Εφαρμογές Κβαντικών Αλγορίθμων Σγάρμπας Κυριάκος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Προοπτικές
Vol. 31,No JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb
Ξ 31 Vol 31,No 1 2 0 0 1 2 JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb 2 0 0 1 :025322778 (2001) 0120016205 (, 230026) : Q ( m 1, m 2,, m n ) k = m 1 + m 2 + + m n - n : Q ( m 1, m 2,, m
ΚΛΙΜΑΤΟΛΟΓΙΑ CLIMATOLOGY
10 ο COMECAP 2010, Πρακτικά Συνεδρίου, Πάτρα 10 th COMECAP 2010, Proceedings, Patras, Greece ΚΛΙΜΑΤΟΛΟΓΙΑ CLIMATOLOGY ΥΧΡΟΥΡΟΝΗΚΖ ΓΗΑΚΤΜΑΝΖ ΣΧΝ ΖΛΔΚΣΡΗΚΧΝ ΔΚΚΔΝΧΔΧΝ ΣΖΝ ΔΛΛΑΓΑ ΓΗΑ ΣΖΝ ΥΡΟΝΗΚΖ ΠΔΡΗΟΓΟ 1998-2007
Appendix to On the stability of a compressible axisymmetric rotating flow in a pipe. By Z. Rusak & J. H. Lee
Appendi to On the stability of a compressible aisymmetric rotating flow in a pipe By Z. Rusak & J. H. Lee Journal of Fluid Mechanics, vol. 5 4, pp. 5 4 This material has not been copy-edited or typeset
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕς» OSWINDS RESEARCH GROUP
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕς» OSWINDS RESEARCH GROUP 2015-2016 http://oswinds.csd.auth.gr/pms-theses201516 Ανάλυση επιπέδου προστασίας και ανωνυμοποίησηπροσωπικών δεδομένων κίνησης
: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM
2008 6 Chinese Journal of Applied Probability and Statistics Vol.24 No.3 Jun. 2008 Monte Carlo EM 1,2 ( 1,, 200241; 2,, 310018) EM, E,,. Monte Carlo EM, EM E Monte Carlo,. EM, Monte Carlo EM,,,,. Newton-Raphson.
AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗΣ
AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗΣ ΕΚΤΙΜΗΣΗ ΑΙΤΙΟΤΗΤΑΣ ΚΑΤΑ GRANGER ΜΕ ΧΡΗΣΗ ΑΝΑΛΥΣΗΣ ΑΝΕΞΑΡΤΗΤΩΝ
TABLE OF CONTENTS CHAPTER 1- INTRODUCTION: 1. Motivation of the study... 1. 2. The crystalline lens and the accommodative system.
TABLE OF CONTENTS CHAPTER 1- INTRODUCTION: 1. Motivation of the study... 1 2. The crystalline lens and the accommodative system. 2.1 Human and primate crystalline lens... 4 2.1.1. Human Crystalline lens.
BΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ. goumas@teikav.edu.gr, goumas@kav.forthnet.gr
BΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ 'Ονομα: Επώνυμο: Στέφανος Γκούμας Ημερομ.Γέννησης: 25/8/1960 Οικογενειακή κατάσταση: Τόπος κατοικίας: Έγγαμος Παλιό Καβάλας Διεύθυνση κατοικίας: Παπαϊωάννου 45 Ταχ.Κώδικας:
HMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: GP401 Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Τηλ: 22892239 Ηλ. Ταχ.: gmitsis@ucy.ac.cy Βιβλιογραφία C. M.
TUNING FORK TUNES. exploring new scanning probe applications
TUNING FORK TUNES exploring new scanning probe applications /463 38 /-3 77 / 4630.6 :+2 9 78 4630.6 / 4630.6 6./# 8 4630.6 3 /6.6 % 7- /6.6 # /6 4630.6 9 4/67 4630.6 6 &/6 +/1/2 463 3836 :336 88/6 7/-6/8+6
Comparison of Discriminant Analysis in Ear Recognition
IPSJ SIG echnical Report PCA 288 XM2VS 97.8% Null space LDA Random LDA Comparison of Discriminant Analysis in Ear Recognition Yuki ajima oji Soma Sai Hideyasu Daishi Watae Discriminant analyses are popular
Based Modeling: Applications of Genetic Programming and Self-Organizing Maps.
