Παραδοτέο: Π3.2 - Ερευνητική Μελέτη Σχεδιασµού του Συστήµατος

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Παραδοτέο: Π3.2 - Ερευνητική Μελέτη Σχεδιασµού του Συστήµατος"

Transcript

1 Αρχιµήδης ΙΙ Ενίσχυση Ερευνητικών Οµάδων του ΤΕΙ Κρήτης Τίτλος Υποέργου: Εφαρµογές Τεχνητής Νοηµοσύνης στην Τεχνολογία Λογισµικού και στην Ιατρική Επιστηµονικός Υπεύθυνος: ρ Εµµανουήλ Μαρακάκης ραστηριότητα 3: Πληροφοριακό Σύστηµα Υποστήριξης για την ιάγνωση Παιδικής Επιληψίας. Πακέτο Εργασίας 3.2 (ΠΕ 3.2): Σχεδιασµός Συστήµατος. Χρονική ιάρκεια : 1/10/05 µέχρι 28/2/06 Παραδοτέο: Π3.2 - Ερευνητική Μελέτη Σχεδιασµού του Συστήµατος Μέλη της ερευνητικής Οµάδας Ονοµατεπώνυµο Υπογραφή Α. ρ. Εµµανουήλ Μαρακάκης... Β. ρ Κων/νος Βασιλάκης. Γ. Εµµανουήλ Καλυβιανάκης. Επιστηµονικός Υπεύθυνος Υποέργου "The Project ARXIMIDIS ΙΙ is co-funded by the European Social Fund and National Resources EPEAEK ΙΙ "

2 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ Τµήµατα του συστήµατος που αλληλεπιδρούν Υποσύστηµα για την διάγνωσης της παιδικής επιληψίας Υποσύστηµα για την γραφική παρουσίαση της βάσης κανόνων Υποσύστηµα Ενηµέρωσης Βάσης Κανόνων Αναπαράσταση Γνώσεων Υλοποίηση της Βάσης Γνώσεων σε Prolog Ασαφής Γνώση - Παράγοντες Βεβαιότητας Τρόπος ιάγνωσης Σχεδιασµός της διεπικοινωνίας ΒΙΒΛΙΟΓΡΑΦΙΑ...30 ΠΑΡΑΡΤΗΜΑ A Μεταβλητές / σταθερές και τιµές

3 1. ΕΙΣΑΓΩΓΗ Αντικείµενο του συγκεκριµένου πακέτου εργασίας είναι ο αναλυτικός σχεδιασµός της δοµής του συστήµατος για την υποστήριξη της διάγνωσης της παιδικής επιληψίας. Στο προηγούµενο πακέτο εργασίας προσδιορίστηκε ο σκοπός του διαγνωστικού συστήµατος, ο οποίος σε γενικές γραµµές ς είναι να βοηθήσει το χρήστη-γιατρό, στον εντοπισµό του τύπου επιληψίας που παρουσιάζει κάποιος ασθενής του. Η διαδικασία εύρεσης πιθανών επιληψιών γίνεται µε την ανάλυση των ιατρικών εξετάσεων του ασθενούς σε σχέση µε τα δεδοµένα που έχουν καταχωρηθεί στο σύστηµα. Το σύστηµα δίνει στο χρήστη τα αποτελέσµατα της ανάλυσης των στοιχείων. Χρήστες του έµπειρου συστήµατος είναι οι εξής: 1. Χρήστης εφαρµογής (γιατρός): Αυτός είναι συνήθως ο γιατρός που θα χρησιµοποιήσει το σύστηµα για να εντοπίσει τους πιθανούς τύπους επιληψίας. Αυτός θα χρησιµοποιήσει το σύστηµα σαν ιατρικό σύµβουλο και θα επιλέξει τους πιθανούς τύπους επιληψίας µέσα από µια λίστα πιθανών επιληψιών. 2. Εµπειρογνώµονας (Χρήστης ανάπτυξης επέκτασης βάσης γνώσεων): Αυτός είναι κάποιος κορυφαίος επιστήµονας γιατρός µε εξειδίκευση στην παιδική επιληψία ο οποίος γνωρίζει αρκετά καλά το σύστηµα. Μπορεί να προσθέσει κανόνες στο σύστηµα χρησιµοποιώντας το υποσύστηµα ενηµέρωσης της Βάσης Γνώσεων. 3. Μηχανικός γνώσεων: Αυτός είναι ο κατασκευαστής του συστήµατος ο οποίος αναλαµβάνει να µετατρέψει τις γνώσεις του εµπειρογνώµονα σε πρόγραµµα. Ο µηχανικός γνώσεων αλληλεπιδρά µε τον εµπειρογνώµονα παίρνοντας την απαραίτητη γνώση που χρειάζεται για να φτιάξει την βάση γνώσεων και για να αναπτύξει το σύστηµα σε κάποια γλώσσα προγραµµατισµού. Στο παραδοτέο αυτό αρχικά περιγράφει όλο το διαγνωστικό σύστηµα σαν ενότητα τµηµάτων που αλληλεπιδρούν µεταξύ τους. Στη συνέχεια γίνεται αναλυτική περιγραφή των τριών λειτουργιών του διαγνωστικού συστήµατος. Αυτές είναι οι εξής: 1. Η διαδικασία διάγνωσης επιληψίας. 2. Η διαδικασία γραφικής παρουσίασης της Βάσης Γνώσης 3. Η διαδικασία ενηµέρωσης της Βάσης Γνώσης. Ακολουθούν µελέτες για: την περιγραφή του τρόπου δοµής και χρήσης της Βάσης Γνώσεων (Βάσης Γεγονότων και Βάσης Κανόνων). τον τρόπο εύρεσης των πιθανοτήτων των κανόνων µε την χρήση παραγόντων βεβαιότητας. την ανάλυση και σχεδιασµό του τρόπου διάγνωσης του συστήµατος. τον σχεδιασµό της διεπικοινωνίας χρήστη - συστήµατος. 1

