yusaku.kaneta@rakuten.com, arim@ist.hokudai.ac.jp, uno@nii.jp
|
|
- Ἰωακείμ Κωνσταντίνου
- 8 χρόνια πριν
- Προβολές:
Transcript
1 DEIM Forum 2016 D yusaku.kaneta@rakuten.com, arim@ist.hokudai.ac.jp, uno@nii.jp U = [0, u) x U f x ϕ (0, 1] ε (0, ϕ] f x > ϕn x ˆF U n x ˆF f x > (ϕ ε)n O(log(k/δ) log(u)/ε) O(log(k/δ)) O(log 2 (k/δ)/ε) δ (0, 1] k = 1/ϕ Cormode Muthukrishnan (ACM Trans. Database Syst., 2005) 1. S (frequent elements problem) ϕ (0, 1] F = {x U f x > ϕn} U = {0,..., u 1} f x x U S n = fx x U [3, 6 10, 14 17] Ω(u) [7] o(u) [7 9, 14, 15, 17] ( [6]) n S ϕ (0, 1] ε (0, ϕ] ˆF U x ˆF f x > (ϕ ε)n F ˆF Cormode Muthukrishnan [7] Combinatorial Group Testing (CGT) CGT Count-Min Sketch (CMS) [8] CGT O(log(k/δ) log(u)/ε) O(log(k/δ) log(u)) ˆF O(log(k/δ)(log(u) + log(k/δ))/ε) [7] k = 1/ϕ δ (0, 1] log u Cormode Muthukrishnan [7] O(τ log(k/δ) log τ (u)/ε) O(log(k/δ) log τ (u)) τ 2 O(log(k/δ)(τ log τ (u) + log(k/δ))/ε) Cormode Muthukrishnan (1) o(u) O(log u) (2) CGT [7] O(log u) O(log(u)/ log(k/δ)) Bit-Parallel Combinatorial Group Testing (BP-CGT)
2 1 O(log(k/δ)) O(log 2 (k/δ)/ε) O(log(k/δ) log(u)/ε) k = 1/ϕ δ (0, 1] 1 δ Cormode Muthukrishnan [7] w unit-cost word RAM w log u m = O(w) C[0..m 1] Baeza-Yates Gonnet [1] k O(w/ log k) O(log k) Grabowski Fredriksson [12] O(log k) O(log log k) O(w/ log log k) O(log k) O(w) Bille Thorup [2] O(w) O(w) [6] Frandsen Skyum [10] ϕ = 0.5 O(n) 4 O(log u) Cormode Muthukrishnan [7] ϕ = ε = 0.5 O(log u) O(log u) 4 Cormode Muthukrishnan [7] Cormode Muthukrishnan [8] CMS CMS CGT [13] Cormode Hadjieleftheriou [6] b = 16 CGT [6] O(w) 4 ϕ = ε = [7] 5 4 [7] [7] 2. Z = {0, ±1,...} N = {0, 1,...} i, j (i j) [i..j] = {i, i + 1,..., j} Z p [p] = [0..p 1] N w log u unit-cost word-ram w w m w/m m x N bit(x, i) {0, 1}
3 x i S [m] int(s) [0..2 m 1] bit(int(s), i) = 1 i S x Z (x 0) lsb(x) = min{i N x mod 2 i = 0} lsb(x) x 1 lsb(0) = c n,m-1 c i,m-1 c 0,m-1 1 c n,5 c n,2 c n,m-2 c 0,5 c 0,2 c 0,m-2 c n,4 c n,1 c n,m-3 c i,5 c i,2 c i,m-2 c i,4 c i,1 c i,m-3 c 0,4 c 0,1 c 0,m-3 c n,3 c n,0 c n c i,3 c i,0 c i c 0,3 c 0,0 c 0 C[i] C[0..m 1] m mod 3 = 0 1 n lsb(1),..., lsb(n) lsb 2 x, y (1) lsb(x + y) = lsb(x) lsb(x) < lsb(y). (2) lsb(x + y) > lsb(x) lsb(x) = lsb(y). (3) lsb(x + y) < lsb(x) lsb(x) > lsb(y). 3. O(w) m n m = O(w) n = O(w) C[0..m 1] m C[0],..., C[m 1] Z x [0..2 m 1] 1 ( ) increment(c, x): i [m] C[i] C[i] + bit(x, i). decrement(c, x): i [m] C[i] C[i] bit(x, i). iszero(c): int({i [m] C[i] = 0}) increment, decrement, iszero C[0..m 1] Θ(m) [7] O(log u) 2 ( ) w word RAM O(w) O(n) lsb(pre(t)) 3. 1.! C[0..m 1] C[i] Z lsb(t) n c i,0,..., c i,n 1 C[i] = n 1 j=0 ci,j2j C[i] t c i,0,..., c i,lsb(t) increment decrement C c 0,..., c n 1 m C[i]j i mod 3 i 1 m 3 {0, ±1} {0, ±1, ±2} increment/decrement t 0 min{lsb(t), n 1} t 0 l < lsb(t) c l {0, ±1} lsb(t) l < n c l {0, ±1, ±2} (c i + x 2, +1) if c i + x +2. (c i, x) (c i + x + 2, 1) if c i + x 2. (c i + x, 0) otherwise. t pre(t) = max{t 2 lsb(t), 0} c lsb(t) 3 t (1) 0 i < lsb(t) c i {0, ±1, ±2}. (2) lsb(t) i < lsb(pre(t)) c i {0, ±1}.
