ιάγνωση και Επιδιόρθωση Βλαβών

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ιάγνωση και Επιδιόρθωση Βλαβών"

Transcript

1 Κεφάλαιο 26 ιάγνωση και Επιδιόρθωση Βλαβών Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

2 ιάγνωση και Επιδιόρθωση Βλαβών ιάγνωση: Παρατήρηση φυσικού συστήµατος που δυσλειτουργεί και ανεύρεση της αιτίας Επιδιόρθωση βλαβών (troubleshooting): Εντοπισµός βλαβών σε συσκευές και επιδιόρθωσή τους Υπονοεί διάγνωση Τεχνητή Νοηµοσύνη, B' Έκδοση 2

3 Χαρακτηριστικά Προβληµάτων ιάγνωσης (1/3) Αιτία βλάβης Εσωτερική, π.χ. χαλασµένο εξάρτηµα Εξωτερική, π.χ. βακτήριο που προσβάλλει ασθενή Ενδιάµεσοι έλεγχοι Π.χ., ένας µηχανικός διεξάγει ελέγχους στο εσωτερικό αυτοκινήτου για να εντοπίσει µια βλάβη µε µεγάλη ακρίβεια Ένας γιατρός έχει λιγότερες δυνατότητες ελέγχων για να εντοπίσει την αιτία µιας ασθένειας Αποµόνωση εσωτερικών εξαρτηµάτων Πειραµατισµοί χωρίς να επηρεαστεί το σύστηµα Π.χ., ένας τεχνικός υπολογιστών αφαιρεί από το σύστηµα µία κάρτα οθόνης και την ελέγχει ξεχωριστά σε άλλο υπολογιστή Ένας γιατρός δεν µπορεί να αποµονώσει όργανα του σώµατος, γιατί ο οργανισµός αντιδρά στις απόπειρες εξωτερικής παρέµβασης Τεχνητή Νοηµοσύνη, B' Έκδοση 3

4 Χαρακτηριστικά Προβληµάτων ιάγνωσης (2/3) Ακρίβεια διάγνωσης Εξαρτάται από: σοβαρότητα δυσλειτουργίας, κόστος και δυνατότητα επιδιόρθωσης, διαθέσιµο χρόνο Π.χ., ένας γιατρός χορηγεί αντιβιοτικό ευρέως φάσµατος προκειµένου να αντιµετωπίσει άµεσα µια λοίµωξη που δεν έχει προσδιορίσει επακριβώς. Ένας τεχνικός αυτοκινήτου προσπαθεί να εντοπίσει ακριβώς µια βλάβη και να αντικαταστήσει τα ελαττωµατικά εξαρτήµατα Χρονική µεταβολή συστήµατος Είναι οι βλάβες σταθερές καταστάσεις ή µεταβάλλονται στο χρόνο; Η διάγνωση λαµβάνει υπόψη τις ενδιάµεσες (χρονικά) καταστάσεις; Π.χ., µερικές ασθένειες έχουν περιοδικά συµπτώµατα, ενώ άλλες προοδευτικά Π.χ., κάθε επίσκεψη ασθενούς αντιµετωπίζεται ξεχωριστά ή υπάρχει ιστορικό; Π.χ., στα ηλεκτρονικά κυκλώµατα, µερικές βλάβες εµφανίζονται περιοδικά και κάτω από συγκεκριµένες συνθήκες Αλληλοεπικάλυψη διάγνωσης και επιδιόρθωσης βλαβών Οι ενέργειες διάγνωσης αποτελούν ταυτόχρονα και την επιδιόρθωση Π.χ., τεχνικός υπολογιστών προσπαθεί να εντοπίσει βλάβη στη µνήµη υπολογιστή Τεχνητή Νοηµοσύνη, B' Έκδοση 4

5 Γενικό Μοντέλο ιάγνωσης Χώρος των δεδοµένων (data space): Πεπερασµένο σύνολο πιθανών µετρήσεων που αναπαριστάνονται µε µεταβλητές υνατές τιµές: Το σύνολο τιµών µιας µεταβλητής (έγκυρες και µη) Κανονικές τιµές: Κανονική λειτουργία του συστήµατος Παρατηρούµενες τιµές: Μετρώνται από τα όργανα µέτρησης Προβλεπόµενες τιµές: Προβλέπονται από τις παρατηρήσεις και το µοντέλο Χώρος των υποθέσεων (hypothesis space): Όλες οι πιθανές αιτίες που µπορούν να προκαλέσουν δυσλειτουργία σε ένα σύστηµα Χώρος των θεραπειών-επιδιορθώσεων (therapy-repair space): Όλες οι ενέργειες που µπορούν να εκτελεστούν για να αντιµετωπιστεί κάποια δυσλειτουργία Μοντέλο συστήµατος: Περιγράφει τη δοµή και συµπεριφορά του συστήµατος και του περιβάλλοντος Υποθετικές δυσλειτουργίες και πρόβλεψη αποτελεσµάτων στο χώρο δεδοµένων Επιλογή υποθετικών θεραπειών και παρακολούθηση αποτελεσµάτων στο σύστηµα Τεχνητή Νοηµοσύνη, B' Έκδοση 5

6 Χώροι Αναζήτησης Λειτουργίες Λειτουργίες συλλογής δεδοµένων (data gathering operations) Λειτουργίες θεραπείας-επιδιόρθωσης (therapy-repair operations) Λειτουργίες επιλογής ηµιουργία εναλλακτικών υποθέσεων για τη διάγνωση Έλεγχος ορθότητας ιαχωρισµός ή διάκριση υποθέσεων βάσει των δεδοµένων του προβλήµατος Γενικεύσεις Υπάρχουν και για τους 3 χώρους αναζήτησης Κάποιος έχει υψηλό πυρετό - γενίκευση του γεγονότος ότι έχει πυρετό 40 Μία πλακέτα έχει πρόβληµα - γενίκευση της υπόθεσης ότι ένα συγκεκριµένο κύκλωµα αυτής της πλακέτας έχει πρόβληµα Κανόνες µε διάφορα επίπεδα γενίκευσης Ανάλογα µε τη λεπτοµέρεια δεδοµένων και υποθέσεων, καταλήγουν σε υποθέσεις και συµπεράσµατα αντίστοιχης λεπτοµέρειας. Τεχνητή Νοηµοσύνη, B' Έκδοση 6

7 Χώροι Αναζήτησης και Μοντέλο Συστήµατος για ιάγνωση Έλεγχος θεραπειών-επιδιορθώσεων Χώρος εδοµένων Γενίκευση εδοµένων Γενικευµένα εδοµένα Αναγνώριση ανώµαλων καταστάσεων ηµιουργία Εναλλακτικών Υποθέσεων Χώρος Υποθέσεων Γενικές Υποθέσεις Επιλογή Υποθέσεων Έλεγχος των Υποθέσεων ηµιουργία θεραπειών ή επιδιορθώσεων Χώρος Θεραπειών ή Επιδιορθώσεων Γενικό Πλάνο Θεραπείας- Επιδιόρθωσης Επιλογή Επιδιορθώσεων Συλλογή εδοµένων ιάκριση µεταξύ Υποθέσεων Υποθέσεις- Λύσεις Στοιχειώδεις Ενέργειες Επιδιόρθωσης Μοντέλο Συστήµατος Τεχνητή Νοηµοσύνη, B' Έκδοση 7

8 Βασικές Λειτουργίες της ιάγνωσης Αλληλεπίδραση παρατήρησης και πρόβλεψης Παρατήρηση: Όσα µπορεί κάποιος να δει ή να µετρήσει για ένα σύστηµα. Πρόβλεψη: Το µοντέλο καθορίζει της συµπεριφορά του συστήµατος Όταν υπάρχει ασυµφωνία, τότε το σύστηµα δυσλειτουργεί Πρέπει να ανιχνευθούν οι αιτίες της ασυµφωνίας. Αναγνώριση ανωµαλιών: Ανίχνευση ασυµφωνίας µεταξύ µοντέλου και τρέχουσας συµπεριφοράς του συστήµατος Ευριστική κατηγοριοποίηση ηµιουργία και έλεγχος υποθέσεων: ηµιουργούνται γενικές υποθέσεις που ταιριάζουν µε την παρατήρηση Οι υποθέσεις ελέγχονται αν εξηγούν τις ασυµφωνίες Οι υποθέσεις που εξηγούν τις ασυµφωνίες ταξινοµούνται βάσει κριτηρίων αξιολόγησης ιάκριση υποθέσεων: Όταν υπάρχουν πολλές υποθέσεις και χρειάζεται απόλυτη διάγνωση Γίνονται µετρήσεις, ώστε να αποκλείονται όλες οι υποθέσεις πλην µιας Οι µετρήσεις πρέπει να διαχωρίσουν µια υπόθεση µε το λιγότερο δυνατό κόστος Τεχνητή Νοηµοσύνη, B' Έκδοση 8

9 ηµιουργία και Έλεγχος Υποθέσεων Από τα συµπτώµατα προς τις υποθέσεις Πιθανώς εξηγούν τα συµπτώµατα ηµιουργία υποθέσεων: πρόβληµα αναζήτησης Οι υποθέσεις µικρής πιθανότητας δεν ελέγχονται Έλεγχος υπόθεσης: Σύγκριση προϋποθέσεων υπόθεσης µε τις παρατηρήσεις Αν προκύψουν ασυµφωνίες, η υπόθεση απορρίπτεται Θέµατα προς εξέταση: Είδος µοντέλου Πολυπλοκότητα βλάβης Ιεραρχία υποθέσεων Αλληλεπίδραση βλαβών Τεχνητή Νοηµοσύνη, B' Έκδοση 9

10 Παράδειγµα Συστήµατος προς ιάγνωση 2 1 Α1 Π1 Μ2 Μ1 Α2 Έξοδος 3 4 Π2 Μ3 Αi: αθροιστές (adder), Πi: πολλαπλασιαστές (multiplier) Χώρος δεδοµένων: όλες οι δυνατές τιµές εισόδου και εξόδου των ολοκληρωµένων Μετρήσεις: στα σηµεία εισόδου - εξόδου στις θέσεις Μi Τεχνητή Νοηµοσύνη, B' Έκδοση 10

11 Μοντέλα Συµπεριφοράς Μοντέλο Κατάσταση Πιθανότητα Έξοδος Αθροιστή Πολλαπλασιαστή λ (λειτουργική).9984 (in 1 + in 2 ) mod 2 5 β (βραχυκύκλωµα) σ (αποκοπή σηµαντικού bit).0009 (in 1 + in 2 ) mod 2 4 α (άγνωστη) λ (λειτουργική).9984 (in 1 * in 2 ) mod 2 5 β (βραχυκύκλωµα) σ (αποκοπή σηµαντικού bit).0010 (in 1 * in 2 ) mod 2 4 α (άγνωστη) Λειτουργία µε 5 δυαδικά ψηφία (bits) Τα παραπάνω ψηφία αποκόπτονται in i : είσοδοι ολοκληρωµένου Είδη βλαβών που µπορεί να παρουσιάσει ένα ολοκληρωµένο Πιθανότητά εµφάνισης (εργοστασιακές προδιαγραφές) Τεχνητή Νοηµοσύνη, B' Έκδοση 11