4 2. Τµήµατα του συστήµατος που αλληλεπιδρούν Ο χρήστης εφαρµογής του συστήµατος, ο οποίος είναι γιατρός, θα χρησιµοποιεί το σύστηµα σαν ιατρικό σύµβουλο για να εντοπίσει κάποιους τύπους επιληψίας οι οποίοι µπορεί να ισχύουν στην κάθε περίπτωση που εξετάζεται. Ο χρήστης, αφού εκτελέσει µια σειρά από ιατρικές εξετάσεις στον ασθενή, θα εισάγει τα αποτελέσµατα στο πρόγραµµα. Αυτό θα πρέπει να επεξεργάζεται τα δεδοµένα για να προσδιορίσει κάποιον ή κάποιους τύπους επιληψίας οι οποίοι είναι δυνατόν να ισχύουν. Η διάγνωση του συστήµατος είναι συµβουλευτική για το γιατρό, αυτός έχει την τελική κρίση. Ο γιατρός αφού αναλύσει τα αποτελέσµατα θα καταλήξει στον τύπο επιληψίας που θεωρεί σωστό σύµφωνα µε την κρίση του και τις εµπειρίες του. Επίσης θα πρέπει να υπάρχει η δυνατότητα παρουσίασης της βάσης γνώσεων του συστήµατος σε κατανοητή για τον χρήστη µορφή. Μια απλή µορφή είναι η δενδρική, δηλαδή το σύστηµα να µπορεί να δίνει στον χρήστη ένα δέντρο γραφικής παρουσίασης της Βάσης Γνώσεων. Ο σκοπός ύπαρξης αυτό του δέντρου είναι να βοηθήσει το χρήστη να κατανοήσει καλύτερα τη διαδικασία διάγνωσης του συστήµατος. Το σύστηµα θα επιδεικνύει στον χρήστη τα δεδοµένα της Βάσης Γνώσεων σε µορφή δέντρου. Τέλος, άλλο υποσύστηµα θα πρέπει να υποστηρίζει την ανανέωση της Βάσης Γνώσεων δίνοντας στον χρήστη τη δυνατότητα πρόσθεσης νέων τύπων επιληψίας ή τροποποίησης κάποιου κανόνα ο οποίος ήδη υπάρχει στη βάση. Στόχος είναι ο χρήστης (γιατρός) να µπορεί να κάνει σχετικά εύκολα αλλαγές στο πρόγραµµα χωρίς να απαιτούνται οι γνώσεις προγραµµατισµού του µηχανικού γνώσεων. Αυτό το χαρακτηριστικό θα κάνει το διαγνωστικό µας σύστηµα ένα εργαλείο αρκετά ευέλικτο και προσαρµοστικό σε νέα ιατρικά δεδοµένα. Η γλώσσα προγραµµατισµού Prolog διαθέτει µηχανισµούς αποτελεσµατικής κατασκευής Έµπειρων Συστηµάτων αλλά δεν έχει δικούς της µηχανισµούς (προδεδηλωµένα κατηγορήµατα), για γρήγορη κατασκευή διεπικοινωνίας σε παραθυρική µορφή. Όµως το µειονέκτηµα αυτό αντισταθµίζεται µε την δυνατότητα που παρέχει στον προγραµµατιστή για επικοινωνία µε γλώσσες προγραµµατισµού που παρέχουν αυτή τη δυνατότητα, όπως η Visual Basic, TCL-TK και άλλες. ιεπικοινωνία µε χρήση προδεδηλωµένων κατηγορηµάτων της Prolog µπορεί να γίνει σε επίπεδο εντολών το οποίο στην περίπτωση µας θα έκανε την επικοινωνία του συστήµατος ανιαρή και µη λειτουργική. Έτσι αποφεύγουµε την επαφή του χρηστή µε ένα τέτοιο δυσλειτουργικό περιβάλλον και του δίνουµε περισσότερα κίνητρα για να χρησιµοποιήσει το σύστηµα αυτό. Επίσης οι δυο γλώσσες προγραµµατισµού, Visual Basic και Prolog οι οποίες έχουν διαφορετική φιλοσοφία κατασκευής, µας προσφέρουν η καθεµία στον δικό της τοµέα την δυνατότητα καλύτερης και ευκολότερης επεξεργασίας των στοιχείων που αναλύουν. Για αυτό τον λόγο προτείνεται ο διαχωρισµός του υπό ανάπτυξη συστήµατος σε δύο βασικά τµήµατα, αντίστοιχα µε τα εργαλεία ανάπτυξης (Prolog Visual basic): 1. Το πρώτο τµήµα αφορά στην διεπικοινωνία του συστήµατος µε τον χρήστη, η οποία θ αναπτυχθεί σε γλώσσα προγραµµατισµού Visual Basic. Η γλώσσα αυτή δίνει την δυνατότητα κατασκευής γραφικού περιβάλλοντος. Οι χρήστες του συστήµατος χρησιµοποιούν µόνο αυτό το τµήµα του συστήµατος, δίνουν τα δεδοµένα και λαµβάνουν τα αποτελέσµατα µέσο αυτού. Με διεπικοινωνία σε παραθυρική µορφή όλες οι λειτουργίες του συστήµατος γίνονται φιλικότερες προς τον χρήστη. Θεωρούµε ότι ο χρήστης είναι ποιο εξοικειωµένος µε την χρήση περιβάλλοντος εργασίας σε παραθυρική µορφή. 2. Το δεύτερο τµήµα αφορά στη γλώσσα κατασκευής του καθεαυτού Έµπειρου Συστήµατος, η οποία είναι η Prolog. Σε αυτό το τµήµα θα κατασκευαστεί η Βάση Γνώσεων του συστήµατος και θ αναπτυχθεί ο µηχανισµός εξαγωγής συµπερασµάτων (inference engine) για την εκµετάλλευση της βάσης γνώσεων Στο Σχήµα 2.1 παρουσιάζουµε την γενική µορφή του συστήµατος µε τις τρεις λειτουργίες που υποστηρίζει, δηλαδή την ενηµέρωση της Βάσης Γνώσεων, τη γραφική παρουσίαση της Βάσης Γνώσεων και τη διάγνωση επιληψίας, καθώς και πως αυτές αλληλεπιδρούν µε το υπόλοιπο σύστηµα. Περαιτέρω το σύστηµα χωρίζετεαι σε τέσσερα τµήµατα οι λειτουργίες των οποίων καθώς 2