4 (3) lsb(pre(t)) i < n c i {0, ±1, ±2}.. t t = 0 lsb(t) = n 0 l < n c l = 0 t 1 t lsb(t + 1) > lsb(t) 2 (2) lsb(t) = 0 pre(t+1) c lsb(t+1) {0, ±1} pre(t + 1) < t < t 0 i < lsb(t) c i {0, ±1, ±2} lsb(t + 1) > lsb(t) 2. lsb(t + 1) < lsb(t) 2 (3) lsb(t + 1) = 0 lsb(t + 1) = 0 i < n c i 2 t t + 1 c 0 2 t lsb(t + 1) < lsb(t) t t lsb(t) + 1 L lsb(t) = lsb(t) i=0 c i2 i L lsb(t) 3 2 lsb(t) 1 iszero 0 i < n U i = n l=i c l2 l U i n t U i C = U 0 = 0 U i u i Z U i = u i 2 i t L lsb(t) = 3 2 i 1 1 u lsb(t)+1 +1 u i U i t C = U lsb(t)+1 + L lsb(t) = 0 x Z iszero u 0 = 0 t c 0,..., c lsb(t) u 0,..., u lsb(t) t u i (0 i lsb(t)) if 2u i+1 + c i > 2. u i 2u i+1 + c i otherwise. C[0..m 1] p p 0 p Algorithm 1 1: procedure update(c 0,..., c n 1, u 0,..., u n 1, x t ): 2: x x t 3: for i = 0 to min{lsb(t), n 1} do (c i + x 2, +1) if c i + x +2. 4: (c i, x) (c i + x + 2, 1) if c i + x 2. (c i + x, 0) otherwise. 5: for i = min{lsb(t), n 1} to 0 do { 6: u i if (u i+1 = ) ( 2u i+1 + c i > 2). 2u i+1 + c i otherwise. p p (iszero(c) & x) p p & (iszero(c) & x) C[0..m 1] C[i] α[i] C[i] α[i] C[i] = α[i] C[i] > α[i] C[i] < α[i] O(max i [m] α[i]) 4. ϕ = ε = 0.5 O(log u) m = log u 2 ( ) insert 2 (S, x): x S f x f x + 1. delete 2 (S, x): x S f x f x 1. output 2 (S): ϕ = ε = 0.5 ˆF Cormode Muthukrishnan Cormode Muthukrishnan [7] O(log u) C[0..m 1] n N C[i] = x U fx bit(x, i) n = fx x U C[i] x 0 i < m bit(x, i) = 1 C[i] > 0.5n
5 Algorithm 2 1: procedure insert 2 (S = (C[0..m 1], n), x) 2: n n + 1 3: increment(c, x) 4: if n is odd then 5: increment(c, 2 m 1) Algorithm 3 1: procedure delete 2 (S = (C[0..m 1], n), x) 2: n n 1 3: decrement(c, x) 4: if n is even then 5: decrement(c, 2 m 1) Algorithm 4 1: procedure output 2 (S = (C[0..m 1], n)) 2: return check >0 (C) [7] C[0..m 1] O(w) C[i] > 0.5n O(w) C[i] C[i] = f x bit(x, i) 0.5n. x U C[i] > 0 ±1 Algorithm 2 4 check >0 (C[0..m 1]) C[i] > 0 bit(x, i) = 1 x 2 3 ( ) O(log u) 5. 0 < ϕ 1 BP-CGT O(log(k/δ) log(u)/ε) O(log(k/δ)) O(log 2 (k/δ)/ε) δ 3 ( ) insert(s, x): x S f x f x + 1. delete(s, x): x S f x f x 1. output(s): ϕ, ε ˆF Cormode Muthukrishnan Cormode Muthukrishnan CGT [7] b > 0 O(log(k/δ) log τ (u)) O(log(k/δ)(τ log τ (u) + log(k/δ))/ε). 1 δ CGT [7] r c n N: N[1..r][1..c]: C[1..r][1..c][0..m 1]: h 1,..., h r : r h i : U [1..c]. n = x U f x N[i][j] = x U f x [h i (x) = j] C[i][j][l] = x U f x [h i (x) = j] bit(x, l) CGT x U r r c r 2 c i x F f x f x ϕn x x E[f x ] n c Markov P[f x ϕn] E[f x] ϕn = 1 cϕ. c 2/ϕ E[f x ] ϕn/2 P[f x ϕn] 1/2 1/2 f x < ϕn r f x ϕn (1/2) r = δ/k Boole F k = 1/ϕ 1 δ x ˆF f x > (ϕ ε)n x ˆF i [1..r] N[i][h i(x)] > ϕn
6 Algorithm 5 BP-CGT 1: procedure insert(s =(C[1..r][1..c][0..m 1], N[1..r][1..c], n), x) 2: n n + 1 3: for i = 1 to r do 4: insert 2 ((C[i][h i (x)], N[i][h i (x)]), x) Algorithm 6 BP-CGT 1: procedure delete(s =(C[1..r][1..c][0..m 1], N[1..r][1..c], n), x) 2: n n 1 3: for i = 1 to r do 4: delete 2 ((C[i][h i (x)], N[i][h i (x)]), x) Algorithm 7 BP-CGT 1: procedure output(s =(C[1..r][1..c][0..m 1], N[1..r][1..c], n)) 2: ˆF 3: for (i, j) = (1, 1) to (r, c) do 4: x output 2 ((C[i][j], N[i][j])) 5: for k = 1 to r do 6: if N[k][h k (x)] ϕn then 7: break 8: ˆF ˆF {x} 9: return ˆF x U f x < (ϕ ε)n x i i x f x εn ε < ϕ c 2/ε Markov E[f x ] εn/2 P[f x εn] 1/2 x 1/2 r x ˆF (1/2) r = δ/k 1 δ x ˆF f x (ϕ ε)n BP-CGT CGT [7] m = O(w) C[i][j][0..m 1] 3 O(log(k/δ)) CGT ϕn x r ϕn x r (c 1) BP-CGT Algorithm 5 7 CGT 4 BP-CGT 1 δ ˆF. BP-CGT ˆF 1 δ F ˆF x F f x f x > ϕn x f x Markov 1/2 f x ϕn 1/2 f x > N[i][h i(x)]/2 = (f x + f x )/2 output 2 (C[i][h i(x)], N[i][h i(x)]) x output x ˆF f x 1 δ f x (ϕ ε)n BP-CGT CGT 6. BP-CGT U = [0, u) O(log(k/δ) log(u)/ε) O(log(k/δ)) O(log 2 (k/δ)/ε) δ (0, 1] n O((n log(k/δ) log u + log 2 (k/δ))/ε) Cormode Muthukrishnan CGT [7] O(log u) O(log(u)/ log(k/δ)) CGT BP-CGT m = O(w) C[0],..., C[m 1] i [0, m) C[i] C[i]+bit(x, i) C[i] C[i] bit(x, i) C[i] = 0 x [0, 2 m ) m m m 1 i=0 [C[i] = 0] 2i [1] R. A. Baeza-Yates, G. H. Gonnet: A new approach to text searching. Commun. ACM, 35(10), pp , [2] P. Bille, M. Thorup: Regular expression matching with multi-strings and intervals. In Proc. 21st SODA, pp , [3] R. S. Boyer, J. S. Moore: MJRTY: a fast majority vote algorithm. automated reasoning. Essays in Honor of Woody Bledsoe, pp , 1991 [4] J. L. Carter, M. N. Wegman: Universal classes of hash functions. J. Comput. Syst. Sci., 18(2), pp , [5] M. Charikar, K. C. Chen, M. Farach-Colton: Finding frequent items in data streams. Theor. Comput. Sci., 312(1), pp. 3 15, [6] G. Cormode, M. Hadjieleftheriou: Methods for finding frequent items in data streams. VLDB J., 19(1), pp. 3 20,
7 2010. [7] G. Cormode, S. Muthukrishnan: What s hot and what s not: tracking most frequent items dynamically. ACM Trans. Database Syst., 30(1), pp , [8] G. Cormode, S. Muthukrishnan: An improved data stream summary: the count-min sketch and its applications. J. Algorithms, 55(1), pp , [9] E. D. Demaine, A. López-Ortiz, J. I. Munro: Frequency estimation of internet packet streams with limited space. In Proc. 10th ESA, pp , [10] G. S. Frandsen, S. Skyum: Dynamic maintenance of majority information in constant time per update. Inf. Process. Lett., 63(2), pp , [11] K. Fredriksson, S. Grabowski: Nested counters in bitparallel string matching. In Proc. 3rd LATA, pp , 2009 [12] S. Grabowski, K. Fredriksson: Bit-parallel string matching under Hamming distance in O(n m/w ) worst case time. Inf. Process. Lett., 105(5), pp , [13] P. Indyk: Sketching via hashing: from heavy hitters to compressed sensing to sparse fourier transform. In Proc. 32nd PODS, pp , [14] R. M. Karp, S. Shenker, C. H. Papadimitriou: A simple algorithm for finding frequent elements in streams and bags. ACM Trans. Database Syst., 28(1), pp , [15] A. Metwally, D. Agrawal, A. E. Abbadi: An integrated efficient solution for computing frequent and top-k elements in data streams. ACM Trans. Database Syst., 31(3), pp , [16] J. Misra, D. Gries: Finding repeated elements. Sci. Comput. Program, 2(2), pp , [17] G. S. Manku, R. Motwani: Approximate frequency counts over data streams. In Proc. 28th VLDB, pp , [18] A. Pagh, R. Pagh, S. S. Rao: An optimal Bloom filter replacement. In Proc. 16th SODA, pp , [19], :., 46(1), pp. 4 11, 2005.