12 Είδος Μοντέλου (1/2) Κλειστό µοντέλο: Συγκεκριµένα µόνο είδη προβληµάτων που µπορούν να εµφανιστούν Ανοικτό µοντέλο: ιάγνωση βλαβών που δεν έχουν προβλεφθεί ρητά µέσω συλλογιστικής Σύνολο υποθέσεων: αιτίες που µπορούν να προκαλέσουν δυσλειτουργία Προσδιορισµός συνιστωσών του συστήµατος που θα µοντελοποιηθούν Παράδειγµα: Τα ολοκληρωµένα κυκλώµατα αποτελούν µέρος του µοντέλου Όχι οι γραµµές σύνδεσης Παρουσιάζουν προβλήµατα πολύ σπάνια εν µπορεί να αποκλειστεί (θεωρητικά) η δυσλειτουργία τους Καθορισµός βλαβών που θα διαγνώσκονται Παράδειγµα: Κάθε ολοκληρωµένο έχει 4 πιθανές καταστάσεις 1 ορθής λειτουργίας, 3 βλάβης Η 4 η περιλαµβάνει όλες τις αναπάντεχες βλάβες Τεχνητή Νοηµοσύνη, B' Έκδοση 12

13 Είδος Μοντέλου (2/2) Αλληλεπιδράσεις εξαρτηµάτων που προκαλούν δυσλειτουργίες Το κάθε ένα ξεχωριστά δεν εµφανίζει πρόβληµα Π.χ. ηλεκτροµαγνητικές αλληλεπιδράσεις µεταξύ κυκλωµάτων Όσο περισσότερες αιτίες µοντελοποιούνται, τόσο πιο δύσκολη γίνεται η διάγνωση. Συνδυαστική έκρηξη στην αναζήτηση Ιεράρχηση πιθανότητας εµφάνισης βλαβών Οµάδες υποθέσεων µε κριτήριο την πιθανότητα εµφάνισης Εξετάζονται πρώτα οι οµάδες των πιο πιθανών υποθέσεων Τεχνητή Νοηµοσύνη, B' Έκδοση 13

14 Πολυπλοκότητα Βλάβης Απλές Βλάβες: Το σύστηµα παρουσιάζει µόνο µια βλάβη κάθε φορά Πολλαπλές Βλάβες: Οι βλάβες επηρεάζουν η µία τα συµπτώµατα της άλλης Σειριακή εξέταση υποθέσεων: Οι υποθέσεις δεν αλληλεπιδρούν Τα συµπτώµατα εξετάζονται κατά σειρά σπουδαιότητας Όταν βρεθεί µια υπόθεση που εξηγεί κάποια συµπτώµατα, αυτά αφαιρούνται από το σύνολο συµπτωµάτων Μέχρι να εξηγηθούν όλες οι υποθέσεις και συµπτώµατα Αν δεν είναι δυνατό, γίνεται οπισθοδρόµηση και αναζητούνται άλλες υποθέσεις Σύνθετες υποθέσεις Ταυτόχρονη εµφάνιση πολλών απλούστερων υποθέσεων Μεγάλος αριθµός των σύνθετων υποθέσεων n εξαρτήµατα, k απλές βλάβες: σύνθετες υποθέσεις n!/(k!(n-k)!) Τεχνητή Νοηµοσύνη, B' Έκδοση 14

15 Παράδειγµα Σύνθετων Υποθέσεων 2 αθροιστές, 2 πολλαπλασιαστές, κάθε ένας έχει 3 καταστάσεις βλάβης 2 4 =16 σύνθετες υποθέσεις 0 βλάβες: 1 υπόθεση, 1 βλάβη: 4 υποθέσεις, 2 βλάβες: 6 υποθέσεις, 3 βλάβες: 4 υποθέσεις, 4 βλάβες: 1 υπόθεση Για κάθε σύνθετη υπόθεση υπολογίζεται η πιθανότητα Υπόθεση [Α2 σ ]: ο αθροιστής Α2 έχει µονίµως 0 στο πιο σηµαντικό ψηφίο εξόδου Τα υπόλοιπα 3 ολοκληρωµένα λειτουργούν κανονικά Πλήρης µορφή υπόθεσης: [Α1 λ, A2 σ, Π1 λ, Π2 λ ] Πιθανότητα να ισχύουν και οι 4 απλές υποθέσεις: x0.0009x0.9984x0.9984= x10-3 (γινόµενο πιθανοτήτων) Προϋπάρχουσα πιθανότητα (prior probability) Εάν βρεθεί ότι ο Α1 λειτουργεί κανονικά, τότε η πιθανότητα του Α1 λ γίνεται 1 Η συνολική πιθανότητα της σύνθετης υπόθεσης αυξάνεται Εκ των υστέρων πιθανότητα Τεχνητή Νοηµοσύνη, B' Έκδοση 15

16 Ιεραρχίες Υποθέσεων Βελτιώνουν την απόδοση διάγνωσης µε σύνθετες υποθέσεις Η ιεραρχία µειώνει το µέγεθος του χώρου αναζήτησης Μία οµάδα υποθέσεων αντιµετωπίζεται ως µία υπόθεση Βασίζονται σε επίπεδα γενίκευσης και σχέσεις εξάρτησης µεταξύ υποσυστηµάτων Η λεπτοµέρεια του κατώτερου επίπεδου καθορίζει την ακρίβεια της διάγνωσης Παράδειγµα: Στο κύκλωµα υπάρχει µια ιεραρχία από 2 επίπεδα Κατώτερο (λεπτοµερές) επίπεδο: Περιγράφεται κάθε ολοκληρωµένο ξεχωριστά Ανώτερο (γενικό) επίπεδο: Περιγράφεται το σύστηµα σαν ένα αντικείµενο Εάν το κύκλωµα αποτελεί µέρος ενός µεγαλύτερου κυκλώµατος Το ανώτερο επίπεδο καταλήγει στο συµπέρασµα ότι το σύστηµα λειτουργεί ή όχι Προσδιορίζει το είδος της δυσλειτουργίας εν προσδιορίζει ποιο ολοκληρωµένο προκαλεί τη δυσλειτουργία Είναι ευθύνη του κατώτερου επίπεδου Τεχνητή Νοηµοσύνη, B' Έκδοση 16

17 Αλληλεπίδραση Βλαβών Ποιο σύµπτωµα προκαλείται από ποια αιτία; Όταν δεν λαµβάνονται υπόψη οι αλληλεπιδράσεις των αιτίων (βλαβών) δεν γίνονται πάντα σωστές διαγνώσεις Ιδανική περίπτωση: Κάθε αιτία έχει ένα και µόνο ένα σύµπτωµα Συνήθως υπάρχουν πολλαπλά συµπτώµατα Τεχνητή Νοηµοσύνη, B' Έκδοση 17

18 Περί πτωση Ιδανική Πραγµατική Ταυτόχρονη Εµφάνιση Πολλών Αιτίων Συµπτώµατα Απλά: Σ({Α}) = 1 Μη αλληλεπικαλυπτόµενα: Σ({A1}) Σ ({A2}) = Εξήγηση Κάθε αιτία έχει ένα και µόνο ένα σύµπτωµα ιαφορετικές αιτίες έχουν διαφορετικά συµπτώµατα Ανεξάρτητα: Σ({Α, Β}) = Σ({Α}) S({Β}) Πολλαπλά: Σ({Α}) 1 Μία αιτία µπορεί να έχει περισσότερα από ένα συµπτώµατα Αλληλεπικαλυπτόµενα: ιαφορετικές αιτίες µπορούν να έχουν κοινά συµπτώµατα Σ({Α}) Σ({Β}) Π.χ. πολλές ασθένειες έχουν σαν σύµπτωµα την εµφάνιση πυρετού Αλληλοαναιρούµενα: Σ({Α, Β}) Σ({Α}) Σ({Β}) Συνεργατικά: Σ({Α, Β}) Σ({Α}) Σ({Β}) Τα συµπτώµατα που παρατηρούνται είναι υποσύνολο της ένωσης των συµπτωµάτων που εµφανίζει κάθε αιτία ξεχωριστά, αφού µπορεί συµπτώµατα της µιας αιτίας να αναιρούν συµπτώµατα της άλλης Π.χ., το ph ασθενή που έχει ταυτόχρονα σαλµονέλωση και κάνει έµετο είναι ουδέτερο, αφού κατά τον έµετο παράγονται οξέα (µείωση ph), ενώ η σαλµονέλωση παράγει βάσεις (αύξηση ph) Τα συµπτώµατα που παρατηρούνται είναι υπερσύνολο της ένωσης των συµπτωµάτων που θα εµφάνιζε κάθε αιτία ξεχωριστά, αφού οι δύο αιτίες δρουν συνεργατικά προκαλώντας επιπρόσθετα συµπτώµατα. Π.χ. ασθενής µε αδύναµη καρδιά και ίωση στο αναπνευστικό σύστηµα, µπορεί να παρουσιάσει δύσπνοια, ενώ καµία από τις δύο µεµονωµένες αιτίες δεν έχει σαν σύµπτωµά της τη δύσπνοια. Τεχνητή Νοηµοσύνη, B' Έκδοση 18

19 ιάκριση Υποθέσεων (Hypotheses Discrimination) Επιλογή µιας υπόθεσης που εξηγεί τα παρατηρούµενα συµπτώµατα Συλλογή κατάλληλων δεδοµένων Αδύνατο να συλλεχθούν όλα τα δεδοµένα Σωστή επιλογή επιπρόσθετων µετρήσεων Απόρριψη όλων πλην µιας από τις υποψήφιες υποθέσεις, µε το ελάχιστο δυνατό κόστος Προσέγγιση καθοδηγούµενων δοκιµών (guided-probe approach) Ζεύγη υποθέσεων, των οποίων τα συµπτώµατα: Συµφωνούν µε τις παρατηρήσεις Παρουσιάζουν ασυµφωνία σε συµπτώµατα που δεν παρατηρήθηκαν Λήψη µέτρησης για την απόρριψη µιας από τις δύο υποθέσεις Μέχρι να µείνει µόνο µία υπόθεση Π.χ., ένας ασθενής παρουσιάζει πυρετό, οπότε είτε έχει ίωση ή απλό κρυολόγηµα Αν έχει ίωση θα παρουσίαζε πονόλαιµο, βήχα, κλπ. Αν εµφανίζει ένα από τα επιπλέον συµπτώµατα, µπορεί να ξεχωρίσει µία από τις δύο υποψήφιες υποθέσεις Πραγµατοποιούνται περισσότερες µετρήσεις από τις ελάχιστες Τεχνητή Νοηµοσύνη, B' Έκδοση 19

20 Εντροπία του Shannon Ιδανική περίπτωση: Η διάγνωση δίνει αποτέλεσµα µία υπόθεση µε πιθανότητα 1. Πραγµατικότητα: Ένα σύνολο υποθέσεων µε κατανοµή πιθανοτήτων. Η εντροπία ελέγχει την κατανοµή υποθέσεων H = Όσο µικρότερη εντροπία τόσο καλύτερα Όταν υπάρχουν ενδιάµεσοι έλεγχοι: Υπολογίζεται η αναµενόµενη εντροπία όλων των µετρήσεων Επιλέγεται η πιο "ωφέλιµη" µέτρηση (µικρότερη τιµή εντροπίας) Μειονεκτήµατα: εν εκτιµά κόστος και δυσκολία εκτέλεσης µίας µέτρησης εν εκτιµά αβεβαιότητα µετρήσεων-υποθέσεων Θεωρεί όλες τις υποθέσεις ίσης σπουδαιότητας (π.χ. ίωση vs. καρκίνος). Θεωρία της αξίας της πληροφορίας (information value theory) Συνδυάζει την εντροπία µε το κόστος των µετρήσεων i P i log P i Τεχνητή Νοηµοσύνη, B' Έκδοση 20