5 και αλλά υποσυστήµατα τα οποία περιέχονται σε αυτά περιγράφονται παρακάτω. Τα τέσσερα κύρια τµήµατα του συστήµατος είναι τα εξής: 1. ιεπικοινωνία συστήµατος. 2. Υποσύστηµα Ενηµέρωσης Βάσης Γνώσεων. 3. Υποσύστηµα διάγνωσης επιληψίας. 4. Βάση Γνώσεων ιεπικοινωνία ενηµέρωσης Υποσύστηµα Βάσης Γνώσεων Ενηµέρωσης Βάσης Γνώσεων Χρήστης ιεπικοινωνία γραφικής παρουσίασης Βάσης Κανόνων Βάση Γνώσεων ιεπικοινωνία ιάγνωσης Επιληψίας Υποσύστηµα ιάγνωσης Επιληψίας Σχήµα 2.1 Αρχιτεκτονική ιαγνωστικού Συστήµατος Επιληψίας Σηµείωση: Οι συνεχείς γραµµές του σχήµατος δεικνύουν ροή πληροφοριών / γνώσεων. Τα τµήµατα και οι λειτουργίες κάθε τµήµατος έχουν ως εξής: 1. Τµήµα 1, ιεπικοινωνία ιαγνωστικού Συστήµατος Επιληψίας: Το τµήµα 1 του σχεδιαγράµµατος παρέχει την διεπικοινωνία µεταξύ χρήστη και συστήµατος. Αυτό αναλύεται στα τµήµατα 1.1, 1.2 και 1.3 τα οποία έχουν τις εξής λειτουργίες: i. Τµήµα 1.1, ιεπικοινωνία ενηµέρωσης Βάσης Γνώσεων (ΒΓ): Αυτό το τµήµα δέχεται τις εντολές και τα αντίστοιχα στοιχεία ενηµέρωσης της Βάσης Γνώσεων. Οι δυνατές εντολές τις οποίες µπορεί να δώσει ο χρηστής είναι οι εξής: α) Εισαγωγή ενός νέου κανόνα. β) Τροποποίηση κανόνα από την Βάση Γνώσεων. γ) ιαγραφή κανόνα από τη Βάση Γνώσεων. Χρήστες αυτού του τµήµατος διεπικοινωνίας είναι ο µηχανικός γνώσεων και ο εµπειρογνώµονας. ii. Τµήµα 1.2, ιεπικοινωνία γραφικής παρουσίασης Βάσης Κανόνων: Αυτό το τµήµα δίνει τη δυνατότητα στο χρήστη να δει σε δενδροειδή µορφή την Βάση Κανόνων. Χρήστες αυτού του τµήµατος διεπικοινωνίας είναι ο µηχανικός γνώσεων, ο εµπειρογνώµονας και ο χρήστης εφαρµογής (γιατρός). 3