Αλγόριθμος Συνδυαστικού Ελέγχου Συνόλων για την Εύρεση Συχνών Στοιχείων σε Δυναμικές Ροές Δεδομένων
Αλγόριθμος Συνδυαστικού Ελέγχου Συνόλων για την Εύρεση Συχνών Στοιχείων σε Δυναμικές Ροές Δεδομένων Κυριάκος Στεφανίδης Τμήμα Πληροφορικής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εργασία υποβληθείσα για
Διαβάστε περισσότεραDEIM Forum 2016 G7-5 152-8565 2-12-1 152-8565 2-12-1 889-1601 5200 E-mail: uragaki.k.aa@m.titech.ac.jp,,,.,,,,,,, 1. 1. 1,,,,,,.,,,,, 1. 2 [1],,,,, [2] (, SPM),,,,,,,. [3],, [4]. 2 A,B, A B, B A, B, 2,,,
Διαβάστε περισσότερα: Monte Carlo EM 313, Louis (1982) EM, EM Newton-Raphson, /. EM, 2 Monte Carlo EM Newton-Raphson, Monte Carlo EM, Monte Carlo EM, /. 3, Monte Carlo EM
2008 6 Chinese Journal of Applied Probability and Statistics Vol.24 No.3 Jun. 2008 Monte Carlo EM 1,2 ( 1,, 200241; 2,, 310018) EM, E,,. Monte Carlo EM, EM E Monte Carlo,. EM, Monte Carlo EM,,,,. Newton-Raphson.
Διαβάστε περισσότεραΑλγόριθμοι. Α. Υπολογιστικά Προβλήματα. Β. Εισαγωγή στους Αλγόριθμους. Γ. ομή Αλγόριθμων. Δ. ομές εδομένων
Αλγόριθμοι Α. Υπολογιστικά Προβλήματα Β. Εισαγωγή στους Αλγόριθμους Γ. ομή Αλγόριθμων Δ. ομές εδομένων Α. Υπολογιστικά Προβλήματα Πρόβλημα: Μια μη αποδεκτή κατάσταση που χρειάζεται επίλυση. Η διατύπωση
Διαβάστε περισσότεραQuick algorithm f or computing core attribute
24 5 Vol. 24 No. 5 Cont rol an d Decision 2009 5 May 2009 : 100120920 (2009) 0520738205 1a, 2, 1b (1. a., b., 239012 ; 2., 230039) :,,.,.,. : ; ; ; : TP181 : A Quick algorithm f or computing core attribute
Διαβάστε περισσότεραDEIM Forum 2014 A8-1, 606 8501 E-mail: {tsukuda,ohshima,kato,tanaka}@dl.kuis.kyoto-u.ac.jp 1 2,, 1. Google 1 Yahoo 2 Bing 3 Web Web BM25 [1] HITS [2] PageRank [3] Web 1 [4] 1http://www.google.com 2http://www.yahoo.com
Διαβάστε περισσότεραGemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών
Gemini,, Applications Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 Table of contents
Διαβάστε περισσότεραIndexing Methods for Encrypted Vector Databases
Computer Security Symposium 2013 21-23 October 2013 305-0006 1-1-1 junpei.kawamoto@acm.org LSH LSH LSH Indexing Methods for Encrypted Vector Databases Junpei Kawamoto Faculty of Engineering, Information
Διαβάστε περισσότεραH/Y Ε-07: Κατανεµηµένα Συστήµατα Εαρινό Εξάµηνο Ακ. Έτους 2008-2009 ιδάσκουσα: Παναγιώτα Φατούρου Προγραµµατιστικές Εργασίες
H/Y Ε-07: Κατανεµηµένα Συστήµατα Εαρινό Εξάµηνο Ακ. Έτους 2008-2009 ιδάσκουσα: Παναγιώτα Φατούρου Προγραµµατιστικές Εργασίες Ηµεροµηνία Παράδοσης: Σχόλια: Θα πρέπει να στείλετε µε e-mail την εργασία σας
Διαβάστε περισσότεραData Stream Summarization to Avoid Overlap
Data Stream Summarization to Avoid Overlap Δημήτρης Σουραβλιάς Τμήμα Πληροφορικής, Πανεπιστήμιο Ιωαννίνων dsouravl@cs.uoi.gr Abstract In this paper, we focus on approximately detecting duplicate data elements
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 12: Συνοπτική Παρουσίαση Ανάπτυξης Κώδικα με το Matlab Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραRe-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]
Re-Pair 1 1 Re-Pair Re-Pair Re-Pair Re-Pair 1. Larsson Moffat [1] Re-Pair Re-Pair (Re-Pair) ( ) (highly repetitive text) [2] Re-Pair [7] Re-Pair Re-Pair n O(n) O(n) 1 Hokkaido University, Graduate School
Διαβάστε περισσότεραΑλγόριθμοι Συμβολοσειρών
12 Αλγόριθμοι Συμβολοσειρών Περιεχόμενα Κεφαλαίου 12.1 Ορισμός Προβλήματος και Αλγόριθμος Ωμής Βίας... 348 12.2 Αλγόριθμος Rabin-Karp................... 350 12.3 Αλγόριθμος Boyer-Moore-Horspool.............
Διαβάστε περισσότεραΚατηγοριοποίηση με βάση δυναμικό αριθμό κοντινότερων γειτόνων
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής Πρόγραμμα Μεταπτυχιακών Σπουδών στην Πληροφορική Κατεύθυνση: Πληροφοριακά Συστήματα Κατηγοριοποίηση με βάση δυναμικό αριθμό
Διαβάστε περισσότεραMIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)
1,a) 1,b) 1,c) 1. MIDI [1], [2] U/D/S 3 [3], [4] 1 [5] Song [6] 1 Sony, Minato, Tokyo 108 0075, Japan a) Emiru.Tsunoo@jp.sony.com b) AkiraB.Inoue@jp.sony.com c) Masayuki.Nishiguchi@jp.sony.com MIDI [7]
Διαβάστε περισσότεραHOSVD. Higher Order Data Classification Method with Autocorrelation Matrix Correcting on HOSVD. Junichi MORIGAKI and Kaoru KATAYAMA
DEIM Forum 2010 D1-4 HOSVD 191-0065 6-6 E-mail: j.morigaki@gmail.com, katayama@tmu.ac.jp Lathauwer (HOSVD) (Tensor) HOSVD Savas HOSVD Sun HOSVD,, Higher Order Data Classification Method with Autocorrelation
Διαβάστε περισσότεραA data structure based on grammatical compression to detect long pattern
1 1 (1 + )nlogn + n + o(n) O( 1 (mlogn+occc(logmlogu))) n u m = P, < < 1 Z-index ) M-index ) A data structure based on grammatical compression to detect long pattern Naoya Kishiue, 1 Masaya Nakahara, 1
Διαβάστε περισσότεραA Method for Creating Shortcut Links by Considering Popularity of Contents in Structured P2P Networks
P2P 1,a) 1 1 1 P2P P2P P2P P2P A Method for Creating Shortcut Links by Considering Popularity of Contents in Structured P2P Networks NARISHIGE Yuki 1,a) ABE Kota 1 ISHIBASHI Hayato 1 MATSUURA Toshio 1
Διαβάστε περισσότεραAn Efficient Calculation of Set Expansion using Zero-Suppressed Binary Decision Diagrams
22 27 2 SP-C 2012 2011 Short Paper ZDD An Eicient Calculation o Set Expansion using Zero-Suppressed Binary Decision Diagrams Masaaki Nishino Norihito Yasuda Toru Kobayashi NTT Cyber Solutions Laboratories,
Διαβάστε περισσότεραΠ.Μ.. ΣΜΖΜΑΣΟ ΠΛΖΡΟΦΟΡΗΚΖ ΓΗΠΛΧΜΑΣΗΚΖ ΔΡΓΑΗΑ. Υπνινγηζηηθή ζύγθξηζε ησλ αιγνξίζκσλ Heap Sort θαη Weak Heap Sort. Βαζηιεία Φνξκόδε Α.Μ.