Δρ Καμπουρίδης Μιχαήλ, PhD, MSc, BSc Πανεπιστήμιου του Κεντ E-mail: M.Kampouridis@kent.ac.uk Τμήμα Πληροφορικής Ιστοσελίδα http://kampouridis.net Μέντγουεϊ Τηλ: (0) 1634 88 8837 T.K.: ME4 4AG ΠΡΟΦΙΛ Είμαι
1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)
![1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)](/thumbs/39/20145714.jpg "1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)")
1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e) 1. [11], [15] 1 Nara Institute of Science and Technology a) akabe.koichi.zx8@is.naist.jp b) neubig@is.naist.jp c) ssakti@is.naist.jp d) tomoki@is.naist.jp
Detection and Recognition of Traffic Signal Using Machine Learning
1 1 1 Detection and Recognition of Traffic Signal Using Machine Learning Akihiro Nakano, 1 Hiroshi Koyasu 1 and Hitoshi Maekawa 1 To improve road safety by assisting the driver, traffic signal recognition
Feasible Regions Defined by Stability Constraints Based on the Argument Principle
Feasible Regions Defined by Stability Constraints Based on the Argument Principle Ken KOUNO Masahide ABE Masayuki KAWAMATA Department of Electronic Engineering, Graduate School of Engineering, Tohoku University
[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect
![[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect](/thumbs/71/65454570.jpg "[5] F 16.1% MFCC NMF D-CASE 17 [5] NMF NMF 3. [5] 1 NMF Deep Neural Network(DNN) FUSION 3.1 NMF NMF [12] S W H 1 Fig. 1 Our aoustic event detect")
NMF 1 1,a) 1 AED NMF DNN IEEE D-CASE 2012 20% DNN NMF 1. Computational Auditory Scene Analysis: CASA [1] [2] [3] [4] [5] Non-negative Matrxi Factorization (NMF) NMF 2. CASA IEEE 1 Dept. Computer Science
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΤΜ. ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 2018-2019 Επιβλέπουσα: Μπίμπη Ματίνα Ανάλυση της πλατφόρμας ανοιχτού κώδικα Home Assistant Το Home Assistant είναι μία πλατφόρμα ανοιχτού
Αξιολόγηση µεθόδων σύνθεσης εικόνων. Β. Τσαγκάρης και Β. Αναστασόπουλος
Αξιολόγηση µεθόδων σύνθεσης εικόνων Β. Τσαγκάρης και Β. Αναστασόπουλος Περιεχόµενα Σύνθεση πληροφορίας - εικόνων Εφαρµογές Τύποι εικόνων Μέθοδοι σύνθεσης εικόνων Αξιολόγηση µεθόδων σύνθεσης εικόνων Θεωρία
Ανάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589)
Ανάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589) Μεγαλοοικονόμου Βασίλειος Τμήμα Μηχ. Η/ΥκαιΠληροφορικής Επιστημονικός Υπεύθυνος Στόχος Προτεινόμενου Έργου Ανάπτυξη μεθόδων
EM Baum-Welch. Step by Step the Baum-Welch Algorithm and its Application 2. HMM Baum-Welch. Baum-Welch. Baum-Welch Baum-Welch.
Baum-Welch Step by Step the Baum-Welch Algorithm and its Application Jin ichi MURAKAMI EM EM EM Baum-Welch Baum-Welch Baum-Welch Baum-Welch, EM 1. EM 2. HMM EM (Expectationmaximization algorithm) 1 3.