6 iii. Τµήµα 1.3, ιεπικοινωνία διάγνωσης επιληψίας: Αυτό το τµήµα διεπικοινωνίας δέχεται τα δεδοµένα του ασθενούς για να γίνει στη συνέχεια η επεξεργασία τους. Αυτό το τµήµα διεπικοινωνίας το χρησιµοποιεί ο γιατρός. 2. Τµήµα 2, Υποσύστηµα ενηµέρωσης Βάσης Γνώσεων: Αυτό το τµήµα ενηµερώνει τη Βάση Γνώσεων ανάλογα µε την εντολή του χρήστη. 3. Τµήµα 3, Υποσύστηµα διάγνωσης επιληψιών: Αυτό το υποσύστηµα επεξεργάζεται τα δεδοµένα του ασθενούς για να εξάγει τα αποτελέσµατα. 4. Τµήµα 4, Βάση Γνώσεων: Το τµήµα 4 παριστά την Βάση Γνώσεων του συστήµατος η οποία περιγράφεται λεπτοµερώς στην παράγραφο 3.2 αυτού του κεφαλαίου. Τα τµήµατα 1.1, 1.2, 1.3 και 2 υλοποιούνται σε γλώσσα προγραµµατισµού Visual Basic. Ενώ τα τµήµατα 3, 4.1 και 4.2 υλοποιούνται σε γλώσσα προγραµµατισµού Prolog. Όλες οι παραπάνω λειτουργίες του συστήµατος αναπτύσσονται αναλυτικότερα στις επόµενες παραγράφους. 2.1 Υποσύστηµα για την διάγνωσης της παιδικής επιληψίας Το υποσύστηµα διάγνωσης παιδικής επιληψίας όπως προαναφέραµε αναλαµβάνει να εντοπίσει πιθανούς τύπους επιληψίας χρησιµοποιώντας τη Βάση Γνώσεων του συστήµατος. Για να πραγµατοποιηθεί η λειτουργία αυτή, θα πρέπει να δοθούν κάποια δεδοµένα τα οποία είναι οι ιατρικές εξετάσεις που έχουν γίνει από τον γιατρό (χρήστη του συστήµατος). Τα τµήµατα 1.3, 3 και 4 του σχήµατος 2.1 παριστούν αυτή τη λειτουργία. Το τµήµα διεπικοινωνίας, τµήµα 1.3, αλληλεπιδρά µε το τµήµα διάγνωσης επιληψιών, τµήµα 3, για να δοθούν τα δεδοµένα προς ανάλυση και να επιστραφούν τα αποτελέσµατα της έρευνας. Το τµήµα διάγνωσης επιληψιών λαµβάνει τα δεδοµένα της Βάσης Γνώσης, τµήµα 4, τα συγκρίνει µε αυτά του ασθενούς και επιστρέφει τα αποτελέσµατα που προκύπτουν στο πρόγραµµα διεπικοινωνίας. Στο σχήµα 2.2 βλέπουµε την δοµή του υποσυστήµατος διάγνωσης επιληψιών το οποίο είναι κατασκευασµένο σε γλώσσα προγραµµατισµού Prolog. Το σχήµα αυτό περιγράφει µε περισσότερες λεπτοµέρειες το αντίστοιχο τµήµα 3 του σχήµατος 2.1. Με αυτό τον τρόπο οι λειτουργίες που εκτελούνται είναι οι εξής: 1. Τµήµα 3.1, Υποσύστηµα επεξεργασίας δεδοµένων και εύρεσης πιθανών επιληψιών: Στο τµήµα αυτό το σύστηµα πραγµατοποιεί µια διαδικασία ανάλυσης των δεδοµένων που εισάγει ο χρήστης για να εντοπίσει τους τύπους επιληψίας που µπορεί να ισχύουν στην συγκεκριµένη περίπτωση. 2. Τµήµα 3.2, Υποσύστηµα Επαλήθευσης επιληψιών και εύρεσης παραγόντων βεβαιότητας: Στο τµήµα αυτό το σύστηµα επαληθεύει την ορθότητα του τύπου επιληψίας που εξετάζεται και υπολογίζει τον παράγοντα βεβαιότητας του κανόνα για τα στοιχεία του ασθενούς (ιατρικές εξετάσεις, διαγνώσεις γιατρού κλπ). Το υποσύστηµα διάγνωσης επιληψιών αναλαµβάνει να εντοπίσει τους πιθανούς τύπους επιληψίας µε ανάλυση των δεδοµένων που υπάρχουν στη Βάση Γνώσης. Στο σύστηµα εισάγονται τα αποτελέσµατα των εξετάσεων που πραγµατοποιεί ο γιατρός. Σε πρώτη φάση, αυτά αναλύονται και εντοπίζονται οι πιθανοί τύποι επιληψίας, τµήµα 3.1. Στην επόµενη φάση επαληθεύονται οι τύποι επιληψίας αν ικανοποιούν τα δεδοµένα του ασθενούς και υπολογίζεται ο παράγοντας βεβαιότητας για καθένα τύπο επιληψίας χωριστά, τµήµα 3.2. Κάθε αποτέλεσµα της έρευνας επιστρέφεται στο χρήστη του συστήµατος (τύπος επιληψίας και παράγοντας βεβαιότητας). Η παραπάνω διαδικασία εντοπισµού των πιθανών τύπων επιληψίας επαναλαµβάνεται κάθε φορά που θέλουµε να εντοπίσουµε κάποιον νέο τύπο επιληψίας. ηλαδή αν σε µια έρευνα έχουν εντοπιστεί τέσσερις πιθανοί τύποι επιληψίας, η παραπάνω διαδικασία θα πραγµατοποιηθεί τέσσερις φορές, δίνοντας στον χρήστη του συστήµατος τα αποτελέσµατα αυτά. Ο χρήστης θα πρέπει να 4