Π.Μ.. ΣΜΖΜΑΣΟ ΠΛΖΡΟΦΟΡΗΚΖ ΓΗΠΛΧΜΑΣΗΚΖ ΔΡΓΑΗΑ Υπνινγηζηηθή ζύγθξηζε ησλ αιγνξίζκσλ Heap Sort θαη Weak Heap Sort. Βαζηιεία Φνξκόδε Α.Μ. 43/11 Δπηβιέπσλ Καζεγεηήο: ακαξάο Νηθφιανο, Δπ. Καζεγεηήο Σκήκα Δθαξκνζκέλεο
Διαβάστε περισσότεραAnomaly Detection with Neighborhood Preservation Principle
27 27 Workshop on Information-Based Induction Sciences (IBIS27) Tokyo, Japan, November 5-7, 27. Anomaly Detection with Neighborhood Preservation Principle Tsuyoshi Idé Abstract: We consider a task of anomaly
Διαβάστε περισσότεραΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER - Discrete Fourier Transform - DFT -
ΔΙΑΚΡΙΤΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER - Discrete Fourier Transform - DFT - Α. ΣΚΟΔΡΑΣ ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΙΙ (22Y603) ΕΝΟΤΗΤΑ 4 ΔΙΑΛΕΞΗ 1 ΔΙΑΦΑΝΕΙΑ 1 Διαφορετικοί Τύποι Μετασχηµατισµού Fourier Α. ΣΚΟΔΡΑΣ
Διαβάστε περισσότεραFourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT
1,a) 1,2,b) Continuous wavelet transform, CWT CWT CWT CWT CWT 100 1. Continuous wavelet transform, CWT [1] CWT CWT CWT [2 5] CWT CWT CWT CWT CWT Irino [6] CWT CWT CWT CWT CWT 1, 7-3-1, 113-0033 2 NTT,
Διαβάστε περισσότεραΠανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Τεχνητή Νοημοσύνη. Ενότητα 2: Αναζήτηση (Search)
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Τεχνητή Νοημοσύνη Ενότητα 2: Αναζήτηση (Search) Αν. καθηγητής Στεργίου Κωνσταντίνος kstergiou@uowm.gr Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Άδειες
Διαβάστε περισσότεραYoshifumi Moriyama 1,a) Ichiro Iimura 2,b) Tomotsugu Ohno 1,c) Shigeru Nakayama 3,d)
1,a) 2,b) 1,c) 3,d) Quantum-Inspired Evolutionary Algorithm 0-1 Search Performance Analysis According to Interpretation Methods for Dealing with Permutation on Integer-Type Gene-Coding Method based on
Διαβάστε περισσότεραHY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems
HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems Ημερομηνία Παράδοσης: 0/1/017 την ώρα του μαθήματος ή με email: mkarabin@csd.uoc.gr Γενικές Οδηγίες α) Επιτρέπεται η αναζήτηση στο Internet και στην βιβλιοθήκη
Διαβάστε περισσότεραDEIM Forum 2 D3-6 819 39 744 66 8 E-mail: kawamoto@inf.kyushu-u.ac.jp, tawara@db.soc.i.kyoto-u.ac.jp, {asano,yoshikawa}@i.kyoto-u.ac.jp 1.,, Amazon.com The Internet Movie Database (IMDb) 1 Social spammers
Διαβάστε περισσότεραProbabilistic Approach to Robust Optimization
Probabilistic Approach to Robust Optimization Akiko Takeda Department of Mathematical & Computing Sciences Graduate School of Information Science and Engineering Tokyo Institute of Technology Tokyo 52-8552,
Διαβάστε περισσότεραSupplementary Materials for Evolutionary Multiobjective Optimization Based Multimodal Optimization: Fitness Landscape Approximation and Peak Detection
IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, VOL. XX, NO. X, XXXX XXXX Supplementary Materials for Evolutionary Multiobjective Optimization Based Multimodal Optimization: Fitness Landscape Approximation
Διαβάστε περισσότεραToward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- Takuya Adachi 1 Naoki Fukuta 2.
SIG-SWO-041-05 SPAIDA: SPARQL Toward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- 1 2 Takuya Adachi 1 Naoki Fukuta 2 1 1 Faculty of Informatics, Shizuoka University
Διαβάστε περισσότεραD Alembert s Solution to the Wave Equation
D Alembert s Solution to the Wave Equation MATH 467 Partial Differential Equations J. Robert Buchanan Department of Mathematics Fall 2018 Objectives In this lesson we will learn: a change of variable technique
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ
ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/inf161/ Άνοιξη 2016 - I. ΜΗΛΗΣ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΛΓΟΡΙΘΜΟΙ - ΑΝΟΙΞΗ 2016 - Ι. ΜΗΛΗΣ 08 DP I 1 Dynamic Programming Richard Bellman (1953) Etymology (at
Διαβάστε περισσότεραMath 6 SL Probability Distributions Practice Test Mark Scheme
Math 6 SL Probability Distributions Practice Test Mark Scheme. (a) Note: Award A for vertical line to right of mean, A for shading to right of their vertical line. AA N (b) evidence of recognizing symmetry
Διαβάστε περισσότεραΥπολογισμός ορίου συνάρτησης όταν x ±
6 Υπολογισός ορίου συνάρτησης όταν ± Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Αν οι τιές ιας συνάρτησης αυξάνονται απεριόριστα όταν το αυξάνεται απεριόριστα, λέε ότι το όριο της συνάρτησης στο + είναι το + και γράφουε
Διαβάστε περισσότεραInverse trigonometric functions & General Solution of Trigonometric Equations. ------------------ ----------------------------- -----------------
Inverse trigonometric functions & General Solution of Trigonometric Equations. 1. Sin ( ) = a) b) c) d) Ans b. Solution : Method 1. Ans a: 17 > 1 a) is rejected. w.k.t Sin ( sin ) = d is rejected. If sin
Διαβάστε περισσότεραHomework 3 Solutions
Homework 3 Solutions Igor Yanovsky (Math 151A TA) Problem 1: Compute the absolute error and relative error in approximations of p by p. (Use calculator!) a) p π, p 22/7; b) p π, p 3.141. Solution: For
Διαβάστε περισσότεραDurbin-Levinson recursive method
Durbin-Levinson recursive method A recursive method for computing ϕ n is useful because it avoids inverting large matrices; when new data are acquired, one can update predictions, instead of starting again
Διαβάστε περισσότεραNewman Modularity Newman [4], [5] Newman Q Q Q greedy algorithm[6] Newman Newman Q 1 Tabu Search[7] Newman Newman Newman Q Newman 1 2 Newman 3
DEWS2007 D3-6 y yy y y y y yy / DC 7313194 341 E-mail: yfktamura,mori,kuroki,kitakamig@its.hiroshima-cu.ac.jp, yymakoto@db.its.hiroshima-cu.ac.jp Newman Newman Newman Newman Newman A Clustering Algorithm
Διαβάστε περισσότεραEE512: Error Control Coding
EE512: Error Control Coding Solution for Assignment on Finite Fields February 16, 2007 1. (a) Addition and Multiplication tables for GF (5) and GF (7) are shown in Tables 1 and 2. + 0 1 2 3 4 0 0 1 2 3
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΟΜΗΣΙΜΩΝ ΥΛΙΚΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΕΛΕΓΧΟΥ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΟΜΗΣΙΜΩΝ ΥΛΙΚΩΝ ρ Αθ. Ρούτουλας Καθηγητής ΕΛΕΓΧΟΣ ΠΟΙΟΤΗΤΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΟΜΗΣΙΜΩΝ ΥΛΙΚΩΝ ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ ΕΝΟΤΗΤΑ 2 η Α ΡΑΝΗ ΥΛΙΚΑ ΑΣΚΗΣΗ 4 η : Ι. ΓΝΩΡΙΜΙΑ
Διαβάστε περισσότεραΟριακή Κατάσταση. με ή χωρίς ορθή δύναμη
ΤΕΕ Θράκης Κομοτηνή 10.10.2009 Σχεδιασμός φορέων από σκυρόδεμα με βάση τον Ευρωκώδικα 2 Μέρος 1-1 (EN 1992-1-1) Οριακή Κατάσταση Αστοχίας έναντι Κάμψης με ή χωρίς ορθή δύναμη Γιαννόπουλος Πλούταρχος Δρ.