Ψηφιακή Επεξεργασία Φωνής
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Φωνής Διάλεξη: Προσαρμόσιμο Αρμονικό Μοντέλο Παρουσίαση: Gilles Degottex Στυλιανού Ιωάννης Τμήμα Επιστήμης Υπολογιστών A Full-Band Adaptive Harmonic
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ Δρ. ΣΩΤΗΡΙΟΣ Α. ΔΑΛΙΑΝΗΣ
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ Δρ. ΣΩΤΗΡΙΟΣ Α. ΔΑΛΙΑΝΗΣ ΗΛΕΚΤΡΟΛΟΓΟΣ ΜΗΧΑΝΙΚΟΣ KAI ΜΗΧΑΝΙΚΟΣ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΔΙΔΑΚΤΩΡ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ ΚΑΙ ΔΥΝΑΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Institute of Sound
. (1) 2c Bahri- Bahri-Coron u = u 4/(N 2) u
. (1) Nehari c (c, 2c) 2c Bahri- Coron Bahri-Lions (2) Hénon u = x α u p α (3) u(x) u(x) + u(x) p = 0... (1) 1 Ω R N f : R R Neumann d 2 u + u = f(u) d > 0 Ω f Dirichlet 2 Ω R N ( ) Dirichlet Bahri-Coron
Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία
Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ενότητα 12 : Θέματα διασφάλισης της πληροφορίας στον αγροτικό τομέα (3/3) Μελετίου Γεράσιμος 1 Ανοιχτά
Παρουσίαση ιπλωµατικής
Οικονοµικό Πανεπιστήµιο Αθηνών Τµήµα Πληροφορικής Επιστήµη Υπολογιστών Παρουσίαση ιπλωµατικής Επιµέλεια: *Φλουρή Χαρά, Α.Μ.:ΕΥ0808 Επιβλέπον : * Βασίλειος Σύρης Αθήνα, 2010 1 Ποιο είναι το πρόβληµά? Σωστός
Ευφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ
Ευφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ ΚΩΔΙΚΟΣ MIS: 346961 Φορέας Υποβολής: Πανεπιστήμιο Ιωαννίνων - Τμήμα Πληροφορικής Φορέας Χρήστης:
Πτυχιακή Εργασι α «Εκτι μήσή τής ποιο τήτας εικο νων με τήν χρή σή τεχνήτων νευρωνικων δικτυ ων»
Ανώτατο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ανατολικής Μακεδονίας και Θράκης Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής Πτυχιακή Εργασι α «Εκτι μήσή τής ποιο τήτας εικο νων με τήν χρή σή τεχνήτων
1,a) 1,b) 2 3 Sakriani Sakti 1 Graham Neubig 1 1. A Study on HMM-Based Speech Synthesis Using Rich Context Models
HMM 1,a 1,b 3 Sakriani Sakti 1 Graham Neubig 1 1 Hidden Markov Model HMM HMM HMM HMM HMM A Study on HMM-Based Speech Synthesis Using Rich Context Models Shinnosuke Takamichi 1,a Toda Tomoki 1,b Shiga Yoshinori
Βαζίιεο Βιάρνο Καζεγεηήο Δθαξκνγώλ. Αλδξέαο ηαπξηλίδεο Δπί πηπρίω θνηηεηήο - Τπεύζπλνο ζηνηρεηνζέηεζεο
2011-2012 ηα ρέξηα ζαο θξαηάηε ην ηξίην ηεχρνο ησλ Νέσλ ηνπ Σκήκαηνο Σερλ. Πιεξνθνξηθήο θαη Σειεπηθνηλσληψλ. ηφρνο ηνπ πεξηνδηθνχ καο είλαη θφληξα ζην γεληθφηεξν θιίκα απνγνήηεπζεο θαη απαμίσζεο πνιιψλ
Speeding up the Detection of Scale-Space Extrema in SIFT Based on the Complex First Order System
(MIRU2008) 2008 7 SIFT 572-8572 26-12 599-8531 1-1 E-mail: umemoto@ipc.osaka-pct.ac.jp, kise@cs.osakafu-u.ac.jp SIFT 1 ANN 3 1 SIFT 1 Speeding up the Detection of Scale-Space Extrema in SIFT Based on the
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕΣ» OSWINDS RESEARCH GROUP
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕΣ» OSWINDS RESEARCH GROUP 2015-2016 http://oswinds.csd.auth.gr/pms-theses201516 Ιδιωτικότητα και ανωνυμία σε ανοικτές πλατφόμες Privacy and anonymity
ΚΩΝΣΤΑΝΤΙΝΟΣ Σ. ΠΟΛΙΤΗΣ Διπλ. Φυσικός Πανεπιστημίου Πατρών Υποψήφιος Διδάκτωρ Ε.Μ.Π. ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ
ΚΩΝΣΤΑΝΤΙΝΟΣ Σ. ΠΟΛΙΤΗΣ Διπλ. Φυσικός Πανεπιστημίου Πατρών Υποψήφιος Διδάκτωρ Ε.Μ.Π. ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ 1. ΒΙΟΓΡΑΦΙΚΑ ΣΤΟΙΧΕΙΑ 1.1 ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ Επώνυμο ΠΟΛΙΤΗΣ Όνομα Όνομα πατρός Διεύθυνση Ηλ. διεύθυνση
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΣΤΥΛΙΑΝΗΣ Κ. ΣΟΦΙΑΝΟΠΟΥΛΟΥ Αναπληρώτρια Καθηγήτρια. Τµήµα Τεχνολογίας & Συστηµάτων Παραγωγής.