21 Παραδείγµατα Κατανοµών Πιθανοτήτων Υποθέσεων Πιθανότητα 1.0 Υποψήφια λύση Πιθανότητα H1 = log(0.2) = Κατανοµή Πιθανότητα Κατανοµή Υποψήφια λύση Πιθανότητα Θεωρείται καλύτερη κατανοµή ιάκριση µεταξύ 2 υποθέσεων (και όχι 5) ιάγνωση µε λιγότερες µετρήσεις H 2 = log(0.5) = 1 Τεχνητή Νοηµοσύνη, B' Έκδοση 21

22 Μελέτη Περίπτωσης - Το Σύστηµα DARN Σύστηµα διάγνωσης και επισκευής βλαβών σε ελεγκτές δίσκων σταθµών εργασίας και φωτοτυπικά µηχανήµατα Χρησιµοποιεί έτοιµα πλάνα διάγνωσης και επιδιόρθωσης βλαβών "Hλεκτρονικά" εγχειρίδια εκπαίδευσης τεχνικών Xάρτης ροής (flow chart) ιαγνωστικά τεστ. Αποφάσεις µε βάση τα αποτελέσµατα των τεστ. Ακολουθίες ενεργειών επιδιόρθωσης. Προκαθορισµένες διαδικασίες και πρωτόκολλα εν έχει αναπαράσταση δοµής και συµπεριφοράς Το DARN διαθέτει: ιασύνδεση, για εκτέλεση πλάνων και εµπλουτισµό µε νέα πλάνα Γλώσσα περιγραφής πλάνων Πλεονεκτήµατα: Αλληλεπίδραση τεχνικού µε τον υπολογιστή Ευκολία διαχείρισης και διανοµής πλάνων Τεχνητή Νοηµοσύνη, B' Έκδοση 22

23 Απόσπασµα Χάρτη Ροής από το Σύστηµα DARN Εκκίνηση υπολογιστή Επεξήγηση σχηµάτων MP151 ή MP149 Υπο-πλάνο Παρατήρηση Έλεγχος (συλλογή δεδοµένων) Επιδιόρθωση Εκτέλεση προγράµµατος EI για έλεγχο δίσκου Ζωτικό σφάλµα στο µικροκώδικα MP1192 Αντικατέστησε την πλακέτα HSIO Έλεγξε το ανεµιστηράκι ψύξης Προβληµατικό ιόρθωσε το ανεµιστηράκι (έλεγξε µε τη σειρά) Έλεγξε την τάση του επεξεργαστή Προβληµατική Έλεγξε την τάση του δίσκου Προβληµατική Αντικατέστησε το καλώδιο µεταξύ επεξεργαστή και δίσκου Αντικατέστησε τον επεξεργαστή Τεχνητή Νοηµοσύνη, B' Έκδοση 23

24 Χώροι Υποθέσεων στο DARN Αναπαράσταση χώρου δεδοµένων Καταχώρηση παρατηρήσεων - µετρήσεων Αναπαράσταση χώρου επιδιορθώσεων Ενέργειες επισκευής (βήµατα στους χάρτες ροής) εν αναπαριστά άµεσα το χώρο υποθέσεων Οι υποθέσεις εµφανίζονται έµµεσα Το σύστηµα παρουσιάζει µηνύµατα κατά την εκτέλεση των βηµάτων εν αναπαριστά µοντέλο συστήµατος Τεχνητή Νοηµοσύνη, B' Έκδοση 24

25 Χώροι Υποθέσεων στο DARN Έλεγχος επιδιορθώσεων Χώρος εδοµένων Γενικευµένα εδοµένα Αναγνώριση ανώµαλων καταστάσεων ηµιουργία εναλλακτικών υποθέσεων Χώρος Υποθέσεων ηµιουργία επιδιορθώσεων Χώρος Επιδιορθώσεων Γενικό Πλάνο Επιδιόρθωσης Γενίκευση εδοµένων Έλεγχος των υποθέσεων Επιλογή Επιδιορθώσεων Συλλογή εδοµένων ιάκριση µεταξύ υποθέσεων Στοιχειώδεις Ενέργειες Επιδιόρθωσης Τεχνητή Νοηµοσύνη, B' Έκδοση 25

26 Μελέτη Περίπτωσης - Το Σύστηµα INTERNIST ιάγνωση σε ιατρικά θέµατα Μοντέλο κατηγοριοποίησης Προσπαθεί να ξεχωρίσει ασθένειες που έχουν κοινά συµπτώµατα Σειριακή εξέταση υποθέσεων Ταυτόχρονη ύπαρξη πολλών ασθενειών Βάση γνώσης: Συµπτώµατα ή εδοµένα (3550) Υποθέσεις (500) Συσχετίσεις µεταξύ υποθέσεων και δεδοµένων (6500) Πρόκληση (evocation): Συνδέει παρουσία συµπτώµατος µε ύπαρξη υπόθεσης Π.χ., σύµπτωµα "ωχρότητα": συνδέεται µε την υπόθεση "έλλειψης σιδήρου" και την υπόθεση "αναιµία" Εκδήλωση (manifestation): Συνδέει ύπαρξη υπόθεσης µε παρουσία συµπτώµατος Π.χ., υπόθεση "κίρρωση χολή", συνδέεται µε το σύµπτωµα "ίκτερος" Τεχνητή Νοηµοσύνη, B' Έκδοση 26

27 Σχέσεις Μεταξύ των εδοµένων και των Υποθέσεων εδοµένα που παρατηρήθηκαν και εξηγήθηκαν Χώρος δεδοµένων Χώρος υποθέσεων Υπόθεση διάγνωσης που ενδιαφέρει εδοµένα που αναµένονταν, αλλά δεν παρατηρήθηκαν εδοµένα που αναµένονταν, αλλά δεν είναι ακόµα γνωστά Άλλες υποθέσεις διάγνωσης εδοµένα που παρατηρήθηκαν, αλλά δεν εξηγήθηκαν πρόκληση εκδήλωση Τεχνητή Νοηµοσύνη, B' Έκδοση 27

28 Μεγέθη εδοµένων και Συσχετίσεων Η συσχέτιση µεταξύ δεδοµένων δεν είναι αυστηρή. 4 µεγέθη που χαρακτηρίζουν τις σχέσεις και τα δεδοµένα Χρησιµοποιούνται στη διάγνωση, για αναζήτηση "πρώτα στο καλύτερο" ύναµη πρόκλησης (evoking strength): L(D i M α ) Πιθανότητα η υπόθεση D i να είναι αιτία του συµπτώµατος Μ α σε σχέση µε τις υπόλοιπες υποθέσεις που θα µπορούσαν να εξηγήσουν το σύµπτωµα Συχνότητα εκδήλωσης (manifestation frequency): F(M b D j ) Πόσο συχνά ένας ασθενής εµφανίζει το σύµπτωµα M b όταν ισχύει η υπόθεση D j Σοβαρότητα: Ευκολία µε την οποία µπορεί να αγνοηθεί ένα σύµπτωµα Τύπος: Είδος του συµπτώµατος που καθορίζει την προτεραιότητα αντιµετώπισής του. Τεχνητή Νοηµοσύνη, B' Έκδοση 28

29 Ο Αλγόριθµος Εκτέλεσης του INTERNIST Βασικός Αλγόριθµος Έως ότου εξηγηθούν όλα τα σοβαρά συµπτώµατα, επανέλαβε τα ακόλουθα: i. Έως ότου επιβεβαιωθεί κάποια υπόθεση, επανέλαβε τα ακόλουθα: a. Πάρε δεδοµένα (µέσω ερωτήσεων). b. Βαθµολόγησε όλες τις υποθέσεις διάγνωσης για τα παραπάνω δεδοµένα (rank_hypothesis) c. Χρησιµοποιώντας τη βαθµολόγηση, δηµιούργησε ένα µικρό σύνολο ασθενειών µε τη διαδικασία differential_diagnosis και επικεντρώσου σε αυτό. d. Αν καµία υπόθεση δεν επιβεβαιώνεται, δηµιούργησε ερωτήσεις µε τη διαδικασία next_question, τέτοιες ώστε να επιλυθεί το πρόβληµα της διάγνωσης διαφοροποιώντας (ενισχύοντας) κάποια από τις υποθέσεις. ii. Σηµείωσε τα συµπτώµατα που εξηγούνται από την υπόθεση που µόλις επιβεβαιώθηκε Τεχνητή Νοηµοσύνη, B' Έκδοση 29

30 Ο Αλγόριθµος Εκτέλεσης του INTERNIST Ευριστική Βαθµολόγηση των Ασθενειών (rank_hypothesis) Για κάθε ασθένεια: i. Ερεύνησε τη λίστα των συµπτωµάτων που σχετίζονται µε την ασθένεια. a. Εάν το σύµπτωµα είναι παρόν, τότε πρόσθεσε τη δύναµη πρόκλησής του b. Εάν το σύµπτωµα είναι απόν, τότε αφαίρεσε τη συχνότητά του. c. Εάν το σύµπτωµα είναι άγνωστο, τότε µην κάνεις τίποτα. ii. Ερεύνησε τα συµπτώµατα που δε σχετίζονται µε την ασθένεια a. Εάν το σύµπτωµα είναι παρόν, τότε αφαίρεσε τη σοβαρότητά του. b. Εάν το σύµπτωµα είναι απόν ή άγνωστο, τότε µην κάνεις τίποτα. Τεχνητή Νοηµοσύνη, B' Έκδοση 30

31 Ο Αλγόριθµος Εκτέλεσης του INTERNIST Ευριστική διαµόρφωση του συνόλου των υποθέσεων ιαδικασία differential_diagnosis 1. Πάρε την ασθένεια Α max µε την πιο υψηλή βαθµολογία. 2. Σύγκρινε την Α max µε κάθε µία τις υπόλοιπες ασθένειες A i. i. Αν τα συµπτώµατα που εξηγούνται από την A i είναι υποσύνολο ή υπερσύνολο των συµπτωµάτων που εξηγούνται από την Α max, τότε η A i εισέρχεται στο σύνολο των υποθέσεων. Τεχνητή Νοηµοσύνη, B' Έκδοση 31

32 Ο Αλγόριθµος Εκτέλεσης του INTERNIST (2/3) Επιλογή της Επόµενης Ερώτησης ιαδικασία next_question Ευριστικοί κανόνες: 1. Προσπάθησε να αυξήσεις τη διαφορά βαθµολογίας της υψηλότερης υπόθεσης έτσι ώστε να είναι 90 βαθµούς παραπάνω από τη δεύτερη. Άν συµβεί κάτι τέτοιο, τότε η πρώτη θεωρείται επιβεβαιωµένη 2. Έστω ότι Η είναι ο αριθµός των υποθέσεων που βρίσκονται µέχρι και 445 βαθµούς χαµηλότερα από την πρώτη. i. Εάν Η = 0, επιδίωξε να αυξήσεις τη βαθµολογία της πρώτης υπόθεσης ii. Εάν Η 4, απέκλεισε τη χαµηλότερη υπόθεση προσπαθώντας να µειώσεις τη βαθµολογία της. iii. Εάν 1 Η 3, διαφοροποίησε τις πρώτες δύο υποθέσεις από τις υπόλοιπες προσπαθώντας να αυξήσεις τη βαθµολογία τους. 3. Ρώτα πρώτα τις ερωτήσεις χαµηλότερου κόστους. 4. Ρώτα κάθε φορά όχι µία αλλά περισσότερες ερωτήσεις, αν είναι δυνατόν. Τεχνητή Νοηµοσύνη, B' Έκδοση 32

33 Ο Αλγόριθµος Εκτέλεσης του INTERNIST Επιβεβαίωση διάγνωσης Όλα τα παρόντα συµπτώµατα που σχετίζονται µε την ασθένεια σηµειώνονται ως εξηγηθέντα ε λαµβάνονται πλέον υπόψη Υπάρχουν ασθένειες που συνδέονται µε την επιβεβαιωµένη ασθένεια; Η βαθµολογία τους αυξάνεται µέσω των βαρών των δεσµών Υπάρχουν σοβαρά συµπτώµατα που δεν έχουν εξηγηθεί; Ο κύκλος επαναλαµβάνεται βαθµολογώντας τις ασθένειες µε τα υπόλοιπα συµπτώµατα Οι Χώροι Αναζήτησης του INTERNIST Αναπαράσταση χώρου δεδοµένων και χώρου υποθέσεων ε διαθέτει χώρο θεραπειών Tο σύστηµα προοριζόταν µόνο για διάγνωση εν υπάρχει µοντέλο συστήµατος Π.χ. ανατοµίας, χρονική εξέλιξη συµπτωµάτων, κλπ. Caduceus: µετεξέλιξη του Internist Τεχνητή Νοηµοσύνη, B' Έκδοση 33

34 Οι Χώροι Αναζήτησης του INTERNIST Χώρος εδοµένων Γενικευµένα εδοµένα Αναγνώριση ανώµαλων καταστάσεων Χώρος Υποθέσεων Γενικές Υποθέσεις Χώρος Θεραπειών Γενίκευση δεδοµένων ηµιουργία εναλλακτικών υποψήφιων ασθενειών Επιλογή Υποθέσεων Έλεγχος υποψήφιων ασθενειών Συλλογή εδοµένων ιάκριση µεταξύ υποψήφιων ασθενειών Υποθέσεις- Λύσεις Τεχνητή Νοηµοσύνη, B' Έκδοση 34

35 Μελέτη Περίπτωσης - Το Σύστηµα SOPHIE-III Σύστηµα διάγνωσης βλαβών σε κυκλώµατα Ανεξάρτητο από το εκάστοτε κύκλωµα (domain-independent) Συλλογιστική µοντέλων: Αναπαριστά το µοντέλο συστήµατος (συσκευές και διασυνδέσεις) Οι συσκευές µπορεί να βρίσκονται σε διάφορες καταστάσεις, κανονικής λειτουργίας ή βλάβης έχεται µετρήσεις που λαµβάνονται σε κάποια σηµεία Μέσω κανόνων, εξάγει τιµές που πρέπει να έχουν οι µετρήσεις σε άλλα σηµεία Ελέγχει την ορθότητα λειτουργίας των συσκευών Παραδοχή ύπαρξης µίας µόνο βλάβης Σκοπός: Εκπαίδευση νέων τεχνικών Εξερεύνηση τεχνικών µοντελοποίησης σπουδαστή, διδασκαλίας µέσω υπολογιστή, µοντελοποίησης εµπειρίας για αντιµετώπιση βλαβών Νέες ιδέες που αξιοποιήθηκαν και από άλλα συστήµατα Τεχνητή Νοηµοσύνη, B' Έκδοση 35

36 Μοντελοποίηση στο SOPHIE-III Χαµηλό επίπεδο: απλά εξαρτήµατα και διασυνδέσεις Μοντέλο συµπεριφοράς εξαρτηµάτων (έξοδος συνάρτηση εισόδων) Πιθανές βλάβες εξαρτηµάτων Ανώτερο επίπεδο: Μεγαλύτερα τµήµατα του κυκλώµατος (ιεραρχία µονάδων) Αν µια σύνθετη µονάδα λειτουργεί κανονικά, τότε το ίδιο και οι υποµονάδες της Παραδοχές: Μόνο γνωστές βλάβες Μία βλάβη τη φορά (single-fault assumption) Παθητική διάγνωση: Συµπεράσµατα που προκύπτουν µετά από συλλογή µετρήσεων Ενεργητική διάγνωση: Επιλογή εποµένων µετρήσεων για διάκριση µεταξύ υποψηφίων υποθέσεων Χώροι αναζήτησης: Αναπαράσταση χώρου δεδοµένων και χώρου υποθέσεων Μοντέλο συστήµατος εν υπάρχει αναπαράσταση του χώρου επιδιορθώσεων Τεχνητή Νοηµοσύνη, B' Έκδοση 36

37 Χώροι Αναζήτησης του SOPHIE-III Χώρος εδοµένων Γενικευµένα εδοµένα Αναγνώριση ανώµαλων καταστάσεων Χώρος Υποθέσεων Γενικές Υποθέσεις Χώρος Επιδιορθώσεων Γενίκευση δεδοµένων ηµιουργία εναλλακτικών υποθέσεων Επιλογή Υποθέσεων Έλεγχος των υποθέσεων Συλλογή εδοµένων ιάκριση µεταξύ υποθέσεων Υποθέσεις- Λύσεις Μοντέλο ορθής λειτουργίας Μοντέλο βλαβών Μοντέλο Συστήµατος Τεχνητή Νοηµοσύνη, B' Έκδοση 37

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 13: Εφαρμογές Συστημάτων Γνώσης - Διάγνωση και Επιδιόρθωση Βλαβών

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 13: Εφαρμογές Συστημάτων Γνώσης - Διάγνωση και Επιδιόρθωση Βλαβών ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 13: Εφαρμογές Συστημάτων Γνώσης - Διάγνωση και Επιδιόρθωση Βλαβών Νίκος Βασιλειάδης, Αναπλ. Καθηγητής

Διαβάστε περισσότερα

Κεφάλαιο 13. Αβεβαιότητα. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

Κεφάλαιο 13. Αβεβαιότητα. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κεφάλαιο 13 Αβεβαιότητα Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κυριότερες πηγές αβεβαιότητας: Αβέβαιη Γνώση Ανακριβή δεδοµένα (imprecise data).

Διαβάστε περισσότερα

Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης

Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης Κεφάλαιο 21 Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Συστήµατα Γνώσης Επιδεικνύουν νοήµονα

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αβεβαιότητα Με τον όρο αβεβαιότητα (uncertainty) εννοείται η έλλειψη ακριβούς

Διαβάστε περισσότερα

Κατηγοριοποίηση. ! O προσδιορισµός της κατηγορίας στην οποία ανήκει ένα αντικείµενο.

Κατηγοριοποίηση. ! O προσδιορισµός της κατηγορίας στην οποία ανήκει ένα αντικείµενο. Κατηγοριοποίηση! O προσδιορισµός της κατηγορίας στην οποία ανήκει ένα αντικείµενο. # Είσοδος: ένα σύνολο δεδοµένων που περιγράφουν το αντικείµενο. # Έξοδος: η κατηγορία στην οποία αυτό ανήκει.! Κυριότερο

Διαβάστε περισσότερα

Κατηγοριοποίηση & Κατασκευή 1

Κατηγοριοποίηση & Κατασκευή 1 Κατηγοριοποίηση & Κατασκευή 1 Η πρώτη προσέγγιση για την κατασκευή ενός έμπειρου συστήματος είναι να προσπαθήσουμε να καθορίσουμε τι τύπου προβλήματα πρόκειται να επιλύσει Καθένα πρόβλημα μπορεί να ανήκει

Διαβάστε περισσότερα

Κεφάλαιο 24. Κατηγοριοποίηση. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

Κεφάλαιο 24. Κατηγοριοποίηση. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κεφάλαιο 24 Κατηγοριοποίηση Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κατηγοριοποίηση Προσδιορισµός της κατηγορίας στην οποία ανήκει ένα αντικείµενο.

Διαβάστε περισσότερα

Υπολογιστικό Πρόβληµα

Υπολογιστικό Πρόβληµα Υπολογιστικό Πρόβληµα Μετασχηµατισµός δεδοµένων εισόδου σε δεδοµένα εξόδου. Δοµή δεδοµένων εισόδου (έγκυρο στιγµιότυπο). Δοµή και ιδιότητες δεδοµένων εξόδου (απάντηση ή λύση). Τυπικά: διµελής σχέση στις

Διαβάστε περισσότερα

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση

Κεφάλαιο 8. Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής. Τεχνητή Νοηµοσύνη - Β' Έκδοση Κεφάλαιο 8 Βασικές Αρχές Αναπαράστασης Γνώσης και Συλλογιστικής Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Αναπαράσταση Γνώσης Σύνολο συντακτικών

Διαβάστε περισσότερα

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 20. Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 20 Ανακάλυψη Γνώσης σε Βάσεις δεδοµένων Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Τεχνητή Νοηµοσύνη, B' Έκδοση - 1 - Ανακάλυψη Γνώσης σε

Διαβάστε περισσότερα

Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού

Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΥΠΟΛΟΓΙΣΤΩΝ Κεφάλαιο 7 : Είδη, Τεχνικές, και Περιβάλλοντα Προγραµµατισµού ( Απαντήσεις & Λύσεις Βιβλίου) 1. Σκοποί κεφαλαίου Κύκλος ανάπτυξης προγράµµατος Κατηγορίες γλωσσών προγραµµατισµού

Διαβάστε περισσότερα

Μαθηµατική. Μοντελοποίηση

Μαθηµατική. Μοντελοποίηση Μαθηµατική Μοντελοποίηση Μοντελοποίηση Απαιτητική οικονοµία και αγορά εργασίας Σύνθετες και περίπλοκες προβληµατικές καταστάσεις Μαθηµατικές και τεχνολογικές δεξιότητες Επίλυση σύνθετων προβληµάτων Μαθηµατικοποίηση

Διαβάστε περισσότερα

Περιεχόµενα. ΜΕΡΟΣ Α: Επίλυση Προβληµάτων... 17

Περιεχόµενα. ΜΕΡΟΣ Α: Επίλυση Προβληµάτων... 17 ΠΡΟΛΟΓΟΣ... I ΠΡΟΛΟΓΟΣ ΤΩΝ ΣΥΓΓΡΑΦΕΩΝ...III ΣΥΝΟΠΤΙΚΗ ΠΑΡΟΥΣΙΑΣΗ ΠΕΡΙΕΧΟΜΕΝΩΝ... IX ΠΕΡΙΕΧΟΜΕΝΑ... XI 1 ΕΙΣΑΓΩΓΗ... 1 1.1 ΤΙ ΕΙΝΑΙ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ... 1 1.1.1 Ορισµός της Νοηµοσύνης... 2 1.1.2 Ορισµός

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

Στρατηγικό Σχεδιασµό Πληροφοριακών Συστηµάτων

Στρατηγικό Σχεδιασµό Πληροφοριακών Συστηµάτων Μέθοδοι και Τεχνικές για τον Στρατηγικό Σχεδιασµό Πληροφοριακών Συστηµάτων (SISP) Στρατηγική και Διοίκηση Πληροφοριακών Συστηµάτων Μάθηµα 2 No 1 Δοµή της Παρουσίασης l 1. Εισαγωγή l 2. Μεθοδολογία SISP

Διαβάστε περισσότερα

Κεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 6. Ικανοποίηση Περιορισµών. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 6 Ικανοποίηση Περιορισµών Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Ικανοποίηση Περιορισµών Ένα πρόβληµα ικανοποίησης περιορισµών (constraint

Διαβάστε περισσότερα

Α. Ερωτήσεις Ανάπτυξης

Α. Ερωτήσεις Ανάπτυξης οµηµένος Προγραµµατισµός-Κεφάλαιο 7 Σελίδα 1 α ό 10 ΕΝΟΤΗΤΑ ΙΙΙ (ΠΡΟΓΡΑΜΜΑΤΑ) ΚΕΦΑΛΑΙΟ 7: Είδη, Τεχνικές και Περιβάλλοντα Προγραµµατισµού Α. Ερωτήσεις Ανάπτυξης 1. Τι ονοµάζουµε γλώσσα προγραµµατισµού;

Διαβάστε περισσότερα

Μοντέλα. χαρακτηριστικά χωρίς να συνοδεύεται από λεπτοµέρειες.

Μοντέλα. χαρακτηριστικά χωρίς να συνοδεύεται από λεπτοµέρειες. Γλώσσες Περιγραφής Μοντέλα Ένα µοντέλο ενός κυκλώµατος είναι µία αναπαράσταση που παρουσιάζει χαρακτηριστικά χωρίς να συνοδεύεται από λεπτοµέρειες. Τα τυπικά µοντέλα έχουν καλά ορισµένη σύνταξη. Τα αυτόµατα

Διαβάστε περισσότερα

Σχεδιασµός Οικολογικού ιαµεσολαβητή για την εποπτεία και διαχείριση δικτύου διανοµής ηλεκτρικής ενέργειας

Σχεδιασµός Οικολογικού ιαµεσολαβητή για την εποπτεία και διαχείριση δικτύου διανοµής ηλεκτρικής ενέργειας Σχεδιασµός Οικολογικού ιαµεσολαβητή για την εποπτεία και διαχείριση δικτύου διανοµής ηλεκτρικής ενέργειας Σωτηρία ριβάλου Εθνικό Μετσόβιο Πολυτεχνείο Μονάδα Εργονοµίας Συστήµατα διανοµής ηλεκτρικής ενέργειας

Διαβάστε περισσότερα

Μηχανική Μάθηση: γιατί;

Μηχανική Μάθηση: γιατί; Μηχανική Μάθηση Μηχανική Μάθηση: γιατί; Απαραίτητη για να μπορεί ο πράκτορας να ανταπεξέρχεται σε άγνωστα περιβάλλοντα Δεν είναι δυνατόν ο σχεδιαστής να προβλέψει όλα τα ενδεχόμενα περιβάλλοντα. Χρήσιμη

Διαβάστε περισσότερα

Περιεχόµενα. Πρόλογος 11. 0 Εισαγωγή 21

Περιεχόµενα. Πρόλογος 11. 0 Εισαγωγή 21 Περιεχόµενα Πρόλογος 11 Σκοπός αυτού του βιβλίου 11 Σε ποιους απευθύνεται αυτό το βιβλίο 12 Βασικά χαρακτηριστικά του βιβλίου 12 Κάλυψη συστηµάτων CAD 14 Εργαστηριακή υποστήριξη 14 Συνοπτική παρουσίαση

Διαβάστε περισσότερα

Περίληψη. ΗΜΥ 210: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο 2005. υαδική Αφαίρεση. υαδική Αφαίρεση (συν.) Ακόµη ένα παράδειγµα Αφαίρεσης.

Περίληψη. ΗΜΥ 210: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο 2005. υαδική Αφαίρεση. υαδική Αφαίρεση (συν.) Ακόµη ένα παράδειγµα Αφαίρεσης. ΗΜΥ-210: Λογικός Σχεδιασµός Εαρινό Εξάµηνο 2005 Κεφάλαιο 5 -ii: Αριθµητικές Συναρτήσεις και Κυκλώµατα Πανεπιστήµιο Κύπρου Τµήµα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Αφαίρεση δυαδικών Περίληψη

Διαβάστε περισσότερα

ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ

ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ ΙΚΑΝΟΠΟΙΗΣΗ ΠΕΡΙΟΡΙΣΜΩΝ (ΜΕ ΒΑΣΗ ΤΟ ΚΕΦ. 6 ΤΟΥ ΒΙΒΛΙΟΥ «ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ» ΤΩΝ ΒΛΑΧΑΒΑ, ΚΕΦΑΛΑ, ΒΑΣΙΛΕΙΑ Η, ΚΟΚΚΟΡΑ & ΣΑΚΕΛΛΑΡΙΟΥ) Ι. ΧΑΤΖΗΛΥΓΕΡΟΥ ΗΣ ΠΡΟΒΛΗΜΑΤΑ ΙΚΑΝΟΠΟΙΗΣΗΣ ΠΕΡΙΟΡΙΣΜΩΝ Είναι γνωστές µερικές

Διαβάστε περισσότερα

ΣΥΣΚΕΥΕΣ ΑΠΟΘΗΚΕΥΣΗΣ (ΜΝΗΜΗ)

ΣΥΣΚΕΥΕΣ ΑΠΟΘΗΚΕΥΣΗΣ (ΜΝΗΜΗ) ΣΥΣΚΕΥΕΣ ΑΠΟΘΗΚΕΥΣΗΣ (ΜΝΗΜΗ) Συσκευές αποθήκευσης Ένας υπολογιστής προκειµένου να αποθηκεύσει δεδοµένα χρησιµοποιεί δύο τρόπους αποθήκευσης: Την Κύρια Μνήµη Τις συσκευές µόνιµης αποθήκευσης (δευτερεύουσα

Διαβάστε περισσότερα

Κεφάλαιο 22. Εξελιγµένες Συλλογιστικές. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 22. Εξελιγµένες Συλλογιστικές. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 22 Εξελιγµένες Συλλογιστικές Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Εισαγωγή υσκολίες ανάπτυξης συστηµάτων εµπειρική γνώσης: Εκµαίευση

Διαβάστε περισσότερα

ΕΛΤΙΟ ΣΥΓΚΑΤΑΘΕΣΗΣ ΓΙΑ ΣΥΜΜΕΤΟΧΗ ΣΕ ΕΡΕΥΝΑ Ο ΟΝΤΙΑΤΡΙΚΟ ΤΜΗΜΑ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΑΘΗΝΩΝ

ΕΛΤΙΟ ΣΥΓΚΑΤΑΘΕΣΗΣ ΓΙΑ ΣΥΜΜΕΤΟΧΗ ΣΕ ΕΡΕΥΝΑ Ο ΟΝΤΙΑΤΡΙΚΟ ΤΜΗΜΑ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΑΘΗΝΩΝ ΕΛΤΙΟ ΣΥΓΚΑΤΑΘΕΣΗΣ ΓΙΑ ΣΥΜΜΕΤΟΧΗ ΣΕ ΕΡΕΥΝΑ Ο ΟΝΤΙΑΤΡΙΚΟ ΤΜΗΜΑ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΑΘΗΝΩΝ ΑΥΞΩΝ ΑΡΙΘΜΟΣ ΕΡΕΥΝΑΣ (ο χώρος µένει κενός αν πρόκειται για νέα αίτηση) i. Τίτλος Προγράµµατος ii. Σχολή/ Τµήµα iii. Υπεύθυνος

Διαβάστε περισσότερα

Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή

Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή 1. Ηλεκτρονικός Υπολογιστής Ο Ηλεκτρονικός Υπολογιστής είναι μια συσκευή, μεγάλη ή μικρή, που επεξεργάζεται δεδομένα και εκτελεί την εργασία του σύμφωνα με τα παρακάτω

Διαβάστε περισσότερα

Κεφάλαιο 7. Γενετικοί Αλγόριθµοι. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η.

Κεφάλαιο 7. Γενετικοί Αλγόριθµοι. Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Κεφάλαιο 7 Γενετικοί Αλγόριθµοι Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Εισαγωγή Σε αρκετές περιπτώσεις το µέγεθος ενός προβλήµατος καθιστά απαγορευτική

Διαβάστε περισσότερα

2 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΙΟΙΚΗΣΗΣ ΕΡΓΩΝ

2 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΙΟΙΚΗΣΗΣ ΕΡΓΩΝ 2 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΙΟΙΚΗΣΗΣ ΕΡΓΩΝ 2.1 Βασικοί Ορισµοί ιοίκηση έργου είναι η διαδικασία (process) του σχεδιασµού και της διοίκησης εργασιών και αποθεµάτων, και της επικοινωνίας µεταξύ προόδου και αποτελεσµάτων.

Διαβάστε περισσότερα

Δυναμικός Κατακερματισμός. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1

Δυναμικός Κατακερματισμός. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Δυναμικός Κατακερματισμός Βάσεις Δεδομένων 2013-2014 Ευαγγελία Πιτουρά 1 Κατακερματισμός Τι αποθηκεύουμε στους κάδους; Στα παραδείγματα δείχνουμε μόνο την τιμή του πεδίου κατακερματισμού Την ίδια την εγγραφή

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΚΗ ΣΤΟ ΕΝΙΑΙΟ ΛΥΚΕΙΟ

ΠΛΗΡΟΦΟΡΙΚΗ ΣΤΟ ΕΝΙΑΙΟ ΛΥΚΕΙΟ ΥΠΟΥΡΓΕΙΟ ΠΑΙ ΕΙΑΣ ΚΑΙ ΠΟΛΙΤΙΣΜΟΥ ΠΛΗΡΟΦΟΡΙΚΗ ΣΤΟ ΕΝΙΑΙΟ ΛΥΚΕΙΟ ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ Α ΛΥΚΕΙΟΥ ΟΚΤΏΒΡΙΟΣ 2005 ΑΝΑΛΥΤΙΚΟ ΠΡΟΓΡΑΜΜΑ - Α ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ Το µάθηµα της Πληροφορικής στην Α Λυκείου έχει ως γενικό

Διαβάστε περισσότερα

Δυναμικός Κατακερματισμός. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1

Δυναμικός Κατακερματισμός. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1 Δυναμικός Κατακερματισμός 1 Κατακερματισμός Τι αποθηκεύουμε στους κάδους; Στα παραδείγματα δείχνουμε μόνο την τιμή του πεδίου κατακερματισμού Την ίδια την εγγραφή (ως τρόπος οργάνωσης αρχείου) μέγεθος

Διαβάστε περισσότερα

ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams

ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς

Διαβάστε περισσότερα

ΑΡΙΘΜΗΤΙΚΕΣ ΤΕΧΝΙΚΕΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΑΞΙΟΠΙΣΤΙΑΣ ΣΥΣΤΗΜΑΤΩΝ

ΑΡΙΘΜΗΤΙΚΕΣ ΤΕΧΝΙΚΕΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΑΞΙΟΠΙΣΤΙΑΣ ΣΥΣΤΗΜΑΤΩΝ ΑΡΙΘΜΗΤΙΚΕΣ ΤΕΧΝΙΚΕΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΑΞΙΟΠΙΣΤΙΑΣ ΣΥΣΤΗΜΑΤΩΝ Συστήµατα µε στοιχεία συνδεδεµένα σε σειρά Με χρήση των αποτελεσµάτων από τα διαγράµµατα Markov, είναι δυνατόν να δηµιουργούνται ισοδύναµα διαγράµµατα

Διαβάστε περισσότερα

Ενότητα 4. Εισαγωγή στην Πληροφορική. Αναπαράσταση δεδοµένων. Αναπαράσταση πληροφορίας. υαδικοί αριθµοί. Χειµερινό Εξάµηνο 2006-07

Ενότητα 4. Εισαγωγή στην Πληροφορική. Αναπαράσταση δεδοµένων. Αναπαράσταση πληροφορίας. υαδικοί αριθµοί. Χειµερινό Εξάµηνο 2006-07 Ενότητα 4 Εισαγωγή στην Πληροφορική Κεφάλαιο 4Α: Αναπαράσταση πληροφορίας Κεφάλαιο 4Β: Επεξεργαστές που χρησιµοποιούνται σε PCs Χειµερινό Εξάµηνο 2006-07 ρ. Παναγιώτης Χατζηδούκας (Π..407/80) Εισαγωγή

Διαβάστε περισσότερα

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο

Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο ρ. Η. Μαγκλογιάννης Πανεπιστήµιο Αιγαίου Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών

Διαβάστε περισσότερα

Πρώτες ύλες. Πιθανοί κίνδυνοι σε όλα τα στάδια της παραγωγής. Καθορισµός πιθανότητας επιβίωσης µικροοργανισµών. Εκτίµηση επικινδυνότητας

Πρώτες ύλες. Πιθανοί κίνδυνοι σε όλα τα στάδια της παραγωγής. Καθορισµός πιθανότητας επιβίωσης µικροοργανισµών. Εκτίµηση επικινδυνότητας 1 ΑΡΧΕΣ ΤΗΣ HACCP Αρχή 1η: Προσδιορισµός των πιθανών κινδύνων που σχετίζονται µε την παραγωγή τροφίµων σε όλα τα στάδια, από την ανάπτυξη και τη συγκοµιδή των πρώτων υλών, την παραγωγική διαδικασία, την

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αναπαράσταση Γνώσης Η περιγραφή ενός προβλήματος σε συνδυασμό με τους τελετές

Διαβάστε περισσότερα

Το εσωτερικό ενός Σ Β

Το εσωτερικό ενός Σ Β Επεξεργασία Ερωτήσεων 1 Εισαγωγή ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL) ηµιουργία/κατασκευή Εισαγωγή εδοµένων

Διαβάστε περισσότερα

Ανοικτά Ακαδηµα κά Μαθήµατα

Ανοικτά Ακαδηµα κά Μαθήµατα ΤΕΙ Ιονίων Νήσων Ανοικτά Ακαδηµα κά Μαθήµατα Ανάλυση Σχεδίαση Υλοποίηση Αξιολόγηση Ανάλυση: Πληροφορίες σχετικά µε τις ανάγκες της εκπαίδευσης Σχεδίαση: Καθορισµός χαρακτηριστικών του εκπαιδευτικού λογισµικού

Διαβάστε περισσότερα

Εισαγωγή στην επιστήμη των υπολογιστών. Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι

Εισαγωγή στην επιστήμη των υπολογιστών. Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι Εισαγωγή στην επιστήμη των υπολογιστών Λογισμικό Υπολογιστών Κεφάλαιο 8ο Αλγόριθμοι 1 Έννοια Ανεπίσημα, ένας αλγόριθμος είναι μια βήμα προς βήμα μέθοδος για την επίλυση ενός προβλήματος ή την διεκπεραίωση

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών

Διαβάστε περισσότερα

"The Project ARXIMIDIS ΙΙ is co-funded by the European Social Fund and National Resources EPEAEK ΙΙ "

The Project ARXIMIDIS ΙΙ is co-funded by the European Social Fund and National Resources EPEAEK ΙΙ Αρχιµήδης ΙΙ Ενίσχυση Ερευνητικών Οµάδων του ΤΕΙ Κρήτης Τίτλος Υποέργου: Εφαρµογές Τεχνητής Νοηµοσύνης στην Τεχνολογία Λογισµικού και στην Ιατρική Επιστηµονικός Υπεύθυνος: ρ Εµµανουήλ Μαρακάκης ραστηριότητα

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ ΥΠΟΥΡΓΕΙΟ ΕΘΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΠΑΙΔΑΓΩΓΙΚΟ ΙΝΣΤΙΤΟΥΤΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ Π ΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ Π ΕΡΙΒΑΛΛΟΝ Κ Υ Κ Λ Ο Υ Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ Κ Α Ι Υ Π Η Ρ Ε Σ Ι Ω Ν Τ Ε Χ Ν Ο Λ Ο Γ Ι Κ Η

Διαβάστε περισσότερα

Μήπως έχω λέμφωμα; Πώς θα το καταλάβω;

Μήπως έχω λέμφωμα; Πώς θα το καταλάβω; Πώς θα το καταλάβω; Το λέμφωμα είναι δυνητικά ιάσιμη νόσος Μήπως έχω λέμφωμα; Η έγκαιρη διάγνωση, σώζει ζωές Ο οδηγός αυτός έχει γραφτεί για να σας εφοδιάσει με πληροφορίες και συμβουλές, ώστε να αξιολογήσετε

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 435: ΑΛΛΗΛΕΠΙ ΡΑΣΗ ΑΝΘΡΩΠΟΥ ΥΠΟΛΟΓΙΣΤΗ Ακαδηµαϊκό Έτος 2004 2005, Χειµερινό Εξάµηνο 2 Η ΟΜΑ ΙΚΗ ΕΡΓΑΣΙΑ: ΑΝΑΠΤΥΞΗ ΑΡΧΙΚΗΣ Ι ΕΑΣ ΤΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ ΑΝΑΛΥΣΗ ΑΝΑΓΚΩΝ

Διαβάστε περισσότερα

ιαγνωστικός Συλλογισµός και Λήψη Ιατρικής Απόφασης

ιαγνωστικός Συλλογισµός και Λήψη Ιατρικής Απόφασης ιαγνωστικός Συλλογισµός και Λήψη Ιατρικής Απόφασης ρ. Βασίλης Σπυρόπουλος Τµήµα Τεχνολογίας Ιατρικών Οργάνων Σχολή Τεχνολογικών Εφαρµογών Tεχνολογικό Εκπαιδευτικό Ιδρυµα Αθήνας 1 Η αφετηρία του διαγνωστικού

Διαβάστε περισσότερα

Κεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ )

Κεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ ) Κεφάλαιο 2 ο Βασικές Έννοιες Αλγορίθμων (σελ. 25 48) Τι είναι αλγόριθμος; Γ ΛΥΚΕΙΟΥ Αλγόριθμος είναι μία πεπερασμένη σειρά ενεργειών, αυστηρά καθορισμένων και εκτελέσιμων σε πεπερασμένο χρονικό διάστημα,

Διαβάστε περισσότερα

1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης

1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης 1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης Στη συγκεκριμένη ενότητα εξετάζουμε θέματα σχετικά με την αριθμητική πεπερασμένης ακρίβειας που χρησιμοποιούν οι σημερινοί υπολογιστές και τα

Διαβάστε περισσότερα

Εισαγωγή στην Ιατρική Πληροφορική

Εισαγωγή στην Ιατρική Πληροφορική Εισαγωγή στην Ιατρική Πληροφορική ρ. Παναγιώτης. Μπαµίδης Λέκτορας Ιατρικής Πληροφορικής Θεµατικές ενότητες Ι.Π. Εισαγωγή Εννοιες πληροφορικών συστηµάτων υγείας Ηλεκτρονικός φάκελος ασθενούς Ηλεκτρονικός

Διαβάστε περισσότερα

ιαµέριση - Partitioning

ιαµέριση - Partitioning ιαµέριση - Partitioning ιαµέριση ιαµέριση είναι η διαµοίραση αντικειµένων σε οµάδες µε στόχο την βελτιστοποίηση κάποιας συνάρτησης. Στην σύνθεση η διαµέριση χρησιµοποιείται ως εξής: Οµαδοποίηση µεταβλητών

Διαβάστε περισσότερα

Ανάλυση Απαιτήσεων Απαιτήσεις Λογισµικού

Ανάλυση Απαιτήσεων Απαιτήσεις Λογισµικού ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΜΑΤΙΚΗΣ Ανάλυση Απαιτήσεων Απαιτήσεις Λογισµικού Μάρα Νικολαϊδου Δραστηριότητες Διαδικασιών Παραγωγής Λογισµικού Καθορισµός απαιτήσεων και εξαγωγή προδιαγραφών

Διαβάστε περισσότερα

οµή Επιλογής Α. Κατηγορία προβληµάτων Β. Κριτήριο Αλγορίθµου Γ. Τρόπος αναπαράστασης αλγορίθµων . Είδος σταθεράς Ε. Λογική τιµή

οµή Επιλογής Α. Κατηγορία προβληµάτων Β. Κριτήριο Αλγορίθµου Γ. Τρόπος αναπαράστασης αλγορίθµων . Είδος σταθεράς Ε. Λογική τιµή οµή Επιλογής Θέµα Α Α1. Να χαρακτηρίσετε κάθε µία από τις παρακάτω προτάσεις µε Σ αν είναι σωστή ή Λ αν είναι λανθασµένη. 1. Όλες οι δοµές επιλογής κλείνουν µε την εντολή. 2. Η παρακάτω εντολή είναι σωστή

Διαβάστε περισσότερα

ΗΜΥ 210: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο Ένα συνδυαστικό κύκλωµα µπορεί να περιγραφεί από: Φεβ-05. n-είσοδοι

ΗΜΥ 210: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο Ένα συνδυαστικό κύκλωµα µπορεί να περιγραφεί από: Φεβ-05. n-είσοδοι ΗΜΥ 2: Λογικός Σχεδιασµός, Εαρινό Εξάµηνο 25 Φεβ-5 ΗΜΥ-2: Λογικός Σχεδιασµός Εαρινό Εξάµηνο 25 Κεφάλαιο 3 -i: Σχεδιασµός Συνδυαστικών Κυκλωµάτων Περίληψη Αρχές σχεδιασµού Ιεραρχία σχεδιασµού Σχεδιασµός

Διαβάστε περισσότερα

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6.1 Το Πρόβλημα του Ελέγχου Υποθέσεων Ενός υποθέσουμε ότι μία φαρμακευτική εταιρεία πειραματίζεται πάνω σε ένα νέο φάρμακο για κάποια ασθένεια έχοντας ως στόχο, τα πρώτα θετικά

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών

ΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών 44 Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών Διδακτικοί στόχοι Σκοπός του κεφαλαίου είναι οι μαθητές να κατανοήσουν τα βήματα που ακολουθούνται κατά την ανάπτυξη μιας εφαρμογής.

Διαβάστε περισσότερα

Πανεπιστήµιο Θεσσαλίας

Πανεπιστήµιο Θεσσαλίας Πανεπιστήµιο Θεσσαλίας Τµήµα Πληροφορικής Ενότητα 8η: Συσκευές Ε/Ε - Αρτηρίες Άσκηση 1: Υπολογίστε το µέσο χρόνο ανάγνωσης ενός τµήµατος των 512 bytes σε µια µονάδα σκληρού δίσκου µε ταχύτητα περιστροφής

Διαβάστε περισσότερα

Περίληψη ιπλωµατικής Εργασίας

Περίληψη ιπλωµατικής Εργασίας Περίληψη ιπλωµατικής Εργασίας Θέµα: Εναλλακτικές Τεχνικές Εντοπισµού Θέσης Όνοµα: Κατερίνα Σπόντου Επιβλέπων: Ιωάννης Βασιλείου Συν-επιβλέπων: Σπύρος Αθανασίου 1. Αντικείµενο της διπλωµατικής Ο εντοπισµός

Διαβάστε περισσότερα

ΕΠΕΞΕΡΓΑΣΙΑ ΠΛΗΡΟΦΟΡΙΕΣ ΕΞΟ ΟΣ

ΕΠΕΞΕΡΓΑΣΙΑ ΠΛΗΡΟΦΟΡΙΕΣ ΕΞΟ ΟΣ Αναπαράσταση ιδεών Ο άνθρωπος από την αρχή της εµφάνισής του στη γη αντιµετωπίζει και προσπαθεί να επιλύσει διάφορα προβλήµατα. Για το σκοπό αυτό κατασκευάζει εργαλεία, επεξεργάζεται στοιχεία και παίρνει

Διαβάστε περισσότερα

ιοίκηση Ανθρωπίνων Πόρων

ιοίκηση Ανθρωπίνων Πόρων ιοίκηση Ανθρωπίνων Πόρων Επιλογή Προσωπικού Ιωάννης Νικολάου inikol@aueb.gr Λέκτορας Οργανωσιακής Συµπεριφοράς Οικονοµικό Πανεπιστήµιο Αθηνών Τµήµα ιοικητικής Επιστήµης και Τεχνολογίας Τα Στάδια της Συστηµατικής

Διαβάστε περισσότερα

ΠΛΑΙΣΙΑ. Τα πλαίσια έχουν:

ΠΛΑΙΣΙΑ. Τα πλαίσια έχουν: ΠΛΑΙΣΙΑ Ορίστηκαν από τον Minsky σαν "δοµές δεδοµένων για την αναπαράσταση στερεότυπων καταστάσεων". Ονοµάζονται και σχήµατα (schemata). Κατά µία έννοια αποτελούν εξέλιξη των σηµαντικών δικτύων (ή δικτύων

Διαβάστε περισσότερα

MBR Ελάχιστο Περιβάλλον Ορθογώνιο (Minimum Bounding Rectangle) Το µικρότερο ορθογώνιο που περιβάλλει πλήρως το αντικείµενο 7 Παραδείγµατα MBR 8 6.

MBR Ελάχιστο Περιβάλλον Ορθογώνιο (Minimum Bounding Rectangle) Το µικρότερο ορθογώνιο που περιβάλλει πλήρως το αντικείµενο 7 Παραδείγµατα MBR 8 6. Πανεπιστήµιο Πειραιώς - Τµήµα Πληροφορικής Εξόρυξη Γνώσης από εδοµένα (Data Mining) Εξόρυξη Γνώσης από χωρικά δεδοµένα (κεφ. 8) Γιάννης Θεοδωρίδης Νίκος Πελέκης http://isl.cs.unipi.gr/db/courses/dwdm Περιεχόµενα

Διαβάστε περισσότερα

Οδηγός Εξαγωγής Συγκεντρωτικών Καταστάσεων. ΚΕΠΥΟ και Ηλεκτρονικού Ισοζυγίου. στο InnovEra 3 R2 για τον RTC client

Οδηγός Εξαγωγής Συγκεντρωτικών Καταστάσεων. ΚΕΠΥΟ και Ηλεκτρονικού Ισοζυγίου. στο InnovEra 3 R2 για τον RTC client Οδηγός Εξαγωγής Συγκεντρωτικών Καταστάσεων ΚΕΠΥΟ και Ηλεκτρονικού Ισοζυγίου στο InnovEra 3 R2 για τον RTC client Μελίσσια, 12 Ιουλίου 2012 1. ιαδικασία Εξαγωγής Συγκεντρωτικής Κατάστασης ΚΕΠΥΟ - ΜΥΦ 1.1

Διαβάστε περισσότερα

Οπτική αντίληψη. Μετά?..

Οπτική αντίληψη. Μετά?.. Οπτική αντίληψη Πρωτογενής ερεθισµός (φυσικό φαινόµενο) Μεταφορά µηνύµατος στον εγκέφαλο (ψυχολογική αντίδραση) Μετατροπή ερεθίσµατος σε έννοια Μετά?.. ΓΙΑ ΝΑ ΚΑΤΑΝΟΗΣΟΥΜΕ ΤΗΝ ΟΡΑΣΗ ΠΡΕΠΕΙ ΝΑ ΑΝΑΛΟΓΙΣΤΟΥΜΕ

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 4η διάλεξη ( ) Ίων Ανδρουτσόπουλος. Τεχνητή Νοημοσύνη 4η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται κυρίως στα βιβλία Τεχνητή Νοημοσύνη των Βλαχάβα κ.ά., 3η έκδοση, Β.

Διαβάστε περισσότερα

ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΕΦΑΡΜΟΓΩΝ

ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΨΗΦΙΑΚΑ ΟΛΟΚΛΗΡΩΜΕΝΑ ΗΛΕΚΤΡΟΝΙΚΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΟΜΑ Α Α Αριθµητική Λογική Μονάδα των 8-bit 1. Εισαγωγή Γενικά µια αριθµητική λογική µονάδα (ALU, Arithmetic Logic Unit)

Διαβάστε περισσότερα

LAYER 3 ( NETWORΚ LEVEL ) - ΣΤΡΩΜΑ 3 ( ΕΠΙΠΕ Ο ΙΚΤΥΟΥ)

LAYER 3 ( NETWORΚ LEVEL ) - ΣΤΡΩΜΑ 3 ( ΕΠΙΠΕ Ο ΙΚΤΥΟΥ) ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 6 LAYER 3 ( NETWORΚ LEVEL ) - ΣΤΡΩΜΑ 3 ( ΕΠΙΠΕ Ο ΙΚΤΥΟΥ) Αυτή η ενότητα του δευτέρου κεφαλαίου περιέχει τα ακόλουθα: - που βρίσκεται το επίπεδο δικτύου - ποιός είναι ο ρόλος του - ποιά

Διαβάστε περισσότερα

Περιεχόμενα. Δομές δεδομένων. Τεχνικές σχεδίασης αλγορίθμων. Εισαγωγή στον προγραμματισμό. Υποπρογράμματα. Επαναληπτικά κριτήρια αξιολόγησης

Περιεχόμενα. Δομές δεδομένων. Τεχνικές σχεδίασης αλγορίθμων. Εισαγωγή στον προγραμματισμό. Υποπρογράμματα. Επαναληπτικά κριτήρια αξιολόγησης Περιεχόμενα Δομές δεδομένων 37. Δομές δεδομένων (θεωρητικά στοιχεία)...11 38. Εισαγωγή στους μονοδιάστατους πίνακες...16 39. Βασικές επεξεργασίες στους μονοδιάστατους πίνακες...25 40. Ασκήσεις στους μονοδιάστατους

Διαβάστε περισσότερα

Εξειδικευμένη τεχνική πληροφόρηση για επαγγελματίες μηχανικούς και ηλεκτρολόγους αυτοκινήτων

Εξειδικευμένη τεχνική πληροφόρηση για επαγγελματίες μηχανικούς και ηλεκτρολόγους αυτοκινήτων Αισθητήρες Οξυγόνου και οι κωδικοί «παραπληροφόρησης». To Ινστιτούτο ΙΔΕΕΑ σας ενημερώνει: Εσείς μας δίνετε το πρόβλημα και εμείς σας δίνουμε την λύση! Εξειδικευμένη τεχνική πληροφόρηση για επαγγελματίες

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΜΟΝΤΕΛΑ ΣΥΣΤΗΜΑΤΟΣ Διδάσκων: Γ. Χαραλαμπίδης, Επ. Καθηγητής

Διαβάστε περισσότερα

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΜΑΘΗΜΑ 2 ΑΝΑΠΑΡΑΣΤΑΣΗ - ΤΕΧΝΙΚΕΣ ΤΝ (1)

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΜΑΘΗΜΑ 2 ΑΝΑΠΑΡΑΣΤΑΣΗ - ΤΕΧΝΙΚΕΣ ΤΝ (1) ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΜΑΘΗΜΑ 2 ΑΝΑΠΑΡΑΣΤΑΣΗ - ΤΕΧΝΙΚΕΣ ΤΝ (1) 2. ΑΝΑΠΑΡΑΣΤΑΣΗ ΠΡΟΒΛΗΜΑΤΟΣ H υλοποίηση ενός προβλήµατος σε σύστηµα Η/Υ που επιδεικνύει ΤΝ 1 απαιτεί: Την κατάλληλη περιγραφή του προβλήµατος

Διαβάστε περισσότερα

Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα

Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα Ελεγχος, Αξιοπιστία και Διασφάλιση Ποιότητας Λογισµικού Πολυπλοκότητα Τµήµα Διοίκησης Επιχειρήσεων Τει Δυτικής Ελλάδας Μεσολόγγι Δρ. Α. Στεφανή Διάλεξη 5 2 Εγκυροποίηση Λογισµικού Εγκυροποίηση Λογισµικού

Διαβάστε περισσότερα

ΚΥΚΛΟΣ ΖΩΗΣ ΛΟΓΙΣΜΙΚΟΥ και ΔΙΑΓΡΑΜΜΑΤΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ

ΚΥΚΛΟΣ ΖΩΗΣ ΛΟΓΙΣΜΙΚΟΥ και ΔΙΑΓΡΑΜΜΑΤΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ ΚΥΚΛΟΣ ΖΩΗΣ ΛΟΓΙΣΜΙΚΟΥ και ΔΙΑΓΡΑΜΜΑΤΑ ΡΟΗΣ ΔΕΔΟΜΕΝΩΝ Ο κύκλος ζωής λογισµικού (συνοπτικά) Η παραδοσιακή φάση ανάπτυξης του κύκλου ζωής λογισµικού Φάση καθορισµού απαιτήσεων (1/2) ΤΙ πρέπει να κάνει το

Διαβάστε περισσότερα

Αναγνώριση Προτύπων Ι

Αναγνώριση Προτύπων Ι Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται

Διαβάστε περισσότερα

Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Βασικές Έννοιες Προγραμματισμού. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD

Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Βασικές Έννοιες Προγραμματισμού. Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Τμήμα Μηχανολόγων Μηχανικών Πανεπιστήμιο Θεσσαλίας ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Βασικές Έννοιες Προγραμματισμού Ιωάννης Λυχναρόπουλος Μαθηματικός, MSc, PhD Αριθμητικά συστήματα Υπάρχουν 10 τύποι ανθρώπων: Αυτοί

Διαβάστε περισσότερα

Ενηµερώσεις λογισµικού Οδηγός χρήσης

Ενηµερώσεις λογισµικού Οδηγός χρήσης Ενηµερώσεις λογισµικού Οδηγός χρήσης Copyright 2009 Hewlett-Packard Development Company, L.P. Η ονοµασία Windows είναι σήµα κατατεθέν της Microsoft Corporation στις Ηνωµένες Πολιτείες. Οι πληροφορίες στο

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών

ΕΙΣΑΓΩΓΗ. Μη Παραµετρική Στατιστική, Κ. Πετρόπουλος. Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Τµήµα Μαθηµατικών, Πανεπιστήµιο Πατρών Εισαγωγή Στα προβλήµατα που έχουµε ασχοληθεί µέχρι τώρα, υποστηρίζουµε ότι έχουµε ένα δείγµα X = (X 1, X 2,...,X n ) F(,θ). π.χ. X 1, X 2,...,X n τ.δ. N(µ,σ 2 ),

Διαβάστε περισσότερα

Περιεχόμενο του μαθήματος

Περιεχόμενο του μαθήματος ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Απαιτήσεις Λογισμικού Περιπτώσεις χρήσης Δρ Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου Εαρινό Εξάμηνο 2012-2013 1 Περιεχόμενο του μαθήματος

Διαβάστε περισσότερα

Μοντέλα Υγείας. Βασικές Αρχές Βιοϊατρικού Μοντέλου. Θετικές επιπτώσεις Βιοϊατρικής προσέγγισης. 2 Βασικές Ιδεολογίες για Υγεία & Αρρώστια

Μοντέλα Υγείας. Βασικές Αρχές Βιοϊατρικού Μοντέλου. Θετικές επιπτώσεις Βιοϊατρικής προσέγγισης. 2 Βασικές Ιδεολογίες για Υγεία & Αρρώστια ΜΟΝΤΕΛΑ ΥΓΕΙΑΣ-ΑΣΘΕΝΕΙΑΣ ΓΝΩΣΤΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΑΡΡΩΣΤΙΑΣ 2 Βασικές Ιδεολογίες για Υγεία & Αρρώστια Μοντέλα Υγείας Βιοιατρικό Μοντέλο Ολιστικό, Βιοψυχοκοινωνικό Μοντέλο Αρχαία Ελλάδα (Ιπποκράτης 400π.Χ.)