Διαβάστε περισσότερα113-8654 7-3-1 101 8430 2-1-2 E-mail: {thayashi,t.akiba}@is.s.u-tokyo.ac.jp, yyoshida@nii.ac.jp
DEIM Forum 2015 E3-4 113-8654 7-3-1 101 8430 2-1-2 E-mail: {thayashi,t.akiba}@is.s.u-tokyo.ac.jp, yyoshida@nii.ac.jp 1,,,, 1. Freeman [6] 2 [1, 8, 9, 16] Brandes [4] n m O(n 2 + nm) [2, 5, 7, 18, 21] [10
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ
ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/inf161/ Άνοιξη 216 - I. ΜΗΛΗΣ ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΑΛΓΟΡΙΘΜΟΙ - ΑΝΟΙΞΗ 216 - Ι. ΜΗΛΗΣ 9 DP II 1 Dynamic Programming ΓΕΝΙΚΗ ΙΔΕΑ 1. Ορισμός υπο-προβλήματος/ων
Διαβάστε περισσότεραΓλώσσες Προγραμματισμού Μεταγλωττιστές. Πίνακας Συμβόλων
Γλώσσες Προγραμματισμού Μεταγλωττιστές Πίνακας Συμβόλων Πανεπιστήμιο Μακεδονίας Τμήμα Εφαρμοσμένης Πληροφορικής Ηλίας Σακελλαρίου Δομή Πίνακας Συμβόλων Κατασκευή Πληροφορία του ΠΣ Μεταβλητές (είδη, τύπος
Διαβάστε περισσότεραElements of Information Theory
Elements of Information Theory Model of Digital Communications System A Logarithmic Measure for Information Mutual Information Units of Information Self-Information News... Example Information Measure
Διαβάστε περισσότεραExample of the Baum-Welch Algorithm
Example of the Baum-Welch Algorithm Larry Moss Q520, Spring 2008 1 Our corpus c We start with a very simple corpus. We take the set Y of unanalyzed words to be {ABBA, BAB}, and c to be given by c(abba)
Διαβάστε περισσότεραΠροηγμένη Ευρετηρίαση Δεδομένων (ΠΜΣ) Ενδεικτικές ερωτήσεις-θέματα για την εξέταση της θεωρίας
Προηγμένη Ευρετηρίαση Δεδομένων (ΠΜΣ) Ενδεικτικές ερωτήσεις-θέματα για την εξέταση της θεωρίας 1. Πως δομούνται οι ιεραρχικές μνήμες; Αναφέρετε τα διάφορα επίπεδά τους από τον επεξεργαστή μέχρι τη δευτερεύουσα
Διαβάστε περισσότεραText Mining using Linguistic Information
630-0101 8916-5 {taku-kukaoru-yayuuta-tmatsu}@isaist-naraacjp PrefixSpan : PrefixSpan Text Mining using Linguistic Information Taku Kudo Kaoru Yamamoto Yuta Tsuboi Yuji Matsumoto Graduate School of Information
Διαβάστε περισσότεραKenta OKU and Fumio HATTORI
DEIM Forum 2012 A1-3 525 8577 1 1 1 E-mail: oku@fc.ritsumei.ac.jp, fhattori@is.ritsumei.ac.jp Kenta OKU and Fumio HATTORI College of Information Science and Engineering, 1 1 1 Nojihigashi, Kusatsu-city,
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΕΤΑΙΡΕΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ CYPRUS COMPUTER SOCIETY ΠΑΓΚΥΠΡΙΟΣ ΜΑΘΗΤΙΚΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24/3/2007
Οδηγίες: Να απαντηθούν όλες οι ερωτήσεις. Όλοι οι αριθμοί που αναφέρονται σε όλα τα ερωτήματα μικρότεροι του 10000 εκτός αν ορίζεται διαφορετικά στη διατύπωση του προβλήματος. Αν κάπου κάνετε κάποιες υποθέσεις
Διαβάστε περισσότερα«ΑΓΡΟΤΟΥΡΙΣΜΟΣ ΚΑΙ ΤΟΠΙΚΗ ΑΝΑΠΤΥΞΗ: Ο ΡΟΛΟΣ ΤΩΝ ΝΕΩΝ ΤΕΧΝΟΛΟΓΙΩΝ ΣΤΗΝ ΠΡΟΩΘΗΣΗ ΤΩΝ ΓΥΝΑΙΚΕΙΩΝ ΣΥΝΕΤΑΙΡΙΣΜΩΝ»
I ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΝΟΜΙΚΩΝ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΠΟΛΙΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ «ΔΙΟΙΚΗΣΗ ΚΑΙ ΟΙΚΟΝΟΜΙΑ» ΚΑΤΕΥΘΥΝΣΗ: ΟΙΚΟΝΟΜΙΚΗ
Διαβάστε περισσότεραΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2013
ΤΑΞΗ: 3 η ΤΑΞΗ ΕΠΑ.Λ. (Α Β ΟΜΑ Α) ΜΑΘΗΜΑ: ΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ / ΕΙ ΙΚΟΤΗΤΑΣ ΘΕΜΑ Α Ηµεροµηνία: Κυριακή 14 Απριλίου 2013 ιάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ Α1. Να γράψετε στο τετράδιο σας το γράµµα
Διαβάστε περισσότεραOther Test Constructions: Likelihood Ratio & Bayes Tests
Other Test Constructions: Likelihood Ratio & Bayes Tests Side-Note: So far we have seen a few approaches for creating tests such as Neyman-Pearson Lemma ( most powerful tests of H 0 : θ = θ 0 vs H 1 :
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΑΚΑ ΜΑΘΗΜΑΤΑ Α ΓΥΜΝΑΣΙΟΥ
ΓΥΜΝΑΣΙΟ ΦΥΛΗΣ ΕΡΓΑΣΤΗΡΙΑΚΑ ΜΑΘΗΜΑΤΑ Α ΓΥΜΝΑΣΙΟΥ 2012-2013 Β Α Ρ Δ Α Λ Α Χ Ο Υ Ε Υ Α Γ Γ Ε Λ Ι Α - Ε Κ Π Α Ι Δ Ε Υ Τ Ι Κ Ο Σ Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ MSC Τ. Π. Ε. Γ Ι Α ΤΗΝ Ε Κ Π Α Ι Δ Ε Υ Σ Η ΕΝΑΡΞΗ ΤΟΥ
Διαβάστε περισσότερα2 Composition. Invertible Mappings
Arkansas Tech University MATH 4033: Elementary Modern Algebra Dr. Marcel B. Finan Composition. Invertible Mappings In this section we discuss two procedures for creating new mappings from old ones, namely,