7 δίνει κάθε φορά την εντολή επανάληψης της έρευνας µέχρι το σύστηµα να δηλώσει ότι η έρευνα έχει ολοκληρωθεί Είσοδος δεδοµένων προς ανάλυση Υποσύστηµα επεξεργασίας δεδοµένων και εύρεσης πιθανών επιληψιών Υποσύστηµα επαλήθευσης επιληψιών και εύρεσης παράγοντα βεβαιότητας Είσοδος δεδοµένων Βάσης Γνώσεων Έξοδος αποτελεσµάτων Σχήµα 2.2 Υποσύστηµα ιάγνωσης Επιληψιών Η σηµαντικότερη διαδικασία που πραγµατοποιείται στο υποσύστηµα του σχήµατος 2.2 είναι το τµήµα επεξεργασίας των δεδοµένων, τµήµα 3.1 Σχήµα 2.2. Σε αυτό το τµήµα εντοπίζονται όλοι οι πιθανοί τύποι επιληψίας που µπορεί να εντοπίσει το σύστηµα για τα δεδοµένα που έχουν εισαχθεί. Στη φάση αυτή, το σύστηµα ελέγχει µερικά πολύ σηµαντικά στοιχεία της Βάσης Κανόνων την οποία χρησιµοποιεί για να οδηγηθεί στον εντοπισµό των πιθανών επιληψιών. Οι τύποι επιληψίας που θα εντοπιστούν σε αυτή τη φάση είναι οι µόνοι τους οποίους το σύστηµα θα επιστρέψει στον χρηστή. Όµως, σε αρκετές περιπτώσεις, κάποιοι από αυτούς τους τύπους επιληψίας απορρίπτονται στη φάση της επαλήθευσης και υπολογισµού των παραγόντων βεβαιότητας, τµήµα 3.2 Σχήµα 2.2. Η απόρριψη αυτή γίνετε γιατί υπάρχουν περιπτώσεις που ο παράγοντας βεβαιότητας έχει πολύ µικρή τιµή ή στη Βάση Γεγονότων υπάρχουν στοιχεία τα οποία αποκλείουν κάποιον ή κάποιους από τους τύπους επιληψίας. Στο υποσύστηµα επεξεργασίας των δεδοµένων και εύρεσης των πιθανών επιληψιών, τµήµα 3.1 σχήµα 2.2, το σύστηµα ελέγχει τα παρακάτω στοιχεία: 1. Ελέγχει τη Βάση Γεγονότων για να εντοπίσει τις περιπτώσεις που ο Τύπος Κρίσης (Seizure Type) του ασθενούς ταιριάζει µε αυτόν της βάσης. Στη διαδικασία αυτή επιλέγονται όλοι οι τύποι επιληψίας που ικανοποιούν τα ιατρικά δεδοµένα του ασθενούς. 2. Ελέγχει τους τύπους επιληψίας των κατηγοριών: (Localization-related, Symptomatic, simple partial seizures), (Localization-related, Symptomatic, Complex partial seizures), και (Localization-related, Symptomatic, secondary generalized seizures). Οι κατηγορίες αυτές επιληψίας έχουν σχεδόν ίδια στοιχεία διάγνωσης. Για αυτό το λόγο εκτελούµε µια διαδικασία διάκρισης τους. Σε αυτή τη διαδικασία εντοπίζουµε πιο από τα παρακάτω ιατρικά δεδοµένα Ηλεκτροεγκεφαλογράφηµα (EEG Type) ή Τύπος Εστίασης (Seizure Focus) του ασθενούς είναι σηµαντικότερο. Με βάση αυτή τη διαδικασία διάκρισης επιλέγουµε τους πιθανούς τύπους επιληψίας των κατηγοριών 1.2.(1, 2, 3).(A, B, C, D, E, F). Οι κωδικοί των πιθανών τύπων επιληψίας έχουν την εξής µορφή: 1.2.Χ.Υ όπου Χ є {1, 2, 3} και Υ є {A, B, C, D, E, F} 5

8 Για παράδειγµα, A, C είναι κωδικοί πιθανών τύπων επιληψίας. 3. Εντοπίζει τους σηµαντικούς τύπους Ηλεκτροεγκεφαλογραφήµατος (EEG Type). Κάποιοι τύποι Ηλεκτροεγκεφαλογραφήµατος είναι πολύ σηµαντικοί στην εύρεση των πιθανών επιληψιών. Γι αυτό γίνεται έλεγχος και επιλογή των επιληψιών από τη Βάση Γνώσεων των οποίων ο τύπος Ηλεκτροεγκεφαλογραφήµατος ταιριάζει µε αυτό του ασθενούς. Στη διαδικασία αυτή επιλέγονται όλοι οι πιθανοί τύποι επιληψίας που ικανοποιούν την προηγούµενη πρόταση. 4. Ελέγχει τα επιπρόσθετα συµπτώµατα που παρουσιάζει ο ασθενής. Αυτά συγκρίνονται µε τα αντίστοιχα της Βάσης Γεγονότων και καταγράφονται οι πιθανοί τύποι επιληψίας. Όλοι οι παραπάνω τύποι επιληψίας ενώνονται σε µια λίστα η οποία περιέχει όλους τους πιθανούς τύπους επιληψίας του ασθενούς. Το σύστηµα στο τέλος της προαναθερθείσας λειτουργίας υπολογίζει τον παράγοντα βεβαιότητας κάθε τύπου επιληψίας που εντοπίστηκε. Ο τρόπος υπολογισµού του παράγοντα βεβαιότητας περιγράφεται πιο κάτω (παράγραφος????). 2.2 Υποσύστηµα για την γραφική παρουσίαση της βάσης κανόνων Το υποσύστηµα γραφικής παρουσίασης των κανόνων επιδεικνύει στον χρηστή του συστήµατος την Βάση Κανόνων σε δενδροειδή µορφή. Σε αυτό το υποσύστηµα εκτελούνται οι εξής λειτουργίες: 1. Τµήµα 1.2.1, Υποσύστηµα επιλογής τύπου επιληψίας από τη Βάση Κανόνων: Αυτό το τµήµα δίνει τη δυνατότητα στο χρηστή να επιλέξει τον κανόνα που επιθυµεί να δει µε βάση τον τύπο επιληψίας. Ο χρήστης επιλέγει τον τύπο επιληψίας και το σύστηµα επιδεικνύει τον αντίστοιχο κανόνα. 2. Τµήµα 1.2.2, Υποσύστηµα επεξεργασίας δεδοµένων: Αυτό το τµήµα επεξεργάζεται τα δεδοµένα και τα ποσοστά των κανόνων από τη Βάση Κανόνων και τα διαµορφώνει µε τρόπο ώστε να µπορούν να προβληθούν από το πρόγραµµα σε δενδροειδή µορφή. 3. Τµήµα 1.2.3, Υποσύστηµα γραφικής παρουσίασης: Αυτό το τµήµα προβάλλει την Βάση Κανόνων σε δενδροειδή µορφή στον χρήστη. 1.2 Χρήστης του Συστήµατος Έξοδος Γραφική Παρουσίαση Κανόνα Υποσύστηµα επιλογής τύπου επιληψίας από τη Βάση Κανόνων για παρουσίαση Υποσύστηµα επεξεργασίας δεδοµένων και επιλογής αντίστοιχων ποσοστών Υποσύστηµα γραφικής παρουσίασης Βάσης Κανόνων Βάση Γνώσεων Σχήµα 2.3 Υποσύστηµα Γραφικής παρουσίασης Βάσης Κανόνων Γενικότερα µε αυτόν τον τρόπο, οι χρήστες µπορούν να δουν µε λεπτοµέρεια την δοµή κάθε κανόνα της Βάσης Γνώσεων. Οι λόγοι ύπαρξης αυτής της λειτουργίας στο σύστηµα είναι οι εξής: 1. Να δει ο µηχανικός γνώσεων τα δεδοµένα της Βάσης Κανόνων δοµηµένα σε δενδροειδή µορφή. Αυτό βοηθάει στην ευκολότερη κατανόηση των κανόνων. 2. Να βοηθήσει τον εµπειρογνώµονα να ελέγξει τους κανόνες για τυχόν απαραίτητες διορθώσεις και 6

