Γραφικά Ι. Ενότητα 5: Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Γραφικά Ι. Ενότητα 5: Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών"

Transcript

1 Γραφικά Ι Ενότητα 5: Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών

2 Ενότητα 5 Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών

3 Εισαγωγή Το οπτικό μας πεδίο είναι περιορισμένο ενώ παράλληλα υπάρχει παρεμπόδιση μεταξύ αντικειμένων βλέπουμε ένα πολύ μικρό κομμάτι των αντικειμένων που αποτελούν τον κόσμο Οι αλγόριθμοι περικοπής αφαιρούν αντικείμενα που δεν σχετίζονται με την δημιουργία της εικόνας συγκεκριμένου καρέ επειδή: Βρίσκονται εκτός του οπτικού πεδίου (περικοπή στο οπτικό πεδίο) Παρεμποδίζονται από άλλα αντικείμενα (περικοπή παρεμποδιζομένων) Παρεμποδίζονται από έμπροσθεν όψεις του ίδιου αντικειμένου (περικοπή πίσω όψεων) Περικοπή στο οπτικό πεδίο: Αφαιρεί τα στοιχειώδη αντικείμενα εκτός του πεδίου παρατήρησης Υλοποιείται με αλγόριθμους αποκοπής στις 3Δ 3

4 Εισαγωγή (2) Περικοπή πίσω όψεων: Αφαιρεί τα στοιχειώδη σχήματα που αποκρύπτονται από μπροστινά στοιχειώδη σχήματα του ίδιου αντικειμένου Χρησιμοποιεί γι αυτό τα κανονικά διανύσματα Tο πρόβλημα της παρεμπόδισης: Καθορισμός των ορατών αντικειμένων σε κάθε τμήμα της εικόνας Επιλύεται με τον υπολογισμό του πρώτου αντικειμένου που τέμνεται από κάθε ακτίνα προερχόμενη από το σημείο παρατήρησης Για σωστή δημιουργία εικόνας πρέπει να λυθεί το πρόβλημα της παρεμπόδισης 4

5 Εισαγωγή (3) Αλγόριθμοι Απομάκρυνσης Κρυμμένων Επιφανειών (ΑΚΕ) Σκοπός: Εξάλειψη των κρυμμένων επιφανειών των αντικειμένων διαχείριση του προβλήματος παρεμπόδισης Οι αλγόριθμοι ΑΚΕ περιλαμβάνουν ταξινόμηση των στοιχειωδών αντικειμένων: Η ταξινόμηση στην διάσταση Z (βάθος) είναι αναγκαία καθώς η ορατότητα εξαρτάται από τη διάταξη βάθους Η ταξινόμηση στις διαστάσεις X, Y επιταχύνει την ταξινόμηση της διάστασης Z, καθώς τα στοιχειώδη αντικείμενα που δεν επικαλύπτονται στις διαστάσεις X, Y δεν παρεμποδίζονται Οι αλγόριθμοι ΑΚΕ κατηγοριοποιούνται σύμφωνα με τον χώρο λειτουργίας τους: Χώρος αντικειμένων Χώρος εικόνας 5

6 Γενική μορφή ΑΚΕ χώρου αντικειμένων: for κάθε στοιχειώδες αντικείμενο { Βρες το ορατό μέρος //(σύγκριση με όλα τα στοιχειώδη αντικείμενα) Σχεδίασε το ορατό μέρος } Η πολυπλοκότητα είναι O(P 2 ), όπου P # στοιχειωδών αντικειμένων Γενική μορφή ΑΚΕ χώρου εικόνας: for κάθε εικονοστοιχείο { Εισαγωγή (4) Βρες το πλησιέστερο στοιχειώδες αντικείμενο Σχεδίασε το εικονοστοιχείο με το χρώμα του πλησιέστερου στοιχειώδους αντικειμένου } Η πολυπλοκότητα είναι O(pP), όπου p # εικονοστοιχείων εικόνας 6

7 Εισαγωγή (5) Το υπολογιστικό κόστος των αλγορίθμων ΑΚΕ είναι μεγάλο παρά την υλοποίηση σε υλικό και την παράλληλη επεξεργασία Πολλά στοιχειώδη αντικείμενα μπορούν να απαλειφθούν χωρίς την χρήση αλγορίθμων ΑΚΕ Η περικοπή πίσω όψεων εξαλείφει περίπου τα μισά στοιχειώδη αντικείμενα (πίσω όψεις) με έλεγχο κόστους O(P) Η περικοπή στο οπτικό πεδίο αφαιρεί τα στοιχειώδη αντικείμενα που βρίσκονται εκτός του οπτικού πεδίου με κόστος O(Pv), όπου v το μέσο πλήθος κορυφών ανά στοιχειώδες αντικείμενο Η περικοπή παρεμποδιζομένων κοστίζει επίσης O(P) ΣΥΜΠΕΡΑΣΜΑ: Πρόβλημα είναι η απόδοση των αλγορίθμων ΑΚΕ (O(P 2 ) ή O(pP) ανάλογα με τον χώρο λειτουργίας τους) 7

8 Περικοπή Πίσω Όψεων Τα ορατά πολύγωνα ενός αντικειμένου είναι αυτά που βρίσκονται στο έναντι του παρατηρητή ημισφαίριο των αντικειμένων Αν, από κατασκευή μοντέλων, οι πίσω όψεις τους δεν είναι ορατές περικοπή αυτών. Οι απαιτήσεις είναι: Να μην υπάρχει σύνορο Να είναι 2Δ πολλαπλότητες Να είναι αδιαφανή Η κυρτότητα δεν αποτελεί εμπόδιο Οι πίσω όψεις ανιχνεύονται με τον υπολογισμό της γωνίας που σχηματίζεται από το κανονικό διάνυσμα ˆn του πολυγώνου (κατευθυνόμενο από το αδιαφανές στερεό προς τα έξω) και το διάνυσμα παρατήρησης ˆv 8

9 Περικοπή Πίσω Όψεων (2) Αν η γωνία > 90 o τότε το πολύγωνο είναι πίσω όψη Ο έλεγχος αυτός γίνεται με το εσωτερικό γινόμενο διανυσμάτων: vn ˆ Χ< ˆ 0 Η περικοπή πίσω όψεων είναι πολύ αποτελεσματική καθώς εξαλείφει περίπου το 50% των πολυγώνων Καθώς ο έλεγχος πίσω όψης & ο υπολογισμός του κανονικού διανύσματος & του διανύσματος παρατήρησης κάθε πολυγώνου απαιτούν σταθερό χρόνο η πολυπλοκότητα είναι O(P), όπου P το πλήθος των πολυγώνων 9

10 Περικοπή στο Οπτικό Πεδίο Ο μετασχηματισμός παρατήρησης καθορίζει το οπτικό πεδίο του παρατηρητή Το πεδίο οριοθετείται από μέγιστη & ελάχιστη τιμή βάθους, και ορίζει ένα 3Δ στερεό που ονομάζεται στερεό παρατήρησης Η μορφή του στερεού παρατήρησης μπορεί να είναι: Κόλουρη πυραμίδα {προοπτική προβολή} Ορθογώνιο παραλληλεπίπεδο {ορθογραφική ή παράλληλη προβολή} Σκοπός: Εξάλειψη στοιχειωδών αντικειμένων εκτός του στερεού παρατήρησης Λαμβάνει χώρα μετά τον μετασχηματισμό από ΣΣΠ σε ΚΧΟ, και πριν την διαίρεση με w (για την προοπτική προβολή) Η περικοπή στο οπτικό πεδίο γίνεται στις 3Δ με χρήση 3Δ αποκοπής 10

11 Περικοπή στο Οπτικό Πεδίο (2) Αντικείμενα προς αποκοπή: Σημεία Ευθύγραμμα Τμήματα Πολύγωνα Η αποκοπή σημείου είναι τετριμμένη Η αποκοπή ευθύγραμμου τμήματος & πολυγώνου ανάγεται στον υπολογισμό των τομών ενός ευθυγράμμου τμήματος με τα επίπεδα του αντικειμένου αποκοπής Στις 3Δ, το εσωτερικό του αντικειμένου αποκοπής ορίζεται ως: x x x min y y y min z z z min max max max (1) 11

12 Περικοπή στο Οπτικό Πεδίο (3) Στην ορθογραφική ή παράλληλη προβολή χρησιμοποιείται ο ORTHO πίνακας M S S P KCO που απεικονίζει τα επίπεδα αποκοπής στο -1 & 1 έτσι ώστε: x y z 1 min min min x y z 1 max max max PERSP Στην προοπτική προβολή, ο πίνακας M S S P KCO (πριν τη διαίρεση με w) απεικονίζει τα επίπεδα αποκοπής στο w & w έτσι ώστε: x y z w min min min x y z w max max max Η τιμή του w δεν είναι σταθερή (είναι το z e του σημείου) Η αποκοπή με βάση το w ονομάζεται ομογενής αποκοπή 12

13 Περικοπή στο Οπτικό Πεδίο (4) Για ευθύγραμμο τμήμα σε παραμετρική μορφή: l(t) = (1-t)p 1 + tp 2 από το p 1 = [x 1, y 1, z 1, w 1 ] T στο p 2 = [x 2, y 2, z 2, w 2 ] T, η τιμή του w μπορεί να βρεθεί με παρεμβολή ως εξής: (1-t)w 1 + tw 2 και οι ανισότητες (1) μπορούν να χρησιμοποιηθούν για να ορίσουν το κομμάτι του ευθυγράμμου τμήματος που βρίσκεται εντός του αντικειμένου αποκοπής: - ((1- t) w + tw ) (1- t) x + tx (1- t) w + tw ((1- t) w + tw ) (1- t) y + ty (1- t) w + tw ((1- t) w + tw ) (1- t) z + tz (1- t) w + tw (2) 13

14 Περικοπή στο Οπτικό Πεδίο (5) Επιλύοντας τις 6 ανισότητες ως προς t βρίσκουμε τα 6 σημεία τομής του ευθυγράμμου τμήματος με τα επίπεδα αποκοπής: : t x1 w1 ( x x ) ( w w ) : t x1 w1 ( x x ) ( w w ) ά : t y1 w1 ( y y ) ( w w ) ά : t y1 w1 ( y y ) ( w w ) (3) : t z1 w1 : ( z z ) ( w w ) t z1 w1 ( z z ) ( w w )

15 Αλγόριθμοι Αποκοπής στις 3Δ Οι περισσότεροι αλγόριθμοι αποκοπής 2Δ επεκτείνονται εύκολα στις 3Δ διευθετώντας κατάλληλα: Τον υπολογισμό των τομών Τον έλεγχο εντός / εκτός Αποκοπή Ευθυγράμμου Τμήματος Cohen Sutherland στις 3Δ Στις 3Δ, χρησιμοποιούνται 6 ψηφία για την κωδικοποίηση των 27 διαμερίσεων του 3Δ χώρου, που ορίζονται από τα επίπεδα του αντικειμένου αποκοπής: ο 1 ψηφίο: Θέσε 1 για z zmax, αλλιώς 0 ο 2 ψηφίο: Θέσε 1 για z zmin, αλλιώς 0 ο 3 ψηφίο: Θέσε 1 για y ymax, αλλιώς 0 ο 4 ψηφίο: Θέσε 1 για y ymin, αλλιώς 0 ο 5 ψηφίο: Θέσε 1 για x xmax, αλλιώς ο 6 ψηφίο: Θέσε 1 για x xmin, αλλιώς

16 Αλγόριθμοι Αποκοπής στις 3Δ (2) Ένας 6-ψήφιος κωδικός ανατίθεται σε ένα 3Δ σημείο ανάλογα με ποια από τις 27 διαμερίσεις του 3Δ χώρου βρίσκεται Έστω c 1, c 2 οι 6-ψήφιοι κωδικοί των κορυφών p 1, p 2 ενός ευθυγράμμου τμήματος: Αν c1ϊ c2 = αποδοχή ευθυγράμμου τμήματος Αν c1ωc2 Ή απόρριψη ευθυγράμμου τμήματος Ψευδοκώδικας του CS στις 3Δ: CS_Clip_3D ( vertex p1, p2 ) { } int c1, c2; vertex I; plane R; c1 = mkcode (p1); c2 = mkcode (p2); if ((c1 c2) == 0) /* p1p2 βρίσκεται εντός */ else if ((c1 & c2)!= 0) /* p1p2 βρίσκεται εκτός */ else { R = /* επίπεδο αντικ. αποκοπής με (ψηφίο c1!= ψηφίο c2) */ i = intersect_plane_line (R, (p1,p2)); if outside (R, p1) CS_Clip_3D(i, p2); else CS_Clip_3D(p1, i);} 16

17 Αλγόριθμοι Αποκοπής στις 3Δ (3) Διαφέρει από τον 2Δ αλγόριθμο ως προς: Τον υπολογισμό των τομών Τον έλεγχο εντός / εκτός Υπολογισμός τομών: Υπολογισμός τομής επιπέδου-ευθείας στις 3Δ αντί του υπολογισμού τομής ευθείας-ευθείας στις 2Δ Τα όρια αποκοπής δεν δίνονται στον ψευδοκώδικα: Για την ορθογραφική ή παράλληλη προβολή, είναι σταθερά επίπεδα & χρησιμοποιούνται αλγόριθμοι τομής επιπέδου-ευθείας Για την προοπτική προβολή (ομογενείς συντεταγμένες), χρησιμοποιούνται οι εξισώσεις (3) Έλεγχος εντός / εκτός αντικειμένου αποκοπής: Μπορεί να γίνει με έλεγχο προσήμου στην τιμή της εξίσωσης επιπέδου R για τις συντεταγμένες του p 1 17

18 Αλγόριθμοι Αποκοπής στις 3Δ (4) Αποκοπή Ευθυγράμμου Τμήματος Liang Barsky 3Δ Το ευθύγραμμο τμήμα προς αποκοπή δίνεται με τις κορυφές του p 1 και p 2 (όπως πριν) Στην ορθογραφική ή παράλληλη προβολή, το αντικείμενο αποκοπής είναι ένας κύβος και στις 3Δ προστίθεται η ανισότητα για την z συντεταγμένη: z z + td z z min Στην προοπτική προβολή (ομογενείς συντεταγμένες), χρησιμοποιούνται οι ανισότητες (2) που ορίζουν το τμήμα του παραμετρικού ευθύγραμμου τμήματος εντός του αντικειμένου αποκοπής: - ( w + td w) x + td x w + tdw max - ( w + td w) y + td y w + tdw - ( w + td w) z + td z w + tdw όπου D x = x - x, D y = y - y, D z = z - z

19 Αλγόριθμοι Αποκοπής στις 3Δ (5) Αυτές οι ανισότητες έχουν την κοινή μορφή tp i q i για i= 1,2,,6 όπου: p1 = - Dx- D w q1 = x1 + w1 p = Dx- D w q = w - x p = - Dy- D w q = y + w p4 = Dy- D w q4 = w1 - y1 p5 = - Dz- D w q5 = z1 + w1 p z w q w z = D - D = Οι λόγοι (q i / p i ) αντιστοιχούν στις παραμετρικές τιμές της τομής του ευθύγραμμου τμήματος με το επίπεδο αποκοπής i Ο υπόλοιπος αλγόριθμος παραμένει όπως στις 2Δ 19

20 Αλγόριθμοι Αποκοπής στις 3Δ (6) Αποκοπή Πολυγώνου Sutherland Hodgman 3Δ Στις 3Δ το αντικείμενο αποκοπής είναι το στερεό παρατήρησης, αντί ενός κυρτού πολυγώνου Ο αλγόριθμος αποτελείται από 6 αλυσιδωτά στάδια, ένα για κάθε όψη του στερεού παρατήρησης Διαφορές από τον 2Δ αλγόριθμο: Η υπορουτίνα inside_test τροποποιείται ώστε να ελέγχει αν ένα σημείο βρίσκεται εντός επιπέδου ισοδύναμο με έλεγχο προσήμου εξίσωσης του επιπέδου για τις συντεταγμένες του σημείου Η υπορουτίνα intersect_lines πρέπει να αντικατασταθεί από την intersect_plane_line για τον υπολογισμό τομής ακμής πολυγώνου με επίπεδο του όγκου αποκοπής οι εξισώσεις (3) χρησιμοποιούνται για την προοπτική προβολή 20

21 Περικοπή Παρεμποδιζομένων Απόρριψη στοιχειωδών αντικειμένων που κρύβονται από άλλα στοιχειώδη αντικείμενα πλησιέστερα στον παρατηρητή Σκοπός: Αποδοτική απόρριψη μεγάλου πλήθους στοιχειωδών αντικειμένων πριν την εφαρμογή ακριβών αλγορίθμων ΑΚΕ Σύνολο ορατών επιφανειών: Υποσύνολο στοιχειωδών αντικειμένων που αποτυπώνονται σε τουλάχιστον ένα εικονοστοιχείο της εικόνας Υπολογισμός σφιχτού υπερσυνόλου του συνόλου ορατών επιφανειών ώστε τα υπόλοιπα στοιχειώδη αντικείμενα να περικοπούν Αυτό το υπερσύνολο καλείται δυνητικά ορατό σύνολο (ΔΟΣ) Η περικοπή παρεμποδιζομένων δεν εξακριβώνει ποια τμήματα των στοιχειωδών αντικειμένων αποκρύπτονται αλγόριθμοι ΑΚΕ Αντίθετα εξακριβώνει ποια στοιχειώδη αντικείμενα ΔΕΝ είναι (εξ ολοκλήρου) ορατά και τα απορρίπτει, υπολογίζοντας το ΔΟΣ 21

22 Περικοπή Παρεμποδιζομένων (2) (a) σύνολο ορατών επιφανειών (b) όλα τα στοιχειώδη αντικείμενα (c) ΔΟΣ 22

23 Περικοπή Παρεμποδιζομένων (3) Το ΔΟΣ χρησιμοποιείται σαν είσοδος στους αλγόριθμους ΑΚΕ Η περικοπή παρεμποδιζομένων κοστίζει O(P), όπου P το # στοιχειωδών αντικειμένων 2 κατηγορίες περικοπής παρεμποδιζομένων: Περικοπή Παρεμποδιζομένων από-σημείο: Επιλύει το πρόβλημα παρεμπόδισης για ένα σημείο παρατήρησης Κατάλληλη για εξωτερικές σκηνές Περικοπή Παρεμποδιζομένων από-περιοχή: Επιλύει το πρόβλημα περικοπής για μια περιοχή του χώρου Κατάλληλη για πυκνές εσωτερικές σκηνές Κατάλληλη για στατικές σκηνές εξαιτίας των υπολογισμών προεπεξεργασίας 23

24 Περικοπή Παρεμποδιζομένων από-περιοχή Πολλές εφαρμογές αποτελείται από σύνολο κυρτών περιοχών (κελιά), συνδεδεμένα με πύλες Απλή μορφή: σκηνή αποτελείται από 2Δ σχέδιο δαπέδου, τα κελιά και οι πύλες είναι παράλληλα με τον x και τον y άξονα Τα στοιχειώδη αντικείμενα είναι ορατά μεταξύ κελιών μόνο μέσω των πυλών Το κελί c a μπορεί να είναι ορατό από το κελί c b μέσω του c m, αν υπάρχουν ευθείες ορατότητας που ενώνουν κατάλληλα τις πύλες τους Ο αλγόριθμος απαιτεί ένα βήμα προ-επεξεργασίας Εκτελείται μόνο μια φορά αν τα κελιά και οι πύλες είναι στατικά Κατασκευάζει τον πίνακα ΔΟΣ & ένα δέντρο BSP Πίνακας ΔΟΣ: Δίνει το ΔΟΣ για κάθε κελί που μπορεί να βρίσκεται ο παρατηρητής Η ορατότητα είναι συμμετρική ο πίνακας ΔΟΣ είναι συμμετρικός 24

25 Περικοπή Παρεμποδιζομένων από-περιοχή (2) Κατασκευάζεται, ξεκινώντας από κάθε κελί c & αναδρομικά επισκέπτεται όλα τα προσβάσιμα κελιά από τον γράφο γειτνίασης, όσο υπάρχουν ευθείες ορατότητας που επιτρέπουν την ορατότητα από το c Έτσι κατασκευάζεται το δέντρο ορατότητας (stab tree) του c, που ορίζει το ΔΟΣ Δέντρο BSP: Χρησιμοποιεί διαχωριστικά επίπεδα, που μπορεί να είναι όρια κελιών, για να διαμερίσει αναδρομικά την σκηνή Τα φύλλα αναπαριστούν τα κελίά Ένα ισορροπημένο δέντρο BSP χρησιμοποιείται για τον εντοπισμό του κελιού που περιέχει ένα σημείο, σε χρόνο O(log 2 n c ), όπου n c το # των κελιών Κατά την εκτέλεση, τα βήματα που οδηγούν στη δημιουργία εικόνας του ΔΟΣ για ένα σημείο παρατήρησης v είναι: 1. Προσδιορισμός κελιού c του v χρησιμοποιώντας το δέντρο BSP 2. Προσδιορισμός του ΔΟΣ του c χρησιμοποιώντας τον πίνακα ΔΟΣ 3. Αποτύπωση του ΔΟΣ στην οθόνη 25

26 Περικοπή Παρεμποδιζομένων από-περιοχή (3) (a) Σκηνή μοντελοποιημένη με κελιά και πύλες (b) Δέντρα τομής (stab trees) κελιών (c) Πίνακας ΔΟΣ (d) δέντρο ΒSP Το ΔΟΣ δεν αλλάζει όσο το v παραμένει στο ίδιο κελί Τα πρώτα 2 βήματα εκτελούνται μόνο όταν το v περνά το όριο ενός κελιού Κατά την εκτέλεση, χρησιμοποιούνται μόνο το δέντρο BSP και ο πίνακας ΔΟΣ 26

27 Η περικοπή παρεμποδιζομένων μπορεί να βελτιστοποιηθεί αν συνδυαστεί με περικοπή στο οπτικό πεδίο και πίσω όψεων Η δημιουργία εικόνας μπορεί να περιοριστεί σε στοιχειώδη αντικείμενα που βρίσκονται ταυτόχρονα εντός του οπτικού πεδίου και του ΔΟΣ Το στερεό παρατήρησης δημιουργείται αναδρομικά και μικραίνει από κελί σε κελί του δέντρου ορατότητας Ψευδοκώδικας: main() { } Περικοπή Παρεμποδιζομένων από-περιοχή (4) προσδιορισμός κελιού c του σημείου παρατήρησης με χρήση δέντρου BSP; προσδιορισμός του ΔΟΣ κελιού c με χρήση πίνακα ΔΟΣ; f = αρχικό οπτικό πεδίο; portal render(c, f, PVS); /* PVS = ΔΟΣ*/ 27

28 Περικοπή Παρεμποδιζομένων από-περιοχή (5) portal render(cell c, frustum f, list PVS); { } for κάθε πολύγωνο R στο c { } if ((R είναι πύλη) & (c ΔΟΣ)) { } /* η πύλη R οδηγεί στο κελί c */ /* υπολογισμός νέου οπτικού πεδίου f */ f = clip frustum(f, R); if (f <> empty) portal render(c, f, PVS); else if (R είναι πύλη) {} else { } /* R δεν είναι πύλη*/ /* εφαρμογή περικοπής πίσω όψεων*/ if (!back face(r)) { /* εφαρμογή περικοπής στο οπτικό πεδίο*/ } R = clip poly(f, R); if (R <> empty) render(r ); 28

29 Περικοπή Παρεμποδιζομένων από-περιοχή (6) Η εντολή f = clip frustum(f, R) υπολογίζει την τομή του τρέχοντος οπτικού πεδίου f & του όγκου που σχηματίζεται από το σημείο παρατήρησης & του πολυγώνου πύλης R Αν παράγονται περίεργα κυρτά σχήματα, μπορεί να μην υπάρξει υποστήριξη από το υλικό Λύση: Αντικατάσταση του f από το περιβάλλον κιβώτιό του 29

30 Περικοπή Παρεμποδιζομένων από-περιοχή (7) Παράδειγμα: Προσδιορίζεται το κελί (E), στο οποίο βρίσκεται ο παρατηρητής v, με BSP Τα αντικείμενα του κελιού περικόπτονται ως προς το αρχικό οπτικό πεδίο f 1 Η πρώτη πύλη, που οδηγεί στο κελί D του ΔΟΣ, περιορίζει το οπτικό πεδίο στο f 2 Τα αντικείμενα του κελιού D περικόπτονται ως προς το f 2 Η δεύτερη πύλη που οδηγεί στο κελί Α περιορίζει το οπτικό πεδίο στο f 3 Τα αντικείμενα του κελιού Α περικόπτονται ως προς το f 3 Η αναδρομή σταματά εδώ δεν υπάρχουν άλλα πολύγωνα πύλες στο f 3 30

31 Περικοπή Παρεμποδιζομένων από-σημείο Luebke: Εσωτερικές σκηνές με κελιά και πύλες Η εικόνα δημιουργείται ξεκινώντας από το τρέχον κελί Τα στοιχειώδη αντικείμενα πρέπει να είναι ορατά μέσω της προβολής των πυλών, αν αυτές βρίσκονται εντός των ορίων αποκοπής Αναδρομικές κλήσεις για κελιά στα οποία οδηγούν οι πύλες Σε κάθε βήμα, οι νέες πύλες τέμνονται με τις παλιές μέχρι να μην απομείνει τίποτα Υπολογίζεται μια υπερεκτίμηση (παράθυρο) της τομής των πυλών, ώστε να μειωθεί η πολυπλοκότητα 31

32 Περικοπή Παρεμποδιζομένων από-σημείο (2) Δεν μπορούμε να υποθέσουμε την ύπαρξη κελιών & πυλών για εξωτερικές σκηνές Οι διαμερισμένες περιοχές τέτοιων σκηνών δεν θα είχαν συνοχή σχετικά με τα χαρακτηριστικά παρεμπόδισης Η περικοπή παρεμποδιζομένων από-σημείο επιλύει το πρόβλημα για ένα σημείο παρατήρησης το ΔΟΣ δεν υπολογίζεται, άρα δεν απαιτείται πολλή προ-επεξεργασία εν αντιθέσει με την περικοπή παρεμποδιζομένων από-περιοχή Η ιδέα πίσω από αυτή την τεχνική είναι ο παρεμποδιστής: Ο παρεμποδιστής είναι ένα στοιχειώδες αντικείμενο, ή συνδυασμός στοιχειωδών αντικειμένων, που παρεμποδίζουν μεγάλο πλήθος άλλων στοιχειωδών αντικειμένων (παρεμποδιζόμενοι) ως προς συγκεκριμένο σημείο παρατήρησης Η περιοχή που ορίζεται από το σημείο παρατήρησης και τον παρεμποδιστή είναι ο χώρος παρεμπόδισης 32

33 Περικοπή Παρεμποδιζομένων από-σημείο (3) Τα στοιχειώδη αντικείμενα εντός του χώρου παρεμπόδισης περικόπτονται Τα μερικώς παρεμποδιζόμενα αντικείμενα προωθούνται στους αλγορίθμους ΑΚΕ Δύο βήματα απαιτούνται για την περικοπή παρεμποδιζομένων ως προς σημείο παρατήρησης v: Δημιουργία συνόλου καλών παρεμποδιστών για το v Περικοπή παρεμποδιζομένων χρησιμοποιώντας τους παρεμποδιστές 33

34 Περικοπή Παρεμποδιζομένων από-σημείο (4) Επίπεδοι παρεμποδιστές, ταξινομημένοι ανάλογα με την επιφάνεια προβολής τους, προτείνονται από τους Coorg & Teller: Η συνάρτηση ταξινόμησης: A( nv ˆ ˆ) f ί 2 v όπου το A η επιφάνεια του επίπεδου παρεμποδιστή, το μοναδιαίο κανονικό του διάνυσμα και ˆv το διάνυσμα από το σημείο παρατήρησης προς το κέντρο του επίπεδου παρεμποδιστή Ένα σύνηθες είδος επιπέδου παρεμποδιστή είναι ο αντιπρόσωπος ενός αντικειμένου Ο αντιπρόσωπος είναι ένα κυρτό πολύγωνο, κάθετο στην κατεύθυνση παρατήρησης, εγγεγραμμένο εντός του χώρου παρεμπόδισης του παρεμποδιστή ˆn 34

35 Περικοπή Παρεμποδιζομένων από-σημείο (5) Η περικοπή παρεμποδιζομένων επιταχύνεται αν υπάρχει μια ιεραρχική περιγραφή της σκηνής με περιβάλλοντες όγκους Ξεκινώντας από το υψηλότερο επίπεδο, ένας περιβάλλων όγκος που βρίσκεται εξ ολοκλήρου εντός/εκτός του χώρου παρεμπόδισης αγνοείται/αποτυπώνεται στην οθόνη Ένας περιβάλλων όγκος που τέμνει τον χώρο παρεμπόδισης, διασπάται στο επόμενο επίπεδο 35

36 Περικοπή Παρεμποδιζομένων από-σημείο (6) Η περικοπή παρεμποδιζομένων πάσχει από το πρόβλημα της μερικής παρεμπόδισης: Ένα αντικείμενο μπορεί να μην βρίσκεται στον χώρο παρεμπόδισης κανενός στοιχειώδους αντικειμένου δεν περικόπτεται, παρόλο που μπορεί να βρίσκεται στον χώρο παρεμπόδισης κάποιου συνδυασμού γειτονικών στοιχειωδών αντικειμένων Γι αυτό, έχουν αναπτυχθεί αλγόριθμοι που συγχωνεύουν χώρους παρεμπόδισης : Ο Παπαϊωάννου πρότεινε μια επέκταση του επίπεδου παρεμποδιστή, τον στερεό παρεμποδιστή, που διευθετεί το πρόβλημα της μερικής παρεμπόδισης δημιουργώντας έναν επίπεδο παρεμποδιστή για ολόκληρο τον όγκο ενός αντικειμένου 36

37 Απομάκρυνση Κρυμμένων Επιφανειών Οι αλγόριθμοι ΑΚΕ δίνουν την τελική λύση στο πρόβλημα της παρεμπόδισης (ορατότητας) Τα ορατά στοιχειώδη αντικείμενα (ή τμήματά τους) πρέπει να σχεδιάζονται απευθείας Οι αλγόριθμοι ΑΚΕ ταξινομούν τα αντικείμενα που τέμνονται από τις ακτίνες προβολής Αυτή η ταξινόμηση καταλήγει στη σύγκριση 2 σημείων: p 1 =[x 1, y 1, z 1 ] T and p 2 =[x 2, y 2, z 2 ] T Αν είναι πάνω στην ίδια ακτίνα τότε αποτελούν ένα ζεύγος παρεμπόδισης το πλησιέστερο παρεμποδίζει το άλλο 2 περιπτώσεις: Ορθογραφική προβολή: αν οι ακτίνες προβολής είναι παράλληλες στο z, τότε 2 σημεία είναι ζεύγος παρεμπόδισης αν: (x 1 = x 2 ) και (y 1 = y 2 ) 37

38 Απομάκρυνση Κρυμμένων Επιφανειών (2) Προοπτική προβολή: πρέπει να γίνει η προοπτική διαίρεση για να βρεθεί αν 2 σημεία είναι ζεύγος παρεμπόδισης. Η συνθήκη είναι: (x 1 / z 1 = x 2 / z 2 ) και (y 1 / z 1 = y 2 / z 2 ) Στην προοπτική προβολή, η ακριβή προοπτική διαίρεση γίνεται έτσι κι αλλιώς κατά την μετάβαση από ΣΣΠ σε ΚΧΟ, εντός του μετασχηματισμού παρατήρησης 38

39 Απομάκρυνση Κρυμμένων Επιφανειών (3) Μετασχηματίζει το προοπτικό στερεό παρατήρησης σε ορθογώνιο παραλληλεπίπεδο γίνονται συγκρίσεις των x και y συντεταγμένων για τον καθορισμό των ζευγών παρεμπόδισης Για αυτό το λόγο η ΑΚΕ γίνεται μετά το μετασχηματισμό παρατήρησης στον ΚΧΟ Διατήρηση της z συντεταγμένης για την ΑΚΕ, κατά τον μετασχηματισμό παρατήρησης Οι περισσότεροι αλγόριθμοι ΑΚΕ εκμεταλλεύονται τη συνάφεια υπολογισμοί τομής αντικαθίστανται με αυξητικούς υπολογισμούς: Συνάφεια επιφάνειας Συνάφεια αντικειμένων Συνάφεια γραμμών σάρωσης Συνάφεια ακμής Συνάφεια μεταξύ καρέ 39

40 Αλγόριθμος Z-buffer Αρχικά απορρίφθηκε λόγω της υψηλής απαίτησης σε μνήμη Σήμερα είναι υλοποιημένος σε κάθε κάρτα γραφικών Διατηρεί 2Δ μνήμη τιμών βάθους (Z-buffer) με την ίδια χωρική ανάλυση με τον καταχωρητή εικόνας 1:1 αντιστοιχία μεταξύ των στοιχείων των καταχωρητών εικόνας & βάθους Κάθε στοιχείο του καταχωρητή βάθους φυλάσσει το ελάχιστο βάθος μέχρι στιγμής για το αντίστοιχο εικονοστοιχείο του καταχωρητή εικόνας Ο καταχωρητής βάθους αρχικοποιείται στη μέγιστη τιμή βάθους, συνήθως στο όπισθεν επίπεδο αποκοπής Κατά τη σχεδίαση υπολογίζονται για κάθε στοιχειώδες αντικείμενο τα (z p, c p ) για κάθε εικονοστοιχείο p = (x p, y p ), όπου z p το βάθος του αντικειμένου στο p, και c p το χρώμα του στο p 40

41 Αλγόριθμος Z-buffer (2) Καταχωρητής Καταχωρητής 3Δ σκηνή Εικόνας Βάθους Αν οι τιμές βάθους μειώνονται καθώς απομακρυνόμαστε από το σημείο παρατήρησης, ο κύριος έλεγχος του Z-buffer είναι: if (z-buffer[xp, yp] < zp) { } f-buffer[xp, yp] = cp; /* ενημέρωση καταχωρητή εικόνας */ z-buffer[xp, yp] = zp; /*ενημέρωση καταχωρητή βάθους */ 41

42 Αλγόριθμος Z-buffer (3) Για τον υπολογισμό του βάθους z p σε κάθε εικονοστοιχείο που καλύπτει ένα αντικείμενο, τίθεται θέμα απόδοσης: Ο υπολογισμός τομής του αντικειμένου με την ακτίνα που ορίζεται από το σημείο παρατήρησης και το εικονοστοιχείο είναι ακριβός Εκμεταλλευόμαστε τη συνάφεια επιφάνειας. Έστω η εξίσωση επιπέδου του στοιχειώδους αντικειμένου: Για το βάθος παίρνουμε: F (x, y, z) = ax + by + cz + d =0 F (x, y) = z = - d/c - (a/c)x - (b/c)y F υπολογίζεται αυξητικά από το εικονοστοιχείο (x, y) στο (x+1, y) αφού: F (x+1, y) F (x, y) = - a/c Προσθέτοντας την σταθερή πρώτη διαφορά της F στο x ή y, υπολογίζεται το βάθος από εικονοστοιχείο σε εικονοστοιχείο με κόστος μιας πρόσθεσης 42

43 Αλγόριθμος Z-buffer (4) Στην πράξη, οι τιμές βάθους στις κορυφές ενός επίπεδου στοιχειώδους αντικειμένου παρεμβάλλονται κατά μήκος των ακμών και των γραμμών σάρωσης Το ίδιο συμβαίνει και για το χρωματικό διάνυσμα Η πολυπλοκότητα του αλγορίθμου Z-buffer είναι O(Ps), όπου P # των στοιχειωδών αντικειμένων και s ο μέσος # των εικονοστοιχείων που καλύπτει ένα αντικείμενο Στην πράξη, όσο αυξάνει το P, το s μειώνεται αναλογικά O(p), όπου p το # των εικονοστοιχείων Πλεονεκτήματα αλγορίθμου Z-buffer : Απλός Σταθερή απόδοση Μειονεκτήματα αλγορίθμου Z-buffer : Δυσκολία στην αντιμετώπιση κάποιων ειδικών εφέ (π.χ. διαφάνεια) 43

44 Αλγόριθμος Z-buffer (5) Το αποτέλεσμα έχει σταθερή ανάλυση, που οφείλεται στη φύση του χώρου εικόνας Z-fighting: προβλήματα αριθμητικής σύγκρισης βάθους, αν τα όρια αποκοπής ορίζουν μεγάλη διάσταση βάθους Ο καταχωρητής βάθους που υπολογίζεται κατά τη σχεδίαση, μπορεί να χρησιμοποιηθεί με πολλούς τρόπους: Επιτρέπει τη συγχώνευση βάθους 2 ή περισσότερων εικόνων. Έστω (f a, z a ) και (f b, z b ) οι καταχωρητές εικόνας και βάθους 2 τμημάτων μιας σκηνής. Μπορούν να συγχωνευθούν με την επιλογή του τμήματος με την μικρότερη τιμή βάθους σε κάθε εικονοστοιχείο: for(x=0; x<xres; x++){ } for(y=0; y<yres; y++) { Fc[x,y] = (Za[x,y]>Zb[x,y])? Fa[x,y]:Fb[x,y]; Zc[x,y] = (Za[x,y]>Zb[x,y])? Za[x,y]:Zb[x,y]; } 44

45 Αλγόριθμος Z-buffer (6) Πολλοί άλλοι υπολογισμοί μπορούν να γίνουν με τον Z-buffer: Προσδιορισμός σκιών Μετατροπή επιφανειών σε ογκοστοιχεία Υπολογισμοί Voronoi Ανακατασκευή 3Δ αντικειμένων Ανίχνευση συμμετρίας Ανάκτηση 3Δ αντικειμένων 45

46 Αλγόριθμος BSP Η δυαδική διαμέριση χώρου (BSP) είναι ένας αλγόριθμος χώρου αντικειμένων που χρησιμοποιεί ένα δυαδικό δέντρο για να υποδιαιρεί αναδρομικά τον χώρο Τα δεδομένα στους κόμβους αντιπροσωπεύουν τα πολύγωνα της σκηνής Οι εσωτερικοί κόμβοι διαμερίζουν το χώρο σε σχέση με το επίπεδο του πολυγώνου τους, ώστε οι απόγονοι που είναι στο αριστερό υποδέντρο να είναι στη μια μεριά του επιπέδου και εκείνοι που είναι στο δεξί να είναι στην άλλη 46

47 Αλγόριθμος για την κατασκευή δέντρου BSP: BuildBSP(BSPnode, polygondb); { Αλγόριθμος BSP (2) Επιλογή πολυγώνου (επιπέδου) Pi από polygondb; Ανάθεση Pi στο BSPnode; /* Διαμερισμός των πολυγώνων της σκηνής ανάλογα με τη μεριά που βρίσκονται σε σχέση με το επίπεδο Pi, διαίρεση των πολυγώνων που τέμνουν το Pi */ Partition(Pi, polygondb, polygondbl, polygondbr); if (polygondbl!= empty) BuildBSP(BSPnode->Left,polygonDBL); if (polygondbr!= empty) BuildBSP(BSPnode->Right,polygonDBR); } Σημαντική η επιλογή του επιπέδου διαμερισμού P i, ώστε να δημιουργηθεί ένα ισοσταθμισμένο δέντρο BSP Επιλέγεται ένα επίπεδο, που διαιρεί τη σκηνή σε 2 τμήματα που κατά προσέγγιση έχουν την ίδια πληθικότητα 47

48 Αλγόριθμος BSP (3) Κατά τη διαμέριση, πολύγωνα που τέμνουν το επίπεδο διαιρούνται επιτυγχάνεται με την επέκταση ενός αλγορίθμου αποκοπής ώστε να δίνει τόσο τα εσωτερικά όσο και τα εξωτερικά τμήματα του πολυγώνου Δέντρα BSP χρησιμοποιούνται για την εμφάνιση μιας σκηνής χωρίς τις κρυμμένες επιφάνειες Για ένα σημείο παρατήρησης v και έναν κόμβο του δέντρου BSP, όλα τα πολύγωνα που βρίσκονται στην ίδια διαμέριση με το v δεν μπορούν να κρύβονται από πολύγωνα της άλλης διαμέρισης τα πολύγωνα της άλλης διαμέρισης σχεδιάζονται πρώτα 48

49 Αλγόριθμος BSP (4) Ψευδοκώδικας: DisplayBSP(BSPnode, v); { if IsLeaf(BSPnode) Render(BSPnode->Polygon) else if (v στην άριστερή διαμέριση του BSPnode->Polygon) { DisplayBSP(BSPnode->Right, v); Render(BSPnode->Polygon); DisplayBSP(BSPnode->Left, v); } else /* v στην δεξιά διαμέριση του BSPnode->Polygon */ { DisplayBSP(BSPnode->Left, v); Render(BSPnode->Polygon); DisplayBSP(BSPnode->Right, v); } } 49

50 Αλγόριθμος BSP (5) Ο αλγόριθμος DisplayBSP κοστίζει O(P) Ο αλγόριθμος BuildBSP κοστίζει O(P 2 ) Η συνολική πολυπλοκότητα του αλγορίθμου BSP είναι O(P 2 ) Για στατικές σκηνές, η BuildBSP δε χρησιμοποιείται συχνά. Για κάθε νέα θέση του σημείου παρατήρησης, μόνο η DisplayBSP χρησιμοποιείται ο αλγόριθμος BSP είναι κατάλληλος για στατικές σκηνές, αλλά ΟΧΙ κατάλληλος για δυναμικές σκηνές 50

51 Ταξινομεί τα πολύγωνα ανάλογα με την απόστασή τους από τον παρατηρητή και τα σχεδιάζει με αντίστροφη σειρά (από πίσω προς τα εμπρός) Ονομάζεται επίσης αλγόριθμος ζωγράφου Για την ταξινόμηση χρησιμοποιούνται οι ελάχιστες τιμές βάθους: DepthSort(polygonDB); { Αλγόριθμος Ταξινόμησης Κατά Βάθος /* Ταξινόμησε την polygondb σύμφωνα με το ελάχιστο z */ for κάθε πολύγωνο στο polygondb βρες MINZ και MAXZ; ταξινόμησε το polygondb σύμφωνα με το MINZ; επίλυση επικαλύψεων στο z; σχεδίασε τα πολύγωνα με τη σειρά της ταξινομημένης λίστας; } Επικαλύψεις στο z έχουμε όταν επικαλύπτονται οι εκτάσεις z των πολυγώνων δύσκολη ταξινόμηση αφού άγνωστο ποιο είναι πλησιέστερο μερικές φορές αδύνατη η ταξινόμηση 51

52 Αλγόριθμος Ταξινόμησης Κατά Βάθος (2) Πολύγωνα που δεν μπορούν να ταξινομηθούν: Όταν επικαλύπτονται οι z εκτάσεις δυο πολύγωνων R και Q, γίνονται μια σειρά ελέγχων αυξανόμενης πολυπλοκότητας για να βρεθεί η σωστή σειρά στη λίστα σχεδίασης Αν ένας από τους παρακάτω ελέγχους είναι θετικός τότε το Q δεν αποκρύπτεται από το R: 1. Δεν επικαλύπτονται οι x-εκτάσεις των R και Q 2. Δεν επικαλύπτονται οι y-εκτάσεις των R και Q 52

53 Αλγόριθμος Ταξινόμησης Κατά Βάθος (3) 3. Το R βρίσκεται ολόκληρο στον ημιχώρο του επιπέδου του Q στον οποίο δεν βρίσκεται το σημείο παρατήρησης v. Αυτό διαπιστώνεται ελέγχοντας αν το πρόσημο της εξίσωσης επιπέδου του Q είναι ίδιο για όλες τις κορυφές του R και διαφορετικό από αυτό για το v: όπου sign(f Q (r i )) sign(f Q (v)), r i R f Q (x, y, z) = a Q x + b Q y + c Q z + d Q = 0 είναι η εξίσωση επιπέδου του πολύγωνου Q 4. Το Q βρίσκεται ολόκληρο στον ημιχώρο του επιπέδου του R στον οποίο βρίσκεται και το σημείο παρατήρησης v. Αυτό διαπιστώνεται ελέγχοντας αν το πρόσημο της εξίσωσης επιπέδου του R είναι ίδιο για όλες τις κορυφές του Q καθώς και για το v: όπου sign(f R (q i )) = sign(f R (v)), q i Q f R (x, y, z) = a R x + b R y + c R z + d R = 0 είναι η εξίσωση επιπέδου του πολύγωνου R " Ξ " Ξ 53

54 Αλγόριθμος Ταξινόμησης Κατά Βάθος (4) (a) R πίσω από Q (b) Q μπροστά από R 5. Δεν επικαλύπτονται οι προβολές των R και Q Αν κανένας από τους 5 ελέγχους δεν ισχύει, εναλλάσσουμε τα R και Q και επαναλαμβάνονται οι έλεγχοι 3, 4 Οι έλεγχοι 1, 2, 5 είναι συμμετρικοί δε χρειάζονται επανάληψη Αν και πάλι δε βρεθεί η σωστή σειρά, το R χωρίζεται σε 2 πολύγωνα από το επίπεδο του Q, τα νέα πολύγωνα αντικαθιστούν το R και η παραπάνω διαδικασία επαναλαμβάνεται 54

55 Αλγόριθμος Ταξινόμησης Κατά Βάθος (5) Η ταξινόμηση κατά βάθος είναι αλγόριθμος χώρου αντικειμένων εκτός από το τελευταίο βήμα (χώρος εικόνας) Μια βελτιστοποίηση είναι να σχεδιάζονται τα πολύγωνα από εμπρος προς τα πίσω: Διαδοχικά πολύγωνα σχεδιάζονται μόνο σε εικονοστοιχεία που δεν έχουν ήδη καλυφθεί από πλησιέστερα πολύγωνα Η σχεδίαση σταματά όταν όλα τα εικονοστοιχεία της εικόνας έχουν καλυφθεί τουλάχιστον μια φορά Κόστος βήματος ταξινόμησης O(Plog 2 P) Η επίλυση των z επικαλύψεων κοστίζει (χειρότερη) O(P 2 ) Ο αλγόριθμος είναι αργός για πολύπλοκες σκηνές Θετικό: Μπορεί να αντιμετωπίσει εύκολα τη διαφάνεια 55

56 Αλγόριθμος Εκπομπής Ακτίνων Για κάθε εικονοστοιχείο p παρακολουθείται μια ακτίνα Η ακτίνα καθορίζεται από το σημείο παρατήρησης v και το διάνυσμα p v Υπολογισμός τομών με όλα τα στοιχειώδη αντικείμενα της σκηνής και η πλησιέστερη στο v ορίζει το ορατό αντικείμενο Βασικός αλγόριθμος: RayCasting(primitiveDB, v); { } } for κάθε εικονοστοιχείο p { minp = MAXINT; for κάθε αντικείμενο R στην primitivedb { } /* υπολογισμός τομής της ακτίνας (v,p) με το R */ I = intersect_primitive_ray(r,v,p); /* MAXINT αν κανένα */ if ( i-v < minp) { } p -> nearest_primitive = R; minp = i-v 56

57 Αλγόριθμος Εκπομπής Ακτίνων (2) Η εκπομπή ακτίνων δεν εκμεταλλεύεται τη συνάφεια O(pP) Πολύ γενική μέθοδος Μπορεί να επιταχυνθεί με παράλληλη επεξεργασία Ο αλγόριθμος εκπομπής ακτίνων εφαρμόζεται πριν ή μετά την προοπτική προβολή: Στην 1 η περίπτωση, οι ακτίνες είναι οι ακτίνες προβολής Στη 2 η περίπτωση, οι ακτίνες είναι παράλληλες μεταξύ τους και κάθετες στο επίπεδο προβολής Η εκπομπή ακτίνων κατατάσσεται είτε ως αλγόριθμος χώρου αντικειμένων είτε χώρου εικόνας 57

58 Περίληψη Στον παρακάτω πίνακα εμφανίζονται οι πολυπλοκότητες και ο χώρος λειτουργίας των αλγορίθμων ΑΚΕ που παρουσιάστηκαν: 58

59 Θέματα Απόδοσης Αλγόριθμοι Περικοπής, ΑΚΕ, Παρακολούθησης Ακτίνας και άλλοι, χρειάζονται υπολογισμούς τομής Οι υπολογισμοί τομής είναι ακριβοί Τεχνικές που επιταχύνουν τους υπολογισμούς τομής: Περιβάλλοντες Όγκοι (Bounding volumes) Υποδιαίρεση Χώρου 59

60 Περιβάλλοντες Όγκοι Ένας τρόπος να μειωθεί το κόστος υπολογισμού τομών με ένα πολύπλοκο μοντέλο, είναι να ομαδοποιήσουμε τα στοιχειώδη αντικείμενα σε ένα περιβάλλοντα όγκο Μπορεί π.χ. να είναι ένα ορθογώνιο παραλληλεπίπεδο, ή σφαίρα Μπορεί να μην είναι κλειστός 60

61 Περιβάλλοντες Όγκοι (2) Τομή με τον περιβάλλοντα όγκο δεν συνεπάγεται απαραίτητα τομή με το μοντέλο, αφού υπάρχει κενός χώρος μεταξύ του όγκου και του μοντέλου Αντίθετα, μη τομή με τον περιβάλλοντα όγκο συνεπάγεται μη τομή με το μοντέλο που περιέχει 61

62 Περιβάλλοντες Όγκοι (3) Όταν δεν τέμνεται ο περιβάλλοντας όγκος, δεν γίνεται έλεγχος τομής με το μοντέλο εξοικονόμηση υπολογισμών Ένας καλός περιβάλλον όγκος πρέπει: Να είναι απλός Να ελαχιστοποιεί τον κενό χώρο Με το πρώτο οι έλεγχοι τομής γίνονται αποτελεσματικοί Με το δεύτερο θα υπάρχουν κατά το δυνατόν λιγότερες λάθος προειδοποιήσεις Αυτά τα 2 είναι συνήθως αντικρουόμενα: Πρέπει να επιτευχθεί συμβιβασμός 62

63 Περιβάλλοντες Όγκοι (4) Ο περιβάλλον όγκος ορθογώνιο παραλληλεπιπέδο σχηματίζεται παίρνοντας το μέγιστο και το ελάχιστο των συντεταγμένων των κορυφών του μοντέλου Ορίζονται από 6 επίπεδα κάθετα στους κύριους άξονες και γι αυτό ονομάζονται περιβάλλοντα κιβώτια ευθυγραμμισμένα με τους άξονες (AABBs) Περιέχουν πολύ κενό χώρο 63

64 Περιβάλλοντες Όγκοι (5) Προσανατολισμένα περιβάλλοντα κιβώτια (OBBs) είναι ορθογώνια παραλληλεπίπεδα προσανατολισμένα αυθαίρετα OBBs περιέχουν λιγότερο κενό χώρο από τα AABBs Ιεραρχικοί περιβάλλοντες όγκοι (hierarchical bounding volumes) συμβιβάζουν καλύτερα την απλότητα και τον κενό χώρο Περιλαμβάνους τις ιεραρχίες k-dops (πολύεδρα που έχουν πλευρές με προκαθορισμένους προσανατολισμούς) και ιεραρχίες OBBs Δημιουργούνται δέντρα με εγκυβωτισμένους όγκους Ρίζα: περιβάλλον όγκος που περιέχει όλο το μοντέλο Κόμβοι: μικρότεροι όγκοι που εσωκλείουν τμήματα του μοντέλου Φύλλα: στοιχειώδη αντικείμενα Η δομή δέντρου περιορίζει την περιοχή των πιθανών τομών 64

65 Περιβάλλοντες Όγκοι (6) Άλλη ιεραρχική μέθοδος είναι τα προοδευτικά περιβλήματα Ακολουθία από περιβλήματα που περικλείουν πιο στενά το μοντέλο Κάθε περίβλημα περικλείει όλα τα επόμενα περιβλήματα Όλα τα περιβλήματα περικλείουν ολόκληρο το μοντέλο Τα εξωτερικά περιβλήματα είναι πιο απλά αλλά με περισσότερο κενό χώρο Τα εσωτερικά περιβλήματα είναι πιο σύνθετα αλλά με λιγότερο κενό χώρο Έναρξη από τα εξωτερικά περιβλήματα (πιο απλά), όσο υπάρχουν τομές 65

66 Περιβάλλοντες Όγκοι (7) Ψευδοκώδικας για ιεραρχικό έλεγχο τομής ενός μοντέλου M IntersectionTest(M) { if BottomLevel(M) return(llintersectiontest(m)) else if LLIntersectionTest(BoundingVolume(M)) { v = false; for κάθε τμήμα M->C v = (v IntersectionTest(M->C)); return(v); } else return (false); } LLIntersectionTest: εκτελεί εξαντλητικό έλεγχο τομής για κάθε στοιχειώδες αντικείμενο της παραμέτρου του M->C: αντιπροσωπεύει ένα τμήμα στο αμέσως πιο κάτω επίπεδο της ιεραρχίας 66

67 Υποδιαίρεση Χώρου Υποδιαίρεση 3Δ χώρου σε ένα διατεταγμένο σύνολο κελιών Τα κελιά προσδιορίζουν έμμεσα τη χωρική σχέση των αντικειμένων που τα καταλαμβάνουν 2 αντικείμενα ενδέχεται να τέμνονται αν καταλαμβάνουν κοινά κελιά Η διάταξη των κελιών προσδιορίζει την ενδεχόμενη παρεμπόδιση ενός αντικειμένου από κάποιο άλλο αντικείμενο Οι τεχνικές υποδιαίρεσης χώρου απαιτούν ειδικές δομές δεδομένων και επεξεργασία για να καταχωρηθούν τα αντικείμενα στις δομές αυτές Οκταδικό δέντρο: ιεραρχική τεχνική υποδιαίρεσης 3Δ χώρου Υποδιαιρεί αναδρομικά ένα αρχικό κελί σε 8 υποκελιά Η υποδιαίρεση σταματά: Όταν φτάσει σε κελί με στοιχειώδης μέγεθος (ογκοστοιχείο) Όταν η πολυπλοκότητα του αντικειμένου μέσα στο κελί είναι μικρότερη από δεδομένο όριο 67

68 Υποδιαίρεση Χώρου (2) Στην περικοπή, αγνοούνται τα μοντέλα που δεν καλύπτουν τα κελιά που μας ενδιαφέρουν: Στην περικοπή στο οπτικό πεδίο, λαμβάνονται υπόψη μόνο τα κελιά που είναι κοινά με το οπτικό πεδίο Στην περικοπή παρεμποδιζομένων, ελέγχονται μόνο αντικείμενα που καταλαμβάνουν κελιά με τις ίδιες x,y συντατεγμένες Το οκταδικό δέντρο έχει περισσότερα επίπεδα για σκηνές με μεγαλύτερη πολυπλοκότητα 68

69 Τέλος Ενότητας Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών

70 Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στo πλαίσιo του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα στο Πανεπιστήμιο Αθηνών» έχει χρηματοδοτήσει μόνο την αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους. ΕΝΟΤΗΤΑ 5 - Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών 70

71 Σημειώματα

72 Σημείωμα Αναφοράς Copyright Εθνικόν και Καποδιστριακόν Πανεπιστήμιον Αθηνών, Θεοχάρης Θεοχάρης. «Γραφικά Ι. Ενότητα 5: Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών». Έκδοση: Αθήνα Διαθέσιμο από τη δικτυακή διεύθυνση: ΕΝΟΤΗΤΑ 5 - Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών 72

73 Σημείωμα Αδειοδότησης Το παρόν υλικό διατίθεται με τους όρους της άδειας χρήσης Creative Commons Αναφορά, Μη Εμπορική Χρήση Παρόμοια Διανομή 4.0 [1] ή μεταγενέστερη, Διεθνής Έκδοση. Εξαιρούνται τα αυτοτελή έργα τρίτων π.χ. φωτογραφίες, διαγράμματα κ.λ.π., τα οποία εμπεριέχονται σε αυτό και τα οποία αναφέρονται μαζί με τους όρους χρήσης τους στο «Σημείωμα Χρήσης Έργων Τρίτων». [1] Ως Μη Εμπορική ορίζεται η χρήση: που δεν περιλαμβάνει άμεσο ή έμμεσο οικονομικό όφελος από την χρήση του έργου, για το διανομέα του έργου και αδειοδόχο που δεν περιλαμβάνει οικονομική συναλλαγή ως προϋπόθεση για τη χρήση ή πρόσβαση στο έργο που δεν προσπορίζει στο διανομέα του έργου και αδειοδόχο έμμεσο οικονομικό όφελος (π.χ. διαφημίσεις) από την προβολή του έργου σε διαδικτυακό τόπο Ο δικαιούχος μπορεί να παρέχει στον αδειοδόχο ξεχωριστή άδεια να χρησιμοποιεί το έργο για εμπορική χρήση, εφόσον αυτό του ζητηθεί. ΕΝΟΤΗΤΑ 5 - Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών 73

74 Διατήρηση Σημειωμάτων Οποιαδήποτε αναπαραγωγή ή διασκευή του υλικού θα πρέπει να συμπεριλαμβάνει: το Σημείωμα Αναφοράς το Σημείωμα Αδειοδότησης τη δήλωση Διατήρησης Σημειωμάτων το Σημείωμα Χρήσης Έργων Τρίτων (εφόσον υπάρχει) μαζί με τους συνοδευόμενους υπερσυνδέσμους. ΕΝΟΤΗΤΑ 5 - Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών 74

75 Σημείωμα Χρήσης Έργων Τρίτων Το Έργο αυτό κάνει χρήση του ακόλουθου έργου: «Γραφικά και Οπτικοποίηση. Αρχές και Αλγόριθμοι.» Θ. Θεοχάρης, Τ. Παπαϊωάννου, Ν. Πλατής, Ν. Μ. Πατρικαλάκης. ΕΝΟΤΗΤΑ 5 - Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών 75

Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών

Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών Γραφικά & Οπτικοποίηση Κεφάλαιο 5 Αλγόριθμοι Περικοπής και Απομάκρυνσης Κρυμμένων Επιφανειών Εισαγωγή Το οπτικό μας πεδίο είναι περιορισμένο ενώ παράλληλα υπάρχει παρεμπόδιση μεταξύ αντικειμένων βλέπουμε

Διαβάστε περισσότερα

Γραφικά Ι. Ενότητα 1: Εισαγωγή. Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών

Γραφικά Ι. Ενότητα 1: Εισαγωγή. Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Γραφικά Ι Ενότητα 1: Εισαγωγή Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Ενότητα 1 Εισαγωγή Ιστορικά Ιστορική ανασκόπηση : 3 Ιστορικά (2) Ρυθμοί ανάπτυξης CPU και

Διαβάστε περισσότερα

Αλγόριθμοι και πολυπλοκότητα Συγχωνευτική Ταξινόμηση

Αλγόριθμοι και πολυπλοκότητα Συγχωνευτική Ταξινόμηση ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Συγχωνευτική Ταξινόμηση Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Συγχωνευτική Ταξινόμηση (Merge Sort) 7 2 9 4 2 4 7 9 7 2 2 7 9 4

Διαβάστε περισσότερα

Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης

Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης Ενότητα 2: Απόδειξη Δέσποινα Πόταρη, Γιώργος Ψυχάρης Σχολή Θετικών επιστημών Τμήμα Μαθηματικό Η ΔΙΑΧΥΣΗ ΤΗΣ ΕΝΝΟΙΑΣ ΤΟΥ ΕΜΒΑΔΟΥ ΣΤΗΝ ΠΡΩΤΟΒΑΘΜΙΑ

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 1

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 1 Εισαγωγή στους Αλγορίθμους Φροντιστήριο 1 Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό

Διαβάστε περισσότερα

Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση

Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση Ενότητα 7: Κανονικότητες, συμμετρίες και μετασχηματισμοί στο χώρο Δημήτρης Χασάπης Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους

Εισαγωγή στους Αλγορίθμους Εισαγωγή στους Αλγορίθμους Ενότητα 6 η Άσκηση - DFS δένδρα Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση

Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση Ενότητα 6: Γεωμετρικά σχήματα και μεγέθη δύο και τριών διαστάσεων Δημήτρης Χασάπης Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους

Εισαγωγή στους Αλγορίθμους Εισαγωγή στους Αλγορίθμους Ενότητα 5 η Άσκηση - Συγχώνευση Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Γραφικά Ι. Ενότητα 4: Προβολές και Μετασχηματισμοί Παρατήρησης. Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών

Γραφικά Ι. Ενότητα 4: Προβολές και Μετασχηματισμοί Παρατήρησης. Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Γραφικά Ι Ενότητα 4: Προβολές και Μετασχηματισμοί Παρατήρησης Θεοχάρης Θεοχάρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Ενότητα 4 Προβολές και Μετασχηματισμοί Παρατήρησης Εισαγωγή

Διαβάστε περισσότερα

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Ενότητα: Ασκήσεις 1 Ανδριανός Ε. Τσεκρέκος Τμήμα Λογιστικής & Χρηματοοικονομικής Σελίδα 2 1. Σκοποί ενότητας... 5 2.

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους

Εισαγωγή στους Αλγορίθμους Εισαγωγή στους Αλγορίθμους Ενότητα 5 η Άσκηση Συγχώνευση & απαρίθμηση Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης

Διαβάστε περισσότερα

Εισαγωγή στην Πληροφορική

Εισαγωγή στην Πληροφορική Εισαγωγή στην Πληροφορική Αριθμητικά Συστήματα ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Συντήρησης Πολιτισμικής Κληρονομιάς Βασικές Έννοιες Ένα Αριθμητικό Σύστημα αποτελείται από ένα

Διαβάστε περισσότερα

Κβαντική Επεξεργασία Πληροφορίας

Κβαντική Επεξεργασία Πληροφορίας Κβαντική Επεξεργασία Πληροφορίας Ενότητα 11: Είδη και μετασχηματισμοί πινάκων Σγάρμπας Κυριάκος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Είδη και μετασχηματισμοί

Διαβάστε περισσότερα

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 6: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ: ΠΡΟΒΛΗΜΑ ΑΝΑΖΗΤΗΣΗΣ

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 6: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ: ΠΡΟΒΛΗΜΑ ΑΝΑΖΗΤΗΣΗΣ Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 6: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ: ΠΡΟΒΛΗΜΑ ΑΝΑΖΗΤΗΣΗΣ Δημήτριος Κουκόπουλος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διαχείρισης Πολιτισμικού Περιβάλλοντος

Διαβάστε περισσότερα

Έλεγχος και Διασφάλιση Ποιότητας Ενότητα 4: Μελέτη ISO Κουππάρης Μιχαήλ Τμήμα Χημείας Εργαστήριο Αναλυτικής Χημείας

Έλεγχος και Διασφάλιση Ποιότητας Ενότητα 4: Μελέτη ISO Κουππάρης Μιχαήλ Τμήμα Χημείας Εργαστήριο Αναλυτικής Χημείας Έλεγχος και Διασφάλιση Ποιότητας Ενότητα 4: Μελέτη Κουππάρης Μιχαήλ Τμήμα Χημείας Εργαστήριο Αναλυτικής Χημείας ISO 17025 5.9. ΔΙΑΣΦΑΛΙΣΗ ΤΗΣ ΠΟΙΟΤΗΤΑΣ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΔΟΚΙΜΩΝ (1) 5.9.1 Το Εργαστήριο

Διαβάστε περισσότερα

Διδάσκων: Φοίβος Μυλωνάς

Διδάσκων: Φοίβος Μυλωνάς Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Χειμερινό εξάμηνο Γραφικά με υπολογιστές Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #08 Αποκοπή (εισαγωγή) Σημειακή Αποκοπή Αποκοπή Ευθύγραμμων Τμημάτων (line

Διαβάστε περισσότερα

Γενική Φυσική Ενότητα: Εισαγωγή στην Ειδική Θεωρία της Σχετικότητας

Γενική Φυσική Ενότητα: Εισαγωγή στην Ειδική Θεωρία της Σχετικότητας Γενική Φυσική Ενότητα: Εισαγωγή στην Ειδική Θεωρία της Σχετικότητας Όνομα Καθηγητή: Γεώργιος Βούλγαρης Τμήμα: Μαθηματικό Σελίδα 2 1. Ασκήσεις στην Εισαγωγή στην Ειδική Θεωρία της Σχετικότητας... 4 1.1

Διαβάστε περισσότερα

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 8: ΧΡΗΣΗ ΔΟΜΩΝ ΔΕΝΤΡΟΥ ΚΑΙ ΣΩΡΟΥ ΓΙΑ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΤΑΞΙΝΟΜΗΣΗΣ ΑΛΓΟΡΙΘΜΟΣ HEAPSORT

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 8: ΧΡΗΣΗ ΔΟΜΩΝ ΔΕΝΤΡΟΥ ΚΑΙ ΣΩΡΟΥ ΓΙΑ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΤΑΞΙΝΟΜΗΣΗΣ ΑΛΓΟΡΙΘΜΟΣ HEAPSORT Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 8: ΧΡΗΣΗ ΔΟΜΩΝ ΔΕΝΤΡΟΥ ΚΑΙ ΣΩΡΟΥ ΓΙΑ ΕΠΙΛΥΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΤΑΞΙΝΟΜΗΣΗΣ ΑΛΓΟΡΙΘΜΟΣ HEAPSORT Δημήτριος Κουκόπουλος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διαχείρισης

Διαβάστε περισσότερα

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 4: ΑΝΑΠΑΡΑΣΤΑΣΗ ΔΕΔΟΜΕΝΩΝ - ΔΕΝΤΡΑ

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 4: ΑΝΑΠΑΡΑΣΤΑΣΗ ΔΕΔΟΜΕΝΩΝ - ΔΕΝΤΡΑ Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 4: ΑΝΑΠΑΡΑΣΤΑΣΗ ΔΕΔΟΜΕΝΩΝ - ΔΕΝΤΡΑ Δημήτριος Κουκόπουλος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διαχείρισης Πολιτισμικού Περιβάλλοντος και Νέων Τεχνολογιών

Διαβάστε περισσότερα

Γενική Φυσική Ενότητα: Ταλαντώσεις

Γενική Φυσική Ενότητα: Ταλαντώσεις Γενική Φυσική Ενότητα: Ταλαντώσεις Όνομα Καθηγητή: Γεώργιος Βούλγαρης Τμήμα: Μαθηματικό Σελίδα 2 1. Ερωτήσεις Ταλαντώσεων... 4 1.1 Ερώτηση 1... 4 2. Ασκήσεις Ταλαντώσεων... 4 2.1 Άσκηση 1... 4 2.2 Άσκηση

Διαβάστε περισσότερα

Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε 3Δ. 3ο Μάθημα Αποκοπή. Γραφικα. Ευάγγελος Σπύρου

Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε 3Δ. 3ο Μάθημα Αποκοπή. Γραφικα. Ευάγγελος Σπύρου Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε 3Δ Γραφικα Τμήμα Πληροφορικής Πανεπιστήμιο Θεσσαλίας Ακ Έτος 2016-17 Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Kruskal

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Kruskal Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Kruskl Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Emil: zro@ei.uptrs.r Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 7: Βέλτιστος έλεγχος συστημάτων διακριτού χρόνου Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα

Διαβάστε περισσότερα

Αριθμητική Ανάλυση. Ενότητα 1: Εισαγωγή Βασικές Έννοιες. Φραγκίσκος Κουτελιέρης Πολυτεχνική Σχολή Τμήμα Χημικών Μηχανικών

Αριθμητική Ανάλυση. Ενότητα 1: Εισαγωγή Βασικές Έννοιες. Φραγκίσκος Κουτελιέρης Πολυτεχνική Σχολή Τμήμα Χημικών Μηχανικών Ενότητα 1: Εισαγωγή Βασικές Έννοιες Φραγκίσκος Κουτελιέρης Πολυτεχνική Σχολή Τμήμα Χημικών Μηχανικών ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΦΡΑΓΚΙΣΚΟΣ ΚΟΥΤΕΛΙΕΡΗΣ Εισαγωγή 2 Περιεχόμενα 1. Εισαγωγή 2. Αριθμητική παραγώγιση

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 4: Το γενικευμένο πρόβλημα βέλτιστου ελέγχου για συστήματα συνεχούς Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών

Διαβάστε περισσότερα

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών Μαθηματικά Διοικητικών & Οικονομικών Επιστημών Ενότητα 2: Γραμμικές συναρτήσεις (Φροντιστήριο) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 3: Συναρτήσεις

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 3: Συναρτήσεις ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 3: Συναρτήσεις Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών Συναρτήσεις 60 Ροή ελέγχου Είναι η σειρά µε την οποία εκτελούνται οι εντολές. Μέχρι τώρα, «σειριακή»,

Διαβάστε περισσότερα

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 9: ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΑΝΑΛΥΣΗΣ ΑΛΓΟΡΙΘΜΩΝ ΕΞΙΣΟΡΡΟΠΗΣΗ, ΔΙΑΙΡΕΙ ΚΑΙ ΒΑΣΙΛΕΥΕ

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 9: ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΑΝΑΛΥΣΗΣ ΑΛΓΟΡΙΘΜΩΝ ΕΞΙΣΟΡΡΟΠΗΣΗ, ΔΙΑΙΡΕΙ ΚΑΙ ΒΑΣΙΛΕΥΕ Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 9: ΒΑΣΙΚΕΣ ΤΕΧΝΙΚΕΣ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΑΝΑΛΥΣΗΣ ΑΛΓΟΡΙΘΜΩΝ ΕΞΙΣΟΡΡΟΠΗΣΗ, ΔΙΑΙΡΕΙ ΚΑΙ ΒΑΣΙΛΕΥΕ Δημήτριος Κουκόπουλος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα

Διαβάστε περισσότερα

Διοικητική Λογιστική

Διοικητική Λογιστική Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Διοικητική Λογιστική Ενότητα 10: Προσφορά και κόστος Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται διαφορετικά

Διαβάστε περισσότερα

Προγραμματισμός Η/Υ. Βασικές Προγραμματιστικές Δομές. ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος

Προγραμματισμός Η/Υ. Βασικές Προγραμματιστικές Δομές. ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος Προγραμματισμός Η/Υ Βασικές Προγραμματιστικές Δομές ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος Δομή Ελέγχου Ροής (IF) Η εντολή IF χρησιμοποιείται όταν

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Prim

Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Prim Εισαγωγή στους Αλγορίθμους Ενότητα 9η Άσκηση - Αλγόριθμος Prim Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Emil: zro@ei.uptrs.r Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

1 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων

1 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων 1 η Διάλεξη Ενδεικτικές λύσεις ασκήσεων 1 Περιεχόμενα 1 η Άσκηση... 3 2 η Άσκηση... 3 3 η Άσκηση... 3 4 η Άσκηση... 3 5 η Άσκηση... 4 6 η Άσκηση... 4 7 η Άσκηση... 4 8 η Άσκηση... 5 9 η Άσκηση... 5 10

Διαβάστε περισσότερα

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ Ενότητα 4: Δημήτρης Χασάπης Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία ΚΛΑΣΜΑ ΚΑΙ ΚΛΑΣΜΑΤΙΚΟΣ ΑΡΙΘΜΟΣ ΤΙ ΕΙΝΑΙ ΤΟ ΚΛΑΣΜΑ

Διαβάστε περισσότερα

Εισαγωγή στους Αλγόριθμους

Εισαγωγή στους Αλγόριθμους Εισαγωγή στους Αλγόριθμους Ενότητα 16: Δυαδική αναζήτηση και ταξινόμηση με συγχώνευση Εύη Παπαϊωάννου Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διαχείρισης Πολιτισμικού Περιβάλλοντος και Νέων Τεχνολογιών

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 2

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 2 Εισαγωγή στους Αλγορίθμους Φροντιστήριο 2 Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό

Διαβάστε περισσότερα

Γενική Φυσική Ενότητα: Δυναμική Άκαμπτου Σώματος

Γενική Φυσική Ενότητα: Δυναμική Άκαμπτου Σώματος Γενική Φυσική Ενότητα: Δυναμική Άκαμπτου Σώματος Όνομα Καθηγητή: Γεώργιος Βούλγαρης Τμήμα: Μαθηματικό Σελίδα 2 1. Ερωτήσεις Δυναμικής Άκαμπτου Σώματος... 4 1.1 Ερώτηση 1... 4 1.2 Ερώτηση 2... 4 1.3 Ερώτηση

Διαβάστε περισσότερα

Ηλεκτρομαγνητισμός - Οπτική - Σύγχρονη Φυσική Ενότητα: Οπτική. Βαρουτάς Δημήτρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών

Ηλεκτρομαγνητισμός - Οπτική - Σύγχρονη Φυσική Ενότητα: Οπτική. Βαρουτάς Δημήτρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Ηλεκτρομαγνητισμός - Οπτική - Σύγχρονη Φυσική Ενότητα: Οπτική Βαρουτάς Δημήτρης Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΟΠΤΙΚΗ (Ηλεκτροµαγνητισµός-Οπτική) Γεωµετρική Οπτική (Μάθηµα

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 12: Αρχή ελαχίστου του Pontryagin Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 4: Συναρτήσεις

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 4: Συναρτήσεις ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 4: Συναρτήσεις Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών ΠΛΗΡΟΦΟΡΙΚΗ Ι Σημειώσεις MATLAB Ενότητα 4 ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 4 Σημειώσεις βασισμένες στο

Διαβάστε περισσότερα

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 3: Έλεγχοι στατιστικών υποθέσεων

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 3: Έλεγχοι στατιστικών υποθέσεων Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας Βιοστατιστική (Ε) Ενότητα 3: Έλεγχοι στατιστικών υποθέσεων Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Τμήμα Ιατρικών Εργαστηρίων Το περιεχόμενο του μαθήματος

Διαβάστε περισσότερα

Τεχνικό Σχέδιο. Ενότητα 4: Μηχανολογικό Σχέδιο - Διαστάσεις

Τεχνικό Σχέδιο. Ενότητα 4: Μηχανολογικό Σχέδιο - Διαστάσεις Τεχνικό Σχέδιο Ενότητα 4: Μηχανολογικό Σχέδιο - Διαστάσεις Διάλεξη 4η Παναγής Βοβός Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών ΤΕΧΝΙΚΟ ΣΧΕΔΙΟ ΔΙΑΣΤΑΣΕΙΣ Τμήμα Ηλεκτρολόγων

Διαβάστε περισσότερα

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 1: Καταχώρηση δεδομένων

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 1: Καταχώρηση δεδομένων Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας Βιοστατιστική (Ε) Ενότητα 1: Καταχώρηση δεδομένων Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Τμήμα Ιατρικών Εργαστηρίων Το περιεχόμενο του μαθήματος διατίθεται

Διαβάστε περισσότερα

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών Μαθηματικά Διοικητικών & Οικονομικών Επιστημών Ενότητα 11: Διανύσματα (Φροντιστήριο) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων &

Διαβάστε περισσότερα

Εισαγωγή στους Η/Υ. Ενότητα 2β: Αντίστροφο Πρόβλημα. Δημήτρης Σαραβάνος, Καθηγητής Πολυτεχνική Σχολή Τμήμα Μηχανολόγων & Αεροναυπηγών Μηχανικών

Εισαγωγή στους Η/Υ. Ενότητα 2β: Αντίστροφο Πρόβλημα. Δημήτρης Σαραβάνος, Καθηγητής Πολυτεχνική Σχολή Τμήμα Μηχανολόγων & Αεροναυπηγών Μηχανικών Εισαγωγή στους Η/Υ Ενότητα 2β: Δημήτρης Σαραβάνος, Καθηγητής Πολυτεχνική Σχολή Τμήμα Μηχανολόγων & Αεροναυπηγών Μηχανικών Σκοποί ενότητας Εύρεση συνάρτησης Boole όταν είναι γνωστός μόνο ο πίνακας αληθείας.

Διαβάστε περισσότερα

Αλγόριθμοι και πολυπλοκότητα Ταχυταξινόμηση (Quick-Sort)

Αλγόριθμοι και πολυπλοκότητα Ταχυταξινόμηση (Quick-Sort) ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Ταχυταξινόμηση (Quick-Sort) Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Ταχυταξινόμηση (Quick-Sort) 7 4 9 6 2 2 4 6 7 9 4 2 2 4 7 9 7

Διαβάστε περισσότερα

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 2: Περιγραφική στατιστική

Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας. Βιοστατιστική (Ε) Ενότητα 2: Περιγραφική στατιστική Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Αθήνας Βιοστατιστική (Ε) Ενότητα 2: Περιγραφική στατιστική Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Τμήμα Ιατρικών Εργαστηρίων Το περιεχόμενο του μαθήματος

Διαβάστε περισσότερα

Εφαρμοσμένη Βελτιστοποίηση

Εφαρμοσμένη Βελτιστοποίηση Εφαρμοσμένη Βελτιστοποίηση Ενότητα 3: Αναλυτικές μέθοδοι βελτιστοποίησης για συναρτήσεις μιας μεταβλητής Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών

Διαβάστε περισσότερα

Θερμοδυναμική. Ανοικτά Ακαδημαϊκά Μαθήματα. Πίνακες Νερού σε κατάσταση Κορεσμού. Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής

Θερμοδυναμική. Ανοικτά Ακαδημαϊκά Μαθήματα. Πίνακες Νερού σε κατάσταση Κορεσμού. Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής Ανοικτά Ακαδημαϊκά Μαθήματα Τεχνολογικό Εκπαιδευτικό Ίδρυμα Αθήνας Πίνακες Νερού σε κατάσταση Κορεσμού Γεώργιος Κ. Χατζηκωνσταντής Επίκουρος Καθηγητής Διπλ. Ναυπηγός Μηχανολόγος Μηχανικός M.Sc. Διασφάλιση

Διαβάστε περισσότερα

Εφαρμοσμένη Βελτιστοποίηση

Εφαρμοσμένη Βελτιστοποίηση Εφαρμοσμένη Βελτιστοποίηση Ενότητα 2: Συναρτήσεις Χώροι - Μεταβλητές Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το

Διαβάστε περισσότερα

Αλγόριθμοι και πολυπλοκότητα Δυναμικός Προγραμματισμός

Αλγόριθμοι και πολυπλοκότητα Δυναμικός Προγραμματισμός ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Δυναμικός Προγραμματισμός Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Δυναμικός Προγραμματισμός Δυναμικός Προγραμματισμός 1 Περίληψη

Διαβάστε περισσότερα

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ Ενότητα 2: Δημήτρης Χασάπης Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία ΘΕΜΕΛΙΩΔΕΙΣ ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΣΧΕΣΕΙΣ

Διαβάστε περισσότερα

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ Ενότητα 4: Οι αριθμητικοί πράξεις: Πολλαπλασιασμός - Διαίρεση Δημήτρης Χασάπης Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία

Διαβάστε περισσότερα

Βάσεις Περιβαλλοντικών Δεδομένων

Βάσεις Περιβαλλοντικών Δεδομένων Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Βάσεις Περιβαλλοντικών Δεδομένων Ενότητα 3: Μοντέλα βάσεων δεδομένων Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται

Διαβάστε περισσότερα

Κβαντική Επεξεργασία Πληροφορίας

Κβαντική Επεξεργασία Πληροφορίας Κβαντική Επεξεργασία Πληροφορίας Ενότητα 4: Κλασσική και Κβαντική Πιθανότητα Σγάρμπας Κυριάκος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Σκοπός της ενότητας

Διαβάστε περισσότερα

Κβαντική Επεξεργασία Πληροφορίας

Κβαντική Επεξεργασία Πληροφορίας Κβαντική Επεξεργασία Πληροφορίας Ενότητα 23: Υπολογισμοί σε Κβαντικά Κυκλώματα ΙΙ Σγάρμπας Κυριάκος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Υπολογισμοί

Διαβάστε περισσότερα

Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης

Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης Ενότητα 1: Κρίσιμα συμβάντα Δέσποινα Πόταρη, Γιώργος Ψυχάρης Σχολή Θετικών επιστημών Τμήμα Μαθηματικό Απομαγνητοφώνηση αποσπάσματος από Β Λυκείου

Διαβάστε περισσότερα

Υπολογιστική άλγεβρα Ενότητα 3: Πολυώνυμα τρίτου βαθμού

Υπολογιστική άλγεβρα Ενότητα 3: Πολυώνυμα τρίτου βαθμού Υπολογιστική άλγεβρα Ενότητα 3: Πολυώνυμα τρίτου βαθμού Ράπτης Ευάγγελος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών Μέρος II Πολυώνυμα μίας μεταβλητής 17 Κεφάλαιο 3 Πολυώνυμα τρίτου βαθμού 3.1 Μάθημα

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 8: Το γραμμικό τετραγωνικό πρόβλημα ρύθμισης (LQ) για συστήματα διακριτού χρόνου Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και

Διαβάστε περισσότερα

Εισαγωγή στους Υπολογιστές

Εισαγωγή στους Υπολογιστές Εισαγωγή στους Υπολογιστές Εργαστήριο 2 Καθηγητές: Αβούρης Νικόλαος, Παλιουράς Βασίλης, Κουκιάς Μιχαήλ, Σγάρμπας Κυριάκος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άσκηση 2 ου εργαστηρίου

Διαβάστε περισσότερα

Μηχανολογικό Σχέδιο Ι

Μηχανολογικό Σχέδιο Ι ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα # 8: Άτρακτοι και σφήνες Μ. Γρηγοριάδου Μηχανολόγων Μηχανικών Α.Π.Θ. Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες

Διαβάστε περισσότερα

Πληροφορική ΙΙ Ενότητα 1

Πληροφορική ΙΙ Ενότητα 1 Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Πληροφορική ΙΙ Ενότητα 1: Εισαγωγή Θεματική Ενότητα: Εισαγωγή στον Προγραμματισμό Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός

Διαβάστε περισσότερα

Κβαντική Επεξεργασία Πληροφορίας

Κβαντική Επεξεργασία Πληροφορίας Κβαντική Επεξεργασία Πληροφορίας Ενότητα 12: Ιδιοτιμές και Ιδιοδιανύσματα Σγάρμπας Κυριάκος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Ιδιοτιμές και Ιδιοδιανύσματα

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 10: Δυναμικός προγραμματισμός Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το παρόν

Διαβάστε περισσότερα

Τεχνικό Σχέδιο. Ενότητα 2: Μηχανολογικό Σχέδιο - Σχεδίαση όψεων

Τεχνικό Σχέδιο. Ενότητα 2: Μηχανολογικό Σχέδιο - Σχεδίαση όψεων Τεχνικό Σχέδιο Ενότητα 2: Μηχανολογικό Σχέδιο - Σχεδίαση όψεων Διάλεξη 2η Παναγής Βοβός Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών ΤΕΧΝΙΚΟ ΣΧΕΔΙΟ ΣΧΕΔΙΑΣΗ ΤΡΙΣΔΙΑΣΤΑΤΩΝ

Διαβάστε περισσότερα

Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης

Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης Πρακτική Άσκηση σε σχολεία της δευτεροβάθμιας εκπαίδευσης Ενότητα 4: Η έννοια της γωνίας και του εμβαδού Δέσποινα Πόταρη, Γιώργος Ψυχάρης Σχολή Θετικών επιστημών Τμήμα Μαθηματικό ΟΝΟΜΑ: 1) 2) ΗΜΕΡΟΜΗΝΙΑ:

Διαβάστε περισσότερα

Αλγόριθμοι και πολυπλοκότητα Διαίρει και Κυρίευε

Αλγόριθμοι και πολυπλοκότητα Διαίρει και Κυρίευε ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αλγόριθμοι και πολυπλοκότητα Διαίρει και Κυρίευε Ιωάννης Τόλλης Τμήμα Επιστήμης Υπολογιστών Διαίρει και Κυρίευε 7 9 4 4 7 9 7 7 9 4 4 9 7 7 9 9 4 4 Διαίρει και Κυρίευε

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 1: Εισαγωγή Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το παρόν υλικό διατίθεται

Διαβάστε περισσότερα

Διδακτική Απειροστικού Λογισμού

Διδακτική Απειροστικού Λογισμού Διδακτική Απειροστικού Λογισμού Ενότητα 4: Θέματα σχετικά με τη διδασκαλία της συνέχειας. Ζαχαριάδης Θεοδόσιος Τμήμα Μαθηματικών 4. ΣΥΝΕΧΕΙΑ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ 1. Σε μια τάξη Γ Λυκείου στα μαθηματικά κατεύθυνσης

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνων

Ψηφιακή Επεξεργασία Εικόνων ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Εικόνων Ενότητα # 15: Τμηματοποίηση σε τοπολογικά συνεκτικές περιοχές Καθηγητής Γιώργος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών Διαμέριση σε συνεκτικές

Διαβάστε περισσότερα

Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση

Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση Χωρικές σχέσεις και Γεωμετρικές Έννοιες στην Προσχολική Εκπαίδευση Ενότητα 6: Γεωμετρικά σχήματα και μεγέθη δύο και τριών διαστάσεων Δημήτρης Χασάπης Τμήμα Εκπαίδευσης και Αγωγής στην Προσχολική Ηλικία

Διαβάστε περισσότερα

Γενικά Μαθηματικά Ι. Ενότητα 17: Αριθμητική Ολοκλήρωση, Υπολογισμός Μήκους Καμπύλης Λουκάς Βλάχος Τμήμα Φυσικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Γενικά Μαθηματικά Ι. Ενότητα 17: Αριθμητική Ολοκλήρωση, Υπολογισμός Μήκους Καμπύλης Λουκάς Βλάχος Τμήμα Φυσικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 7: Αριθμητική Ολοκλήρωση, Υπολογισμός Μήκους Καμπύλης Λουκάς Βλάχος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες

Διαβάστε περισσότερα

Διδακτική Πληροφορικής

Διδακτική Πληροφορικής Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Διδακτική Πληροφορικής Ενότητα 4: Διδακτικός μετασχηματισμός βασικών εννοιών πληροφορικής Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons

Διαβάστε περισσότερα

Τεχνικό Σχέδιο - CAD

Τεχνικό Σχέδιο - CAD Τεχνικό Σχέδιο - CAD Σχεδίαση με Συντεταγμένες ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Τεχνολογιών Φυσικού Περιβάλλοντος Καρτεσιανό Σύστημα Συντεταγμένων Αρχή συστήματος συντεταγμένων

Διαβάστε περισσότερα

Μικροοικονομική Ανάλυση της Κατανάλωσης και της Παραγωγής

Μικροοικονομική Ανάλυση της Κατανάλωσης και της Παραγωγής Μικροοικονομική Ανάλυση της Κατανάλωσης και της Παραγωγής Διάλεξη 11: Μεγιστοποίηση κέρδους Ανδρέας Παπανδρέου Σχολή Οικονομικών και Πολιτικών Επιστημών Τμήμα Οικονομικών Επιστημών Οικονομικό κέρδος Μια

Διαβάστε περισσότερα

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ

ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ ΛΟΓΙΚΟ-ΜΑΘΗΜΑΤΙΚΕΣ ΣΧΕΣΕΙΣ & ΑΡΙΘΜΗΤΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΕΚΠΑΙΔΕΥΣΗ Ενότητα 5: Οι διαδοχικές επεκτάσεις της έννοιας του αριθμού: ακέραιος, κλάσμα, ρητός και πραγματικός αριθμός Δημήτρης Χασάπης

Διαβάστε περισσότερα

Μηχανολογικό Σχέδιο Ι

Μηχανολογικό Σχέδιο Ι ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα # 2: Όψεις Όνομα Καθηγητή: Παρασκευοπούλου Ροδούλα Α.Π.Θ Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

Διδακτική Μαθηματικών Ι Ενότητα 5: Διερευνητικές δραστηριότητες

Διδακτική Μαθηματικών Ι Ενότητα 5: Διερευνητικές δραστηριότητες Διδακτική Μαθηματικών Ι Ενότητα 5: Διερευνητικές δραστηριότητες Γιώργος Ψυχάρης Σχολή Θετικών επιστημών Τμήμα Μαθηματικό ΔΙΕΡΕΥΝΗΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ Δραστηριότητα 1 Το εξωτερικό τετράγωνο αντιπροσωπεύει

Διαβάστε περισσότερα

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα

Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Γραμμική Άλγεβρα και Μαθηματικός Λογισμός για Οικονομικά και Επιχειρησιακά Προβλήματα Ενότητα: Διανυσματικοί Χώροι και Υπόχωροι: Βάσεις και Διάσταση Ανδριανός Ε Τσεκρέκος Τμήμα Λογιστικής & Χρηματοοικονομικής

Διαβάστε περισσότερα

Γενική Φυσική. Ενότητα 4: Εισαγωγή στην ειδική θεωρία της σχετικότητας. Γεώργιος Βούλγαρης Σχολή Θετικών Επιστημών Τμήμα Μαθηματικών

Γενική Φυσική. Ενότητα 4: Εισαγωγή στην ειδική θεωρία της σχετικότητας. Γεώργιος Βούλγαρης Σχολή Θετικών Επιστημών Τμήμα Μαθηματικών Γενική Φυσική Ενότητα 4: Εισαγωγή στην ειδική θεωρία της σχετικότητας Γεώργιος Βούλγαρης Σχολή Θετικών Επιστημών Τμήμα Μαθηματικών Εισαγωγή στη Eιδική Θεωρία της Σχετικότητας - Διδακτικοί στόχοι Οι Νόμοι

Διαβάστε περισσότερα

Δομημένος Προγραμματισμός

Δομημένος Προγραμματισμός Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Δομημένος Προγραμματισμός Ενότητα 4: Εντολές ελέγχου ροής Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται διαφορετικά

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 8: Αναζήτηση και ταξινόμηση

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 8: Αναζήτηση και ταξινόμηση ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 8: Αναζήτηση και ταξινόμηση Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών Αναζήτηση και ταξινόµηση 7 Αναζήτηση (search) Πρόβληµα: αναζήτηση της καταχώρησης key στη

Διαβάστε περισσότερα

ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων ΑΝΤΙΚΕΙΜΕΝΟΣΤΡΑΦΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 10: Πρότυπα Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και αν αναφέρεται διαφορετικά

Διαβάστε περισσότερα

Ευφυής Προγραμματισμός

Ευφυής Προγραμματισμός Ευφυής Προγραμματισμός Ενότητα 10: Δημιουργία Βάσεων Κανόνων Από Δεδομένα-Προετοιμασία συνόλου δεδομένων Ιωάννης Χατζηλυγερούδης Πολυτεχνική Σχολή Τμήμα Μηχανικών Η/Υ & Πληροφορικής Δημιουργία Βάσεων Κανόνων

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ ΜΕΤΑΒΑΤΙΚΑ ΦΑΙΝΟΜΕΝΑ ΣΤΑ ΣΗΕ Λαμπρίδης Δημήτρης Κατσανού Βάνα Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ ΜΕΤΑΒΑΤΙΚΑ ΦΑΙΝΟΜΕΝΑ ΣΤΑ ΣΗΕ Λαμπρίδης Δημήτρης Κατσανού Βάνα Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ

ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ ΣΥΣΤΗΜΑΤΑ ΗΛΕΚΤΡΙΚΗΣ ΕΝΕΡΓΕΙΑΣ ΙIΙ ΜΕΤΑΒΑΤΙΚΑ ΦΑΙΝΟΜΕΝΑ ΣΤΑ ΣΗΕ Λαμπρίδης Δημήτρης Κατσανού Βάνα Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές δεδομένων Άσκηση αυτοαξιολόγησης Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών ΗΥ2, Ενότητα : Ασκήσεις και Λύσεις Άσκηση 1 Ενότητα : Υλοποίηση Λεξικών µε

Διαβάστε περισσότερα

Βέλτιστος Έλεγχος Συστημάτων

Βέλτιστος Έλεγχος Συστημάτων Βέλτιστος Έλεγχος Συστημάτων Ενότητα 2: Εισαγωγή στον βέλτιστο έλεγχο Καθηγητής Αντώνιος Αλεξανδρίδης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σημείωμα Αδειοδότησης Το

Διαβάστε περισσότερα

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 5: ΚΑΤΗΓΟΡΙΕΣ ΑΛΓΟΡΙΘΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ-ΑΝΑΓΩΓΗ

Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 5: ΚΑΤΗΓΟΡΙΕΣ ΑΛΓΟΡΙΘΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ-ΑΝΑΓΩΓΗ Σχεδίαση και Ανάλυση Αλγορίθμων Ενότητα 5: ΚΑΤΗΓΟΡΙΕΣ ΑΛΓΟΡΙΘΜΙΚΩΝ ΠΡΟΒΛΗΜΑΤΩΝ-ΑΝΑΓΩΓΗ Δημήτριος Κουκόπουλος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διαχείρισης Πολιτισμικού Περιβάλλοντος και

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Δομές δεδομένων Άσκηση αυτοαξιολόγησης 3-4 Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών Ενότητες 3 & 4: ένδρα, Σύνολα & Λεξικά Ασκήσεις και Λύσεις Άσκηση 1 Γράψτε

Διαβάστε περισσότερα

Διδακτική Πληροφορικής

Διδακτική Πληροφορικής Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Διδακτική Πληροφορικής Ενότητα 7: Η πληροφορική και ο προγραμματισμός στο εκπαιδευτικό σύστημα Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative

Διαβάστε περισσότερα

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών

Μαθηματικά Διοικητικών & Οικονομικών Επιστημών Μαθηματικά Διοικητικών & Οικονομικών Επιστημών Ενότητα 11: Διανύσματα (Θεωρία) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων

Διαβάστε περισσότερα

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 6

Εισαγωγή στους Αλγορίθμους Φροντιστήριο 6 Εισαγωγή στους Αλγορίθμους Φροντιστήριο 6 Διδάσκων Χρήστος Ζαρολιάγκης Καθηγητής Τμήμα Μηχανικών Η/Υ & Πληροφορικής Πανεπιστήμιο Πατρών Email: zaro@ceid.upatras.gr Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό

Διαβάστε περισσότερα

Ορισμός κανονικής τ.μ.

Ορισμός κανονικής τ.μ. Πιθανότητες και Στατιστική Ενότητα 4: Τυχαίες τυχαίες μεταβλητές Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής και Τηλεπικοινωνιών Αθήνα 2015 Ορισμός κανονικής τ.μ. Ορισμός κανονικής τ.μ. Μια συνεχής τ.μ.

Διαβάστε περισσότερα

Σχεδίαση Ολοκληρωμένων Κυκλωμάτων Ασκήσεις Μικροηλεκτρονικής

Σχεδίαση Ολοκληρωμένων Κυκλωμάτων Ασκήσεις Μικροηλεκτρονικής Σχεδίαση Ολοκληρωμένων Κυκλωμάτων Ασκήσεις Μικροηλεκτρονικής Αραπογιάννη Αγγελική Τμήμα Πληροφορικής και Τηλεπικοινωνιών. Σελίδα 2 1. Εισαγωγή... 4 2. Ανάπτυξη Κρυστάλλων... 4 3. Οξείδωση του πυριτίου...

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 2: Έλεγχος συνθηκών

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 2: Έλεγχος συνθηκών ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 2: Έλεγχος συνθηκών Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2 Σημειώσεις βασισμένες στο βιβλίο Το MATLAB στην Υπολογιστική Επιστήμη

Διαβάστε περισσότερα

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 8: Συστήματα αρίθμησης

ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 8: Συστήματα αρίθμησης ΠΛΗΡΟΦΟΡΙΚΗ Ι Ενότητα 8: Συστήματα αρίθμησης Μιχάλης Δρακόπουλος Σχολή Θετικών επιστημών Τμήμα Μαθηματικών ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 8 Σημειώσεις βασισμένες στο βιβλίο Το MATLAB στην Υπολογιστική

Διαβάστε περισσότερα

Επιχειρησιακή Έρευνα

Επιχειρησιακή Έρευνα Επιχειρησιακή Έρευνα Ενότητα 7: Επίλυση με τη μέθοδο Simplex (1 ο μέρος) Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.)

Διαβάστε περισσότερα

Γενική Φυσική. Ενότητα 5: Έργο, ενέργεια. Γεώργιος Βούλγαρης Σχολή Θετικών Επιστημών Τμήμα Μαθηματικών

Γενική Φυσική. Ενότητα 5: Έργο, ενέργεια. Γεώργιος Βούλγαρης Σχολή Θετικών Επιστημών Τμήμα Μαθηματικών Γενική Φυσική Γεώργιος Βούλγαρης Σχολή Θετικών Επιστημών Τμήμα Μαθηματικών Έργο - Ενέργεια Βασική έννοια. Μηχανική, Ηλεκτρομαγνητική, Χημική, Θερμική, Πυρηνική, κ.α. Δυνατότητα μετατροπής της μίας μορφής

Διαβάστε περισσότερα