Διαβάστε περισσότερα

ΑΣΦΑΛΕΙΑ ΥΠΟ ΟΜΩΝ ΚΑΙ ΙΑΧΕΙΡΙΣΗ ΚΙΝ ΥΝΩΝ 13&14 ΜΑΪΟΥ 2003

ΑΣΦΑΛΕΙΑ ΥΠΟ ΟΜΩΝ ΚΑΙ ΙΑΧΕΙΡΙΣΗ ΚΙΝ ΥΝΩΝ 13&14 ΜΑΪΟΥ 2003 Α ΠΑΝΕΛΛΗΝΙΟ ΣΥΝΕ ΡΙΟ Η ΠΡΟΣΤΑΣΙΑ ΤΗΣ ΚΡΙΣΙΜΗΣ ΥΠΟ ΟΜΗΣ ΤΗΣ ΧΩΡΑΣ ΑΣΦΑΛΕΙΑ ΥΠΟ ΟΜΩΝ ΚΑΙ ΙΑΧΕΙΡΙΣΗ ΚΙΝ ΥΝΩΝ ρ. Ιωάννης Α. Παπάζογλου Εργαστήριο Αξιοπιστίας Συστηµάτων & Βιοµηχανικής Ασφάλειας Ινστιτούτο

Διαβάστε περισσότερα

ΘΕ6: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΝΑΠΤΥΞΗΣ ΠΡΟΪΟΝΤΟΣ. ιαδικασίες Ανάπτυξης και Οργανισµοί

ΘΕ6: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΝΑΠΤΥΞΗΣ ΠΡΟΪΟΝΤΟΣ. ιαδικασίες Ανάπτυξης και Οργανισµοί ΘΕ6: ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΝΑΠΤΥΞΗΣ ΠΡΟΪΟΝΤΟΣ 1 Μία διαδικασία, στη γενική της έννοια, είναι µία ακολουθία από βήµατα που µετατρέπει ένα σύνολο από πρώτες ύλες σε ένα σύνολο από προϊόντα. Η διαδικασία ανάπτυξης

Διαβάστε περισσότερα

Θέµατα αξιολόγησης εκπαιδευτικού λογισµικού

Θέµατα αξιολόγησης εκπαιδευτικού λογισµικού Θέµατα αξιολόγησης εκπαιδευτικού λογισµικού Όνοµα: Τάσος Αναστάσιος Επώνυµο: Μικρόπουλος Τίτλος: Αναπληρωτής Καθηγητής, Εργαστήριο Εφαρµογών Εικονικής Πραγµατικότητας στην Εκπαίδευση, Πανεπιστήµιο Ιωαννίνων

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

Δομές Ακολουθίας- Επιλογής - Επανάληψης. Δομημένος Προγραμματισμός

Δομές Ακολουθίας- Επιλογής - Επανάληψης. Δομημένος Προγραμματισμός Δομές Ακολουθίας- Επιλογής - Επανάληψης Δομημένος Προγραμματισμός 1 Βασικές Έννοιες αλγορίθμων Σταθερές Μεταβλητές Εκφράσεις Πράξεις Εντολές 2 Βασικές Έννοιες Αλγορίθμων Σταθερά: Μια ποσότητα που έχει

Διαβάστε περισσότερα

Πληροφορική 2. Τεχνητή νοημοσύνη

Πληροφορική 2. Τεχνητή νοημοσύνη Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο

Διαβάστε περισσότερα

ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΧΑΡΤΟΓΡΑΦΙΑΣ ΧΑΡΤΟΓΡΑΦΙΑ ΧΑΡΤΗΣ ΧΡΗΣΗ ΗΜΙΟΥΡΓΙΑ. β. φιλιππακοπουλου 1

ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΧΑΡΤΟΓΡΑΦΙΑΣ ΧΑΡΤΟΓΡΑΦΙΑ ΧΑΡΤΗΣ ΧΡΗΣΗ ΗΜΙΟΥΡΓΙΑ. β. φιλιππακοπουλου 1 ΧΑΡΤΟΓΡΑΦΙΑ ΑΝΑΠΑΡΑΣΤΑΣΗ ΧΑΡΤΗΣ ΓΕΩΓΡΑΦΙΚΟΣ ΧΩΡΟΣ ΗΜΙΟΥΡΓΙΑ ΧΡΗΣΗ β. φιλιππακοπουλου 1 Αναλυτικό Πρόγραµµα 1. Εισαγωγή: Μια επιστηµονική προσέγγιση στη χαρτογραφική απεικόνιση και το χαρτογραφικό σχέδιο

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή

Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ικανοποίηση Περιορισμών Κατηγορία προβλημάτων στα οποία είναι γνωστές μερικές

Διαβάστε περισσότερα

Περιεχόµενα µαθήµατος

Περιεχόµενα µαθήµατος Περιεχόµενα µαθήµατος Λήψη αποφάσεων Ειδικά θέµατα (προγραµµατισµός κι έλεγχος παραγωγής, ανάλυση χρονοσειρών, διαχείριση κι έλεγχος αποθεµάτων, κ.ά.) Ορισµός, στόχοι και µορφές επιχειρήσεων και Χρηµατοοικονοµικά

Διαβάστε περισσότερα

ΑΕΠΠ Ερωτήσεις θεωρίας

ΑΕΠΠ Ερωτήσεις θεωρίας ΑΕΠΠ Ερωτήσεις θεωρίας Κεφάλαιο 1 1. Τα δεδομένα μπορούν να παρέχουν πληροφορίες όταν υποβάλλονται σε 2. Το πρόβλημα μεγιστοποίησης των κερδών μιας επιχείρησης είναι πρόβλημα 3. Για την επίλυση ενός προβλήματος

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟ ΣΥΣΤΗΜΑ ΑΞΙΟΛΟΓΗΣΗΣ

ΕΙΣΑΓΩΓΗ ΣΤΟ ΣΥΣΤΗΜΑ ΑΞΙΟΛΟΓΗΣΗΣ 1 ΕΙΣΑΓΩΓΗ ΣΤΟ ΣΥΣΤΗΜΑ ΑΞΙΟΛΟΓΗΣΗΣ Γενικές πληροφορίες σχετικά με το σύστημα αξιολόγησης H αξιολόγηση είναι κυρίως διαμορφωτική και στοχεύει να περιγράψει την πρόοδο που κάνουν οι μαθητές, και στη συνέχεια,

Διαβάστε περισσότερα

Υπολογιστική Πολυπλοκότητα

Υπολογιστική Πολυπλοκότητα Υπολογιστική Πολυπλοκότητα Υπολογιστική πολυπλοκότητα αλγόριθµου Α: Ποσότητα υπολογιστικών πόρων που απαιτεί Α ως αύξουσα συνάρτηση µεγέθους στιγµιότυπου εισόδου. Χρόνος, µνήµη, επεξεργαστές, επικοινωνία,

Διαβάστε περισσότερα

710 -Μάθηση - Απόδοση

710 -Μάθηση - Απόδοση 710 -Μάθηση - Απόδοση Διάλεξη 6η Ποιοτική αξιολόγηση της Κινητικής Παρατήρηση Αξιολόγηση & Διάγνωση Η διάλεξη αυτή περιλαμβάνει: Διαδικασία της παρατήρησης & της αξιολόγησης Στόχοι και περιεχόμενο παρατήρησης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 25 Ιουνίου 2003 ιάρκεια: 2 ώρες α) Σε ποια περίπτωση

Διαβάστε περισσότερα

Πληροφοριακά Συστήματα & Περιβάλλον

Πληροφοριακά Συστήματα & Περιβάλλον ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 9: Έμπειρα Συστήματα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης Το

Διαβάστε περισσότερα

Επεξεργασία Ερωτήσεων

Επεξεργασία Ερωτήσεων Εισαγωγή Επεξεργασία Ερωτήσεων ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήματος 1. Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασμός) 2. Προγραμματισμός (Σχεσιακή Άλγεβρα, SQL) ημιουργία/κατασκευή Εισαγωγή εδομένων

Διαβάστε περισσότερα

Ολοκληρωµένο Σύστηµα ιαχείρισης Ασφαλισµένου

Ολοκληρωµένο Σύστηµα ιαχείρισης Ασφαλισµένου Εγχειρίδιο Χρήστη: Ολοκληρωµένο Σύστηµα ιαχείρισης ΦΑΣΗ Α: Ηλεκτρονική Καταγραφή Παρακλινικών Εξετάσεων Έκδοση 0.02 Ιστορικό Αναθεωρήσεων Date [Ηµ/νία] Version Description Author Approved by Date of [Έκδοση]

Διαβάστε περισσότερα

ΑΛΓΟΡΙΘΜΟΙ. Τι είναι αλγόριθμος

ΑΛΓΟΡΙΘΜΟΙ. Τι είναι αλγόριθμος ΑΛΓΟΡΙΘΜΟΙ Στο σηµείωµα αυτό αρχικά εξηγείται η έννοια αλγόριθµος και παραθέτονται τα σπουδαιότερα κριτήρια που πρέπει να πληρεί κάθε αλγόριθµος. Στη συνέχεια, η σπουδαιότητα των αλγορίθµων συνδυάζεται

Διαβάστε περισσότερα

Επεξεργασία Ερωτήσεων

Επεξεργασία Ερωτήσεων Εισαγωγή Επεξεργασία Ερωτήσεων Σ Β Βάση εδομένων Η ομή ενός ΣΒ Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 1 Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 2 Εισαγωγή Εισαγωγή ΜΕΡΟΣ 1 (Χρήση Σ Β ) Γενική

Διαβάστε περισσότερα

Αναλυτικό Πρόγραμμα Μαθηματικών

Αναλυτικό Πρόγραμμα Μαθηματικών Αναλυτικό Πρόγραμμα Μαθηματικών Σχεδιασμός... αντιμετωπίζει ενιαία το πλαίσιο σπουδών (Προδημοτική, Δημοτικό, Γυμνάσιο και Λύκειο), είναι συνέχεια υπό διαμόρφωση και αλλαγή, για να αντιμετωπίζει την εξέλιξη,

Διαβάστε περισσότερα