Διαβάστε περισσότεραK r i t i k i P u b l i s h i n g - d r a f t
n n T ime(n) = Θ(n 2 ) T ime(n) = Θ(2n) n i=1 i = Θ(n2 ) T (n) = 2T ( n 2 ) + n = Θ(n log n) i i i i i i i & i i + L(1..n) i L(i) n n L n i j : L[i] L[1..j]. (j n) j = j + 1 L[i] < L[j] i = j i
Διαβάστε περισσότεραείκτες και Πίνακες Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα:
είκτες και Πίνακες Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Αριθµητική εικτών Πολυδιάστατοι πίνακες Πέρασµα παραµέτρων σε προγράµµατα C ΕΠΛ 132 Αρχές Προγραµµατισµού ΙΙ 1-1 είκτες (pointers)
Διαβάστε περισσότεραJesse Maassen and Mark Lundstrom Purdue University November 25, 2013
Notes on Average Scattering imes and Hall Factors Jesse Maassen and Mar Lundstrom Purdue University November 5, 13 I. Introduction 1 II. Solution of the BE 1 III. Exercises: Woring out average scattering
Διαβάστε περισσότεραER-Tree (Extended R*-Tree)
1-9825/22/13(4)768-6 22 Journal of Software Vol13, No4 1, 1, 2, 1 1, 1 (, 2327) 2 (, 3127) E-mail xhzhou@ustceducn,,,,,,, 1, TP311 A,,,, Elias s Rivest,Cleary Arya Mount [1] O(2 d ) Arya Mount [1] Friedman,Bentley
Διαβάστε περισσότεραTMA4115 Matematikk 3
TMA4115 Matematikk 3 Andrew Stacey Norges Teknisk-Naturvitenskapelige Universitet Trondheim Spring 2010 Lecture 12: Mathematics Marvellous Matrices Andrew Stacey Norges Teknisk-Naturvitenskapelige Universitet
Διαβάστε περισσότεραΤοποθέτηση τοπωνυµίων και άλλων στοιχείων ονοµατολογίας στους χάρτες
Τοποθέτηση τοπωνυµίων και άλλων στοιχείων ονοµατολογίας στους χάρτες Miroshnikov & Tchepine 1999 Ahn & Freeman 1984 Ένας σηµαντικός παράγοντας που επηρεάζει την αποτελεσµατικότητα ενός χάρτη ως µέσω επικοινωνίας
Διαβάστε περισσότεραΘερ ικοί Αισθητήρες. Α. Πετρόπουλος - Τεχνολογία των αισθητήρων. 2011. Θερμικοί αισθητήρες. 1. Αισθητήρας Μέτρησης Ροής
Θερ ικοί Αισθητήρες Α. Πετρόπουλος - Τεχνολογία των αισθητήρων. 011 Θερμικοί αισθητήρες 1. Αισθητήρας Μέτρησης Ροής Θερ ικοί Αισθητήρες Α. Πετρόπουλος - Τεχνολογία των αισθητήρων. 011 Συγκεντρωτικά Εφαρμογές
Διαβάστε περισσότεραBMI/CS 776 Lecture #14: Multiple Alignment - MUSCLE. Colin Dewey
BMI/CS 776 Lecture #14: Multiple Alignment - MUSCLE Colin Dewey 2007.03.08 1 Importance of protein multiple alignment Phylogenetic tree estimation Prediction of protein secondary structure Critical residue
Διαβάστε περισσότεραThe Simply Typed Lambda Calculus
Type Inference Instead of writing type annotations, can we use an algorithm to infer what the type annotations should be? That depends on the type system. For simple type systems the answer is yes, and
Διαβάστε περισσότεραΑρχιτεκτονική Σχεδίαση Ασαφούς Ελεγκτή σε VHDL και Υλοποίηση σε FPGA ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΗΜΑΤΩΝ, ΕΛΕΓΧΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ Αρχιτεκτονική Σχεδίαση Ασαφούς Ελεγκτή σε VHDL και Υλοποίηση σε FPGA ΙΠΛΩΜΑΤΙΚΗ
Διαβάστε περισσότεραΑ2. Να γράψετε στο τετράδιό σας τους αριθμούς 1,2,3,4,5 από τη Στήλη Α και δίπλα το γράμμα α,β,γ,δ,ε,στ της Στήλης Β που δίνει τη σωστή αντιστοιχία.
ΑΡΧΗ 1ΗΣ ΣΕΛΙ ΑΣ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ ΗΜΕΡΗΣΙΩΝ ΚΑΙ ΕΣΠΕΡΙΝΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ (ΟΜΑ Α A ) ΚΑΙ ΜΑΘΗΜΑΤΩΝ ΕΙ ΙΚΟΤΗΤΑΣ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ (ΟΜΑ Α Β ) ΠΕΜΠΤΗ 7 ΙΟΥΝΙΟΥ 2012 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΟΜΗΜΕΝΟΣ
Διαβάστε περισσότεραAn Effective and Efficient Algorithm for Text Categorization
,2 2 2. 300074 2. 30007 shi.zw@mail.nankai.edu.cn k k k k TP8 A An Effective and Efficient Algorithm for Text Categorization Shi Zhi-wei,2, Liu Tao 2, Wu Gong-yi 2 (.College of Computer and Information
Διαβάστε περισσότεραΕἶναι ἄραγε νεκρός ὁ Εὐκλείδης ;
Εἶναι ἄραγε νεκρός ὁ Εὐκλείδης ; Γιωργος Σωκρατης.Σ. Σµυρλης 2006 c 2006 Γιῶργος-Σωκράτης.Σ. Σµυρλῆς Η εἰκόνα στό ἐξώφυλλο ἀποτελεῖ ἔργο τοῦ Barnett Newman (1905-1970), τό ὁποῖο ϕέρει τόν τίτλο : The Death
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2015 Β ΦΑΣΗ ÅÐÉËÏÃÇ ΕΚΦΩΝΗΣΕΙΣ
ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ (2ος Κύκλος) ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Ηµεροµηνία: Κυριακή 19 Απριλίου 2015 ιάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ Α1.
Διαβάστε περισσότεραΑποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining)
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Εξόρυξη Χρονικής Γνώσης (temporal data mining) Γιάννης Θεοδωρίδης, Νίκος Πελέκης Οµάδα ιαχείρισης
Διαβάστε περισσότεραMeasurement and Analysis of the Vibrations of Buldings and Technical Constructions
Τεχν. Χρον. Α, 1993, Τόμ. 13, Τεύχος 2 Tcch. Chron.-A, Greece, 1993, Vol. 13, Νο 2 Μέτρηση και Ανάλυση τν Ταλαντώσεν στις Δομικές Κατασκευές Π.Δ. ΣΑΒΒΑ Ι ΔΗΣ Περίληψη Στην εργασία αυτή περιγράφεται tνα
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ Άνοιξη 2017
ΑΛΓΟΡΙΘΜΟΙ http://eclass.aueb.gr/courses/if161/ Άνοιξη 2017 I. ΜΗΛΗΣ Ώρες Γραφείου: Δευτέρα, Παρασκευή 11:00-13:00 Κοδριγκτώνος 12, 3 ος οροφος (Κωδικός Εισόδου 4267) E-mail: milis@aueb.gr Αλγόριθμοι Τους
Διαβάστε περισσότεραΜΕΘΟΔΟΘ & ΣΟΠΟΛΟΓΘΑ ΓΔΩΓΡΑΦΗΚΖ ΑΝΑΛΤΖ ΜΔ ΥΡΖΖ ΓΔΩΓΡΑΦΗΚΩΝ ΤΣΖΜΑΣΩΝ. ησάλλεο ηζησλάο Σνπνγξάθνο κερ/θόο, ΜΒΑ, MEdu
ΜΕΘΟΔΟΘ & ΣΟΠΟΛΟΓΘΑ ΓΔΩΓΡΑΦΗΚΖ ΑΝΑΛΤΖ ΜΔ ΥΡΖΖ ΓΔΩΓΡΑΦΗΚΩΝ ΤΣΖΜΑΣΩΝ ησάλλεο ηζησλάο Σνπνγξάθνο κερ/θόο, ΜΒΑ, MEdu 21,22,24/11/2011 Γεσγξαθηθά πζηήκαηα Πιεξνθνξηώλ - GIS 1 ΜΕΘΟΔΟΘ ΑΝΑΛΤΗ - ΣΟΠΟΛΟΓΘΑ ΓΔΩΓΡΑΦΗΚΖ
Διαβάστε περισσότεραΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΜΕΛΕΤΗ ΚΑΙ ΚΑΤΑΣΚΕΥΗ ΙΑΤΑΞΗΣ ΜΕΤΡΗΣΗΣ ΘΕΡΜΟΧΩΡΗΤΙΚΟΤΗΤΑΣ ΣΕ ΜΑΓΝΗΤΙΚΟ ΠΕ ΙΟ ΓΙΑ ΧΑΡΑΚΤΗΡΙΣΜΟ
Διαβάστε περισσότεραΔΕΥΤΕΡΑ ΤΡΙΤΗ ΤΕΤΑΡΤΗ ΠΕΜΠΤΗ ΠΑΡΑΣΚΕΥΗ Ώρες Στοιχεία 8-9 Μάθημα Διδάσκων ΓΥΝΑΙΚΟΛΟΓΙΑ ΠΑΘΟΛΟΓΙΚΗ- ΧΕΙΡΟΥΡΓΙΚΗ ΦΡΟΝΤΙΔΑ ΑΣΘΕΝΟΥΣ (Ε) (4,5 ΩΡΕΣ) >> >>
ΤΕΙ ΑΘΗΝΑΣ ΣΧΟΛΗ ΕΠΑΓΓΕΛΜΑΤΩΝ ΥΓΕΙΑΣ & ΠΡΟΝΟΙΑΣ ΩΡΟΛΟΓΙΟ ΕΒΔΟΜΑΔΙΑΙΟ ΠΡΟΓΡΑΜΜΑ ΤΟΥ ΤΜΗΜΑΤΟΣ Μ Α Ι Ε Υ Τ Ι Κ Η Σ ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 2012-2013 ΕΞΑΜΗΝΟ B ΕΑΡΙΝΟ ΔΕΥΤΕΡΑ ΤΡΙΤΗ ΤΕΤΑΡΤΗ ΠΕΜΠΤΗ ΠΑΡΑΣΚΕΥΗ Ώρες Στοιχεία
Διαβάστε περισσότεραVol. 31,No JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb
Ξ 31 Vol 31,No 1 2 0 0 1 2 JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb 2 0 0 1 :025322778 (2001) 0120016205 (, 230026) : Q ( m 1, m 2,, m n ) k = m 1 + m 2 + + m n - n : Q ( m 1, m 2,, m
Διαβάστε περισσότεραΑπόκριση σε Μοναδιαία Ωστική Δύναμη (Unit Impulse) Απόκριση σε Δυνάμεις Αυθαίρετα Μεταβαλλόμενες με το Χρόνο. Απόστολος Σ.
Απόκριση σε Δυνάμεις Αυθαίρετα Μεταβαλλόμενες με το Χρόνο The time integral of a force is referred to as impulse, is determined by and is obtained from: Newton s 2 nd Law of motion states that the action
Διαβάστε περισσότεραμε ίσες μάζες ισορροπούν κρεμασμένα από κατακόρυφα ιδανικά ελατήρια με σταθερές k 1 και k 2 /2. Απομακρύνουμε τα σώματα Σ 1
ΑΣΚΗΣΕΙΣ ( Σε όλα τα προβλήματα - εκτός από το 9 - στα οποία υπεισέρχεται βαρύτητα να θεωρήσετε την τιμή της βαρυτικής επιτάχυνσης ίση με και 10 m/s 2, Να θεωρήσετε επίσης για την τιμή του π ότι π 2 =
Διαβάστε περισσότεραΠΙΝΑΚΑΣ ΑΝΤΙΣΤΟΙΧΙΣΗΣ ΑΡΘΡΩΝ ΤΙΜΟΛΟΓΙΟΥ ΜΕ ΚΩΔΙΚΟΥΣ ΕΤΕΠ
ΚΑΤΗΓΟΡΙΑ Α' :ΟΙΚΟΔΟΜΙΚΑ ΟΜΑΔΑ 1: ΧΩΜΑΤΟΥΡΓΙΚΑ ΚΑΘΑΙΡΕΣΕΙΣ 1.1.1 Γενικές εκσκαφές σε έδαφος γαιώδες -ημιβραχώδες OΔΟ Α-2 02-02-01-00 1.1.2 Eκσκαφή θεμελίων και τάφρων χωρίς τη χρήση μηχανικών μέσων σε
Διαβάστε περισσότεραΕγκατάσταση λογισμικού και αναβάθμιση συσκευής Device software installation and software upgrade
Για να ελέγξετε το λογισμικό που έχει τώρα η συσκευή κάντε κλικ Menu > Options > Device > About Device Versions. Στο πιο κάτω παράδειγμα η συσκευή έχει έκδοση λογισμικού 6.0.0.546 με πλατφόρμα 6.6.0.207.
Διαβάστε περισσότεραΠανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2009. HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems
Πανεπιστήμιο Κρήτης, Τμήμα Επιστήμης Υπολογιστών Άνοιξη 2009 HΥ463 - Συστήματα Ανάκτησης Πληροφοριών Information Retrieval (IR) Systems Στατιστικά Κειμένου Text Statistics Γιάννης Τζίτζικας άλ ιάλεξη :
Διαβάστε περισσότεραΕπηδεκηνινγία ζαθραξώδε δηαβήηε θαη θνηλσληθν-νηθνλνκηθέο επηπηώζεηο
Επηδεκηνινγία ζαθραξώδε δηαβήηε θαη θνηλσληθν-νηθνλνκηθέο επηπηώζεηο Δεκ. Θ. Καξακήηζνο 4-4-2003 Αιεμαλδξνύπνιε Τύπνη Σαθραξώδε Γηαβήηε Τύπνη Σαθραξώδε Γηαβήηε ΣΓ ηύπνπ 1 ΣΓ ηύπνπ 2 Κπήζεσο Σπάληεο κεηαιιάμεηο
Διαβάστε περισσότεραΠεριεχόμενο του μαθήματος
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΗΔομημένηπροσέγγιση Δρ Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου Εαρινό Εξάμηνο 2012-2013 1 Περιεχόμενο του μαθήματος Δομημένη ανάλυση
Διαβάστε περισσότεραA Hierarchy of Theta Bodies for Polynomial Systems
A Hierarchy of Theta Bodies for Polynomial Systems Rekha Thomas, U Washington, Seattle Joint work with João Gouveia (U Washington) Monique Laurent (CWI) Pablo Parrilo (MIT) The Theta Body of a Graph G
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΠΡΟΠΟΝΗΣΗΣ ΠΑΡΑΣΚΕΥΗ 29 ΝΟΕΜΒΡΙΟΥ 2013 ΧΡΟΝΟΣ ΠΡΟΠΟΝΗΣΗΣ Γ.Σ.Η.Ν. ΚΑΖΑΝΤΖΑΚΗΣ 50 12:30-13:20 Α.Γ.Ε.Μ.Σ.ΣΠΑΡΤΑΚΟΣ 25 15:20-15:45
ΠΑΝΕΛΛΗΝΙΟ ΠΡΩΤΑΘΛΗΜΑ ΑΚΡΟΒΑΤΙΚΗΣ ΓΥΜΝΑΣΤΙΚΗΣ Α -Β ΚΑΤΗΓΟΡΙΩΝ ΤΕΛΙΚΗ ΦΑΣΗ ΑΚΡΟΒΑΤΙΚΗΣ ΓΥΜΝΑΣΤΙΚΗΣ Γ -Δ -Ε ΚΑΤΗΓΟΡΙΩΝ Θεσσαλονίκη, 30 Νοεμβρίου- 1 Δεκεμβρίου 2013 ΠΡΟΓΡΑΜΜΑ ΠΡΟΠΟΝΗΣΗΣ ΠΑΡΑΣΚΕΥΗ 29 ΝΟΕΜΒΡΙΟΥ
Διαβάστε περισσότεραΠρογραμματισμός Ι. Πίνακες, Δείκτες, Αναφορές και Δυναμική Μνήμη. Δημήτρης Μιχαήλ. Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο
Προγραμματισμός Ι Πίνακες, Δείκτες, Αναφορές και Δυναμική Μνήμη Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Πίνακες Αντικειμένων Όπως στην C μπορούμε να έχουμε πίνακες από
Διαβάστε περισσότεραΤο Ψυχολογικό Κλίμα της Σχολικής Τάξης στο Ελληνικό Δημοτικό Σχολείο
Το Ψυχολογικό Κλίμα της Σχολικής Τάξης στο Ελληνικό Δημοτικό Σχολείο Ηλίας Γ. Ματσαγγούρας Καθηγητής Π.Τ.Δ.Ε. Πανεπιστημίου Αθηνών Σταμάτης Ν. Βούλγαρης Διδάκτωρ Επιστημών της Αγωγής Ι. Εισαγωγή Α. Το
Διαβάστε περισσότεραΕντοπισμός Θεματικά Επικαλυπτόμενων Άρθρων
ΑΤΕΙ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ Τμήμα Μηχανικών Πληροφορικής ΤΕ Εντοπισμός Θεματικά Επικαλυπτόμενων Άρθρων Πτυχιακή Εργασία Κωνσταντόπουλος Βασίλης (ΑΜ: Τ02757) Επιβλέπων: Κόκκορας Φώτης, Καθηγητής
Διαβάστε περισσότερα(C) 2010 Pearson Education, Inc. All rights reserved.
Connectionless transmission with datagrams. Connection-oriented transmission is like the telephone system You dial and are given a connection to the telephone of fthe person with whom you wish to communicate.
Διαβάστε περισσότεραFundamentals of Signals, Systems and Filtering
Fundamentals of Signals, Systems and Filtering Brett Ninness c 2000-2005, Brett Ninness, School of Electrical Engineering and Computer Science The University of Newcastle, Australia. 2 c Brett Ninness
Διαβάστε περισσότεραFinite Field Problems: Solutions
Finite Field Problems: Solutions 1. Let f = x 2 +1 Z 11 [x] and let F = Z 11 [x]/(f), a field. Let Solution: F =11 2 = 121, so F = 121 1 = 120. The possible orders are the divisors of 120. Solution: The
Διαβάστε περισσότεραOn the Galois Group of Linear Difference-Differential Equations
On the Galois Group of Linear Difference-Differential Equations Ruyong Feng KLMM, Chinese Academy of Sciences, China Ruyong Feng (KLMM, CAS) Galois Group 1 / 19 Contents 1 Basic Notations and Concepts
Διαβάστε περισσότεραGMRES(m) , GMRES, , GMRES(m), Look-Back GMRES(m). Ax = b, A C n n, x, b C n (1) Krylov.
211 9 12, GMRES,.,., Look-Back.,, Ax = b, A C n n, x, b C n (1),., Krylov., GMRES [5],.,., Look-Back [3]., 2 Krylov,. 3, Look-Back, 4. 5. 1 Algorith 1 The GMRES ethod 1: Choose the initial guess x and
Διαβάστε περισσότερα2. N-gram IDF. DEIM Forum 2016 A1-1. N-gram IDF IDF. 5 N-gram. N-gram. N-gram. N-gram IDF.
DEIM Forum 216 A1-1 N-gram IDF 565 871 1-5 E-mail: {hirakawa.maumi,hara}@it.oaka-u.ac.jp N-gram IDF IDF N-gram N-gram N-gram N-gram IDF N-gram N-gram IDF N-gram N-gram IDF Web Wikipedia 1 N-gram IDF [3]
Διαβάστε περισσότεραΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Τμημα Πληροφορικης και Τηλεματικης Τσάμη Παναγιώτα ΑΜ: 20833 ΚΑΤΑΝΕΜΗΜΕΝΑ ΣΥΣΤΗΜΑΤΑ Άσκηση 1 Αθήνα 13-12-2011 Αναφορά Ενότητα 1 A Δημιουργήστε στο φλοιό 3 εντολές (alias) που η
Διαβάστε περισσότεραCuckoo Hashing. Αλγόριθμοι και Πολυπλοκότητα. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο
Cuckoo Hashing Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο β Πολυτεχνείο Πρόβλημα (ADT) Λεξικού υναμικά μεταβαλλόμενη συλλογή αντικειμένων που αναγνωρίζονται με «κλειδί» (π.χ.
Διαβάστε περισσότεραΓεωπονικό Πανεπιςτήμιο Αθηνών Τμήμα Αξιοποίηςησ Φυςικών Πόρων και Γεωργικήσ Μηχανικήσ
Γεωπονικό Πανεπιςτήμιο Αθηνών Τμήμα Αξιοποίηςησ Φυςικών Πόρων και Γεωργικήσ Μηχανικήσ Εργαςτήριο Γεωργικών Καταςκευών ΠΜΣ Ενεργειακά Συςτήματα και Ανανεώςιμεσ Πηγέσ Ενέργειασ Διδακτορική διατριβή Καιιηέξγεηα
Διαβάστε περισσότερα«ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ ΓΔΓΟΜΔΝΩΝ ΣΟΝ ΔΛΛΑΓΗΚΟ ΥΩΡΟ»
ΓΔΩΠΟΝΗΚΟ ΠΑΝΔΠΗΣΖΜΗΟ ΑΘΖΝΩΝ ΣΜΗΜΑ ΑΞΙΟΠΟΙΗΗ ΦΤΙΚΩΝ ΠΟΡΩΝ & ΓΕΩΡΓΙΚΗ ΜΗΥΑΝΙΚΗ ΣΟΜΕΑ ΕΔΑΦΟΛΟΓΙΑ ΚΑΙ ΓΕΩΡΓΙΚΗ ΥΗΜΕΙΑ ΕΙΔΙΚΕΤΗ: ΕΦΑΡΜΟΓΕ ΣΗ ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ΣΟΤ ΦΤΙΚΟΤ ΠΟΡΟΤ «ΑΝΑΠΣΤΞΖ ΓΠ ΚΑΗ ΥΩΡΗΚΖ ΑΝΑΛΤΖ ΜΔΣΔΩΡΟΛΟΓΗΚΩΝ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΟΙΚΗΣΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΟΙΚΗΣΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΙΑΧΕΙΡΙΣΗ Ε ΟΜΕΝΩΝ ΚΑΙ ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ (Β ΕΞΑΜΗΝΟ) ιδάσκων: Επ. Καθηγητής Γρηγόρης Χονδροκούκης ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ Η ΓΛΩΣΣΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ
Διαβάστε περισσότεραΠειράµατα Ηλεκτρικών Ταλαντώσεων µε τη χρήση του Συστήµατος Συγχρονικής Λήψης και Απεικόνισης (Multilog) των Γενικών Λυκείων
Ι ΑΚΤΙΚΗ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΝΕΕΣ ΤΕΧΝΟΛΟΓΙΕΣ ΣΤΗΝ ΕΚΠΑΙ ΕΥΣΗ ΠΡΑΚΤΙΚΑ 5 ου ΠΑΝΕΛΛΗΝΙΟΥ ΣΥΝΕ ΡΙΟΥ, ΤΕΥΧΟΣ Γ Πειραµατική ιδασκαλία της Φυσικής Πειράµατα Ηλεκτρικών Ταλαντώσεων µε τη χρήση του Συστήµατος
Διαβάστε περισσότερα