9 3. Να βοηθήσει το γιατρό (χρήστη του συστήµατος) να κατανοήσει τον λόγο επιλογής κάποιων τύπων επιληψίας και την «φιλοσοφία» του συστήµατος 2.3 Υποσύστηµα Ενηµέρωσης Βάσης Κανόνων Το υποσύστηµα ενηµέρωσης της Βάσης Γνώσεων εκτελεί τα εξής: 1) Προσθέτει νέους κανόνες στο σύστηµα. 2) Αφαιρεί κανόνες από το σύστηµα. 3) Τροποποιεί τους υπάρχοντες κανόνες του συστήµατος. Οι λειτουργίες αυτές περιγράφονται στο σχήµα 2.4 το οποίο είναι ανάλυση του τµήµατος 2 του σχήµατος Επεξεργασία εδοµένων και δηµιουργία κανόνων Είσοδος εδοµένων 2.1 Καταχώρηση δεδοµένων και παραγόντων βεβαιότητας στο πρόγραµµα διεπικοινωνίας Παρουσίαση δεδοµένων για επαλήθευση και αλλαγές ηµιουργία αρχείων Ασφαλείας Επεξεργασία δεδοµένων και δηµιουργία κανόνων ιαγραφή παλιών κανόνων Αρχεία προγράµµατος Prolog Αποθήκευση νέων κανόνων Σχήµα 2.4 Αρχιτεκτονική Υποσυστήµατος Ενηµέρωσης της Βάσης Γνώσεων Σηµείωση: Οι συνεχείς γραµµές του σχήµατος δεικνύουν ροή πληροφοριών / γνώσεων. Οι διακεκοµµένες γραµµές δεικνύουν τη δυνατότητα επιστροφής σε προηγούµενες φάσεις εφόσον αυτό χρειαστεί. ηλαδή, αυτές είναι γραµµές έλεγχου. Οι λειτουργίες κάθε τµήµατος έχουν ως εξής: 1. Τµήµα 2.1, Καταχώρηση δεδοµένων και παραγόντων βεβαιότητας στο πρόγραµµα διεπικοινωνίας: Στο τµήµα αυτό τα δεδοµένα µετατρέπονται σε µορφή αποδεκτή από το πρόγραµµα Prolog. ηλαδή δηµιουργείται η δοµή της Βάσης Κανόνων. 2. Τµήµα 2.2, Παρουσίαση δεδοµένων για επαλήθευση και αλλαγές: Σε αυτό το τµήµα ο χρήστης του προγράµµατος έχει τη δυνατότητα να ελέγξει τα στοιχεία που έχει εισάγει για τυχόν λάθη. Επίσης έχει τη δυνατότητα να παρέµβει σε αυτά κάνοντας τις κατάλληλες αλλαγές. 3. Τµήµα 2.3, Επεξεργασία δεδοµένων και δηµιουργία κανόνων: Σε αυτό το τµήµα το πρόγραµµα εκτελεί τη διαδικασία ενηµέρωσης της Βάσης Γνώσεων. Αυτή περιλαµβάνει τα εξής σταδία: 7

10 i. α. Τµήµα ηµιουργία αρχείων ασφάλειας: Στο τµήµα αυτό του συστήµατος δηµιουργούνται αρχεία ασφάλειας για όλα τα αρχεία που µεταβάλλονται στη διάρκεια ενηµέρωσης του συστήµατος. Η διαδικασία αυτή µας επιτρέπει να µπορούµε να επαναφέρουµε το σύστηµα στην προηγούµενη κατάσταση του σε περίπτωση που οι αλλαγές δηµιουργούν προβλήµατα στην λειτουργία του συστήµατος. Η διαδικασία επαναφοράς των παλιών αρχείων δεν γίνετε αυτόµατα και θα πρέπει ο χρήστης να πραγµατοποιήσει αυτή τη διαδικασία µόνος του. ii. β. Τµήµα Επεξεργασία δεδοµένων και δηµιουργία κανόνων: Στο τµήµα αυτό δηµιουργούνται οι κανόνες που θα εισαχθούν στο σύστηµα. Το πρόγραµµα διεπικοινωνίας δηµιουργεί αυτόµατα τους κανόνες και τα δεδοµένα της Βάσης Γνώσεων. iii. γ. Τµήµα ιαγραφή παλιών κανόνων: Στο τµήµα αυτό διαγράφονται όλα τα δεδοµένα τα οποία είναι περιττά µετά την νέα ενηµέρωση. iv. δ. Τµήµα Αποθήκευση νέων κανόνων: Στο τµήµα αυτό αποθηκεύονται στο σύστηµα όλα τα νέα στοιχεία που δηµιουργήθηκαν κατά τις προηγούµενες διαδικασίες. Το υποσύστηµα ενηµέρωσης της Βάσης Γνώσεων µπορεί να χρησιµοποιηθεί από τους χρήστες που γνωρίζουν καλά το σύστηµα. Ο εµπειρογνώµονας και ο χρήστης εφαρµογής αν έχουν καλή γνώση του συστήµατος µπορούν εύκολα να προσθέσουν κάποιους νέους τύπους επιληψίας χωρίς να είναι απαραίτητη η γνώση προγραµµατισµού. Ο µηχανικός γνώσης µπορεί επίσης να χρησιµοποιήσει αυτή τη λειτουργία για να εισάγει γρηγορότερα κάποιους κανόνες. Στην διαδικασία πρόσθεσης ή τροποποίησης κανόνων, ο χρήστης θα πρέπει να κατασκευάσει τους κανόνες µε τρόπο ώστε να εξασφαλίζεται η αποτελεσµατικότητα του συστήµατος. 8

11 3. Αναπαράσταση Γνώσεων. Με τον όρο αναπαράσταση γνώσεων εννοούµε τον τρόπο δοµής και παράστασης της Βάσης Γνώσεων σε κάποια γλώσσα αναπαράστασης γνώσεων. Η Βάση Γνώσεων χωρίζεται στη Βάση Κανόνων και στη Βάση Γεγονότων. Η Βάση Γνώσεων περιέχει την αναπαράσταση των κανόνων του συστήµατος. Ο τρόπος υλοποίησης τους σε Prolog περιλαµβάνει για κάθε κανόνα του συστήµατος ένα Prolog γεγονός (πρόταση γεγονός) και ένα Prolog κανόνα (πρόταση κανόνας). Η αναπαράσταση γνώσεων είναι ένα πολύ σηµαντικό τµήµα ενός έµπειρου συστήµατος. Από τη σωστή δοµή της Βάσης Γνώσεων εξαρτάται σε µεγάλο βαθµό η αποτελεσµατικότητα του έµπειρου συστήµατος. Επιπλέον, η σωστή δοµή της Βάσης Γνώσεων δίνει τη δυνατότητα στο σύστηµα να καταλήγει στα σωστά συµπεράσµατα εύκολα και µε σαφήνεια. Ο εµπειρογνώµονας και ο µηχανικός γνώσεων είναι σηµαντικό να µεταφέρουν µε σαφήνεια ο ένας στον άλλο τις απόψεις τους για το έµπειρο σύστηµα. Ο µηχανικός γνώσεων θα πρέπει να κατανοήσει όσο το δυνατό καλύτερα το πρόβληµα για να µπορέσει να κατασκευάσει καλύτερους κανόνες. Ο εµπειρογνώµονας θα πρέπει να κατανοήσει την δοµή της Βάσης Γνώσεων (κανόνων και γεγονότων) για να µπορέσει να µετάδοση τις γνώσεις του σωστά στον µηχανικό γνώσεων. Κάθε τύπος επιληψίας αντιστοιχεί σ ένα κανόνα του συστήµατος, ο οποίος και παριστάνεται στη Βάση Γνώσεων. Κάθε κανόνας του συστήµατος περιγράφεται από ένα σύνολο διαγνωστικών κριτηρίων και τις αντίστοιχες τιµές τους. Για παράδειγµα ο πίνακας 3.1 περιγράφει τον κανόνα για τον τύπο επιληψίας 1.1.Ε. Για καθένα από τα 28 διαγνωστικά κριτήρια υπάρχουν οι αντίστοιχες τιµές οι οποίες πρέπει να ισχύουν. Για παράδειγµα, για το διαγνωστικό κριτήριο Seizure Type οι δυνατές τιµές για να έχουµε τύπο επιληψίας 1.1.Ε είναι IA1 ή IC ή IB1b. Για το διαγνωστικό κριτήριο Pregnancy Status η τιµή είναι, αυτό σηµαίνει ότι δεν λαµβάνετε υπόψη στην διάγνωση. ηλαδή, οποιαδήποτε τιµή για αυτό το διαγνωστικό κριτήριο είναι αποδεκτή και δεν επηρεάζει το τελικό αποτέλεσµα. Epileps y Type 1.1.E Seizure Type Seizure Seizure EEG Type Age Pregnancy Delivery Focus Severity Status Status IA1 Frontal Slight C IC Intermedia C34 IB1b ry B1-f Family Inheritance School Performance Lab Findings Behavior Neurological Estimation Psychomot or Developme nt Lab Focal - - Normal Vocalization Seizures Per Day Seizure During Seizure After Sleep Fever in Seizure Metabolic Symptoms Toxic Poisoning Min/Max Sleep Yes 0, 0 No No No No No Head Injury Nervous System Disease Not Nervous System Disease Acquired Aphasia Primary Visual Ictal Seizure Speech Problems Behavior Problems During Seizure No No No No No No No Πίνακας 3.1 Παράδειγµα Βάσης Γνώσεων 9