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΣΤΥΛΙΑΝΗΣ Κ. ΣΟΦΙΑΝΟΠΟΥΛΟΥ Αναπληρώτρια Καθηγήτρια Τµήµα Τεχνολογίας & Συστηµάτων Παραγωγής Πανεπιστήµιο Πειραιώς, Καραολή ηµητρίου 80, 18534 Πειραιάς Τηλ. 210 414-2147, e-mail: sofianop@unipi.gr
Τοποθέτηση τοπωνυµίων και άλλων στοιχείων ονοµατολογίας στους χάρτες
Τοποθέτηση τοπωνυµίων και άλλων στοιχείων ονοµατολογίας στους χάρτες Miroshnikov & Tchepine 1999 Ahn & Freeman 1984 Ένας σηµαντικός παράγοντας που επηρεάζει την αποτελεσµατικότητα ενός χάρτη ως µέσω επικοινωνίας
ΚΑΝΟΝΙΣΜΟΣ ΕΚΠΟΝΗΣΗΣ ΕΡΓΑΣΙΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ «ΕΠΕΞΕΡΓΑΣΙΑ ΨΗΦΙΑΚΟΥ ΣΗΜΑΤΟΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΥΛΙΚΟΥ»
Πρόγραμμα Μεταπτυχιακών Σπουδών «Τεχνολογίες και Συστήματα Ευρυζωνικών Εφαρμογών και Υπηρεσιών» ΚΑΝΟΝΙΣΜΟΣ ΕΚΠΟΝΗΣΗΣ ΕΡΓΑΣΙΩΝ ΓΙΑ ΤΟ ΜΑΘΗΜΑ «ΕΠΕΞΕΡΓΑΣΙΑ ΨΗΦΙΑΚΟΥ ΣΗΜΑΤΟΣ ΚΑΙ ΣΧΕΔΙΑΣΜΟΣ ΥΛΙΚΟΥ» Ακαδημαϊκό
(clusters) clusters : clusters : clusters : 4. :
«Προσδιοριστικοί Παράγοντες της Καινοτοµίας. ικτύωση της έρευνας µε την παραγωγή» ρ. Ιωάννης Χατζηκιάν Οκτώβριος 2006 Αθήνα ΓΡΑΦΕΙΟ ΙΑΜΕΣΟΛΑΒΗΣΗΣ ΤΕΙ ΑΘΗΝΑΣ ΠΕΡΙΕΧΟΜΕΝΑ Α ΜΕΡΟΣ Πρόλογος 3 1. Εισαγωγή 4
DECO DECoration Ontology
Πράξη: «Αρχιμήδης ΙΙI Ενίσχυση Ερευνητικών Ομάδων στο ΤΕΙ Κρήτης» Υποέργο 32 DECO DECoration Ontology Οντολογία και εφαρμογές σημασιολογικής αναζήτησης και υποστήριξης στον αρχιτεκτονικό σχεδιασμό εσωτερικού
No. 7 Modular Machine Tool & Automatic Manufacturing Technique. Jul TH166 TG659 A
7 2016 7 No. 7 Modular Machine Tool & Automatic Manufacturing Technique Jul. 2016 1001-2265 2016 07-0122 - 05 DOI 10. 13462 /j. cnki. mmtamt. 2016. 07. 035 * 100124 TH166 TG659 A Precision Modeling and
DEIM Forum 2018 F3-5 657 8501 1-1 657 8501 1-1 E-mail: yuta@cs25.scitec.kobe-u.ac.jp, eguchi@port.kobe-u.ac.jp, ( ) ( )..,,,.,.,.,,..,.,,, 2..., 1.,., (Autoencoder: AE) [1] (Generative Stochastic Networks: