Υλοποίηση εντοπισμού στα Nao robots μέσω προσέγγισης του φίλτρου Kalman

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Υλοποίηση εντοπισμού στα Nao robots μέσω προσέγγισης του φίλτρου Kalman"

Transcript

1 Α Π Ε (Χ 2011/2012) Υλοποίηση εντοπισμού στα Nao robots μέσω προσέγγισης του φίλτρου Kalman Ιωακείμ Πέρρος, ΑΜ: Απριλίου 2012

2 Περιεχόμενα 1 Εισαγωγή / Πρόβλημα 1 2 Προσέγγιση / Λύση Βήμα Πρόβλεψης Βήμα Διόρθωσης Τεχνικές δυσκολίες 5 4 Aποτελέσματα / Μελλοντικές επεκτάσεις 5 1 Εισαγωγή / Πρόβλημα Η εργασία είχε ως σκοπό την υλοποίηση μιας προσέγγισης του φίλτρου Kalman στα Nao robots στα πλαίσια του κώδικα της ομάδας Κουρήτες (& Noxious), ο οποίος χρησιμοποιείται σε αγώνες ρομποτικού ποδοσφαίρου. Συνεπώς, κάνοντας χρήση αυτής της υποδομής (άρα και των αισθήσεων/δεδομένων που λαμβάνουμε από τα υπόλοιπα τμήματα του κώδικα),επιχειρήθηκε η δημιουργία ενός φίλτρου Kalman με σκοπό τον Gaussian εντοπισμό του robot στον χώρο του γηπέδου, πέρα από την ήδη υπάρχουσα υλοποίηση Monte Carlo (με particle filters) στον κώδικα της ομάδας. Ακολουθεί παράθεση του κλασσικού φίλτρου Kalman ώστε να αναδειχθούν οι λόγοι για τους οποίους χρειάστηκε να καταφύγουμε στην προσέγγισή του: KalmanFilter Inputs: µ t 1, Σ t 1, u t, z t Outputs: µ t, Σ t µ t A t µ t 1 + B t u t Σ t A t Σ t 1 A T t + R t K t Σ t C T t (C t Σ t C T t + Q t ) 1 µ t µ t + K t (z t C t µ t ) Σ t (I K t C t ) Σ t return µ t, Σ t Όπως φαίνεται και παραπάνω, το φίλτρο υποθέτει ότι έχουμε πίνακες A, B για το βήμα πρόβλεψης και C για το βήμα διόρθωσης ώστε να επιτύχουμε την ανανέωση των μεταβλητών μέσω γραμμικών εξισώσεων των πινάκων αυτών με τις μεταβλητές κατάστασης και μέτρησης (παρατήρησης). Η υπόθεση όμως ότι τα μοντέλα που ακολουθεί το robot (π.χ. το μοντέλο που περιγράφει την κίνησή του) είναι γραμμικά, είναι εσφαλμένη, καθώς υπάρχουν τριβές κατά την κίνησή του που δεν μπορούν να περιγραφούν με αυτές τις απλές γραμμικές εξισώσεις. Συνεπώς, οφείλουμε να καταφύγουμε σε μία προσέγγιση του φιλτραρίσματος που εφαρμόζει το Kalman φίλτρο, ώστε να παρακάμψουμε το πρόβλημα της μη γραμμικότητας. 1

3 2 Προσέγγιση / Λύση Κρίνεται σκόπιμο η περιγραφή της λύσης να παρουσιαστεί σε 2 στάδια, όπως ακριβώς λειτουργεί δηλαδή και γενικά η μέθοδος του φιλτραρίσματος. 2.1 Βήμα Πρόβλεψης Το βήμα της πρόβλεψης στο φιλτράρισμα που εφαρμόστηκε παρακάμφθηκε ουσιαστικά μέσω της χρήσης του μοντέλου κίνησης της οδομετρίας. Το ζήτημα που επιλύουμε με την χρήση μοντέλου κίνησης και όχι απλά των στοιχείων ( x, ȳ, θ) που λαμβάνουμε από το οδόμετρο, είναι το ότι τα συγκεκριμένα στοιχεία αποτελούν τιμές σε ένα εσωτερικό σύστημα συντεταγμένων του robot, του οποίου δεν γνωρίζουμε την μετατροπή στο δικό μας σύστημα συντεταγμένων λόγω πλαγιοδρόμησης και ολίσθησης. Αν ξέραμε την μετατροπή αυτή άλλωστε, θα λυνόταν το πρόβλημα του localization! Συνεπώς το χρήσιμο σε εμάς είναι ότι η σχετική διαφορά των στάσεων που δίνει το οδόμετρο, αποτελεί έναν καλό εκτιμητή για την διαφορά των πραγματικών στάσεων του robot και τελικά εκμεταλλευόμαστε την οδομετρία, κρατώντας κάθε φορά σε προσωρινές μεταβλητές τη διαφορά των στάσεων προηγούμενης και τρέχουσας χρονικής στιγμής. Ο τρόπος με τον οποίο η προσωρινή μετατόπιση, κατεύθυνση και περιστροφή εξάγονται από τα προαναφερθείσες προσωρινές μεταβλητές φαίνεται στο παρακάτω πλαίσιο (με πράσινο φόντο), ενώ το σχήμα [4] που δείχνει γεωμετρικά αυτές τις τιμές, βοηθάει στην εξαγωγή των παρακάτω εξισώσεων, μέσω των οποίων τελικά κάνουμε μία πρόβλεψη για την θέση του robot στον 3-d χώρο. Οι παρακάτω εξισώσεις περιγράφουν την εν λόγω κίνηση, άρα και την ανανέωση του 3-διάστατου διανύσματος που επιθυμούμε να προβλέψουμε. Έχοντας εξάγει συνεπώς τις μεταβολές σε μετατόπιση, κατεύθυνση και περιστροφή, έχουμε: Odometry Motion Model x x + (δ trans cos(θ + δ rot1 )) y y + (δ trans sin(θ + δ rot1 )) θ θ + (δ rot1 + δ rot2 ) 2

4 2.2 Βήμα Διόρθωσης Έπειτα, αν καταγραφεί σε αυτό το διάστημα κάποια παρατήρηση (1 ή 2 δοκάρια ενός τέρματος), τότε εφαρμόζουμε τον αλγόριθμο sample landmark model known correspondence που βρίσκεται στο [1], που μας βοηθά να δειγματοληπτήσουμε την 3η διάσταση που επιθυμούμε να εκτιμήσουμε, καθώς μόνο 2 στοιχεία είναι διαθέσιμα για κάθε παρατήρηση, η απόσταση και ο προσανατολισμός σε σχέση με το παρατηρηθέν ορόσημο. Εφαρμόζοντας, συνεπώς, αυτό το sampling, σχηματίζεται ένας κύκλος από πιθανές τοποθεσίες του robot με ακτίνα ίση με την εκτιμώμενη απόσταση από το ορόσημο. Σε όλη την διαδικασία του debugging του κώδικα, έγινε χρήση του KLocView debugger που υπήρχε υλοποιημένος ως μέρος του κώδικα της ομάδας των Κουρητών. Καθώς ο συγκεκριμένος debugger αφορούσε στην αποσφαλμάτωση της υλοποίησης Monte Carlo localization με particle filters, κάναμε χρήση των particles αυτών, με σκοπό να αναπαραστήσουμε στοιχεία που αφορούσαν στην δική μας υλοποίηση (όπως δείγματα μιας πολυμεταβλητής gaussian κατανομής ή τα δείγματα που βρίσκονται γύρω από τις παρατηρήσεις των οποίων τη χρήση θα εξηγήσουμε παρακάτω). Μέσω λοιπόν του debugger αυτού, αναπαρίσταται κάθε φορά ο κύκλος με δείγματα γύρω από τις παρατηρήσεις που προαναφέρθηκε. Ο τρόπος με τον οποίο ο αλγόριθμος που παράγει αυτά τα δείγματα λειτουργεί, είναι ο εξής: Sample landmark model known correspondence Inputs: m, Outputs: x, y, θ γ rand(0, 2π) r r + sample(σ r ) ϕ ϕ + sample(σ ϕ ) x m x + r cos(γ) y m y + r sin(γ) θ γ π ϕ return x, y, θ Η παραπάνω διαδικασία καλείται για όσα δείγματα θέλουμε να παράγουμε και παρακάτω παρατίθεται ένα στιγμιότυπο χρήσης του debugger για 1000 δείγματα (με κόκκινο χρώμα στο στιγμιότυπο), όταν το robot βρίσκεται στην αρχική του θέση (όταν βλέπει το κίτρινο τέρμα και βρίσκεται στο κέντρο του γηπέδου θεωρούμε ότι και οι 3 τιμές του διανύσματος x, y, θ είναι στο 0 και αυτή είναι και η αρχικοποίηση που εφαρμόζεται γενικά σε κάθε run του κώδικα). 3

5 Από τον παραπάνω κύκλο, απορρίπτουμε κάθε φορά τα δείγματα (συνδυασμούς x,y και θ) που είναι εκτός γηπέδου (παρόλο που για καλύτερη εποπτεία εμφανίζονται στο παραπάνω screenshot) και έπειτα επιλέγουμε τον συνδυασμό που είναι εγγύτερος (σε σχέση με την ευκλείδια απόσταση) στην προβλεπόμενη στάση μας από το πρώτο βήμα. Αυτό γίνεται τον εξής τρόπο: Υπολογισμός ευκλείδιας απόστασης μεταξύ δειγμάτων και προβλεπόμενης πεποίθησης μέσω οδομετρίας tmp_cost for i = 1 no_of_samples do ( ) T xi y i θ i sample_landmark_model_known_correspondence( µx, µ y, µ θ, ˆd, ˆb) angle_diff angle_difference(θ i, µ θ ) tmp_cost (x i µ x ) 2 + (y i µ y ) 2 + angle_diff 2 if tmp_cost < min_diff then measured_x x i measured_y y i measured_θ θ i Έχοντας καταλήξει ως προς ποιό διάνυσμα θα θεωρήσουμε ως διάνυσμα παρατήρησης, μένει να δούμε πόσο πολύ θα το εμπιστευθούμε, δηλαδή μένει να ορίσουμε το Kalman Gain. Η ύπαρξη πινάκων συνδιακύμανσης στην εξίσωση εξαγωγής του όμως, των οποίων τις τιμές έπρεπε ανάλογα να αυξομειώνουμε, οδήγησε σε μία ευριστική προσέγγιση της εξαγωγής του όρου αυτού. Καταγράφοντας τον εγγύτερο συνδυασμό στην προηγούμενη εκτίμηση της στάσης του robot (τον συνδυασμό δηλαδή με το ελάχιστο κόστος), συγκρίνουμε κάθε φορά τον προηγούμενο με τον τρέχοντα και εάν βρίσκονται σε ένα παράθυρο στον δισδιάστατο χώρο x,y (π.χ. 200x200) τότε διπλασιάζουμε το Kalman Gain στη λογική της ενίσχυσης της εμπιστοσύνης στις παρατηρήσεις όταν παίρνουμε συνεχόμενες που οδηγούν σε παρόμοιο ``καλύτερο'' ως προς την εκτίμηση συνδυασμό. Κατ' αναλογία, όταν οι 2 συνεχόμενοι συνδυασμοί δεν βρίσκονται σε μία τέτοια απόσταση, υποδιπλασιάζουμε το Kalman Gain. Μέγιστη τιμή του έχει τεθεί το 0.1 μετά από πολλαπλές δοκιμές, καθώς κάτι τέτοιο μας εξασφαλίζει ότι θα αλλάξει γρήγορα την πεποίθηση του αν λάβει μία σειρά όμοιων παρατηρήσεων, αλλά 4

6 και ότι δεν θα επηρεάσει πολύ την πεποίθησή μας όταν κάτι τέτοιο δεν είναι επιθυμητό (σε περιπτώσεις δηλαδή που πρέπει να εμπιστευθούμε λιγότερο την παρατήρηση και περισσότερο την προηγούμενή του πεποίθηση από το πρώτο βήμα φιλτραρίσματος). Η κατασκευή αυτή, τελικώς, του Kalman Gain, μας δίνει τη δυνατότητα να το εντάξουμε σε ένα κυρτό συνδυασμό στον οποίο λειτουργεί ως διελκυνστίδα μεταξύ των 2 στάσεων του robot - του εγγύτερου στην προηγούμενη εκτίμηση δείγματος μέσω των παρατηρήσεων και της προηγούμενης εκτίμησης καθεαυτής. Μέσω λοιπόν αυτού του κυρτού συνδυασμού, εξάγουμε και την τελική μας μέση τιμή για την στάση του robot, η οποία και δεν εντάσσεται σε δειγματοληψία μέσω κανονικής κατανομής, καθώς παρατηρήθηκε ότι εκχωρώντας την απευθείας ως πεποίθηση για τη στάση του robot, οδηγούμαστε σε καλύτερα αποτελέσματα. Τελική εκτίμηση πεποίθησης (Πρόβλεψη & Διόρθωση) x (1 K) x + K mincostbel x y (1 K) y + K mincostbel y θ (1 K) θ + K mincostbel θ 3 Τεχνικές δυσκολίες Οι βασικότερες τεχνικές δυσκολίες που παρουσιάστηκαν στην συγκεκριμένη εργασία ήταν η εξοικείωση με τον τρόπο που πρέπει να κατασκευάσει κάποιος μία activity (ο κώδικας που τρέχουν τα robots είναι διαιρεμένος σε activities και επιλέγεται κάθε φορά μέσω ενός xml αρχείου ποιές από αυτές θα συμμετέχουν στην εκτέλεση) και η κατανόηση του τρόπου με τον οποίο τα Nao τρέχουν το κάθε τμήμα κώδικα, καθώς και τί χρειάζεται να υπάρχει στον κώδικα και τί όχι (από πλευράς π.χ. κώδικα επικοινωνίας που είναι ανεξάρτητος από το κομμάτι του localization) για να γίνει αυτό με επιτυχία. 4 Aποτελέσματα / Μελλοντικές επεκτάσεις Τα αποτελέσματα, όπως φαίνονται και στην παρουσίαση, ήταν ικανοποιητικά τόσο στο tracking problem - δηλαδή στην εύρεση της 3-d στάσης του robot στην περίπτωση που γνωρίζει την αρχική του θέση και κινείται στο χώρο - όσο και στο kidnapping problem - δηλαδή στον προσδιορισμό της θέσης του robot σε περίπτωση που κάποιος το ``απαγάγει'' από την θέση του. Μελλοντικές επεκτάσεις που προτείνονται για την συγκεκριμένη υλοποίηση, αποτελούν τόσο η ενσωμάτωση του φιλτραρίσματος αυτού, με τα particle filters που ήδη υπάρχουν στον κώδικα της ομάδας των Κουρητών και η εναλλαγή στην εμπιστοσύνη μεταξύ των 2 υλοποιήσεων κατά περίπτωση καθώς και η ύπαρξη αυτού του κώδικα ως βάση για πιο εξελιγμένες μεθόδους Kalman filtering (extended/unscented) που λύνουν το πρόβλημα της μη γραμμικότητας με μαθηματικό τρόπο (π.χ. Ιακωβιανές, μερική παραγώγηση κλπ.). Αναφορές [1] Sebastian Thrun, Wolfram Burgard and Dieter Fox Probabilistic Robotics September

7 [2] Kalman Filter Tutorial [3] Eleftherios A. Chatzilaris Visual-Feature-based Self-Localization for Robotic Soccer Chania, October 2009 [4] Michail Lagoudakis Autonomous Agents (Postgraduate): Course Slides 6

Robot Stadium Nao Controller

Robot Stadium Nao Controller Σκοπός Δημιουργία αυτόνομου πράκτορα για το ρομπότ Nao, ικανού να παίξει ποδόσφαιρο 3x3 στο περιβάλλον προσωμοίωσης Webots Συνησφορά στην ομάδα Κουρέτες του Π.Κ. Ευσεβής Πόθος Νίκη στο διαγωνισμός RobotStadium.org

Διαβάστε περισσότερα

Συστήματα συντεταγμένων

Συστήματα συντεταγμένων Κεφάλαιο. Για να δημιουργήσουμε τρισδιάστατα αντικείμενα, που μπορούν να παρασταθούν στην οθόνη του υπολογιστή ως ένα σύνολο από γραμμές, επίπεδες πολυγωνικές επιφάνειες ή ακόμη και από ένα συνδυασμό από

Διαβάστε περισσότερα

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Συσχέτιση μεταξύ δύο συνόλων δεδομένων Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,

Διαβάστε περισσότερα

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr

I. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική

Διαβάστε περισσότερα

Μια εισαγωγή στο φίλτρο Kalman

Μια εισαγωγή στο φίλτρο Kalman 1 Μια εισαγωγή στο φίλτρο Kalman Το 1960, R.E. Kalman δημόσιευσε το διάσημο έγγραφό του περιγράφοντας μια επαναλαμβανόμενη λύση στο γραμμικό πρόβλημα φιλτραρίσματος διακριτών δεδομένων. Από εκείνη τη στιγμή,

Διαβάστε περισσότερα

Διαχείριση Υδατικών Πόρων

Διαχείριση Υδατικών Πόρων Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική

Διαβάστε περισσότερα

Σενάριο 14: Προγραμματίζοντας ένα Ρομπότ ανιχνευτή

Σενάριο 14: Προγραμματίζοντας ένα Ρομπότ ανιχνευτή Σενάριο 14: Προγραμματίζοντας ένα Ρομπότ ανιχνευτή Ταυτότητα Σεναρίου Τίτλος: Προγραμματίζοντας ένα Ρομπότ ανιχνευτή Γνωστικό Αντικείμενο: Πληροφορική Διδακτική Ενότητα: Ελέγχω-Προγραμματίζω τον Υπολογιστή

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119)

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ ΙΩΑΝΝΗΣ Α. ΤΣΑΓΡΑΚΗΣ ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (ΗΥ-119) ΜΕΡΟΣ 5: ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΥΠΟΧΩΡΟΙ ΓΡΑΜΜΙΚΗ ΑΝΕΞΑΡΤΗΣΙΑ ΒΑΣΕΙΣ & ΔΙΑΣΤΑΣΗ Δ.Χ. ΣΗΜΕΙΩΣΕΙΣ

Διαβάστε περισσότερα

, και. είναι σταθερές (χρονικά αμετάβλητες), προκύπτει το χρονικά αμετάβλητο φίλτρο Kalman (Time Invariant Kalman Filter):

, και. είναι σταθερές (χρονικά αμετάβλητες), προκύπτει το χρονικά αμετάβλητο φίλτρο Kalman (Time Invariant Kalman Filter): 1 ΧΡΟΝΙΚΑ ΑΜΕΤΑΒΛΗΤΟ ΦΙΛΤΡΟ KALMAN Για το χρονικά αμετάβλητο μοντέλο, όπου οι μήτρες F( k 1, k) F, H( k 1) H, Q( k) Q και R( k 1) R είναι σταθερές (χρονικά αμετάβλητες), προκύπτει το χρονικά αμετάβλητο

Διαβάστε περισσότερα

Τσάπελη Φανή ΑΜ: 2004030113. Ενισχυτική Μάθηση για το παιχνίδι dots. Τελική Αναφορά

Τσάπελη Φανή ΑΜ: 2004030113. Ενισχυτική Μάθηση για το παιχνίδι dots. Τελική Αναφορά Τσάπελη Φανή ΑΜ: 243113 Ενισχυτική Μάθηση για το παιχνίδι dots Τελική Αναφορά Περιγραφή του παιχνιδιού Το παιχνίδι dots παίζεται με δύο παίχτες. Έχουμε έναν πίνακα 4x4 με τελείες, και σκοπός του κάθε παίχτη

Διαβάστε περισσότερα

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ ΠΡΩΤΟ ΠΕΡΙΕΧΟΜΕΝΑ Εισαγωγή 1. Γενικά... 25 2. Έννοια και Είδη Μεταβλητών... 26 3. Κλίμακες Μέτρησης Μεταβλητών... 29 3.1 Ονομαστική κλίμακα... 30 3.2. Τακτική κλίμακα... 31 3.3 Κλίμακα ισοδιαστημάτων... 34 3.4

Διαβάστε περισσότερα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα Απεικόνιση Γραφικά ΥφήςΥπολογιστών Απεικόνιση Υφής Μέρος Α Υφή σε Πολύγωνα Γ. Γ. Παπαϊωάννου, - 2008 Τι Είναι η Υφή; Η υφή είναι η χωρική διαμόρφωση των ποιοτικών χαρακτηριστικών της επιφάνειας ενός αντικειμένου,

Διαβάστε περισσότερα

ΕΝΤΟΠΙΣΜΟΣ ΘΕΣΗΣ ΚΑΙ ΧΑΡΤΗΓΡΑΦΗΣΗ

ΕΝΤΟΠΙΣΜΟΣ ΘΕΣΗΣ ΚΑΙ ΧΑΡΤΗΓΡΑΦΗΣΗ ΕΝΤΟΠΙΣΜΟΣ ΘΕΣΗΣ ΚΑΙ ΧΑΡΤΗΓΡΑΦΗΣΗ Δρ Γιώργος Α. Δημητρίου Ευφυή Κινούμενα Ρομπότ 139 Ρομποτικός Εντοπισμός Θέσης Δεδομένα Χάρτης του περιβάλλοντος Ακολουθία παρατηρήσεων Ζητούμενο Εκτίμηση της θέσης του

Διαβάστε περισσότερα

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.

Διαβάστε περισσότερα

ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ

ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Τμήμα Επιστήμης Φυσικής Αγωγής και Αθλητισμού Πρόγραμμα Διδακτορικών Σπουδών ΠΛΗΡΟΦΟΡΙΑΚΟ ΕΝΤΥΠΟ ΜΑΘΗΜΑΤΟΣ 1. ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ: Προχωρημένη Στατιστική 2. ΠΕΡΙΓΡΑΜΜΑ ΕΙΣΗΓΗΣΕΩΝ

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ

Διαβάστε περισσότερα

Προσεγγιστική λύση Γραμμικών Συστημάτων με την μέθοδο Gauss-Seidel. Δημιουργία κώδικα στο Matlab

Προσεγγιστική λύση Γραμμικών Συστημάτων με την μέθοδο Gauss-Seidel. Δημιουργία κώδικα στο Matlab Προσεγγιστική λύση Γραμμικών Συστημάτων με την μέθοδο Gauss-Seidel Δημιουργία κώδικα στο Matlab Χατζηγεωργίου Αντώνης Νοέμβριος 2013 Περιεχόμενα 1. Αρχικό πρόβλημα.... 3 2. Εφαρμογή της θεωρίας.... 4 3.

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

Διαβάστε περισσότερα

ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί.

ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ. χρησιμοποιήσουμε καθημερινά φαινόμενα όπως το θερμόμετρο, Θετικοί-Αρνητικοί αριθμοί. ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ B ΤΑΞΗΣ ΑΛΓΕΒΡΑ (50 Δ. ώρες) Περιεχόμενα Στόχοι Οδηγίες - ενδεικτικές δραστηριότητες Οι μαθητές να είναι ικανοί: Μπορούμε να ΟΙ ΑΚΕΡΑΙΟΙ ΑΡΙΘΜΟΙ χρησιμοποιήσουμε καθημερινά φαινόμενα

Διαβάστε περισσότερα

Kalman Filter Γιατί ο όρος φίλτρο;

Kalman Filter Γιατί ο όρος φίλτρο; Kalman Filter Γιατί ο όρος φίλτρο; Συνήθως ο όρος φίλτρο υποδηλώνει µια διαδικασία αποµάκρυνσης µη επιθυµητών στοιχείων Απότολατινικόόροfelt : το υλικό για το φιλτράρισµα υγρών Στη εποχή των ραδιολυχνίων:

Διαβάστε περισσότερα

Εργαστήριο Βιομηχανικής Πληροφορικής Τμήμα Πληροφορικής και Επικοινωνιών, ΤΕΙ Σερρών

Εργαστήριο Βιομηχανικής Πληροφορικής Τμήμα Πληροφορικής και Επικοινωνιών, ΤΕΙ Σερρών ΑΣΚΗΣΗ 1 Έστω ένας εργοστασιακός φούρνος. Το αν οι αντιστάσεις του φούρνου λειτουργούν ή όχι, εξαρτάται από μια μεταβλητή C η οποία παίρνει τιμές από 0 μέχρι και 10. Με μηδέν σημαίνει ότι δεν περνάει καθόλου

Διαβάστε περισσότερα

1.3 ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ

1.3 ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ ΚΕΦΑΛΑΙΟ Ο : ΔΙΑΝΥΣΜΑΤΑ - ΕΝΟΤΗΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ Ορισμός : αν λ πραγματικός αριθμός με 0 και μη μηδενικό διάνυσμα τότε σαν γινόμενο του λ με το ορίζουμε ένα διάνυσμα

Διαβάστε περισσότερα

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση)

Τι είναι βαθμωτό μέγεθος? Ένα μέγεθος που περιγράφεται μόνο με έναν αριθμό (π.χ. πίεση) TETY Εφαρμοσμένα Μαθηματικά Ενότητα ΙΙ: Γραμμική Άλγεβρα Ύλη: Διανυσματικοί χώροι και διανύσματα, μετασχηματισμοί διανυσμάτων, τελεστές και πίνακες, ιδιοδιανύσματα και ιδιοτιμές πινάκων, επίλυση γραμμικών

Διαβάστε περισσότερα

Η ΚΛΑΣΙΚΗ ΘΕΩΡΗΣΗ ΤΟΥ ΧΩΡΟΥ ΚΑΙ ΤΟΥ ΧΡΟΝΟΥ

Η ΚΛΑΣΙΚΗ ΘΕΩΡΗΣΗ ΤΟΥ ΧΩΡΟΥ ΚΑΙ ΤΟΥ ΧΡΟΝΟΥ ΜΑΘΗΜΑ 1: Η ΚΛΑΣΙΚΗ ΘΕΩΡΗΣΗ ΤΟΥ ΧΩΡΟΥ ΚΑΙ ΤΟΥ ΧΡΟΝΟΥ Τίποτε δεν θεωρώ μεγαλύτερο αίνιγμα από το χρόνο και το χώρο Εντούτοις, τίποτε δεν με απασχολεί λιγότερο από αυτά επειδή ποτέ δεν τα σκέφτομαι Charles

Διαβάστε περισσότερα

Περιεχόμενο διδασκαλίας Στόχοι Παρατηρήσεις. υπολογίζουν το λόγο δύο λόγο δύο τμημάτων

Περιεχόμενο διδασκαλίας Στόχοι Παρατηρήσεις. υπολογίζουν το λόγο δύο λόγο δύο τμημάτων Νίκος Γ. Τόμπρος ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΩΝ Ενότητα : ΟΜΟΙΟΤΗΤΑ (ΛΟΓΟΣ ΑΝΑΛΟΓΙΑ) Σκοποί: Η ανάπτυξη ενδιαφέροντος για το θέμα, η εξοικείωση με τη χρήση τεχνολογίας, η παρότρυνση για αναζήτηση πληροφοριών (εδώ σε

Διαβάστε περισσότερα

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για

2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ (Backward Elimination Procedure) Στην στατιστική βιβλιογραφία υπάρχουν πολλές μέθοδοι για τον καθορισμό του καλύτερου υποσυνόλου από ένα σύνολο

Διαβάστε περισσότερα

Εφαρμοσμένα Μαθηματικά

Εφαρμοσμένα Μαθηματικά Εφαρμοσμένα Μαθηματικά ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ενότητα 6: Διπλά Ολοκληρώματα Δρ. Περικλής Παπαδόπουλος Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε Κάντε κλικ για

Διαβάστε περισσότερα

Αναδρομικοί Αλγόριθμοι

Αναδρομικοί Αλγόριθμοι Αναδρομικός αλγόριθμος (recursive algorithm) Επιλύει ένα πρόβλημα λύνοντας ένα ή περισσότερα στιγμιότυπα του ίδιου προβλήματος. Αναδρομικός αλγόριθμος (recursive algorithm) Επιλύει ένα πρόβλημα λύνοντας

Διαβάστε περισσότερα

Μοντέλα Παλινδρόμησης. Άγγελος Μάρκος, Λέκτορας ΠΤ Ε, ΠΘ

Μοντέλα Παλινδρόμησης. Άγγελος Μάρκος, Λέκτορας ΠΤ Ε, ΠΘ Μοντέλα Παλινδρόμησης Άγγελος Μάρκος, Λέκτορας ΠΤ Ε, ΠΘ Εισαγωγή (1) Σε αρκετές περιπτώσεις επίλυσης προβλημάτων ενδιαφέρει η ταυτόχρονη μελέτη δύο ή περισσότερων μεταβλητών, για να προσδιορίσουμε με ποιο

Διαβάστε περισσότερα

Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων

Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ Καθηγητής κ. Σ. Νατσιάβας Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων Στοιχεία Φοιτητή Ονοματεπώνυμο: Νατσάκης Αναστάσιος Αριθμός Ειδικού Μητρώου:

Διαβάστε περισσότερα

Εξαγωγή Διανυσμάτων Δοκιμής. Δημήτρης Νικολός, Τμήμα Μηχ. Ηλεκτρονικών Υπολογιστών και Πληροφορικής, Παν. Πατρών

Εξαγωγή Διανυσμάτων Δοκιμής. Δημήτρης Νικολός, Τμήμα Μηχ. Ηλεκτρονικών Υπολογιστών και Πληροφορικής, Παν. Πατρών Εξαγωγή Διανυσμάτων Δοκιμής Δημήτρης Νικολός, Τμήμα Μηχ. Ηλεκτρονικών Υπολογιστών και Πληροφορικής, Παν. Πατρών Περίγραμμα ργρ Παρουσίασης Είδη Συνόλων Δοκιμής Ντετερμινιστικά σύνολα δοκιμής Συμβολισμοί

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση

Διαβάστε περισσότερα

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών

Διαβάστε περισσότερα

Παράρτημα Ι. 1 Το ισόχρονο της ταλάντωσης επί κυκλοειδούς

Παράρτημα Ι. 1 Το ισόχρονο της ταλάντωσης επί κυκλοειδούς Παράρτημα Ι 1 Το ισόχρονο της ταλάντωσης επί κυκλοειδούς Ας θεωρήσουμε μια κυκλική στεφάνη ακτίνας a η οποία κυλίεται, χωρίς να ολισθαίνει, πάνω σε μια ευθεία (για ευκολία υποθέστε ότι η ευθεία είναι ο

Διαβάστε περισσότερα

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ

ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Δ.Φουσκάκης- Πολυδιάστατες Τυχαίες Μεταβλητές 1 ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Συνάρτηση Κατανομής: Έστω Χ=(Χ 1,,Χ ) T τυχαίο διάνυσμα (τ.δ). Ονομάζουμε συνάρτηση κατανομής πιθανότητας (σ.κ.π.) του τ.δ.

Διαβάστε περισσότερα

ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ

ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ 1ΗΣ ΣΕΛΙΔΑΣ ΘΕΜΑ Α ΑΝΑΚΕΦΑΛΑΙΩΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ Γ' ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΕΜΠΤΗ 26 ΑΠΡΙΛΙΟΥ 2012 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ (ΚΥΚΛΟΥ

Διαβάστε περισσότερα

Π ΑΝΕΠΙΣΤΗΜΙΟ Π ΑΤΡΩΝ Π ΟΛΥΤΕΧΝΙΚΗ Σ ΧΟΛΗ Τ ΜΗΜΑ Μ ΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ Π ΛΗΡΟΦΟΡΙΚΗΣ Κ ΑΤΑΝΕΜΗΜΕΝΑ Σ ΥΣΤΗΜΑΤΑ ΙΙ

Π ΑΝΕΠΙΣΤΗΜΙΟ Π ΑΤΡΩΝ Π ΟΛΥΤΕΧΝΙΚΗ Σ ΧΟΛΗ Τ ΜΗΜΑ Μ ΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ Π ΛΗΡΟΦΟΡΙΚΗΣ Κ ΑΤΑΝΕΜΗΜΕΝΑ Σ ΥΣΤΗΜΑΤΑ ΙΙ Π ΑΝΕΠΙΣΤΗΜΙΟ Π ΑΤΡΩΝ Π ΟΛΥΤΕΧΝΙΚΗ Σ ΧΟΛΗ Τ ΜΗΜΑ Μ ΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ Π ΛΗΡΟΦΟΡΙΚΗΣ Κ ΑΤΑΝΕΜΗΜΕΝΑ Σ ΥΣΤΗΜΑΤΑ ΙΙ Αδάμ Γιώργος Γκορτσίλας Δημήτρης Οικονομίδης Γιάννης 2009 TARIFA Project 1. Περιγραφή προβλήματος-αρχιτεκτονική

Διαβάστε περισσότερα

ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ

ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΔΑΚΤΙΚΗ της ΠΛΗΡΟΦΟΡΙΚΗΣ Μ. Γρηγοριάδου Ρ. Γόγουλου Ενότητα: Η Διδασκαλία του Προγραμματισμού Περιεχόμενα Παρουσίασης

Διαβάστε περισσότερα

ΟΜΑΔΑ Ε ΓΕΩΡΓΙΟΥ ΦΩΤΕΙΝΗ ΗΛΙΟΥΔΗ ΑΦΡΟΔΙΤΗ ΜΕΤΑΛΛΙΔΟΥ ΧΡΥΣΗ ΝΙΖΑΜΗΣ ΑΛΕΞΑΝΔΡΟΣ ΤΖΗΚΑΛΑΓΙΑΣ ΑΝΔΡΕΑΣ ΤΡΙΓΚΑΣ ΑΓΓΕΛΟΣ

ΟΜΑΔΑ Ε ΓΕΩΡΓΙΟΥ ΦΩΤΕΙΝΗ ΗΛΙΟΥΔΗ ΑΦΡΟΔΙΤΗ ΜΕΤΑΛΛΙΔΟΥ ΧΡΥΣΗ ΝΙΖΑΜΗΣ ΑΛΕΞΑΝΔΡΟΣ ΤΖΗΚΑΛΑΓΙΑΣ ΑΝΔΡΕΑΣ ΤΡΙΓΚΑΣ ΑΓΓΕΛΟΣ ΟΜΑΔΑ Ε ΓΕΩΡΓΙΟΥ ΦΩΤΕΙΝΗ ΗΛΙΟΥΔΗ ΑΦΡΟΔΙΤΗ ΜΕΤΑΛΛΙΔΟΥ ΧΡΥΣΗ ΝΙΖΑΜΗΣ ΑΛΕΞΑΝΔΡΟΣ ΤΖΗΚΑΛΑΓΙΑΣ ΑΝΔΡΕΑΣ ΤΡΙΓΚΑΣ ΑΓΓΕΛΟΣ Η ΔΙΔΑΣΚΑΛΙΑ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΟ ΛΥΚΕΙΟ Εισαγωγή Η μεγάλη ανάπτυξη και ο ρόλος που

Διαβάστε περισσότερα

ιδάσκων: ηµήτρης Ζεϊναλιπούρ

ιδάσκων: ηµήτρης Ζεϊναλιπούρ Κεφάλαιο 1.3-1.4: Εισαγωγή Στον Προγραµµατισµό ( ιάλεξη 2) ιδάσκων: ηµήτρης Ζεϊναλιπούρ Περιεχόµενα Εισαγωγικές Έννοιες - Ορισµοί Ο κύκλος ανάπτυξης προγράµµατος Παραδείγµατα Πότε χρησιµοποιούµε υπολογιστή?

Διαβάστε περισσότερα

Matrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι. Αλγόριθμοι» Γ. Καούρη Β. Μήτσου

Matrix Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι. Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Matrix Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Γ. Καούρη Β. Μήτσου Περιεχόμενα παρουσίασης Πολλαπλασιασμός πίνακα με διάνυσμα Πολλαπλασιασμός πινάκων Επίλυση τριγωνικού

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

Προγραμματιστικές Ασκήσεις, Φυλλάδιο 1

Προγραμματιστικές Ασκήσεις, Φυλλάδιο 1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΣΕ C Προγραμματιστικές Ασκήσεις, Φυλλάδιο Εκφώνηση: 9/3/0 Παράδοση: 5/4/0,.59 Άσκηση 0 η : Το πρόβλημα της βελόνας του Buffon Θέμα της εργασίας

Διαβάστε περισσότερα

Τράπεζα Θεμάτων Διαβαθμισμένης Δυσκολίας-Μαθηματικά Ομάδας Προσανατολισμού Θετικών Σπουδών ΟΜΑΔΑΣ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ Β Λ Υ Κ Ε Ι Ο Υ

Τράπεζα Θεμάτων Διαβαθμισμένης Δυσκολίας-Μαθηματικά Ομάδας Προσανατολισμού Θετικών Σπουδών ΟΜΑΔΑΣ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ Β Λ Υ Κ Ε Ι Ο Υ Μ Α Θ Η Μ Α Τ Ι Κ Α ΟΜΑΔΑΣ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΣΠΟΥΔΩΝ Β Λ Υ Κ Ε Ι Ο Υ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΔΙΑΒΑΘΜΙΣΜΕΝΗΣ ΔΥΣΚΟΛΙΑΣ Σχολικό έτος : 04-05 Τα θέματα εμπλουτίζονται με την δημοσιοποίηση και των νέων θεμάτων

Διαβάστε περισσότερα

5.1. Προσδοκώμενα αποτελέσματα

5.1. Προσδοκώμενα αποτελέσματα 5.1. Προσδοκώμενα αποτελέσματα Όταν θα έχεις ολοκληρώσει τη μελέτη αυτού του κεφαλαίου θα έχεις κατανοήσει τις τεχνικές ανάλυσης των αλγορίθμων, θα μπορείς να μετράς την επίδοση των αλγορίθμων με βάση

Διαβάστε περισσότερα

Τανυστές στην Κβαντομηχανική Κβαντική Πληροφορική

Τανυστές στην Κβαντομηχανική Κβαντική Πληροφορική Αθανάσιος Χρ. Τζέμος Τομέας Θεωρητικής Φυσική Τανυστές στην Κβαντομηχανική Κβαντική Πληροφορική Το ζήτημα των τανυστών είναι πολύ σημαντικό τόσο για την Κβαντομηχανική, όσο και για τη Σχετικότητα. Οι δύο

Διαβάστε περισσότερα

Εισαγωγή στην Κανονική Κατανομή. Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη

Εισαγωγή στην Κανονική Κατανομή. Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη Εισαγωγή στην Κανονική Κατανομή Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη Ένα πρόβλημα Πρόβλημα: Ένας μαθητής είχε επίδοση στο τεστ Μαθηματικών 18 και στο τεστ

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι Πανεπιστημίου Πειραιώς) Τηλ.: 4..97,,, Fax : 4..634 URL : www.vtal.gr emal: f@vtal.gr Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Αποκατάσταση εικόνας Αφαίρεση Θορύβου Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Αποκατάσταση

Διαβάστε περισσότερα

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012 ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ Δίνονται τα εξής πρότυπα: [ ] [ ] [ ] [ ] Άσκηση η (3 μονάδες) Χρησιμοποιώντας το κριτήριο της ομοιότητας να απορριφθεί ένα χαρακτηριστικό με βάση το συντελεστή συσχέτισης. (γράψτε ποιο

Διαβάστε περισσότερα

Λήψη αποφάσεων κατά Bayes

Λήψη αποφάσεων κατά Bayes Λήψη αποφάσεων κατά Bayes Σημειώσεις μαθήματος Thomas Bayes (1701 1761) Στυλιανός Χατζηδάκης ECE 662 Άνοιξη 2014 1. Εισαγωγή Οι σημειώσεις αυτές βασίζονται στο μάθημα ECE662 του Πανεπιστημίου Purdue και

Διαβάστε περισσότερα

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ ΙΙ

ΘΕΩΡΗΤΙΚΗ ΜΗΧΑΝΙΚΗ ΙΙ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΤΟΜΕΑΣ ΑΣΤΡΟΝΟΜΙΑΣ ΑΣΤΡΟΦΥΣΙΚΗΣ ΚΑΙ ΜΗΧΑΝΙΚΗΣ ΣΠΟΥΔΑΣΤΗΡΙΟ ΜΗΧΑΝΙΚΗΣ ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΤΙΚΗΣ ΔΥΝΑΜΙΚΗΣ ( Μεθοδολογία- Παραδείγματα ) Κλεομένης Γ. Τσιγάνης

Διαβάστε περισσότερα

Πληρουορική Γ Γσμμασίοσ

Πληρουορική Γ Γσμμασίοσ Πληρουορική Γ Γσμμασίοσ Προγραμματισμός και Αλγόριθμοι Από το και τημ Χελώμα στημ Ευριπίδης Βραχνός http://evripides.mysch.gr/ 2014 2015 1 Προγραμματισμός Ζάννειο Πρότυπο Πειραματικό Γυμνάσιο Πειραιά Ενότητα:

Διαβάστε περισσότερα

Παράρτημα Έκδοση 2014

Παράρτημα Έκδοση 2014 Παράρτημα Έκδοση 2014 Βελτιώσεις και αλλαγές στην εμφάνιση και την λειτουργικότητα των προγραμμάτων Αντιγραφή συνδέσεων και αντιγραφή με εφαρμογή σε πολλαπλές θέσεις ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή... 2 2. Βελτιώσεις

Διαβάστε περισσότερα

3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling)

3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling) 3 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratfed Radom Samplg) Είναι προφανές από τα τυπικά σφάλματα των εκτιμητριών των προηγούμενων παραγράφων, ότι ένας τρόπος να αυξηθεί η ακρίβεια τους είναι να αυξηθεί

Διαβάστε περισσότερα

ΔΙΑΝΥΣΜΑΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ. ΘΕΜΑ 2ο

ΔΙΑΝΥΣΜΑΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ. ΘΕΜΑ 2ο Β ΛΥΚΕΙΟΥ ΚΑΤΕΥΘΥΝΣΗ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΔΙΑΝΥΣΜΑΤΑ ΠΟΛΛΑΠΛΑΣΙΑΣΜΟΣ ΑΡΙΘΜΟΥ ΜΕ ΔΙΑΝΥΣΜΑ ΘΕΜΑ ο ΘΕΜΑ 8603 Δίνεται τρίγωνο και σημεία και του επιπέδου τέτοια, ώστε 5 και 5. α) Να γράψετε το διάνυσμα ως γραμμικό

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,

Διαβάστε περισσότερα

ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΤΗΣ Β ΛΥΚΕΙΟΥ

ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΤΗΣ Β ΛΥΚΕΙΟΥ ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΤΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΤΗΣ Β ΛΥΚΕΙΟΥ Διανύσματα Πολλαπλασιασμός αριθμού με διάνυσμα ο Θέμα _8603 Δίνεται τρίγωνο ΑΒΓ και σημεία Δ και Ε του επιπέδου τέτοια, ώστε 5 και

Διαβάστε περισσότερα

Κεφάλαιο 4 Διανυσματικοί Χώροι

Κεφάλαιο 4 Διανυσματικοί Χώροι Κεφάλαιο Διανυσματικοί Χώροι Διανυσματικοί χώροι - Βασικοί ορισμοί και ιδιότητες Θεωρούμε τρία διαφορετικά σύνολα: Διανυσματικοί Χώροι α) Το σύνολο διανυσμάτων (πινάκων με μία στήλη) με στοιχεία το οποίο

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2Ο : Η ΕΥΘΕΙΑ ΣΤΟ ΕΠΙΠΕΔΟ ΒΑΣΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ

ΚΕΦΑΛΑΙΟ 2Ο : Η ΕΥΘΕΙΑ ΣΤΟ ΕΠΙΠΕΔΟ ΒΑΣΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ ΚΕΦΑΛΑΙΟ Ο : Η ΕΥΘΕΙΑ ΣΤΟ ΕΠΙΠΕΔΟ ΒΑΣΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ. Ένα σημείο Μ(x,y) ανήκει σε μια γραμμή C αν και μόνο αν επαληθεύει την εξίσωσή της. Π.χ. :

Διαβάστε περισσότερα

Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB )

Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια πρώτη ιδέα για το μάθημα χωρίς καθόλου εξισώσεις!!! Περίγραμμα του μαθήματος χωρίς καθόλου εξισώσεις!!! Παραδείγματα από πραγματικές εφαρμογές ==

Διαβάστε περισσότερα

Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Βήματα προς τη δημιουργία εκτελέσιμου κώδικα

Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Βήματα προς τη δημιουργία εκτελέσιμου κώδικα Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Βήματα προς τη δημιουργία εκτελέσιμου κώδικα Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Βήματα προς τη δημιουργία εκτελέσιμου κώδικα

Διαβάστε περισσότερα

Πρόβλεψη αποτελεσμάτων ποδοσφαιρικών αγώνων βάσει του ιστορικού των αναμετρήσεων

Πρόβλεψη αποτελεσμάτων ποδοσφαιρικών αγώνων βάσει του ιστορικού των αναμετρήσεων Πολυτεχνείο Κρήτης Αυτόνομοι Πράκτορες 2012-2013 Πρόβλεψη αποτελεσμάτων ποδοσφαιρικών αγώνων βάσει του ιστορικού των αναμετρήσεων Δουγιάκης Λάζαρος 13 Πρόβλεψη αποτελεσμάτων ποδοσφαιρικών αγώνων βάσει

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ Η ΣΥΝΟΡΘΩΣΗ ΤΩΝ ΟΡΙΖΟΝΤΙΩΝ ΔΙΚΤΥΩΝ (ΤΟ ΣΥΣΤΗΜΑ ΤΩΝ ΚΑΝΟΝΙΚΩΝ ΕΞΙΣΩΣΕΩΝ)

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ Η ΣΥΝΟΡΘΩΣΗ ΤΩΝ ΟΡΙΖΟΝΤΙΩΝ ΔΙΚΤΥΩΝ (ΤΟ ΣΥΣΤΗΜΑ ΤΩΝ ΚΑΝΟΝΙΚΩΝ ΕΞΙΣΩΣΕΩΝ) ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ Η ΣΥΝΟΡΘΩΣΗ ΤΩΝ ΟΡΙΖΟΝΤΙΩΝ ΔΙΚΤΥΩΝ (ΤΟ ΣΥΣΤΗΜΑ ΤΩΝ ΚΑΝΟΝΙΚΩΝ ΕΞΙΣΩΣΕΩΝ) Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ 3ο εξάμηνο http://eclass.teiath.gr

Διαβάστε περισσότερα

Απόστολος Μιχαλούδης

Απόστολος Μιχαλούδης ΔΙΔΑΣΚΑΛΙΑ ΦΥΣΙΚΗΣ ΜΕ ΤΗ ΧΡΗΣΗ ΠΡΟΣΟΜΟΙΩΣΕΩΝ Ανάπτυξη και εφαρμογή διδακτικών προσομοιώσεων Φυσικής σε θέματα ταλαντώσεων και κυμάτων Απόστολος Μιχαλούδης υπό την επίβλεψη του αν. καθηγητή Ευριπίδη Χατζηκρανιώτη

Διαβάστε περισσότερα

Συμβολή κυμάτων και σύνθεση ταλαντώσεων.

Συμβολή κυμάτων και σύνθεση ταλαντώσεων. Συμβολή κυμάτων και σύνθεση ταλαντώσεων. Δύο σύγχρονες πηγές κυμάτων Π και Π αρχίζουν τη χρονική στιγμή t = 0 να εκτελούν στην αρχικά ήρεμη επιφάνεια υγρού αρμονική ταλάντωση της μορφής 0,4 4 t, (SI).

Διαβάστε περισσότερα

ΚΙΝΗΜΑΤΙΚΟΣ ΕΝΤΟΠΙΣΜΟΣ GNSS/INS: ΑΠΟ ΤΑ ΕΛΑΧΙΣΤΑ

ΚΙΝΗΜΑΤΙΚΟΣ ΕΝΤΟΠΙΣΜΟΣ GNSS/INS: ΑΠΟ ΤΑ ΕΛΑΧΙΣΤΑ Δορυφορική Γεωδαισία Σύγχρονα Συστήματα και Εφαρμογές Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Τοπογραφίας ΤΕΙ Αθήνας, 26 Μαΐου 2010 ΚΙΝΗΜΑΤΙΚΟΣ ΕΝΤΟΠΙΣΜΟΣ GNSS/INS: ΑΠΟ ΤΑ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ ΣΤΑ ΜΟΝΤΕΛΑ ΜΗΧΑΝΙΚΗΣ

Διαβάστε περισσότερα

ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ. ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ

ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ. ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ ΤΕΙ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ ΓΙΑΝΝΗΣ ΦΑΝΟΥΡΓΙΑΚΗΣ ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΣΥΝΕΡΓΑΤΗΣ ΤΕΙ ΚΡΗΤΗΣ ΔΟΜΗ ΠΑΡΟΥΣΙΑΣΗΣ 1. Εισαγωγή

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1 Ο ΔΙΑΝΥΣΜΑΤΑ

ΚΕΦΑΛΑΙΟ 1 Ο ΔΙΑΝΥΣΜΑΤΑ ΘΕΜΑΤΑ ΚΑΙ ΑΠΑΝΤΗΣΕΙΣ ΤΗΣ ΤΡΑΠΕΖΑΣ ΘΕΜΑΤΩΝ ΓΙΑ ΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΟΥ Β ΛΥΚΕΙΟΥ ΣΧΟΛΙΚΟ ΕΤΟΣ 014-015 ΚΕΦΑΛΑΙΟ 1 Ο ΔΙΑΝΥΣΜΑΤΑ 1. ΘΕΜΑ ΚΩΔΙΚΟΣ_18556 Δίνονται τα διανύσματα α και β με ^, και,. α Να

Διαβάστε περισσότερα

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis)

Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η ΜΕΘΟΔΟΣ PCA (Principle Component Analysis) Η μέθοδος PCA (Ανάλυση Κύριων Συνιστωσών), αποτελεί μία γραμμική μέθοδο συμπίεσης Δεδομένων η οποία συνίσταται από τον επαναπροσδιορισμό των συντεταγμένων ενός

Διαβάστε περισσότερα

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n.. Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας

Διαβάστε περισσότερα

f x και τέσσερα ζευγάρια σημείων

f x και τέσσερα ζευγάρια σημείων ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 014 015, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΑΡΙΘΜΗΤΙΚΗ ΠΑΡΕΜΒΟΛΗ Ημερομηνία ανάρτησης εργασίας στην ιστοσελίδα του μαθήματος: 1 11 014 Ημερομηνία παράδοσης εργασίας: 18 11 014 Επιμέλεια απαντήσεων:

Διαβάστε περισσότερα

1,y 1) είναι η C : xx yy 0.

1,y 1) είναι η C : xx yy 0. ΘΕΜΑ Α ΔΕΙΓΜΑΤΑ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ ΜΑΙΟΥ-ΙΟΥΝΙΟΥ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ ο δείγμα Α. Αν α, β δύο διανύσματα του επιπέδου με συντελεστές διεύθυνσης λ και λ αντίστοιχα, να αποδείξετε ότι α β λ λ.

Διαβάστε περισσότερα

2.3 ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ

2.3 ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ ΕΠΙΜΕΛΕΙΑ : ΠΑΛΑΙΟΛΟΓΟΥ ΠΑΥΛΟΣ.ptetragono.gr Σελίδα. ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ ΑΡΙΘΜΟΥ Να βρεθεί το μέτρο των μιγαδικών :..... 0 0. 5 5 6.. 0 0. 5. 5 5 0 0 0 0 0 0 0 0 ΜΕΘΟΔΟΛΟΓΙΑ : ΜΕΤΡΟ ΜΙΓΑΔΙΚΟΥ Αν τότε. Αν χρειαστεί

Διαβάστε περισσότερα

Αναλυτικά Λυμένες Βασικές Ασκήσεις κατάλληλες για την 1 η επανάληψη στα Μαθηματικά Κατεύθυνσης της Β ΛΥΚΕΙΟΥ

Αναλυτικά Λυμένες Βασικές Ασκήσεις κατάλληλες για την 1 η επανάληψη στα Μαθηματικά Κατεύθυνσης της Β ΛΥΚΕΙΟΥ Αναλυτικά Λυμένες Βασικές Ασκήσεις κατάλληλες για την η επανάληψη στα Μαθηματικά Κατεύθυνσης της Β ΛΥΚΕΙΟΥ Κάνε τα πράγματα με μεγαλοπρέπεια, σωστά και με στυλ. ΦΡΕΝΤ ΑΣΤΕΡ Θέμα Σε ένα σύστημα αξόνων οι

Διαβάστε περισσότερα

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ «ΕΝΤΟΠΙΣΜΟΣ ΑΝΤΙΚΕΙΜΕΝΩΝ ΑΠΟ ΠΟΛΛΑΠΛΕΣ ΚΑΜΕΡΕΣ»

ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ «ΕΝΤΟΠΙΣΜΟΣ ΑΝΤΙΚΕΙΜΕΝΩΝ ΑΠΟ ΠΟΛΛΑΠΛΕΣ ΚΑΜΕΡΕΣ» Πολυτεχνείο Κρήτης Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ «ΕΝΤΟΠΙΣΜΟΣ ΑΝΤΙΚΕΙΜΕΝΩΝ ΑΠΟ ΠΟΛΛΑΠΛΕΣ ΚΑΜΕΡΕΣ» Φοιτήτρια: Αναστασία Πεντάρη ΑΜ: 2005030009 Επιτροπή: Ζερβάκης

Διαβάστε περισσότερα

και 2, 2 2 είναι κάθετα να βρείτε την τιμή του κ. γ) Αν στο τρίγωνο ΑΒΓ επιπλέον ισχύει Α(3,1), να βρείτε τις συντεταγμένες των κορυφών του Β και Γ.

και 2, 2 2 είναι κάθετα να βρείτε την τιμή του κ. γ) Αν στο τρίγωνο ΑΒΓ επιπλέον ισχύει Α(3,1), να βρείτε τις συντεταγμένες των κορυφών του Β και Γ. Β ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ (ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ) 8556 ΘΕΜΑ Δίνονται τα διανύσματα και με, και, 3 α) Να βρείτε το εσωτερικό γινόμενο β) Αν τα διανύσματα γ) Να βρείτε το μέτρο του διανύσματος 8558 ΘΕΜΑ

Διαβάστε περισσότερα

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία

Διαβάστε περισσότερα

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ

Αναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Αναγνώριση Προτύπων Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Χριστόδουλος Χαμζάς Τα περιεχόμενο της παρουσίασης βασίζεται στο βιβλίο: Introduction to Pattern Recognition A Matlab Approach, S. Theodoridis,

Διαβάστε περισσότερα

Ανακατασκευή εικόνας από προβολές

Ανακατασκευή εικόνας από προβολές Ανακατασκευή εικόνας από προβολές Μέθοδος ανακατασκευής με χρήση χαρακτηριστικών δειγμάτων προβολής Αναστάσιος Κεσίδης Δρ. Ηλεκτρολόγος Μηχανικός Θέματα που θα αναπτυχθούν Εισαγωγή στις τομογραφικές μεθόδους

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 Ο. Ι) ΚΥΚΛΟΣ 1. Να βρεθεί η εξίσωση του κύκλου που έχει κέντρο το O(0,0) και ι) διέρχεται από το Α( 4, 3) και ιι) εφάπτεται στην 4x 3y+10=0

ΚΕΦΑΛΑΙΟ 3 Ο. Ι) ΚΥΚΛΟΣ 1. Να βρεθεί η εξίσωση του κύκλου που έχει κέντρο το O(0,0) και ι) διέρχεται από το Α( 4, 3) και ιι) εφάπτεται στην 4x 3y+10=0 ΚΕΦΑΛΑΙΟ 3 Ο Ι) ΚΥΚΛΟΣ 1. Να βρεθεί η εξίσωση του κύκλου που έχει κέντρο το O(0,0) και ι) διέρχεται από το Α( 4, 3) και ιι) εφάπτεται στην 4x 3y+10=0 2. Να βρεθεί η εξίσωση της εφαπτομένης του κύκλου x

Διαβάστε περισσότερα

K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων

K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Η έννοια του συνδυαστικού

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ. 1. Γενικά... 2. 2. Γεωμετρία κάτοψης ορόφων... 2. 3. Ορισμός "ελαστικού" άξονα κτιρίου... 2. 4. Προσδιορισμός του κυρίου συστήματος...

