Κατηγοριοποίηση & Κατασκευή 1

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Κατηγοριοποίηση & Κατασκευή 1"

Transcript

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 σε διαφορετική γενική κατηγορία Αυτές οι κατηγορίες είναι Η ανάλυση που χωρίζεται σε Διάγνωση (Diagnosis) Κατηγοριοποίηση (Classification) Η σύνθεση που χωρίζεται σε Προγραμματισμό ενεργειών (Planning) Κατασκευή (Construction)

2 Κατηγοριοποίηση & Κατασκευή 2 Κάθε έμπειρο σύστημα τείνει να είναι είτε το ένα είτε το άλλο. Ανάλυση/ κατηγοριοποίηση Εδώ η λύση του προβλήματος επιλέγεται από καθορισμένο σύνολο λύσεων Σύνθεση/κατασκευή Οι λύσει κατασκευάζονται από έναν απροσδιόριστο αριθμό λύσεων

3 Κατηγοριοποίηση των εμπείρων συστημάτων Τα προβλήματα που θέλουμε να λύσουμε με τα έμπειρα συστήματα κατηγοριοποιούνται στους ακόλουθους τύπους: Συστήματα ερμηνείας (Interpretation systems) συμπεραίνουν τις λύσεις από παρατηρήσεις ή δεδομένα αισθητήρων. Οι εργασίες περιλαμβάνουν κατανόηση των σημάτων και διευκρίνηση χημικών δομών Συστήματα πρόβλεψης (Prediction systems) συμπεραίνουν τις δυνατές συνέπειες καταστάσεων ή γεγονότων. Σε αυτή την κατηγορία περιλαμβάνονται πρόγνωση καιρού, οικονομικές προβλέψεις Συστήματα Διάγνωσης (Diagnosis systems) βγάζουν συμπεράσματα για σφάλματα του συστήματος από δεδομένα συμπτωμάτων. Αυτή η κατηγορία περιλαμβάνει πολλές εργασίες στις περιοχές της ιατρικής, μηχανολογίας και ηλεκτρολογίας

4 Κατηγοριοποίηση των εμπείρων συστημάτων Συστήματα παρακολούθησης (Monitoring systems) μελετούν και παρατηρούν τη συμπεριφορά του συστήματος κατά τη διάρκεια του χρόνου σε σχέση με μεταβολές που απειλούν τους τεθέντες στόχους. Ο εφαρμογές περιλαμβάνουν συστήματα ελέγχου εναέριας κυκλοφορίας και σταθμών παραγωγής ενέργειας Συστήματα αποσφαλμάτωσης (Debugging systems) παράγουν συνταγές αντιμετώπισης των σφαλμάτων του συστήματος. Οι εφαρμογές αφορούν computer-aided instructions & aids for computer programmers. Συστήματα ελέγχου (Control systems) ελέγχουν τη συμπεριφορά ενός συστήματος αντιμετωπίζοντας προβλήματα, σχεδιάζοντας λύσεις και παρακολουθώντας τις απαραίτητες ενέργειες. Αυτοί οι έξι τύποι είναι παραδείγματα προβλημάτων ανάλυσης

5 Ανάλυση Ερμηνεία (Interpret) Καθορισμός Πρόβλεψη Έλεγχος Παρακολούθηση Διάγνωση Αποσφαλμάτωση Γενικές λειτουργίες για την ανάλυση ενός συστήματος (Clancey)

6 Κατηγοριοποίηση των εμπείρων συστημάτων Συστήματα Σχεδίασης (Design systems) αναπτύσσουν συνδυασμούς αντικειμένων που ικανοποιούν συγκεκριμένους περιορισμούς. Τυπικές εργασίες περιλαμβάνουν το σχεδιασμό κυκλωμάτων και την καλύτερη οργάνωση των μηχανών σε μια παραγωγική διαδικασία Συστήματα σχεδιασμού ενεργειών (Planning systems) παράγουν μια ακολουθία ενεργειών τα οποία πετυχαίνουν τους τεθέντες στόχους. Οι ενέργειες περιλαμβάνουν το σχεδιασμό της κίνησης ενός ρομπότ και τη σχεδίαση διαδρομών Συστήματα επιδιόρθωσης (Repair systems) παράγουν και διαχειρίζονται συνταγές για σφάλματα του συστήματος. Οι εφαρμογές περιλαμβάνουν τα αεροπορικά συστήματα και τα δίκτυα υπολογιστών Συστήματα διδασκαλίας (Instruction systems) κάνουν διάγνωση και αντιμετώπιση των λάθος συλλογισμών των μαθητών Αυτοί οι 4 τύποι είναι παραδείγματα που χρησιμοποιούν σύνθεση για να επιλύσουν το πρόβλημα.

7 Σύνθεση Κατασκευή Εξειδίκευση Σχεδίαση Συναρμολόγηση διαμόρφωση Σχέδιο Προσαρμογή Διδασκαλία Επιδιόρθωση Γενικές λειτουργίες για την σύνθεση ενός συστήματος (Clancey)

8 Επίλυση του προβλήματος της Κατηγοριοποίησης Η κατηγοριοποίηση είναι ένα κοινό πρόβλημα σε πολλές περιοχές εφαρμογής Συνήθως κατηγορίες είναι οργανωμένες σε ιεραρχίες, έτσι ώστε Οι υποκατηγορίες να έχουν τις ιδιότητες των υπερκατηγοριών Οι κατηγορίες του ίδιου επιπέδου να έχουν αλληλοαναιρούμενες ιδιότητες Η ευρεστική κατηγοριοποίηση είναι το πρόβλημα της χρησιμοποιούμενης μεθόδου επίλυσης από τα έμπειρα συστήματα έτσι ώστε να επιλύσουν προβλήματα σε αυτού του τύπου περιοχές εφαρμογής

9 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 χαρακτηριστικό: Η επιλογή της κατηγορίας γίνεται από ένα προκαθορισμένο σύνολο κατηγοριών. Κάθε αντικείμενο δεν ανήκει σε μια μοναδική κατηγορία. Κάθε αντικείμενο δεν ανήκει σίγουρα σε κάποια κατηγορία. Τα μέλη μιας κατηγορίας έχουν αρκετά κοινά χαρακτηριστικά μεταξύ τους. Εφαρμογές: Π.χ. διάγνωση, διαμόρφωση, επιδιόρθωση βλαβών, κλπ. Η λογική της κατάταξης ενός προβλήματος σε κάποια κατηγορία της οποίας η λύση είναι γνωστή ταιριάζει με τον καθημερινό τρόπο επίλυσης προβλημάτων των ανθρώπων.

10 Ευρεστική κατηγοριοποίηση Η ευρεστική κατηγοριοποίηση αναπτύχθηκε από τον Clancey. Ορισμός: Μια μη ιεραρχική συσχέτιση μεταξύ δεδομένων και κατηγοριών που απαιτούν ενδιάμεσους συμπερασμούς Μπορεί να εμπεριέχουν έννοιες από άλλες κατηγορίες Υπάρχουν 3 βασικά βήματα στην ευρεστική κατηγοριοποίηση: Αφαίρεση ή γενίκευση δεδομένων (Data abstraction) Ταυτοποίηση γενικευμένων δεδομένων σε γενικευμένες λύσεις Επιλογή συγκεκριμένης κατηγορίας- λύσης (Solution refinement)

11 Ευριστική Κατηγοριοποίηση (Heuristic Classification) Εξαντλητική Κατηγοριοποίηση: Στις απλές περιπτώσεις, αρκεί η απλή σύγκριση μερικών "επιφανειακών" χαρακτηριστικών του αντικειμένου. Όταν υπάρχουν πολλές ιδιότητες και πολύπλοκη ιεραρχία κατηγοριών: Τα επιφανειακά χαρακτηριστικά δεν επαρκούν για την κατάταξη σε κάποιο κλαδί και επίπεδο της ιεραρχίας. Η εξαντλητική σύγκριση όλων των χαρακτηριστικών δεν είναι πρακτικά εφαρμόσιμη. Eυριστική κατηγοριοποίηση: Προσπαθεί να κατατάξει τα αντικείμενα σε κατηγορίες που βρίσκονται στα φύλλα της ιεραρχίας χωρίς να διέλθει από όλα τα επίπεδα και να κάνει όλες τις συγκρίσεις. Η κατάταξη γίνεται πιο γρήγορα, αλλά με μικρότερη ακρίβεια. Χρησιμοποιεί εμπειρική γνώση για τα αντικείμενα, τις κατηγορίες και τις συσχετίσεις τους, που προέρχεται από ανθρώπους-ειδικούς.

12 Λειτουργία συστήματος ευρεστικής κατηγοριοποίησης Γενικευμένα Αντικείμενα Αντιστοίχηση (ευρεστικά) Γενικευμένες κατηγορίες Γενίκευση (abstract) Σύνολο δεδομένων Data set Σύνολο λύσεων Επιλογή κατηγορίας

13 Τα στάδια στην ευρεστική κατηγοριοποίηση είναι : Γενίκευση δεδομένων (Data abstraction ) Αφαίρεση πληροφοριών από τον χρήστη, και από ακατέργαστα δεδομένα εισόδου Ευρεστική ταυτοποίηση (Heuristic match) Συσχετίζει τα γενικευμένα δεδομένα με κατηγορίες λύσεων Ευριστική ταυτοποίηση των γενικευμένων αντικειμένων σε μια γενικότερη περιγραφή ενός συνόλου κατηγοριών. Π.χ., ο πυρετός (γενίκευση υψηλής θερμοκρασίας) μπορεί να είναι ένδειξη μόλυνσης, η οποία εξειδικεύεται σε πολλές διαφορετικές μορφές. Επιλογή λύσης (Solution refinement) Επιλογή μιας συγκεκριμένης κατηγορίας-λύσης από το γενικό σύνολο κατηγοριών (solution refinement). Π.χ., το είδος της μόλυνσης πρέπει να διαγνωστεί με ακρίβεια ώστε να δοθεί η σωστή θεραπεία.

14 Γενίκευση δεδομένων (Data Abstraction) Οι σχέσεις γενίκευσης δεδομένων είναι 3 κατηγοριών: Γενίκευση ορισμού (Definitional) Επικέντρωση μόνο στα σημαντικά χαρακτηριστικά μιας κατηγορίας δεδομένων. ΕΑΝ ένα βακτήριο ζει σε περιβάλλον στο οποίο δεν υπάρχει ελεύθερο οξυγόνο ΤΟΤΕ πρόκειται για αναερόβιο βακτήριο Γενίκευση ποιότητας (Qualitative) Απλοποίηση ποσοτικών δεδομένων. ΕΑΝ ο ασθενής είναι ενήλικος, ΚΑΙ ο αριθμός των λευκών αιμοσφαιρίων είναι μικρότερος από 2500/cm 3 ΤΟΤΕ ο αριθμός των λευκών αιμοσφαιρίων είναι μικρός Γενίκευση ιεραρχίας (Generalization) ΕΑΝ το άτομο είναι πατέρας ΤΟΤΕ το άτομο είναι άντρας

15 Πολυβάθμια Συστήματα Κατηγοριοποίησης Multistage Classification Systems Χώρος αντικειμένων Ενδιάμεσος Χώρος Χώρος κατηγοριών Ενδιάμεσες κατηγορίες Αντιστοίχιση Γενικές κατηγορίες Γενίκευση Επιλογή κατηγορίας Γενικευμένα Αντικείμενα Αντιστοίχιση Ενδιάμεσες κατηγορίες Κατηγορίες Γενίκευση αντικειμένων Αντικείμενα

16 Συζευκτικό Μοντέλο Κατηγοριοποίησης Χώρος δεδομένων D: Πεπερασμένο σύνολο χαρακτηριστικών {D i } του αντικειμένου που πρέπει να καταταχθεί σε μια κατηγορία. Χώρος κατηγοριών-λύσεων S: Πεπερασμένο σύνολο λύσεων {S j }. Τα D i παίρνουν τιμές 0 και 1 ή το σύμβολο "?" που υποδηλώνει άγνωστη τιμή. Το σύνολο τιμών των D i ονομάζεται διάνυσμα τιμών. Για κάθε υποψήφια λύση S j υπάρχει ένα πρότυπο που προσδιορίζει τις απαραίτητες συνθήκες συνέπειας μεταξύ λύσεων και δεδομένων. C(S j,d i )=1 Το S j είναι συνεπές με D i =1, δηλαδή δε μπορεί να είναι λύση αν D i =0. C(S j,d i )=0 Το S j είναι συνεπές με D i =0, δηλαδή δε μπορεί να είναι λύση αν D i =1 C(S j,d i )=? Οι τιμές του D i δεν έχουν σχέση με τη συνέπεια των λύσεων S j. Μια υποψήφια λύση (κατηγορία) S j είναι ασυνεπής με ένα διάνυσμα τιμών και απορρίπτεται, αν τουλάχιστον ένα από τα δεδομένα είναι ασυνεπές με αυτήν. Μια λύση είναι συνεπής (consistent) αν δεν υπάρχει τιμή που να είναι ασυνεπής.

17 Συζευκτικό Μοντέλο Κατηγοριοποίησης Η λύση S j καλύπτει το δεδομένο D i αν ισχύει μια από τις 2 περιπτώσεις: A. D i =1 και C(S j,d i )=1, ή B. D i =0 και C(S j,d i )=0. Μια λύση S j ταιριάζει ή εξηγεί τα δεδομένα, αν όλα τα δεδομένα τα σχετικά με την S j είναι γνωστά και όλες οι τιμές τους είναι συνεπείς με αυτήν. Ο προσδιορισμός της συνέπειας μιας λύσης γίνεται με τη διάδοση των τιμών από τα δεδομένα στις υποψήφιες λύσεις. Με τις συνεχείς γραμμές, οι τιμές διαδίδονται όπως είναι. Στις διακεκομμένες γραμμές οι τιμές αναστρέφονται (δηλ, το 1 γίνεται 0 και αντίστροφα). Το? διαδίδεται πάντα ως έχει. Η κατάσταση μιας λύσης S j προσδιορίζεται ως εξής: Αν όλες οι τιμές στο S j είναι 1, τότε το S j ταιριάζει ή εξηγεί τα δεδομένα. Αν κάποια τιμή στο S j είναι 0, τότε το S j είναι ασυνεπές και απορρίπτεται. Αν όλες οι τιμές στο S j είναι 1 και?, τότε το S j είναι συνεπές ή καλύπτει τα δεδομένα. Υπάρχει πιθανότητα κάποια διανύσματα τιμών να μην ταιριάζουν με καμία κατηγορία ή να ταιριάζουν με περισσότερες από μια κατηγορίες.

18 Συζευκτικό Μοντέλο Κατηγοριοποίησης Χώρος αντικειμένων-δεδομένων Χώρος κατηγοριών-λύσεων 1 D 1 0 D 2 S 1 S Εξηγούν τα δεδομένα Άγνωστη Τιμή? D 3 1 D 4 S 3? Καλύπτει τα δεδομένα 1 D 5 S 4 S Ασυνεπείς με τα δεδομένα 0 D 6 Τρέχον Σύνολο Τιμών Υποψήφιο Σύνολο Λύσεων Λύση συνεπής με D i =1 Λύση συνεπής με D i =0

19 Παράδειγμα δομής συμπερασμού στο MYCIN Compromised host Immunosuppressed Χαμηλά λευκά Αρνητική μόλυνση Gram Μόλυνση E. Coli Χαμηλό WBC WBC < 2.5

20 SOPHIE SOPHIE έμπειρο σύστημα που αναλύει ηλεκτρονικά κυκλώματα. Χρησιμοποιήθηκε ως ερευνητικό πρόγραμμα για την εκπαίδευση με υπολογιστή Το πρόβλημα που έπρεπε να επιλυθεί αφορούσε κατηγοριοποίηση μονάδων ηλεκτρονικών κυκλωμάτων σε με στοιχεία που προκαλούσαν προβλήματα στη συμπεριφορά του κυκλώματος Ο χώρος λύσεων περιείχε περιγραφές αξιόπιστων και εσφαλμένων ζευγών εισόδου-εξόδου

21 Δομή συμπερασμού στο SOPHIE Ποιοτικές τιμές στα ports Συμπεριφορά σε ένα port in a module Ποσοτική συμπεριφορά κυκλώματος Εσφαλμένο τμήμα Μετρήσεις στο Τοπικό κύκλωμα

22 Ευρεστική κατηγοριοποίηση Το κύριο χαρακτηριστικό της ευριστικής κατηγοριοποίησης είναι το σύνολο λύσεων είναι προκαθορισμένο Επιλέγονται οι γενικευμένες λύσεις και στη συνέχεια από αυτές μια συγκεκριμένη Υπάρχει μια διάκριση μεταξύ της εργασίας και της μεθόδου επίλυσης του προβλήματος που χρησιμοποιείται για να υλοποιήσει τη διαδικασία Όλες οι διαγνωστικές εργασίες δεν ανήκουν στα προβλήματα κατηγοριοποίησης Εξαρτάται πως περιορίζεται το πρόβλημα επίλυσης της κατάστασης

23 Μέθοδοι Κατηγοριοποίησης Βασικός στόχος: Ο αποκλεισμός των εναλλακτικών μονοπατιών στο χώρο αναζήτησης που αποτελείται από υποψήφιες κατηγορίες των δεδομένων εισόδου Κ1: Παραγωγή και Δοκιμή 1.Θέσε την κενή λίστα ως λίστα των κατηγοριώνλύσεων 2.Πάρε τα δεδομένα εισόδου και γενίκευσέ τα 3.Για κάθε υποψήφια γενική κατηγορία i. Έλεγξε αν τα δεδομένα εισόδου ανήκουν στην υποψήφια γενική κατηγορία ii.εάν ναι, πρόσθεσε την υποψήφια γενική κατηγορία στη λίστα των κατηγοριών 4. Ανέφερε τις λύσεις από τη λίστα των κατηγοριών-λύσεων

24 Κ2: Από τα Δεδομένα σε Πιθανές Λύσεις 1.Θέσε την κενή λίστα ως λίστα των κατηγοριώνλύσεων. 2.Πάρε τα δεδομένα εισόδου. 3.Γενίκευσε τα δεδομένα με τη διαδικασία data_abstractor. 4.Βρες τις υποψήφιες γενικές κατηγορίες με τη διαδικασία candidate_retriever. 5.Για κάθε υποψήφια γενική κατηγορία: i.έλεγξε αν τα δεδομένα εισόδου ανήκουν στην υποψήφια γενική κατηγορία (solution_tester) ii.εάν ναι, πρόσθεσε την υποψήφια γενική κατηγορία στη λίστα των κατηγοριών. 6.Ανέφερε τις λύσεις από τη λίστα των κατηγοριώνλύσεων.

25 Κ3: Ιεραρχική Κατηγοριοποίηση Καθοδηγούμενη από τις Λύσεις 1.Θέσε την κενή λίστα ως λίστα των κατηγοριών-λύσεων. 2.Για κάθε επίπεδο της ιεραρχίας των κατηγοριών-λύσεων, επανέλαβε τα ακόλουθα: i. Πάρε τα δεδομένα εισόδου που χρειάζονται για να γίνει διάκριση των υποψήφιων λύσεων σε αυτό το επίπεδο. ii.γενίκευσε τα δεδομένα με τη διαδικασία data_abstractor. iii.για κάθε υποψήφια γενική κατηγορία αυτού του επιπέδου: a.έλεγξε αν τα δεδομένα εισόδου ανήκουν στην υποψήφια γενική κατηγορία με τη διαδικασία solution_tester. b.εάν όχι, τότε απέρριψε την υποψήφια γενική κατηγορία. c.εάν ναι, τότε έλεγξε αν η υποψήφια γενική κατηγορία είναι τερματική στην ιεραρχία 1)Εάν όχι, τότε αφαίρεσε την υποψήφια γενική κατηγορία από τη λίστα και πρόσθεσε τις κατηγορίες των κόμβων-παιδιών του δένδρου. 2)Εάν ναι, τότε πρόσθεσε την υποψήφια γενική κατηγορία στη λίστα των λύσεων 3. Βαθμολόγησε τις λύσεις από τη λίστα των κατηγοριών-λύσεων και επέστρεψέ τες.

26 Κ4: Ιεραρχική Κατηγοριοποίηση Καθοδηγούμενη από τα Δεδομένα 1.Θέσε την κενή λίστα ως λίστα των κατηγοριών-λύσεων. 2.Πάρε τα δεδομένα εισόδου. 3.Γενίκευσε τα δεδομένα με τη διαδικασία data_abstractor. 4.Βρες τις υποψήφιες γενικές κατηγορίες με διαδικασία candidate_retriever. 5.Για κάθε επίπεδο της ιεραρχίας των κατηγοριών το οποίο ξεκινάει από τις υποψήφιες γενικές κατηγορίες (και όχι από την κορυφή της ιεραρχίας), επανέλαβε τα ακόλουθα: i.πάρε τα δεδομένα εισόδου που χρειάζονται για να γίνει διάκριση των υποψήφιων λύσεων σε αυτό το επίπεδο. ii.γενίκευσε τα δεδομένα με τη διαδικασία data_abstractor. iii.πρόσθεσε νέες υποψήφιες γενικές κατηγορίες λόγω των καινούριων δεδομένων. iv.για κάθε υποψήφια γενική κατηγορία αυτού του επιπέδου: a.έλεγξε αν τα δεδομένα εισόδου ανήκουν στην υποψήφια γενική κατηγορία με τη διαδικασία solution_tester. b.εάν όχι, τότε απέρριψε την υποψήφια γενική κατηγορία. c.εάν ναι, τότε έλεγξε αν η υποψήφια γενική κατηγορία είναι τερματική στην ιεραρχία 1)Εάν όχι, τότε αφαίρεσε την υποψήφια γενική κατηγορία από τη λίστα & πρόσθεσε τις κατηγορίες των κόμβων-παιδιών του δένδρου. 2)Εάν ναι, πρόσθεσε την υποψήφια γενική κατηγορία στη λίστα λύσεων. 6.Βαθμολόγησε τις λύσεις από τη λίστα των κατηγοριών-λύσεων και επέστρεψέ τες.

27 Μελέτη Περίπτωσης - Το Σύστημα Dendral Αντικείμενο: Ο καθορισμός της μοριακής δομής αγνώστων οργανικών ουσιών από την ανάλυση των αποτελεσμάτων φασματογράφου μάζας. Βάση γνώσης: Περιέχει περιορισμούς που πρέπει να ικανοποιεί η δομή της ένωσης, βάσει της παρουσίας ή απουσίας κάποιων τμημάτων από το φάσμα. Χρησιμοποιούνται για να περιορίσουν το μεγάλο αριθμό εναλλακτικών δομών. Απαιτούμενοι: Οι υποψήφιες ενώσεις πρέπει να ικανοποιούν τα στοιχεία που παρατηρήθηκαν. Απαγορευτικοί: Οι πιθανές ενώσεις πρέπει να είναι χημικά σταθερές. Έλεγχος εκτέλεσης: Δημιουργία και έλεγχος υποθέσεων (hypothesize-and-test) (μέθοδος Κ1). Αρχικά τα δεδομένα συνιστούν ένα μεγάλο σύνολο υποψήφιων λύσεων (υποθέσεις). Κάθε υπόθεση μπορεί να ελεγχθεί με την ύπαρξη ή την απουσία σχετικών δεδομένων και μπορεί είτε να γίνει περισσότερο συγκεκριμένη ή να αποκλειστεί. Η διαδικασία επαναλαμβάνεται, προσθέτοντας περισσότερους περιορισμούς που μειώνουν ακόμα περισσότερο το σύνολο των υποθέσεων.

28 Μελέτη Περίπτωσης - Το Σύστημα Prospector Έμπειρο σύστημα για την αξιολόγηση γεωλογικών δεδομένων και τον καθορισμό της πιθανότητα ύπαρξης αξιόλογων ορυκτών κοιτασμάτων σε μια περιοχή. Η γνώση αναπαριστάται με δύο είδη δικτύων. Σημασιολογικά δίκτυα: Αναπαριστούν γεωλογικές γνώσεις. Π.χ., αν υπάρχουν πυρίτες στην περιοχή, τότε συμπεραίνεται ότι υπάρχει θειούχος σίδηρος και γενικά θειούχες ενώσεις. Π.χ., αν δεν υπάρχουν θειούχα κοιτάσματα στην περιοχή δεν μπορούν να υπάρχουν και πυρίτες. Δίκτυα Συμπερασμού: Αναπαριστούν τους κανόνες. Υπάρχει ένα δίκτυο για κάθε ορυκτό. Τα τόξα αναπαριστούν τη σχέση της συνεπαγωγής ενώ οι κόμβοι τις λογικές πράξεις. Κάθε κόμβος έχει μια προϋπάρχουσα πιθανότητα, δηλαδή πιθανότητα να υπάρχει μία παρατήρηση E στην περιοχή χωρίς την ύπαρξη άλλων αποδεικτικών στοιχείων. Με τη χρήση των μεγεθών της λογικής επάρκειας και αναγκαιότητας η πιθανότητα κάθε κόμβου του δικτύου μεταβάλλεται, λόγω της παρουσίας άλλων πληροφοριών στο δίκτυο. Οι πιθανότητες παρέχονται από τους ειδικούς-γεωλόγους.

29 Σημασιολογικό Δίκτυο του Prospector Ορυκτά υποσύνολο Οξείδια υποσύνολο Σουλφίδια υποσύνολο Σουλφίδια του Σιδήρου Διακριτό στοιχείο Διακριτό στοιχείο Πυρίτης Ντορνίτης

30 Έλεγχος Εκτέλεσης στο Prospector Εισαγωγή Δεδομένων: Ο χρήστης παραθέτει ένα σύνολο παρατηρήσεων. Κάθε πληροφορία συνοδεύεται από μία τιμή από 5 έως 5, με την οποία υπολογίζεται η πιθανότητα ύπαρξης της παρατήρησης Ε, βάσει των παρατηρήσεων E του χρήστη. 5 P(E E )=0: το Ε δεν υπάρχει βάσει των παρατηρήσεων του χρήστη. 0 P(E E )=P(E): Οι παρατηρήσεις δε μεταβάλλουν τις προϋπάρχουσες πιθανότητες. +5 P(E E )=1: Το Ε υπάρχει βάσει των παρατηρήσεων. Προώθηση Πιθανοτήτων: Για κάθε πληροφορία, το σύστημα προωθεί στο δίκτυο τις μεταβολές των πιθανοτήτων με ορθή ακολουθία εκτέλεσης. Συνεχίζεται έως ότου προκύψει η ύπαρξη ή όχι κάποιου ορυκτού στην περιοχή. Το πιο πιθανό από τα δίκτυα επιλέγεται ως υποψήφιο για την επόμενη φάση. Επιβεβαίωση Υπόθεσης: Το σύστημα δουλεύει από το συμπέρασμα προς τις παρατηρήσεις ώστε να επιβεβαιώσει την επιλεχθείσα υπόθεση. Η διαδικασία συνεχίζεται έως ότου το σύστημα φθάσει σε τερματικούς κόμβους. Επανάληψη της εισαγωγής δεδομένων. Εκ νέου προώθηση πιθανοτήτων προς τον τελικό κόμβο. Αν ο τελικός κόμβος εξακολουθεί να είναι το πιο πιθανό συμπέρασμα, τότε ο κύκλο συνεχίζεται για το ίδιο δίκτυο με την επιβεβαίωση της υπόθεσης.

31 Κατηγοριοποίηση στο Prospector Χρησιμοποιεί τη μέθοδο κατηγοριοποίησης Κ4. Αρχικά οδηγείται από τα δεδομένα του χρήστη σε πιθανές λύσεις. Στη συνέχεια προσπαθεί να φτάσει από τις πιθανές υποψήφιες λύσεις στα δεδομένα που τις στηρίζουν. Χρησιμοποιεί ενδιάμεσες υποθέσεις στην κατηγοριοποίηση. Χρήσιμα ενδιάμεσα συμπεράσματα σχετικά με την περιοχή που βρίσκεται κάποιο πέτρωμα, την ηλικία και τον τρόπο σχηματισμού του, κλπ. Χώρος Δεδομένων Ενδιάμεσος Χώρος Χώρος Κατηγοριών Περιοχή πιθανόν πλούσια σε ορυκτά ΑΝΤΙΣΤΟΙΧΙΣΗ Απόθεμα πορφύρηχαλκού, τύπου-α ΙΕΡΑΡΧΙΑ Εκρηξιγενή πετρώματα ΑΝΤΙΣΤΟΙΧΙΣΗ Περιοχή με υπόγεια δραστηριότητα ΟΡΙΣΜΟΣ Ηφαιστειακός λαιμός

32 Διαμόρφωση Διαδικασία επιλογής και τακτοποίησης συνδυασμών εξαρτημάτων ενός μηχανικού ή άλλου συστήματος που ικανοποιούν συγκεκριμένες προδιαγραφές. Διαμόρφωση υπολογιστικών συστημάτων με διάφορους τύπους επεξεργαστών, μνημών, μονάδων Ι/Ο, οθονών, λογισμικού, κλπ. από μηχανικούς υπολογιστών και πωλητές. Εφαρμογές που δεν περιλαμβάνουν κατασκευή και φυσικά εξαρτήματα, π.χ. διαμόρφωση θεραπείας ή δίαιτας με διάφορους συνδυασμούς τροφών από διαιτολόγους. Είσοδος: Γενικές προδιαγραφές για το διαμορφούμενο σύστημα Έξοδος: Λεπτομερείς προδιαγραφές των εξαρτημάτων (τμημάτων) που απαιτούνται καθώς και τον τρόπο διάταξης τους. Σημαντικό χαρακτηριστικό: Η επιλογή εξαρτημάτων γίνεται από ένα προκαθορισμένο πεπερασμένο σύνολο. Η διαμόρφωση είναι μια ειδική περίπτωση της σχεδίασης (design). Στη σχεδίαση, τα εξαρτήματα δεν επιλέγονται από ένα προκαθορισμένο σύνολο, αλλά περιορίζονται από τις κατασκευαστικές μεθόδους και την ποιότητα. Στη διαμόρφωση, γίνεται προσδιορισμός και χαρακτηρισμός του συνόλου των δυνατών ή προτιμητέων εξαρτημάτων από ένα προκαθορισμένο σύνολο πιθανών εξαρτημάτων.

33 Διαμόρφωση vs. Κατηγοριοποίηση Η διαμόρφωση μοιάζει με την κατηγοριοποίηση. Και οι δύο τεχνικές επιλέγουν από ένα πεπερασμένο σύνολο εξαρτημάτων ή κατηγοριών. Η κατηγοριοποίηση επιλέγει μία ή έστω λίγες κατηγορίες από ένα προκαθορισμένο σύνολο κατηγοριών. Η διαμόρφωση δημιουργεί ένα μεγάλο υποσύνολο από προκαθορισμένα εξαρτήματα. Το πλήθος των δυνατών διαμορφώσεων μεγαλώνει ακόμα περισσότερο, αφού: Ένα εξάρτημα μπορεί να χρησιμοποιηθεί πολλές φορές σε μια λύση. Διαφορετικές διατάξεις των ίδιων εξαρτημάτων θεωρούνται ως διαφορετικές λύσεις. Τα προβλήματα διαμόρφωσης είναι συνήθως πολύ δυσκολότερα. Ο χώρος αναζήτησης της λύσης είναι πολύ μεγαλύτερος. Οι μέθοδοι διαμόρφωσης διαφέρουν από αυτές της κατηγοριοποίησης. Διαδικασία της Διαμόρφωσης Η διαδικασία ξεκινάει με τις αρχικές προδιαγραφές. Επέκταση των Εξαρτημάτων: Συλλογή όλων των υποεξαρτήματων που είναι απαραίτητα για την κατασκευή των εξαρτημάτων που δόθηκαν αρχικά. Διευθέτηση των Εξαρτημάτων: Σειριακή διαδικασία διάταξης, η οποία πρώτα τοποθετεί τα απαιτούμενα εξαρτήματα με μια σειρά από αριστερά προς τα δεξιά.

34 Παράδειγμα Προβλήματος Διαμόρφωσης Οι θέσεις των εξαρτημάτων διέπονται από τους παρακάτω κανόνες: Κάθε σύνθετο εξάρτημα πρέπει να έχει όλα τα απαιτούμενα υπο-εξαρτήματά του για να λειτουργήσει. Τα εξαρτήματα πρέπει να διευθετηθούν σε αλφαβητική σειρά, (A-B-C και 1-2-3), ενώ αυτά του ίδιου γράμματος μπορούν να αναμειχθούν με οποιαδήποτε σειρά. Όλα τα εξαρτήματα ίδιου τύπου (ίδιο γράμμα και αριθμός) πρέπει να βρίσκονται στην ίδια θήκη συστήματος. Ένα εξάρτημα με μέγεθος πλήρους σχισμής πρέπει να καταλάβει μία κάθετη σχισμή, δηλαδή δεν μπορεί να διαιρεθεί σε δύο διαφορετικές σχισμές. Ένα εξάρτημα με μέγεθος διπλής σχισμής πρέπει να καταλάβει δύο γειτονικές σχισμές στην ίδια θήκη. Για να συμπληρωθεί η κάτω μισή σχισμή πρέπει πρώτα να συμπληρωθεί η πάνω. Εάν μία θήκη συστήματος γεμίσει με εξαρτήματα, τότε μπορεί να επεκταθεί με μία θήκη επέκτασης. Δεν μπορεί να τοποθετηθεί εξάρτημα στην κάτω μισή σχισμή, όταν στην άνω μισή σχισμή έχει τοποθετηθεί θύρα επέκτασης. Κάθε εξάρτημα πρέπει να χρησιμοποιείται αποκλειστικά σε ένα σημείο του συστήματος.

35 Κύρια εξαρτήματα Συστήματος Γλώσσα περιγραφής προδιαγραφών Μοντέλο Εξαρτημάτων Εξάρτημα συστήματος Α B C D A-1 A-2 B-1 B-2 C-1 C-2 D-1 D-2 Μοντέλο Διευθετήσεων Ολόκληρη σχισμή Μισή σχισμή Τμήμα Απαιτούμενα εξαρτήματα Μέγεθος Α-1 2 τύπου Β 1/2 σχισμή Α-2 3 τύπου Β 1 σχισμή B-1 2 τύπου C 1/2 σχισμή B-2-1 σχισμή C-1-1/2 σχισμή C-2-1/2 σχισμή D-1 1 τύπου Β, 2 τύπου C 1/2 σχισμή D-2 1 τύπου C1 1/2 σχισμή Θύρα επέκτασης Βασική θήκη συστήματος Διπλή σχισμή Άδειες σχισμές Θήκη επεκτάσεων

36 Στάδια της Διαμόρφωσης Προδιαγραφές: {A, D} Διευθέτηση εξαρτημάτων A Επέκταση εξαρτημάτων D A-1 B-1 C-1 D-2 A-1 A-2 D-1 D-2 2 B 3 B B 2 C C-1 2 B B-2 B-1 B-2 2 C-1 2 C-2 B-1 4 C 2 C 4 C C-1 2 C-2 C-1 Πιθανά εξαρτήματα: {Α-1, 2 Β-1, 5 C-1, D-2} Επιλογές Απαιτήσεις

37 Κρίσιμα Ζητήματα στη Διαμόρφωση Φαινόμενα κατωφλίου (threshold effect): Μικρές αλλαγές σε προδιαγραφές προκαλούν αλλαγές μεγάλης κλίμακας. Π.χ., σε διαμόρφωση υπολογιστικού συστήματος, η πλήρωση του διαθέσιμου χώρου προκαλεί την απαίτηση όχι μόνο μιας θήκης επέκτασης αλλά και άλλων εξαρτημάτων για επέκταση της λεωφόρου (bus) και επέκταση της τροφοδοσίας. Φαινόμενο του ορίζοντα (horizon effect): Τα κριτήρια αξιολόγησης εφαρμόζονται τοπικά και προτείνουν λύση λαμβάνοντας υπόψη ένα μικρό μέρος των παραγόντων. Η κατεύθυνση που πήρε η διαμόρφωση μπορεί να οδηγήσει σε αδιέξοδο ή "κακή" λύση. Όταν οι επί μέρους επιλογές είναι ανεξάρτητες, οι τοπικά βέλτιστες αποφάσεις οδηγούν σε μια καθολικά βέλτιστη λύση. Σε πολλές περιπτώσεις δεν ισχύουν αυτές οι συνθήκες και η εφαρμογή ενός αλγορίθμου αναρρίχησης λόφου δεν οδηγεί στην καλύτερη συνολική λύση.

38 Μοντέλα Διαμόρφωσης Γλώσσα προδιαγραφών (specification language) Περιγραφή απαιτήσεων που πρέπει να ικανοποιεί η διαμόρφωση. Περιβάλλον στο οποίο θα λειτουργεί το προϊόν και τις χρήσεις του. Κριτήρια στα οποία θα στηριχθεί η έρευνα (π.χ. ελαχιστοποίηση κόστους ή χώρου, προτίμηση κάποιων δυνατοτήτων έναντι άλλων, κλπ). Προδιαγραφές εξαρτημάτων: Απαιτήσεις για συγκεκριμένα είδη εξαρτημάτων. Π.χ. "μια διαμόρφωση ενός υπολογιστικού συστήματος χρειάζεται έναν εκτυπωτή". Λειτουργικές προδιαγραφές: Απαιτήσεις για συγκεκριμένες λειτουργίες που πρέπει να επιτελεί ένα εξάρτημα. Π.χ. "το σύστημα πρέπει να είναι σε θέση να τυπώνει". Πλεονέκτημα: Ευκολία προσθήκης νέων κατηγοριών συσκευών σε έναν κατάλογο. Μέθοδος κύριων εξαρτημάτων: Για κάθε κύρια λειτουργία του συστήματος υπάρχει ένα κύριο εξάρτημα, το οποίο ανήκει υποχρεωτικά στην αρχική λίστα προδιαγραφών.

39 Μοντέλα Διαμόρφωσης Μοντέλο για επιλογή εξαρτημάτων και προσδιορισμού αμοιβαίων απαιτήσεων τους.π.χ., μια μητρική πλακέτα υπολογιστή απαιτεί τροφοδοτικό, καλώδια, ελεγκτές, κλπ. Μοντέλο χωρικής διευθέτησης των εξαρτημάτων. Περιγράφει τις θέσεων των εξαρτημάτων. Περιγράφει ποιες τοποθετήσεις είναι δυνατές. Μοντέλο διαμοιρασμού των εξαρτημάτων σε πολλές χρήσεις. Αποκλειστική χρήση (π.χ. καλώδιο εκτυπωτή) Περιορισμένος διαμοιρασμός: Τα εξαρτήματα μπορούν να διαμοιραστούν μεταξύ συγκεκριμένων λειτουργιών αλλά όχι μεταξύ κάποιων άλλων. Απεριόριστος διαμοιρασμός. Ελεγχόμενη επαναχρησιμοποίηση: Ένα εξάρτημα μπορεί να χρησιμοποιηθεί για διάφορους σκοπούς αλλά μόνο μια φορά. Περιορισμένη δυνατότητα: Ένα εξάρτημα έχει ένα άνω όριο δυνατότητας (π.χ. τροφοδοτικό).

40 Μέθοδοι Διαμόρφωσης Η πολυπλοκότητα των μεθόδων διαμόρφωσης οφείλεται στον όγκο της γνώσης γύρω από το πεδίο εφαρμογής. Για να μειωθεί ο χώρος αναζήτησης, χρησιμοποιούν ιεραρχική αναζήτηση και κλάδεμα καταστάσεων λόγω των αλληλεπιδράσεων των εξαρτημάτων και άλλων περιορισμών. Δ1: Επέκταση και Διευθέτηση 1.Θέσε την κενή λίστα ως λίστα των εξαρτημάτων. 2.Πάρε τις απαιτήσεις εξαρτημάτων που αντιστοιχούν στις αρχικές προδιαγραφές με τη διαδικασία get_requirements. 3.Πάρε τα κύρια εξαρτήματα που αντιστοιχούν στις απαιτήσεις εξαρτημάτων (get_best_parts) 4.Για κάθε κύριο εξάρτημα, επανέλαβε τα ακόλουθα: i. Εισήγαγε το κύριο εξάρτημα στη λίστα των εξαρτημάτων. ii.πρόσθεσε τα απαιτούμενα εξαρτήματα που αντιστοιχούν στο παραπάνω κύριο εξάρτημα με τη διαδικασία add_required_parts. 5.Διευθέτησε τα εξαρτήματα που βρίσκονται στη λίστα των εξαρτημάτων με τη (arrange_parts) 6.Επέστρεψε τη λύση.

41 Διαδικασία Πρόσθεσης Απαιτούμενων Εξαρτημάτων add_required_parts 1.Πάρε τις άμεσες απαιτήσεις εξαρτημάτων για το συγκεκριμένο εξάρτημα με τη διαδικασία get_requirements. 2.Εάν υπάρχει έστω και μία απαίτηση εξαρτήματος, τότε κάνε τα ακόλουθα: i.πάρε τα νέα εξαρτήματα που αντιστοιχούν στις παραπάνω απαιτήσεις εξαρτημάτων με τη διαδικασία get_best_parts. ii.για κάθε νέο εξάρτημα, επανέλαβε τα ακόλουθα: a.εισήγαγε το νέο εξάρτημα στη λίστα των εξαρτημάτων. b.πρόσθεσε τα απαιτούμενα εξαρτήματα που αντιστοιχούν στο παραπάνω νέο εξάρτημα με τη διαδικασία add_required_parts (αναδρομική κλήση).

42 Δ2: Σταδιακή Εργασία με Πρόβλεψη 1.Θέσε την κενή λίστα ως λίστα των εξαρτημάτων. 2. Πάρε τις απαιτήσεις εξαρτημάτων που αντιστοιχούν στις αρχικές προδιαγραφές με τη διαδικασία get_requirements. 3.Πάρε τα κύρια εξαρτήματα που αντιστοιχούν στις απαιτήσεις εξαρτημάτων με τη διαδικασία get_best_parts. 4.Εφόσον υπάρχουν εργασίες που δεν έχουν εκτελεστεί, επανέλαβε τα ακόλουθα: i. Έλεγξε τις συνθήκες που πρέπει να πληρούνται ώστε να ξεκινήσει η εκτέλεση κάποιας εργασίας και επέλεξε την καλύτερη από τις εργασίες. ii.εκτέλεσε την παραπάνω εργασία καλώντας την αντίστοιχη διαδικασία. 5. Επέστρεψε τη λύση.

43 Δ3: Πρόταση και Αναθεώρηση 1.Θέσε την κενή λίστα ως λίστα των εξαρτημάτων. 2. Πάρε τις απαιτήσεις εξαρτημάτων που αντιστοιχούν στις αρχικές προδιαγραφές (get_requirements) 3.Πάρε τα κύρια εξαρτήματα που αντιστοιχούν στις απαιτήσεις εξαρτημάτων (get_best_parts) 4. Εφόσον υπάρχουν αναπάντητα σημεία επιλογών και δεν έχει διαπιστωθεί αποτυχία, επανέλαβε: i. Επέλεξε τον επόμενο κόμβο-εξάρτημα στην έως-τώρα μερική διαμόρφωσηγια τον οποίο υπάρχει αναπάντητο σημείο επιλογής. ii. Εάν επιλεγεί η επέκταση του εξαρτήματος, τότε πραγματοποίησε επέκταση του εξαρτήματος. iii. Εάν επιλεγεί η διατύπωση κάποιου περιορισμού σε σχέση με τους γειτονικούς κόμβους, τότε ενεργοποίησε τον περιορισμό. iv. Εάν υπάρχουν περιορισμοί που παραβιάζονται, τότε πρέπει να πραγματοποιηθεί επαναδιευθέτηση των εξαρτημάτων. 5. Επέστρεψε τη λύση ή την αποτυχία εύρεσης λύσης.

44 Μελέτη Περίπτωσης - Το Σύστημα Xcon/R1 Ελέγχει την ορθότητα της διαμόρφωσης και συμπληρώνει παραγγελίες της εταιρείας υπολογιστών DEC. Το Xsel εκτελεί το πρώτο βήμα στη διαδικασία, ζητώντας τις αρχικές προδιαγραφές από το χρήστη. Ελέγχει την πληρότητα της παραγγελίας προσθέτοντας και προτείνοντας εξαρτήματα, καθώς και τις απαιτήσεις και τη συμβατότητα του λογισμικού. Η έξοδος του Xsel είναι είσοδος για το Xcon. Το Xcon ελέγχει τις παραγγελίες με μεγαλύτερη λεπτομέρεια. Προσθέτει εξαρτήματα για να συμπληρώσει τις παραγγελίες και προσδιορίζει μια χωρική διευθέτησή τους, απαιτήσεις σε ρεύμα, καλώδια, κλπ. Προσδιορίζει κεντρικούς επεξεργαστές, μνήμη, δίσκους, θήκες, εκτυπωτές, καθώς και διευθύνσεις μνημών για τις συσκευές εισόδουεξόδου.

45 Αρχιτεκτονική του Συστήματος Xcon Προδιαγραφές (από XSEL) Χώρος Διαμόρφωσης Κύρια εξαρτήματα Επέκταση παραγγελίας Σταδιακή αναδιάρθρωση προδιαγραφών Γενικές Εργασίες Ιεραρχία Εργασιών Σταδιακή συμπλήρωση εργασιών Βάση γνώσης εξαρτημάτων Εξαρτήματα Μοντέλο διευθέτησης

46 Βάση Δεδομένων του Xcon Περιγραφή εξαρτήματος: Περιγραφή σύνθεσης εξαρτημάτων: Χαρακτηριστικά Τιμές Χαρακτηριστικά Τιμές Κωδικός εξαρτήματος CLASS RK11-EA BUNDLE CLASS DIMENSIONS (HxWxD) CABINET 60x52x30 INCHES TYPE DISK DRIVE SBI MODULE SPACE CPU NEXUS-2 ( ) SUPPORTED YES... COMPONENT LIST RΚ07-ΕΑ* POWER SUPPLY SPACE FPA NEXUS-1 ( )... 1 RK611 SBI DEVICE SPACE IO ( )

47 Βάση Γνώσης του Xcon Επέκταση εξαρτημάτων: IF The most current active context is assigning a power supply AND a unibus adapter has been put in a cabinet AND the position it occupies in the cabinet (its nexus) is known AND there is space available in the cabinet for a power supply for that nexus AND there is an available power supply AND there is no Η7101 regulator available THEN Add an Η7101 regulator to the order. Διευθέτηση εξαρτημάτων: IF The most current active context is assigning a power supply AND a unibus adapter has been put in a cabinet AND the position it occupies in the cabinet (its nexus) is known AND there is space available in the cabinet for a power supply for that nexus AND there is an available power supply AND there is an Η7101 regulator available THEN Put the power supply and the regulator in the cabinet in the available space.

48 Βάση Γνώσης του Xcon Αλλαγή προδιαγραφών: Π.χ., αν υπάρχουν εξαρτήματα στην παραγγελία που έχουν ασύμβατες τάσεις ή συχνότητες. Το σύστημα: Ψάχνει να βρει το ελάχιστο σύνολο των εξαρτημάτων που έχουν τις "λάθος" τιμές. Τα αντικαθιστά με τα εξαρτήματα που έχουν τις σωστές παραμέτρους λειτουργίας. IF The most current active context is checking for unibus jumper cable changes in some box AND the box is the second box in some cabinet on some unibus AND there is an unconfigured box in some cabinet to that unibus AND the jumper cable that has been assigned to the last backplane in the box is not a BC11A-10 AND there is a BC11A-10 available and the current length of the unibus is known THEN Mark the jumper cable assigned to the backplane as not assigned AND Assign the BC11A-10 to the backplane AND Increment the current length of the unibus by ten feet.

49 Λειτουργία του Xcon Περιλαμβάνει 6 κύρια στάδια και αρκετές εκατοντάδες υπο-στάδια ή εργασίες, τα οποία ανήκουν σε μια ιεραρχία. 1. Προσθέτει απαραίτητα εξαρτήματα που λείπουν, σύμφωνα με τις προδιαγραφές. 2. Τοποθετεί τις υπο-μονάδες στη θήκη της CPU και ελέγχει αν χρειάζεται θήκη επέκτασης. 3. Προσδιορίζει Τη χωρική τοποθέτηση των θηκών μέσα στο θήκη όλου του συστήματος. Τη χωρική τοποθέτηση των εξαρτημάτων μέσα στις θήκες. 4. Τοποθετεί τα όργανα ελέγχου. 5. Παράγει ένα σχεδιάγραμμα του συστήματος. 6. Παράγει τις καλωδιώσεις υπολογίζοντας τις αποστάσεις μεταξύ των συσκευών. Το Xcon χρησιμοποιεί τη μέθοδο διαμόρφωσης Δ2. Κάθε κύριο βήμα αναλύεται σε πολλές μικρότερες εργασίες. Κάθε εργασία προβλέπει αλληλεπιδράσεις μεταξύ εξαρτημάτων σε κατοπινό στάδιο. Αποφεύγονται πιθανές ασυμβατότητες που θα απαιτούσαν οπισθοδρόμηση.

50 Έλεγχος Εκτέλεσης στο Xcon Γίνεται με τη χρήση της τρέχουσας εργασίας (context). Καθορίζεται από συγκεκριμένα δεδομένα της μνήμης εργασίας. Οι κανόνες "λειτουργούν" σε ένα καθορισμένο περιβάλλον που καθορίζεται από την τρέχουσα εργασία, η οποία ελέγχεται από την πρώτη συνθήκη κάθε κανόνα. Κάποιοι κανόνες είναι υπεύθυνοι για τον έλεγχο της ροής της διαδικασίας λήψης απόφασης αλλάζοντας το τρέχον περιβάλλον εργασίας. Εξετάζουν ποια εργασία εκτελείται και ποιες συνθήκες της διαμόρφωσης έχουν ήδη ικανοποιηθεί, ώστε να προχωρήσουν σε διαφορετική εργασία. IF The most current active context is putting unibus modules in backplanes in some modules AND it has been determined which module to try to put in a backplane AND that module is a multiplexer terminal interface AND it has not been associated with any panel space AND the type and number of backplane slots it requires is known AND... THEN Enter the context of verifying panel space for a multiplexer

51 Διάγνωση και Επιδιόρθωση Βλαβών Διάγνωση: Παρατήρηση ενός φυσικού συστήματος που δυσλειτουργεί και ανεύρεση της αιτίας που προκαλεί τη δυσλειτουργία. Επιδιόρθωση βλαβών (troubleshooting): Εντοπισμός βλαβών σε συσκευές και επιδιόρθωσή τους. Υπονοεί τη διάγνωση της αιτίας που προκάλεσε τη διακοπή λειτουργίας μίας συσκευής.

52 Χαρακτηριστικά Προβλημάτων Διάγνωσης Αιτία που προκάλεσε τη δυσλειτουργία σε ένα σύστημα. Εσωτερική, π.χ. κάποιο χαλασμένο εξάρτημα. Εξωτερική (από το περιβάλλον), π.χ. ένα βακτήριο που προσβάλλει κάποιον ασθενή. Δυνατότητα πραγματοποίησης ενδιάμεσων ελέγχων. Π.χ., ένας μηχανικός μπορεί να διεξάγει πολλούς ελέγχους στο εσωτερικό ενός αυτοκινήτου ώστε να εντοπίσει μια βλάβη με μεγάλη ακρίβεια. Οι γιατροί έχουν λιγότερες δυνατότητες ελέγχων για να εντοπίσουν την αιτία μιας ασθένειας. Απομόνωση εσωτερικών εξαρτημάτων και πραγματοποίηση πειραματισμών πάνω τους χωρίς να επηρεαστεί το υπόλοιπο σύστημα. Π.χ., ένας τεχνικός υπολογιστών μπορεί να αφαιρέσει από το σύστημα μία κάρτα οθόνης και να την ελέγξει ξεχωριστά σε κάποιον άλλο υπολογιστή. Σε περιπτώσεις ασθενειών δεν είναι δυνατή η απομόνωση και ο έλεγχος επιμέρους οργάνων του σώματος, γιατί οι μηχανισμοί ανάδρασης αντιδρούν σε κάθε απόπειρα εξωτερικής παρέμβασης.

53 Χαρακτηριστικά Προβλημάτων Διάγνωσης Ακρίβεια εντοπισμού της αιτίας της δυσλειτουργίας. Π.χ., ένας γιατρός μπορεί να χορηγήσει ένα αντιβιοτικό ευρέως φάσματος προκειμένου να αντιμετωπίσει άμεσα μια λοίμωξη την οποία δεν έχει προσδιορίσει επακριβώς. Ένας τεχνικός αυτοκινήτου θα προσπαθήσει να εντοπίσει επακριβώς τη βλάβη σε μία μηχανή και να αντικαταστήσει τα ελαττωματικά εξαρτήματα. Χρονική μεταβολή της συμπεριφοράς του συστήματος. Π.χ., μερικές ασθένειες έχουν περιοδικά συμπτώματα, ενώ κάποιες άλλες προοδευτικά. Στα ηλεκτρονικά κυκλώματα, μερικές βλάβες εμφανίζονται περιοδικά και κάτω από συγκεκριμένες συνθήκες. Αλληλοεπικάλυψη διάγνωσης και επιδιόρθωσης βλαβών, Π.χ., ένας τεχνικός υπολογιστών προσπαθεί να εντοπίσει τη βλάβη στη μνήμη ενός υπολογιστή. Αλλάζει μία-μία τις πλακέτες μνήμης με μία όμοια πλακέτα που είναι σίγουρος ότι λειτουργεί σωστά. Εκκινεί τον υπολογιστή και ελέγχει το αποτέλεσμα του διαγνωστικού προγράμματος. Την πρώτη φορά που το διαγνωστικό πρόγραμμα θα αναφέρει επιτυχή λειτουργία της μνήμης, η βλάβη θα έχει εντοπίσει στην αμέσως προηγούμενη πλακέτα. Η βλάβη έχει ήδη επιδιορθωθεί και επομένως δε χρειάζεται καμία άλλη ενέργεια.

54 Γενικό Μοντέλο Διάγνωσης Χώρος των δεδομένων (data space): Πεπερασμένο σύνολο πιθανών μετρήσεων που αναπαριστάνονται με μεταβλητές. Δυνατές τιμές: Το σύνολο των τιμών, έγκυρων και μη, που μπορεί να πάρει μια μεταβλητή. Κανονικές τιμές: Δηλώνουν την κανονική λειτουργία του συστήματος. Παρατηρούμενες τιμές: Μετρώνται από τα όργανα μέτρησης. Προβλεπόμενες τιμές: Προβλέπονται από τις παρατηρήσεις και από το μοντέλο του συστήματος. Χώρος των υποθέσεων (hypothesis space): Όλες οι πιθανές αιτίες που μπορούν να προκαλέσουν δυσλειτουργία σε ένα σύστημα. Λειτουργίες επιλογής υποθέσεων: Δημιουργία εναλλακτικών υποθέσεων. Έλεγχος ορθότητας. Διαχωρισμός ή διάκριση ανταγωνιστικών υποθέσεων βάσει των δεδομένων του προβλήματος. Χώρος των θεραπειών ή των 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, συμπεριλαμβανομένων και στοιχείων του περιβάλλοντός του.

55 Διάγνωση Έλεγχος θεραπειών-επιδιορθώσεων Χώρος Δεδομένων Γενίκευση Δεδομένων Γενικευμένα Δεδομένα Αναγνώριση ανώμαλων καταστάσεων Δημιουργία Εναλλακτικών Υποθέσεων Χώρος Υποθέσεων Γενικές Υποθέσεις Επιλογή Υποθέσεων Έλεγχος των Υποθέσεων Δημιουργία θεραπειών ή επιδιορθώσεων Χώρος Θεραπειών ή Επιδιορθώσεων Γενικό Πλάνο Θεραπείας- Επιδιόρθωσης Επιλογή Επιδιορθώσεων Συλλογή Δεδομένων Διάκριση μεταξύ Υποθέσεων Υποθέσεις- Λύσεις Στοιχειώδεις Ενέργειες Επιδιόρθωσης Μοντέλο Συστήματος

56 Βασικές Λειτουργίες της Διάγνωσης Αλληλεπίδραση παρατήρησης και πρόβλεψης. Παρατήρηση: Όσα μπορεί κάποιος να δει ή να μετρήσει για ένα σύστημα. Πρόβλεψη: Το μοντέλο του συστήματος καθορίζει πώς πρέπει αυτό να συμπεριφέρεται. Όταν υπάρχει ασυμφωνία, τότε το σύστημα δυσλειτουργεί. Πρέπει να ανιχνευθούν οι αιτίες της ασυμφωνίας. Λειτουργίες μιας εργασίας διάγνωσης: Αναγνώριση ανωμαλιών: Η διάγνωση αρχίζει όταν ανιχνευθεί μία ασυμφωνία ανάμεσα στο μοντέλο ενός συστήματος και στην τρέχουσα συμπεριφορά του. Δημιουργία και έλεγχος υποθέσεων: Δημιουργούνται γενικές υποθέσεις που ταιριάζουν με τις ανωμαλίες που παρατηρήθηκαν. Οι υποθέσεις ελέγχονται αν εξηγούν τις ασυμφωνίες. Οι υποθέσεις που εξηγούν τις ασυμφωνίες ταξινομούνται βάσει κριτηρίων αξιολόγησης. Διάκριση υποθέσεων: Προαιρετικό βήμα, όταν υπάρχουν πολλές υποθέσεις και είναι επιθυμητή η απόλυτη διάγνωση. Συλλέγονται περισσότερες πληροφορίες, ώστε να αποκλείονται όλες οι υποθέσεις πλην μιας. Η εκτέλεση των επιπρόσθετων μετρήσεων πρέπει να πετύχει το διαχωρισμό μιας υπόθεσης, με το λιγότερο δυνατό κόστος.

57 Δημιουργία και Έλεγχος Υποθέσεων Απαιτεί συλλογιστική από τα συμπτώματα προς τις υποθέσεις, έτσι ώστε να βρεθούν εκείνες που πιθανώς εξηγούν τα παρατηρηθέντα συμπτώματα. Η δημιουργία υποθέσεων είναι ένα πρόβλημα αναζήτησης. Οι υποθέσεις μικρή\ς πιθανότητας δεν ελέγχονται για να μειωθεί ο χώρος αναζήτησης. Ο έλεγχος μιας υπόθεσης περιλαμβάνει: Τη σύγκριση των προϋποθέσεών της με τις παρατηρήσεις. Αν προκύψουν ασυμφωνίες, η υπόθεση απορρίπτεται, αλλιώς διατηρείται. Τα ακόλουθα θέματα σχετίζονται με τη δημιουργία και τον έλεγχο των υποθέσεων: Είδος μοντέλου. Πολυπλοκότητα βλάβης. Ιεραρχία υποθέσεων. Αλληλεπίδραση βλαβών.

58 1 Παράδειγμα Συστήματος προς Διάγνωση 2 Π1 Μ2 Α1 Μ1 Α2 Έξοδος 3 4 Π2 Μ3 Μοντέλο Κατάσταση Πιθανότητα Έξοδος Αθροιστή 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) Πολλαπλασιαστή 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)

59 Είδος Μοντέλου Κλειστό μοντέλο: Τα απλά διαγνωστικά συστήματα περιγράφουν τις διαγνώσεις ως συγκεκριμένα είδη προβλημάτων που μπορούν να εμφανιστούν σε ένα σύστημα. Μπορεί να εμφανιστούν προβλήματα από αλληλεπιδράσεις που δεν έχουν προβλεφθεί και δεν περιλαμβάνονται ρητά στο μοντέλο του συστήματος. Ανοικτό μοντέλο: Τα σύνθετα διαγνωστικά συστήματα έχουν τη δυνατότητα να καταλήγουν σε εύλογα συμπεράσματα-διαγνώσεις μέσω συλλογιστικής, χωρίς αυτά να έχουν προβλεφθεί ρητά στη βάση τους. Είναι σημαντικός ο καθορισμός του συνόλου των υποθέσεων, δηλαδή η επιλογή των αιτίων που μπορούν να προκαλέσουν δυσλειτουργία στο σύστημα. Πρέπει να προσδιοριστούν οι συνιστώσες του συστήματος που θα μοντελοποιηθούν Πρέπει να καθοριστεί ποια είδη βλαβών θα είναι σε θέση να διαγνώσει το σύστημα. Πρέπει να μοντελοποιηθούν οι αλληλεπιδράσεις μεταξύ συνιστωσών που προκαλούν δυσλειτουργίες, χωρίς η κάθε μία συνιστώσα ξεχωριστά να εμφανίζει πρόβλημα. Όσο περισσότερες αιτίες μοντελοποιούνται, τόσο πιο δύσκολη γίνεται η διάγνωση.

60 Πολυπλοκότητα Βλάβης Απλές Βλάβες: Τα απλά διαγνωστικά συστήματα υποθέτουν ότι το υπό εξέταση σύστημα παρουσιάζει μόνο μια βλάβη κάθε φορά. Οι βλάβες συνήθως δεν είναι ανεξάρτητες μεταξύ τους και επηρεάζουν η μία τα συμπτώματα της άλλης. Πολλαπλές Βλάβες: Σειριακή εξέταση υποθέσεων: Χρησιμοποιείται όταν οι υποθέσεις δεν αλληλεπιδρούν. Τα συμπτώματα εξετάζονται κατά σειρά σπουδαιότητας. Όταν βρεθεί μια υπόθεση που εξηγεί κάποια συμπτώματα, αυτά αφαιρούνται από το σύνολο συμπτωμάτων. Η διαδικασία προχωρά μέχρι να εξηγηθούν όλες οι εναπομείνασες υποθέσεις και συμπτώματα. Αν δεν καταστεί δυνατό, γίνεται οπισθοδρόμηση και αναζητούνται άλλες υποθέσεις. Χρήση σύνθετων υποθέσεων. Δημιουργούνται σύνθετες υποθέσεις, οι οποίες βασίζονται στην ταυτόχρονη εμφάνιση πολλών απλούστερων υποθέσεων. Το πρόβλημα είναι ο μεγάλος αριθμός των σύνθετων υποθέσεων που προκύπτουν. Σε σύστημα που υπάρχουν n εξαρτήματα και k απλές βλάβες, ο αριθμός των σύνθετων υποθέσεων προκύπτει από τον συνδυασμό των n εξαρτημάτων ανά k, δηλαδή n!/(k!(n-k)!).

61 Ιεραρχίες Υποθέσεων Βελτιώνουν την απόδοση των συστημάτων που υποστηρίζουν σύνθετες υποθέσεις. Η ιεραρχία μειώνει το μέγεθος του χώρου αναζήτησης. Μία ομάδα υποθέσεων αντιμετωπίζεται ως μία υποθέσεις. Βασίζονται σε διάφορα επίπεδα γενίκευσης και σχέσεις εξάρτησης μεταξύ των διαφόρων υποσυστημάτων. Η λεπτομέρεια το κατώτερου επίπεδου της ιεραρχίας καθορίζει το πόσο συγκεκριμένη είναι η διάγνωση. Αλληλεπίδραση Βλαβών Ένα σημαντικό να διαπιστωθεί ποιο σύμπτωμα προκαλείται από ποια αιτία. Τα συστήματα που δε λαμβάνουν υπόψη τις αλληλεπιδράσεις μεταξύ των διαφόρων αιτίων (βλαβών) δεν μπορούν να καταλήξουν πάντα σε σωστές διαγνώσεις. Ιδανική περίπτωση: Κάθε αιτία έχει ένα και μόνο ένα σύμπτωμα. Δεν υπάρχουν διαφορετικές αιτίες που να προκαλούν το ίδιο σύμπτωμα. Το φαινόμενο των πολλαπλών συμπτωμάτων είναι συνηθισμένο και δυσκολεύει τη διαδικασία της διάγνωσης.

62 Διάκριση Υποθέσεων (Hypotheses Discrimination) Επιλογή μιας υπόθεσης που μπορεί να εξηγήσει τα παρατηρούμενα συμπτώματα. Είναι σημαντική η συλλογή των κατάλληλων δεδομένων που θα απορρίψουν τις περισσότερες υποθέσεων και την επιλογή μόνο μίας. Είναι αδύνατο να συλλεχθούν όλα τα δεδομένα για ένα σύστημα. Πρέπει να γίνει ορθή επιλογή των επιπρόσθετων μετρήσεων, έτσι ώστε να απορριφθούν όλες πλην μιας από τις υποψήφιες υποθέσεις, με το ελάχιστο δυνατό κόστος. Προσέγγιση καθοδηγούμενων δοκιμών (guided-probe approach): Επιχειρείται να βρεθούν ζεύγη υποθέσεων, των οποίων τα συμπτώματα να: Συμφωνούν με τις υπάρχουσες παρατηρήσεις. Παρουσιάζουν ασυμφωνία σε άλλα συμπτώματα, για τα οποία δεν υπάρχουν παρατηρήσεις. Γίνεται προσπάθεια λήψης της μέτρησης για να απορριφθεί η μία από τις δύο υποθέσεις. Η διαδικασία συνεχίζεται μέχρι να μείνει μόνο μία υπόθεση. Π.χ., ένας ασθενής παρουσιάζει πυρετό, οπότε είτε έχει ίωση ή απλό κρυολόγημα. Αν έχει ίωση θα παρουσίαζε και άλλα συμπτώματα, όπως πονόλαιμο, βήχα, κλπ. Εξετάζοντας αν ο ασθενής εμφανίζει όντως ένα από τα επιπλέον συμπτώματα της ίωσης, μπορεί να ξεχωρίσει μία από τις δύο υποψήφιες υποθέσεις και να επιστραφεί ως διάγνωση.

63 Εντροπία του Shannon Ιδανική περίπτωση: Η διάγνωση δίνει αποτέλεσμα μία υπόθεση με πιθανότητα 1. Πραγματικότητα: Ένα σύνολο υποθέσεων με κατανομή πιθανοτήτων. Το άθροισμα όλων των πιθανοτήτων ισούται με 1. Η μέθοδος της εντροπίας του Shannon ελέγχει την ποιότητα κατανομής υποθέσεων. Οι κατανομές εντροπίας με μικρότερη τιμή είναι καλύτερες, με βέλτιστη H τιμή 0. P i log P i i Όταν μπορούν να πραγματοποιηθούν ενδιάμεσοι έλεγχοι στη διάγνωση, τότε: Υπολογίζεται η αναμενόμενη εντροπία όλων των μετρήσεων. Επιλέγεται η πιο "ωφέλιμη" μέτρηση, η οποία επιφέρει έχει τη μικρότερη τιμή εντροπίας. Μειονεκτήματα: Δε λαμβάνει υπόψη το κόστος και τη δυσκολία εκτέλεσης μίας μέτρησης. Δε λαμβάνει υπόψη την αβεβαιότητα στις μετρήσεις, καθώς και στις ίδιες τις υποθέσεις. Θεωρεί όλες τις υποθέσεις ίσης σπουδαιότητας. Θεωρία της αξίας της πληροφορίας (information value theory). Συνδυάζει στη συνάρτηση αξιολόγησης την εντροπία με το κόστος των μετρήσεων.

64 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. Ουσιαστικά πρόκειται για "ηλεκτρονικά" εγχειρίδια εκπαίδευσης των τεχνικών. Η βάση γνώσης είναι ένας χάρτης ροής (flow chart). Αναπαριστά προκαθορισμένες διαδικασίες και πρωτόκολλα μέσω υπολογιστή. Δεν έχει αναπαράσταση της δομής και της συμπεριφοράς του υπό εξέταση συστήματος. Ένας χάρτης ροής έχει κόμβους με διάφορα σχήματα που αναπαριστούν: Διαγνωστικά τεστ. Αποφάσεις με βάση τα αποτελέσματα των τεστ. Ακολουθίες ενεργειών επιδιόρθωσης. Το Darn διαθέτει: Διασύνδεση, για εκτέλεση πλάνων και εμπλουτισμό της βάσης γνώσης με νέα πλάνα. Γλώσσα περιγραφής πλάνων, για τον ορισμό νέων πλάνων. Πλεονεκτήματα: Η αλληλεπίδραση του τεχνικού με τον υπολογιστή. Ευκολία διαχείρισης πλάνων και εύκολη διανομή τους ηλεκτρονικά στους τεχνικούς

65 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 Διόρθωσε 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

66 Χώροι Υποθέσεων στο Darn Έλεγχος επιδιορθώσεων Χώρος Δεδομένων Γενικευμένα Δεδομένα Αναγνώριση ανώμαλων καταστάσεων Δημιουργία εναλλακτικών υποθέσεων Χώρος Υποθέσεων Δημιουργία επιδιορθώσεων Χώρος Επιδιορθώσεων Γενικό Πλάνο Επιδιόρθωσης Γενίκευση Δεδομένων Έλεγχος των υποθέσεων Επιλογή Επιδιορθώσεων Συλλογή Δεδομένων Διάκριση μεταξύ υποθέσεων Στοιχειώδεις Ενέργειες Επιδιόρθωσης

67 Μελέτη Περίπτωσης - Το Σύστημα Internist Επιλύει προβλήματα διάγνωσης σε ιατρικά θέματα. Χρησιμοποιεί μοντέλο κατηγοριοποίησης. Προσπαθεί να ξεχωρίσει ασθένειες που έχουν κοινά συμπτώματα. Χρησιμοποιεί την προσέγγιση σειριακής εξέτασης των υποθέσεων (μία υπόθεση τη φορά) για να ανιχνεύσει την ταυτόχρονη ύπαρξη πολλών ασθενειών. Η βάση γνώσης περιλαμβάνει: Συμπτώματα ή Δεδομένα. Υποθέσεις. Συσχετίσεις ανάμεσα στο χώρο των υποθέσεων και το χώρο των δεδομένων. Πρόκληση (evocation): Συνδέει την παρουσία ενός συμπτώματος με την ύπαρξη μιας υπόθεσης. Π.χ., το σύμπτωμα της "ωχρότητας" αντιστοιχίζεται τόσο στην υπόθεση της "έλλειψης σιδήρου", όσο και στην υπόθεση της "αναιμίας". Εκδήλωση (manifestation): Συνδέει την ύπαρξη μιας υπόθεσης με την παρουσία ενός συμπτώματος. Π.χ., η υπόθεση της "κίρρωσης χολής" μπορεί να αντιστοιχηθεί στο σύμπτωμα του "ίκτερου".

68 Σχέσεις Μεταξύ των Δεδομένων και των Υποθέσεων Δεδομένα που παρατηρήθηκαν και εξηγήθηκαν Χώρος δεδομένων Χώρος υποθέσεων Υπόθεση διάγνωσης που ενδιαφέρει Δεδομένα που αναμένονταν, αλλά δεν παρατηρήθηκαν Δεδομένα που αναμένονταν, αλλά δεν είναι ακόμα γνωστά Άλλες υποθέσεις διάγνωσης Δεδομένα που παρατηρήθηκαν, αλλά δεν εξηγήθηκαν πρόκληση εκδήλωση

69 Μεγέθη Δεδομένων και Συσχετίσεων Δύναμη πρόκλησης (evoking strength): L(D i M α ). Πιθανότητα η υπόθεση D i να είναι η 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. Όταν μία διάγνωση επιβεβαιώνεται, τότε: Όλα τα παρόντα συμπτώματα που σχετίζονται με την ασθένεια σημειώνονται ως εξηγηθέντα και δε λαμβάνονται πλέον υπόψη. Αν υπάρχουν ασθένειες που συνδέονται με την επιβεβαιωμένη ασθένεια, τότε η βαθμολογία τους αυξάνεται μέσω των βαρών των δεσμών. Αν υπάρχουν σοβαρά συμπτώματα που δεν έχουν εξηγηθεί, ο κύκλος επαναλαμβάνεται βαθμολογώντας τις ασθένειες με τα υπόλοιπα συμπτώματα.

70 Ο Αλγόριθμος Εκτέλεσης του Internist 1.Έως ότου εξηγηθούν όλα τα σοβαρά συμπτώματα, επανέλαβε: i.έως ότου επιβεβαιωθεί κάποια υπόθεση, επανέλαβε: 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.

71 Για την ευριστική βαθμολόγηση των ασθενειών χρησιμοποιείται η διαδικασία rank_hypothesis: 1. 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.

72 Ο Αλγόριθμος Εκτέλεσης του Internist Για την ευριστική διαμόρφωση του συνόλου των υποθέσεων χρησιμοποιείται η διαδικασία 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. Για την επιλογή της επόμενης ερώτησης χρησιμοποιείται η διαδικασία next_question, στην οποία χρησιμοποιούνται οι παρακάτω 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.

73 Οι Χώροι Αναζήτησης του Internist Χώρος Δεδομένων Γενικευμένα Δεδομένα Αναγνώριση ανώμαλων καταστάσεων Χώρος Υποθέσεων Γενικές Υποθέσεις Χώρος Θεραπειών Γενίκευση δεδομένων Δημιουργία εναλλακτικών υποψήφιων ασθενειών Επιλογή Υποθέσεων Έλεγχος υποψήφιων ασθενειών Συλλογή Δεδομένων Διάκριση μεταξύ υποψήφιων ασθενειών Υποθέσεις- Λύσεις

74 Μελέτη Περίπτωσης - Το Σύστημα Sophie-III Σύστημα διάγνωσης βλαβών που χρησιμοποιεί τη συλλογιστική των μοντέλων. Σκοπός: Εκπαίδευση και απόκτηση δεξιοτήτων και εμπειρίας από νέους τεχνικούς Μοντελοποίηση: Σε χαμηλό επίπεδο απλών εξαρτημάτων και διασυνδέσεων. Μοντέλο συμπεριφοράς εξαρτημάτων, βάσει του οποίου αντιστοιχίζονται οι τιμές εισόδου σε τιμές εξόδου. Ένα σύνολο από πιθανές βλάβες των εξαρτημάτων. Μεγαλύτερων τμημάτων του κυκλώματος (ιεραρχία μονάδων). Αν μια σύνθετη μονάδα λειτουργεί, τότε και οι υπομονάδες λειτουργούν κανονικά. Παραδοχές: Μόνο γνωστές βλάβες μπορούν να εμφανιστούν στο κύκλωμα. Ποτέ δεν εμφανίζονται δύο βλάβες ταυτόχρονα (single-fault assumption). Η διαδικασία διάγνωσης και επίλυσης προβλημάτων χωρίζεται σε : Παθητική διάγνωση: Συμπεράσματα που προκύπτουν μετά από συλλογή μετρήσεων. Ενεργητική διάγνωση: Επιλογή των επομένων μετρήσεων που πρέπει να γίνουν για να καταστεί δυνατή η διάκριση μεταξύ των υποψηφίων υποθέσεων.

75 Χώροι Αναζήτησης του Sophie-III

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 12: Εφαρμογές Συστημάτων Γνώσης - Διαμόρφωση

Συστήματα Γνώσης. Θεωρητικό Κομμάτι Μαθήματος Ενότητα 12: Εφαρμογές Συστημάτων Γνώσης - Διαμόρφωση ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Θεωρητικό Κομμάτι Μαθήματος Ενότητα 12: Εφαρμογές Συστημάτων Γνώσης - Διαμόρφωση Νίκος Βασιλειάδης, Αναπλ. Καθηγητής Άδειες Χρήσης Το

Διαβάστε περισσότερα

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 25. ιαµόρφωση. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου

Κεφάλαιο 25. ιαµόρφωση. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κεφάλαιο 25 ιαµόρφωση Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου ιαµόρφωση ιαδικασία επιλογής και τακτοποίησης συνδυασµών εξαρτηµάτων ενός µηχανικού

Διαβάστε περισσότερα

ιάγνωση και Επιδιόρθωση Βλαβών

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

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

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

Rule Based systems Συστήματα Βασισμένα σε κανόνες

Rule Based systems Συστήματα Βασισμένα σε κανόνες Rule Based systems Συστήματα Βασισμένα σε κανόνες Τμήματα ενός έμπειρου συστήματος βασισμένου σε κανόνες Βάση Γνώσης (Κανόνες) Μηχανισμός Εξαγωγής Συμπερασμάτων Χώρος Εργασίας (Γεγονότα) Μηχανισμός Επεξήγησης

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

Οικονόμου Παναγιώτης.

Οικονόμου Παναγιώτης. Οικονόμου Παναγιώτης panawths@gmail.com poikonomou@teilam.gr Οικονόμου Παναγιώτης 1 Παπαγεωργίου. 2 Αθήνα-Ελλάδα χρόνου 460 π.χ.? Ένας νεαρός άνδρας σκεπτόμενος το ενδεχόμενο γάμου, ζητά από τον Σωκράτη

Διαβάστε περισσότερα

Εισαγωγή στη Σχεδίαση Λογισμικού

Εισαγωγή στη Σχεδίαση Λογισμικού Εισαγωγή στη Σχεδίαση Λογισμικού περιεχόμενα παρουσίασης Τι είναι η σχεδίαση λογισμικού Έννοιες σχεδίασης Δραστηριότητες σχεδίασης Σχεδίαση και υποδείγματα ανάπτυξης λογισμικού σχεδίαση Η σχεδίαση του

Διαβάστε περισσότερα

Επίλυση Προβλημάτων 1

Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων 1 Επίλυση Προβλημάτων Περιγραφή Προβλημάτων Αλγόριθμοι αναζήτησης Αλγόριθμοι τυφλής αναζήτησης Αναζήτηση πρώτα σε βάθος Αναζήτηση πρώτα σε πλάτος (ΒFS) Αλγόριθμοι ευρετικής αναζήτησης

Διαβάστε περισσότερα

Λειτουργικά. Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Σιώζιος Κων/νος - Πληροφορική Ι

Λειτουργικά. Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Σιώζιος Κων/νος - Πληροφορική Ι Λειτουργικά Συστήματα 1 Λογισμικό του Υπολογιστή Για να λειτουργήσει ένας Η/Υ εκτός από το υλικό του, είναι απαραίτητο και το λογισμικό Το σύνολο των προγραμμάτων που συντονίζουν τις λειτουργίες του υλικού

Διαβάστε περισσότερα

8 Τεχνικός Εφαρμογών Πληροφορικής με Πολυμέσα

8 Τεχνικός Εφαρμογών Πληροφορικής με Πολυμέσα Περιεχόμενα Πρόλογος... 9 Κεφάλαιο 1: Δομή και λειτουργία του υπολογιστή... 11 Κεφάλαιο 2: Χρήση Λ.Σ. DOS και Windows... 19 Κεφάλαιο 3: Δίκτυα Υπολογιστών και Επικοινωνίας... 27 Κεφάλαιο 4: Unix... 37

Διαβάστε περισσότερα

710 -Μάθηση - Απόδοση

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

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

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

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

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

Διαβάστε περισσότερα

Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420)

Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Ανάπτυξη & Σχεδίαση Λογισμικού (ΗΥ420) Διάλεξη 8: Σχεδίαση Συστήματος Σχεδίαση Συστήματος 2 Διεργασία μετατροπής του προβλήματος σε λύση. Από το Τί στο Πώς. Σχέδιο: Λεπτομερής περιγραφή της λύσης. Λύση:

Διαβάστε περισσότερα

Ασφαλή Συστήματα Μέθοδοι ελέγχου και εξακρίβωσης ορθής λειτουργίας

Ασφαλή Συστήματα Μέθοδοι ελέγχου και εξακρίβωσης ορθής λειτουργίας Λειτουργικά Συστήματα Πραγματικού Χρόνου 2006-07 Ασφαλή Συστήματα Μέθοδοι ελέγχου και εξακρίβωσης ορθής λειτουργίας Μ.Στεφανιδάκης Ενσωματωμένα Συστήματα: Απαιτήσεις Αξιοπιστία (reliability) Χρηστικότητα

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

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

Α. Ερωτήσεις Σωστού - Λάθους

Α. Ερωτήσεις Σωστού - Λάθους 2 Ο ΓΕΛ ΣΥΚΕΩΝ ΜΑΘΗΜΑ : ΤΕΧΝΟΛΟΓΙΑ Α ΛΥΚΕΙΟΥ ΚΑΘΗΓΗΤΗΣ : ΤΡΑΣΑΝΙΔΗΣ ΓΕΩΡΓΙΟΣ διπλ. Ηλ/γος Μηχ/κός ΠΕ 12 ΘΕΜΑΤΙΚΟ ΑΝΤΙΚΕΙΜΕΝΟ ΠΡΟΣ ΑΞΙΟΛΟΓΗΣΗ : ΜΕΤΑΒΛΗΤΕΣ ΣΧΕΣΗ ΜΕΤΑΞΥ ΜΕΤΑΒΛΗΤΩΝ-ΕΠΙΣΤΗΜΟΝΙΚΗ ΜΕΘΟΔΟΣ- ΕΙΔΗ

Διαβάστε περισσότερα

Αρχιτεκτονική υπολογιστών

Αρχιτεκτονική υπολογιστών 1 Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Αρχιτεκτονική υπολογιστών Ενότητα 3 : Μια άποψη του κορυφαίου επιπέδου λειτουργίας και διασύνδεσης του υπολογιστή Καρβούνης Ευάγγελος Η έννοια

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

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

Προβλήματα, αλγόριθμοι, ψευδοκώδικας

Προβλήματα, αλγόριθμοι, ψευδοκώδικας Προβλήματα, αλγόριθμοι, ψευδοκώδικας October 11, 2011 Στο μάθημα Αλγοριθμική και Δομές Δεδομένων θα ασχοληθούμε με ένα μέρος της διαδικασίας επίλυσης υπολογιστικών προβλημάτων. Συγκεκριμένα θα δούμε τι

Διαβάστε περισσότερα

Διερευνητική μάθηση We are researchers, let us do research! (Elbers and Streefland, 2000)

Διερευνητική μάθηση We are researchers, let us do research! (Elbers and Streefland, 2000) Διερευνητική μάθηση We are researchers, let us do research! (Elbers and Streefland, 2000) Πρόκειται για την έρευνα που διεξάγουν οι επιστήμονες. Είναι μια πολύπλοκη δραστηριότητα που απαιτεί ειδικό ακριβό

Διαβάστε περισσότερα

Υπερπροσαρμογή (Overfitting) (1)

Υπερπροσαρμογή (Overfitting) (1) Αλγόριθμος C4.5 Αποφυγή υπερπροσαρμογής (overfitting) Reduced error pruning Rule post-pruning Χειρισμός χαρακτηριστικών συνεχών τιμών Επιλογή κατάλληλης μετρικής για την επιλογή των χαρακτηριστικών διάσπασης

Διαβάστε περισσότερα

Μάθηση και Γενίκευση. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Μάθηση και Γενίκευση. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Μάθηση και Γενίκευση Το Πολυεπίπεδο Perceptron (MultiLayer Perceptron (MLP)) Έστω σύνολο εκπαίδευσης D={(x n,t n )}, n=1,,n. x n =(x n1,, x nd ) T, t n =(t n1,, t np ) T Θα πρέπει το MLP να έχει d νευρώνες

Διαβάστε περισσότερα

Κατηγοριοποίηση βάσει διανύσματος χαρακτηριστικών

Κατηγοριοποίηση βάσει διανύσματος χαρακτηριστικών Κατηγοριοποίηση βάσει διανύσματος χαρακτηριστικών Αναπαράσταση των δεδομένων ως διανύσματα χαρακτηριστικών (feature vectors): Επιλογή ενός

Διαβάστε περισσότερα

- Εισαγωγή - Επίπεδα μνήμης - Ολοκληρωμένα κυκλώματα μνήμης - Συσκευασίες μνήμης προσωπικών υπολογιστών

- Εισαγωγή - Επίπεδα μνήμης - Ολοκληρωμένα κυκλώματα μνήμης - Συσκευασίες μνήμης προσωπικών υπολογιστών Μάθημα 4.5 Η Μνήμη - Εισαγωγή - Επίπεδα μνήμης - Ολοκληρωμένα κυκλώματα μνήμης - Συσκευασίες μνήμης προσωπικών υπολογιστών Όταν ολοκληρώσεις το μάθημα αυτό θα μπορείς: Να αναφέρεις τα κυριότερα είδη μνήμης

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,

Διαβάστε περισσότερα

Έμπειρα Συστήματα. Εργαστήριο

Έμπειρα Συστήματα. Εργαστήριο Έμπειρα Συστήματα Εργαστήριο Χρυσόστομος Στύλιος E-class: Ανακοινώσεις, διαφάνειες, εργασίες, χρήσιμοι σύνδεσμοι, κλπ. 1 Εργασίες Θα δοθεί υποχρεωτική εργασία: Ανάπτυξη ενός έμπειρου συστήματος σε γλώσσα

Διαβάστε περισσότερα

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1

Ασκήσεις μελέτης της 4 ης διάλεξης. ), για οποιοδήποτε μονοπάτι n 1 Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 2016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 4 ης διάλεξης 4.1. (α) Αποδείξτε ότι αν η h είναι συνεπής, τότε h(n

Διαβάστε περισσότερα

Μάθημα 4.2 Η μητρική πλακέτα

Μάθημα 4.2 Η μητρική πλακέτα Μάθημα 4.2 Η μητρική πλακέτα - Εισαγωγή - Οι βάσεις του επεξεργαστή και της μνήμης - Οι υποδοχές της μητρικής πλακέτας - Άλλα μέρη της μητρική πλακέτας - Τυποποιήσεις στην κατασκευή μητρικών πλακετών Όταν

Διαβάστε περισσότερα

Α. ΔΙΑΓΡΑΜΜΑ ΔΙΑΣΠΟΡΑΣ Απεικόνιση της σχέσης(θετική, αρνητική, απροσδιόριστη) δύο μεταβλητών. Παραδείγματα σχέσεων. Παράδειγμα

Α. ΔΙΑΓΡΑΜΜΑ ΔΙΑΣΠΟΡΑΣ Απεικόνιση της σχέσης(θετική, αρνητική, απροσδιόριστη) δύο μεταβλητών. Παραδείγματα σχέσεων. Παράδειγμα Α. ΔΙΑΓΡΑΜΜΑ ΔΙΑΣΠΟΡΑΣ Απεικόνιση της σχέσης(θετική, αρνητική, απροσδιόριστη) δύο μεταβλητών. Παραδείγματα σχέσεων Παράδειγμα Μας δίνονται τα παρακάτω δεδομένα που αντιπροσωπεύουν τις τιμές πίεσης σε ατμόσφαιρες

Διαβάστε περισσότερα

Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες)

Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι

Διαβάστε περισσότερα

Προγραμματισμός Ι (HY120)

Προγραμματισμός Ι (HY120) Προγραμματισμός Ι (HY20) # μνήμη & μεταβλητές πρόγραμμα & εκτέλεση Ψηφιακά δεδομένα, μνήμη, μεταβλητές 2 Δυαδικός κόσμος Οι υπολογιστές είναι δυαδικές μηχανές Όλη η πληροφορία (δεδομένα και κώδικας) κωδικοποιείται

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

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές

Διαβάστε περισσότερα

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων Κεφάλαιο 9 Έλεγχοι υποθέσεων 9.1 Εισαγωγή Όταν παίρνουμε ένα ή περισσότερα τυχαία δείγμα από κανονικούς πληθυσμούς έχουμε τη δυνατότητα να υπολογίζουμε στατιστικά, όπως μέσους όρους, δειγματικές διασπορές

Διαβάστε περισσότερα

Δομές Δεδομένων. Τι είναι η δομή δεδομένων; Έστω η ακολουθία αριθμών: 8, 10,17,19,22,5,12 Λογικό Επίπεδο. Φυσικό Επίπεδο RAM. Ταξινομημένος.

Δομές Δεδομένων. Τι είναι η δομή δεδομένων; Έστω η ακολουθία αριθμών: 8, 10,17,19,22,5,12 Λογικό Επίπεδο. Φυσικό Επίπεδο RAM. Ταξινομημένος. Δομές Δεδομένων Τι είναι η δομή δεδομένων; Έστω η ακολουθία αριθμών: 8, 10,17,19,22,5,12 Λογικό Επίπεδο Φυσικό Επίπεδο RAM Πίνακας 8 10 17 19 22 Ταξινομημένος Πίνακας 5 8 10 12 17 Δένδρο 8 5 10 12 19 17

Διαβάστε περισσότερα

Τι είναι αλγόριθμος; Υποπρογράμματα (υποαλγόριθμοι) Βασικές αλγοριθμικές δομές

Τι είναι αλγόριθμος; Υποπρογράμματα (υποαλγόριθμοι) Βασικές αλγοριθμικές δομές Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Εισαγωγή στην Επιστήμη των Υπολογιστών 2015-16 Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες) http://di.ionio.gr/~mistral/tp/csintro/ Μ.Στεφανιδάκης Τι είναι

Διαβάστε περισσότερα

Εισαγωγή στην επιστήμη και την επιστημονική μέθοδο

Εισαγωγή στην επιστήμη και την επιστημονική μέθοδο Εισαγωγή στην επιστήμη και την επιστημονική μέθοδο I. Τι είναι η επιστήμη; A. Ο στόχος της επιστήμης είναι να διερευνήσει και να κατανοήσει τον φυσικό κόσμο, για να εξηγήσει τα γεγονότα στο φυσικό κόσμο,

Διαβάστε περισσότερα

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Μέθοδοι μονοδιάστατης ελαχιστοποίησης Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν

Διαβάστε περισσότερα

Κωδικοποίηση και Έλεγχος Ορθότητας

Κωδικοποίηση και Έλεγχος Ορθότητας Κωδικοποίηση και Έλεγχος Ορθότητας περιεχόμενα περουσίασης Κωδικοποίηση Πρότυπα και διαδικασίες κωδικοποίησης Τεκμηρίωση Διαχείριση εκδόσεων Έλεγχος ορθότητας λογισμικού κωδικοποίηση διαχείριση εκδόσεων

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

Υπολογιστικά & Διακριτά Μαθηματικά

Υπολογιστικά & Διακριτά Μαθηματικά Υπολογιστικά & Διακριτά Μαθηματικά Ενότητα 1: Εισαγωγή- Χαρακτηριστικά Παραδείγματα Αλγορίθμων Στεφανίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

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

FORTRAN και Αντικειμενοστραφής Προγραμματισμός

FORTRAN και Αντικειμενοστραφής Προγραμματισμός FORTRAN και Αντικειμενοστραφής Προγραμματισμός Παραδόσεις Μαθήματος 2016 Δρ Γ Παπαλάμπρου Επίκουρος Καθηγητής ΕΜΠ georgepapalambrou@lmentuagr Εργαστήριο Ναυτικής Μηχανολογίας (Κτίριο Λ) Σχολή Ναυπηγών

Διαβάστε περισσότερα

HY380 Αλγόριθμοι και πολυπλοκότητα Hard Problems

HY380 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 περισσότερα

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Μέθοδοι μονοδιάστατης ελαχιστοποίησης Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν

Διαβάστε περισσότερα

Κεφάλαιο 4: Λογισμικό Συστήματος

Κεφάλαιο 4: Λογισμικό Συστήματος Κεφάλαιο 4: Λογισμικό Συστήματος Ερωτήσεις 1. Να αναφέρετε συνοπτικά τις κατηγορίες στις οποίες διακρίνεται το λογισμικό συστήματος. Σε ποια ευρύτερη κατηγορία εντάσσεται αυτό; Το λογισμικό συστήματος

Διαβάστε περισσότερα

Συνδυαστικά Λογικά Κυκλώματα

Συνδυαστικά Λογικά Κυκλώματα Συνδυαστικά Λογικά Κυκλώματα Ένα συνδυαστικό λογικό κύκλωμα συντίθεται από λογικές πύλες, δέχεται εισόδους και παράγει μία ή περισσότερες εξόδους. Στα συνδυαστικά λογικά κυκλώματα οι έξοδοι σε κάθε χρονική

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

Εισαγωγή Στις Αρχές Της Επιστήμης Των Η/Υ. Η έννοια του Προβλήματος - ΚΕΦΑΛΑΙΟ 2

Εισαγωγή Στις Αρχές Της Επιστήμης Των Η/Υ. Η έννοια του Προβλήματος - ΚΕΦΑΛΑΙΟ 2 Εισαγωγή Στις Αρχές Της Επιστήμης Των Η/Υ Η έννοια του Προβλήματος - ΚΕΦΑΛΑΙΟ 2 2. Η έννοια του προβλήματος 2 2. Η έννοια του προβλήματος 2.1 Το πρόβλημα στην επιστήμη των Η/Υ 2.2 Κατηγορίες προβλημάτων

Διαβάστε περισσότερα

Σειρά Προβλημάτων 5 Λύσεις

Σειρά Προβλημάτων 5 Λύσεις Άσκηση 1 Σειρά Προβλημάτων 5 Λύσεις Να δείξετε ότι οι πιο κάτω γλώσσες είναι διαγνώσιμες. (α) ({ G η G είναι μια ασυμφραστική γραμματική που δεν παράγει καμιά λέξη με μήκος μικρότερο του 2 } (β) { Μ,w

Διαβάστε περισσότερα

Στόχος της ψυχολογικής έρευνας:

Στόχος της ψυχολογικής έρευνας: Στόχος της ψυχολογικής έρευνας: Συστηματική περιγραφή και κατανόηση των ψυχολογικών φαινομένων. Η ψυχολογική έρευνα χρησιμοποιεί μεθόδους συστηματικής διερεύνησης για τη συλλογή, την ανάλυση και την ερμηνεία

Διαβάστε περισσότερα

Μια από τις σημαντικότερες δυσκολίες που συναντά ο φυσικός στη διάρκεια ενός πειράματος, είναι τα σφάλματα.

Μια από τις σημαντικότερες δυσκολίες που συναντά ο φυσικός στη διάρκεια ενός πειράματος, είναι τα σφάλματα. Εισαγωγή Μετρήσεις-Σφάλματα Πολλές φορές θα έχει τύχει να ακούσουμε τη λέξη πείραμα, είτε στο μάθημα είτε σε κάποια είδηση που αφορά τη Φυσική, τη Χημεία ή τη Βιολογία. Είναι όμως γενικώς παραδεκτό ότι

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

Διαδικτυακό Περιβάλλον Διαχείρισης Ασκήσεων Προγραμματισμού

Διαδικτυακό Περιβάλλον Διαχείρισης Ασκήσεων Προγραμματισμού ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Διπλωματική Εργασία με θέμα: Διαδικτυακό Περιβάλλον Διαχείρισης Ασκήσεων Προγραμματισμού Καραγιάννης Ιωάννης Α.Μ.

Διαβάστε περισσότερα

Σ ΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΜΗΝΕΙΑ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

Σ ΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΜΗΝΕΙΑ ΑΠΟΤΕΛΕΣΜΑΤΩΝ Σ ΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΡΜΗΝΕΙΑ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΤΩΝ ΕΞΕΤΑΣΕΩΝ Μ ΑΪΟΥ 2002 2004 Δ ΕΥΤΕΡΟ ΜΕΡΟΣ Π ΕΡΙΛΗΨΗ: Η μελέτη αυτή έχει σκοπό να παρουσιάσει και να ερμηνεύσει τα ευρήματα που προέκυψαν από τη στατιστική

Διαβάστε περισσότερα

Τεχνητή Νοημοσύνη. 16η διάλεξη ( ) Ίων Ανδρουτσόπουλος.

Τεχνητή Νοημοσύνη. 16η διάλεξη ( ) Ίων Ανδρουτσόπουλος. Τεχνητή Νοημοσύνη 16η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται σε ύλη του βιβλίου Artificial Intelligence A Modern Approach των

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ

ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ 2.1 Εισαγωγή Η μέθοδος που θα χρησιμοποιηθεί για να προσομοιωθεί ένα σύστημα έχει άμεση σχέση με το μοντέλο που δημιουργήθηκε για το σύστημα. Αυτό ισχύει και

Διαβάστε περισσότερα

Στο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων.

Στο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων. ΠΕΡΙΛΗΨΗ Η τεχνική αυτή έκθεση περιλαµβάνει αναλυτική περιγραφή των εναλλακτικών µεθόδων πολυκριτηριακής ανάλυσης που εξετάσθηκαν µε στόχο να επιλεγεί η µέθοδος εκείνη η οποία είναι η πιο κατάλληλη για

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΚΛΕΙΣΤΟΥ Ή ΑΝΤΙΚΕΙΜΕΝΙΚΟΥ ΤΥΠΟΥ

ΕΡΩΤΗΣΕΙΣ ΚΛΕΙΣΤΟΥ Ή ΑΝΤΙΚΕΙΜΕΝΙΚΟΥ ΤΥΠΟΥ ΕΡΩΤΗΣΕΙΣ ΚΛΕΙΣΤΟΥ Ή ΑΝΤΙΚΕΙΜΕΝΙΚΟΥ ΤΥΠΟΥ Με τις ερωτήσεις του τύπου αυτού καλείται ο εξεταζόμενος να επιλέξει την ορθή απάντηση από περιορισμένο αριθμό προτεινόμενων απαντήσεων ή να συσχετίσει μεταξύ

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Γραμμικός Προγραμματισμός Μέθοδος Simplex ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Εφαρμόζονται σε προβλήματα στα οποία δεν υπάρχει πληροφορία που να επιτρέπει την αξιολόγηση των καταστάσεων του χώρου αναζήτησης.

Εφαρμόζονται σε προβλήματα στα οποία δεν υπάρχει πληροφορία που να επιτρέπει την αξιολόγηση των καταστάσεων του χώρου αναζήτησης. Ανάλογα με το αν ένας αλγόριθμος αναζήτησης χρησιμοποιεί πληροφορία σχετική με το πρόβλημα για να επιλέξει την επόμενη κατάσταση στην οποία θα μεταβεί, οι αλγόριθμοι αναζήτησης χωρίζονται σε μεγάλες κατηγορίες,

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

ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ 1. ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΕΦ.

ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ 1. ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΕΦ. ΣΧΕΔΙΟ ΜΑΘΗΜΑΤΟΣ Καράκιζα Τσαμπίκα 1. ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΚΕΦ. 2ο-8ο:ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ Εισαγωγή στην εντολή «για» (2.4.5, 8.2.3) 2. ΤΑΞΗ: Γ Γενικού Λυκείου (τεχνολογική

Διαβάστε περισσότερα

Αυτοματισμοί και Συστήματα Αυτομάτου Ελέγχου. Ενότητα 2

Αυτοματισμοί και Συστήματα Αυτομάτου Ελέγχου. Ενότητα 2 Αυτοματισμοί και Συστήματα Αυτομάτου Ελέγχου Ενότητα 2 Τι είναι το PLC ΠΕΡΙΕΧΟΜΕΝΑ 2 Τι είναι το PLC. 2.1 Πλεονεκτήματα των PLC. 2.2 Η δομή ενός PLC. 2.3 Τα PLC της αγοράς. 2.4 Αρχή λειτουργίας ενός PLC.

Διαβάστε περισσότερα

9. Συστολικές Συστοιχίες Επεξεργαστών

9. Συστολικές Συστοιχίες Επεξεργαστών Κεφάλαιο 9: Συστολικές συστοιχίες επεξεργαστών 208 9. Συστολικές Συστοιχίες Επεξεργαστών Οι συστολικές συστοιχίες επεξεργαστών είναι επεξεργαστές ειδικού σκοπού οι οποίοι είναι συνήθως προσκολλημένοι σε

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Δημήτρης Πλεξουσάκης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Δημήτρης Πλεξουσάκης 2ο μέρος σημειώσεων: Συστήματα Αποδείξεων για τον ΠΛ, Μορφολογική Παραγωγή, Κατασκευή Μοντέλων Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

Γ Γυμνασίου: Οδηγίες Γραπτής Εργασίας και Σεμιναρίων. Επιμέλεια Καραβλίδης Αλέξανδρος. Πίνακας περιεχομένων

Γ Γυμνασίου: Οδηγίες Γραπτής Εργασίας και Σεμιναρίων. Επιμέλεια Καραβλίδης Αλέξανδρος. Πίνακας περιεχομένων Γ Γυμνασίου: Οδηγίες Γραπτής Εργασίας και Σεμιναρίων. Πίνακας περιεχομένων Τίτλος της έρευνας (title)... 2 Περιγραφή του προβλήματος (Statement of the problem)... 2 Περιγραφή του σκοπού της έρευνας (statement

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων α) Σημειοεκτιμητική β) Εκτιμήσεις Διαστήματος ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Παράδειγμα

Διαβάστε περισσότερα

ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Ενότητα 1: Εισαγωγή στις Βάσεις Δεδομένων. Αθανάσιος Σπυριδάκος Διοίκηση Επιχειρήσεων

ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Ενότητα 1: Εισαγωγή στις Βάσεις Δεδομένων. Αθανάσιος Σπυριδάκος Διοίκηση Επιχειρήσεων ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ενότητα 1: Εισαγωγή στις Βάσεις Δεδομένων Αθανάσιος Σπυριδάκος Διοίκηση Επιχειρήσεων Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

1 Συστήματα Αυτοματισμού Βιβλιοθηκών

1 Συστήματα Αυτοματισμού Βιβλιοθηκών 1 Συστήματα Αυτοματισμού Βιβλιοθηκών Τα Συστήματα Αυτοματισμού Βιβλιοθηκών χρησιμοποιούνται για τη διαχείριση καταχωρήσεων βιβλιοθηκών. Τα περιεχόμενα των βιβλιοθηκών αυτών είναι έντυπα έγγραφα, όπως βιβλία

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

J-GANNO. Σύντοµη αναφορά στους κύριους στόχους σχεδίασης και τα βασικά χαρακτηριστικά του πακέτου (προέκδοση 0.9Β, Φεβ.1998) Χάρης Γεωργίου

J-GANNO. Σύντοµη αναφορά στους κύριους στόχους σχεδίασης και τα βασικά χαρακτηριστικά του πακέτου (προέκδοση 0.9Β, Φεβ.1998) Χάρης Γεωργίου J-GANNO ΓΕΝΙΚΕΥΜΕΝΟ ΠΑΚΕΤΟ ΥΛΟΠΟΙΗΣΗΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ΣΤΗ ΓΛΩΣΣΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ JAVA Σύντοµη αναφορά στους κύριους στόχους σχεδίασης και τα βασικά χαρακτηριστικά του πακέτου (προέκδοση 0.9Β,

Διαβάστε περισσότερα

Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή

Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή Κεφάλαιο 8. Οπτικοποίηση Απαλοιφή Oι οπτικές επιδράσεις, που μπορεί να προκαλέσει μια εικόνα στους χρήστες, αποτελούν ένα από τα σπουδαιότερα αποτελέσματα των λειτουργιών γραφικών με Η/Υ. Τον όρο της οπτικοποίησης

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΜΜΑ ΑΝΑΛΥΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ Β ή Γ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑ ΕΝΔΙΑΦΕΡΟΝΤΟΣ: ΠΛΗΡΟΦΟΡΙΚΗ Ι

ΠΕΡΙΓΡΑΜΜΑ ΑΝΑΛΥΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ Β ή Γ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑ ΕΝΔΙΑΦΕΡΟΝΤΟΣ: ΠΛΗΡΟΦΟΡΙΚΗ Ι Σεπτέμβριος 007 ΠΕΡΙΓΡΑΜΜΑ ΑΝΑΛΥΤΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ Β ή Γ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑ ΕΝΔΙΑΦΕΡΟΝΤΟΣ: ΠΛΗΡΟΦΟΡΙΚΗ Ι Περίγραμμα Ενότητα-Κεφάλαιο Δ.Π.(*). Λογισμικό Εφαρμογών 9. Εφαρμογές Διαδικτύου 3. Επεξεργαστής

Διαβάστε περισσότερα

Μετρικές & Επιδόσεις. Κεφάλαιο V

Μετρικές & Επιδόσεις. Κεφάλαιο V Μετρικές & Επιδόσεις Κεφάλαιο V Χρόνος εκτέλεσης & επιτάχυνση Σειριακός χρόνος εκτέλεσης: Τ (για τον καλύτερο σειριακό αλγόριθμο) Παράλληλος χρόνος εκτέλεσης: (με επεξεργαστές) Επιτάχυνση (speedup): S

Διαβάστε περισσότερα

Μεθοδολογία Έρευνας Διάλεξη 1 η : Εισαγωγή στη Μεθοδολογία Έρευνας

Μεθοδολογία Έρευνας Διάλεξη 1 η : Εισαγωγή στη Μεθοδολογία Έρευνας Μεθοδολογία Έρευνας Διάλεξη 1 η : Εισαγωγή στη Μεθοδολογία Έρευνας 1 Δρ. Αλέξανδρος Αποστολάκης Email: aapostolakis@staff.teicrete.gr Τηλ.: 2810379603 E-class μαθήματος: https://eclass.teicrete.gr/courses/pgrad_omm107/

Διαβάστε περισσότερα

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX

ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX ΚΕΦΑΛΑΙΟ 3 ΕΝΑΣ ΔΙΚΡΙΤΗΡΙΟΣ ΑΛΓΟΡΙΘΜΟΣ SIMPLEX 3.1 Εισαγωγή Ο αλγόριθμος Simplex θεωρείται πλέον ως ένας κλασικός αλγόριθμος για την επίλυση γραμμικών προβλημάτων. Η πρακτική αποτελεσματικότητά του έχει

Διαβάστε περισσότερα

Κανόνες του Εργαστηρίου Ψηφιακών Συστημάτων Βαθμολογία του Εργαστηρίου Υλικά και εξοπλισμός που θα χρησιμοποιηθούν σωστός τρόπος χειρισμού τους και

Κανόνες του Εργαστηρίου Ψηφιακών Συστημάτων Βαθμολογία του Εργαστηρίου Υλικά και εξοπλισμός που θα χρησιμοποιηθούν σωστός τρόπος χειρισμού τους και Κανόνες του Εργαστηρίου Ψηφιακών Συστημάτων Βαθμολογία του Εργαστηρίου Υλικά και εξοπλισμός που θα χρησιμοποιηθούν σωστός τρόπος χειρισμού τους και προβλήματα που μπορεί να συναντηθούν Επιπλέον συμβουλές

Διαβάστε περισσότερα

Ακέραιος Γραμμικός Προγραμματισμός

Ακέραιος Γραμμικός Προγραμματισμός Τμήμα Πληροφορικής & Τηλεπικοινωνιών Πανεπιστήμιο Ιωαννίνων 2018-2019 Ακέραιος Γραμμικός Προγραμματισμός Γκόγκος Χρήστος- Γεωργία Φουτσιτζή Επιχειρησιακή Έρευνα τελευταία ενημέρωση: 12/01/2017 1 Ακέραιος

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

Ιεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP)

Ιεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP) Ιεραρχική αναλυση αποφασεων Analytic hierarchy process (AHP) Εισαγωγή Παρουσιάστηκε από τον Thomas L. Saaty τη δεκαετία του 70 Μεθοδολογία που εφαρμόζεται στην περιοχή των Multicriteria Problems Δίνει

Διαβάστε περισσότερα

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

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

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΕΠΛ 035 - ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΓΙΑ ΗΛΕΚΤΡΟΛΟΓΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΚΑΙ ΜΗΧΑΝΙΚΟΥΣ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδηµαϊκό έτος 2017-2018 Υπεύθυνος εργαστηρίου: Γεώργιος

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

Πληροφορική 2. Αλγόριθμοι

Πληροφορική 2. Αλγόριθμοι Πληροφορική 2 Αλγόριθμοι 1 2 Τι είναι αλγόριθμος; Αλγόριθμος είναι ένα διατεταγμένο σύνολο από σαφή βήματα το οποίο παράγει κάποιο αποτέλεσμα και τερματίζεται σε πεπερασμένο χρόνο. Ο αλγόριθμος δέχεται

Διαβάστε περισσότερα

Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση

Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω

Διαβάστε περισσότερα

Θεωρητικές Ασκήσεις. ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο Μέρος

Θεωρητικές Ασκήσεις. ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο Μέρος ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. 1 ο Μέρος Θέμα 1 Δίνονται τα παρακάτω τμήματα αλγορίθμου Α. βαλίτσα Αληθής εισιτήριο Αληθής ταξίδι βαλίτσα και εισιτήριο Τι τιμή θα έχει η λογική μεταβλητή

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

Σκοπός. Εργαστήριο 6 Εντολές Επανάληψης

Σκοπός. Εργαστήριο 6 Εντολές Επανάληψης Εργαστήριο 6 Εντολές Επανάληψης Η δομή Επιλογής στη PASCAL H δομή Επανάληψης στη PASCAL. Ρεύμα Εισόδου / Εξόδου.. Ρεύμα Εισόδου / Εξόδου. To πρόγραμμα γραφικών gnuplot. Γραφικά στη PASCAL. Σκοπός 6.1 ΕΠΙΔΙΩΞΗ

Διαβάστε περισσότερα

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων

Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων Άσκηση 1 α) Η δομή σταθμισμένης ένωσης με συμπίεση διαδρομής μπορεί να τροποποιηθεί πολύ εύκολα ώστε να υποστηρίζει τις

Διαβάστε περισσότερα