ΠΕΡΙΕΧΟΜΕΝΑ. 1. Γενικά... 2. 2. Γεωμετρία κάτοψης ορόφων... 2. 3. Ορισμός ελαστικού άξονα κτιρίου... 2. 4. Προσδιορισμός του κυρίου συστήματος... ΠΕΡΙΕΧΟΜΕΝΑ 1. Γενικά... 2 2. Γεωμετρία κάτοψης ορόφων... 2 3. Ορισμός "ελαστικού" άξονα κτιρίου.... 2 4. Προσδιορισμός του κυρίου συστήματος.... 3 5. Στρεπτική ευαισθησία κτιρίου... 3 6. Εκκεντρότητες

Διαβάστε περισσότερα

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική II Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης ίκτυα Bayes σηµασιολογία Πλεονεκτήµατα συµπαγής αναπαράσταση

Διαβάστε περισσότερα

Δυναμική Μηχανών I. Διάλεξη 3. Χειμερινό Εξάμηνο 2013 Τμήμα Μηχανολόγων Μηχ., ΕΜΠ

Δυναμική Μηχανών I. Διάλεξη 3. Χειμερινό Εξάμηνο 2013 Τμήμα Μηχανολόγων Μηχ., ΕΜΠ Δυναμική Μηχανών I Διάλεξη 3 Χειμερινό Εξάμηνο 2013 Τμήμα Μηχανολόγων Μηχ., ΕΜΠ Περιεχόμενα: Διακριτή Μοντελοποίηση Μηχανικών Συστημάτων Επανάληψη: Διακριτά στοιχεία μηχανικών δυναμικών συστημάτων Δυναμικά

Διαβάστε περισσότερα

Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC

Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Μπεϋζιανή Στατιστική και MCMC Μέρος 2 ο : MCMC Περιεχόμενα Μαθήματος Εισαγωγή στο Πρόβλημα. Monte Carlo Εκτιμητές. Προσομοίωση. Αλυσίδες Markov. Αλγόριθμοι MCMC (Metropolis Hastings & Gibbs Sampling).

Διαβάστε περισσότερα

ΕΝΟΤΗΤΑ 12 ΠΡΑΞΕΙΣ ΜΕΧΡΙ ΤΟ 20

ΕΝΟΤΗΤΑ 12 ΠΡΑΞΕΙΣ ΜΕΧΡΙ ΤΟ 20 ΠΡΑΞΕΙΣ ΜΕΧΡΙ ΤΟ 20 ΔΕΙΚΤΕΣ ΕΠΙΤΥΧΙΑΣ ΑΡΙΘΜΟΙ Διερεύνηση αριθμών Αρ 1.6 Συνθέτουν και αναλύουν αριθμούς μέχρι το 100 με βάση την αξία θέσης ψηφίου, χρησιμοποιώντας αντικείμενα, εικόνες, και σύμβολα. Αρ

Διαβάστε περισσότερα

ΑΞΙΟΠΙΣΤΙΑ ΥΛΙΚΟΥ ΚΑΙ ΛΟΓΙΣΜΙΚΟΥ

ΑΞΙΟΠΙΣΤΙΑ ΥΛΙΚΟΥ ΚΑΙ ΛΟΓΙΣΜΙΚΟΥ ΑΞΙΟΠΙΣΤΙΑ ΥΛΙΚΟΥ ΚΑΙ ΛΟΓΙΣΜΙΚΟΥ Εισαγωγή Ηεµφάνιση ηλεκτρονικών υπολογιστών και λογισµικού σε εφαρµογές µε υψηλές απαιτήσεις αξιοπιστίας, όπως είναι διαστηµικά προγράµµατα, στρατιωτικές τηλεπικοινωνίες,

Διαβάστε περισσότερα

ΤΕΧΝΙΚΗ ΜΗΧΑΝΙΚΗ Ι ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ- ΥΝΑΜΕΙΣ ΣΤΟ ΕΠΙΠΕ Ο ΚΑΙ ΣΤΟ

ΤΕΧΝΙΚΗ ΜΗΧΑΝΙΚΗ Ι ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ- ΥΝΑΜΕΙΣ ΣΤΟ ΕΠΙΠΕ Ο ΚΑΙ ΣΤΟ ΤΕΧΝΙΚΗ ΜΗΧΑΝΙΚΗ Ι ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ- ΥΝΑΜΕΙΣ ΣΤΟ ΕΠΙΠΕ Ο ΚΑΙ ΣΤΟ ΧΩΡΟ Στη συνέχεια θα δοθούν ορισμένες βασικές έννοιες μαθηματικών και φυσικήςμηχανικής που είναι απαραίτητες για την κατανόηση του μαθήματος

Διαβάστε περισσότερα

ΡΥΘΜΙΣΤΙΚΗ ΑΡΧΗ ΕΝΕΡΓΕΙΑΣ ΔΗΜΟΣΙΑ ΔΙΑΒΟΥΛΕΥΣΗ

ΡΥΘΜΙΣΤΙΚΗ ΑΡΧΗ ΕΝΕΡΓΕΙΑΣ ΔΗΜΟΣΙΑ ΔΙΑΒΟΥΛΕΥΣΗ ΡΥΘΜΙΣΤΙΚΗ ΑΡΧΗ ΕΝΕΡΓΕΙΑΣ ΔΗΜΟΣΙΑ ΔΙΑΒΟΥΛΕΥΣΗ Τροποποιήσεις του Κώδικα Διαχείρισης του Συστήματος και Συναλλαγών Ηλεκτρικής Ενέργειας σχετικά με την εισαγωγή Αγοράς Τριτεύουσας και τη μεθοδολογίας επίλυσης

Διαβάστε περισσότερα

Μέθοδος μέγιστης πιθανοφάνειας

Μέθοδος μέγιστης πιθανοφάνειας Μέθοδος μέγιστης πιθανοφάνειας Αν x =,,, παρατηρήσεις των Χ =,,,, τότε έχουμε διαθέσιμο ένα δείγμα Χ={Χ, =,,,} της κατανομής F μεγέθους με από κοινού σ.κ. της Χ f x f x Ορισμός : Θεωρούμε ένα τυχαίο δείγμα

Διαβάστε περισσότερα

ΕΝΤΑΣΗ ΗΛΕΚΤΡΙΚΟΥ ΡΕΥΜΑΤΟΣ (Ε.Χαραλάμπους)

ΕΝΤΑΣΗ ΗΛΕΚΤΡΙΚΟΥ ΡΕΥΜΑΤΟΣ (Ε.Χαραλάμπους) ΕΝΤΑΣΗ ΗΛΕΚΤΡΙΚΟΥ ΡΕΥΜΑΤΟΣ (Ε.Χαραλάμπους) Όνομα Παιδιού: Ναταλία Ασιήκαλη ΤΙΤΛΟΣ ΔΙΕΡΕΥΝΗΣΗΣ: Πως οι παράγοντες υλικό, μήκος και πάχος υλικού επηρεάζουν την αντίσταση και κατ επέκταση την ένταση του ρεύματος

Διαβάστε περισσότερα

(Γραμμικές) Αναδρομικές Σχέσεις

(Γραμμικές) Αναδρομικές Σχέσεις (Γραμμικές) Αναδρομικές Σχέσεις ιδάσκοντες: Φ. Αφράτη,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Αναδρομικές Σχέσεις Αναπαράσταση

Διαβάστε περισσότερα

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Με τον όρο μη γραμμικές εξισώσεις εννοούμε εξισώσεις της μορφής: f( ) 0 που προέρχονται από συναρτήσεις f () που είναι μη γραμμικές ως προς. Περιέχουν δηλαδή

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.

Διαβάστε περισσότερα

Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης

Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης Πανεπιστήμιο Πατρών Τμήμα Μηχ. Η/Υ & Πληροφορικής Ακαδημαϊκό Έτος 009-010 Ψ Η Φ Ι Α Κ Ε Σ Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι ΕΣ η Εργαστηριακή Άσκηση: Εξομοίωση Τηλεπικοινωνιακού Συστήματος Βασικής Ζώνης Στην άσκηση

Διαβάστε περισσότερα

Γραφικά Υπολογιστών: Σχεδίαση γραμμών (Bresenham), Σχεδίασης Κύκλων, Γέμισμα Πολυγώνων

Γραφικά Υπολογιστών: Σχεδίαση γραμμών (Bresenham), Σχεδίασης Κύκλων, Γέμισμα Πολυγώνων 1 ΤΕΙ Θεσσαλονίκης Τμήμα Πληροφορικής Γραφικά Υπολογιστών: Σχεδίαση γραμμών (Bresenham), Σχεδίασης Κύκλων, Γέμισμα Πολυγώνων Πασχάλης Ράπτης http://aetos.it.teithe.gr/~praptis praptis@it.teithe.gr 2 Περιγραφή

Διαβάστε περισσότερα