12 Τα στοιχεία του πίνακα 3.1 εισάγονται στην Βάση Γνώσεων του προγράµµατος Prolog και χρησιµοποιούνται από αυτή κατάλληλα για να βρεθούν οι πιθανοί τύποι επιληψίας. Η γενική µορφή των κανόνων σε ψευδοκώδικα είναι η εξής: If (Seizure_type є ST_set) (Seizure_focus є SF_set) (Seizure_severity є SS_set) (EEG є EEG_set) (Age є Age_set) (Pregnancy_status є PS_set) (Delivery_status є DS_set) (Family_inheritance є FI_set) (School_performance є SP_set) (Lab_findings є LF_set) (Behavior є Be_set) (Neurological_estimation є NE_set) (Phychomotor_development є PD_set) (Lab_focal є LFoc_set) (Vocalization є yes_no_set) (Seizures_Per_Day є SPD_data_set) (Seizure_During_Sleep є yes_no_set) (Seizure_After_Sleep є yes_no_set) (Seizure_Fever є yes_no_set) (Metavolic_Symptoms є yes_no_set) (Toxic_Poisoning є yes_no_set) (Head_Injury є yes_no_set) (Neurous_System_Disease є yes_no_set) (NOT_Neurous_System_Disease є yes_no_set) (Acquired_Aphasia є yes_no_set) (Primary_Visual_Ictal_Seizure є yes_no_set) (Speech_Problems є yes_no_set) (Behavior_Problems_During_Seizure є yes_no_set) then Epilepsy_type = ET Όπου τα στοιχεία όλων των συνόλων ST_set, SF_set,, LF_set είναι ζεύγη δύο τιµών της µορφής (Τιµή_συνόλου, Παράγοντας_βεβαιότητας). Τα στοιχεία του yes_no_set είναι ζεύγη της µορφής (yes, Παράγοντας_βεβαιότητας) (no, Παράγοντας_βεβαιότητας). Τα στοιχεία του SPD_data_set έχουν την µορφή ((Τιµή_ελάχιστη, Τιµή_µέγιστη), Παράγοντας_βεβαιότητας). Το ΕT περιλαµβάνει τον τύπο επιληψίας που ικανοποιείται από τα δεδοµένα που δίνονται. Για παράδειγµα, ο κανόνας για τον τύπο επιληψίας 1.1.E είναι ο εξής: 10

13 If (Seizure_type є {(ia1, 0.2), (ic, 0.2), (ib1b, 0.2) (οτιδήποτε, 0.0)}) (Seizure_focus є {(frontal, 0.05), (οτιδήποτε, 0.0)}) (Seizure_severity є {(slight, 0.05), (intermediary, 0.05), (οτιδήποτε, 0.0)}) (EEG є {(c33, 0.3), (c34, 0.3), (b1-f, 0.3), (οτιδήποτε, 0.0)}) (Age є {(3, 0.03), (4, 0.05), (5, 0.05), (6, 0.05), (7, 0.05), (8, 0.05), (9, 0.03)}) (Lab_findings є {(normal, 0.05), (οτιδήποτε, 0.0)}) (Vocalization є {(yes, 0.3)}) then Epilepsy_type = 1.1.E Η ερµηνεία του παραπάνω κανόνα χρησιµοποιώντας τον κλασικό τρόπο παράστασης µε τους τελεστές and ( ), or ( ) και not ( ) είναι η εξής: Epilepsy_type_1.1.E ΠΒ ((Seizure_type = ia1) ΠΒ=0.2 (Seizure_type = ic) ΠΒ=0.2 (Seizure_type = ib1b) ΠΒ=0.2 (Seizure_type = οτιδήποτε) ΠΒ=0.0 ) ((Seizure_focus = frontal) ΠΒ=0.05 ((S_Focus = οτιδήποτε) ΠΒ=0.0 ) ((Seizure_severity = slight) ΠΒ=0.05 (Seizure_severity = intermediary) ΠΒ=0.05 (Seizure_severity = οτιδήποτε) ΠΒ=0.0 ) ((EEG = c33) ΠΒ=0.3 (EEG = c34) ΠΒ=0.3 (EEG = b1-f) ΠΒ=0.3 (EEG = οτιδήποτε) ΠΒ=0.0 ) (((Age 4) (Age 8) ΠΒ=0.05 ) ((Age 3) (Age 9) ΠΒ=0.03 )) ((Lab_findings = normal) ΠΒ=0.05 (Lab_findings = οτιδήποτε) ΠΒ=0.0 ) ((Vocalization = yes) ΠΒ=0.3 ) Το σχήµα 3.1 παριστά γραφικά τον παραπάνω κανόνα. Seizure Type Seizure Focus Seizure Severity EEG Type IA1 Temp Slight C29 and Pariet and and and IF IC Front Inter Other Other Other C30 Age Lab Findings and 4 A 8 and Normal and Vocalization Yes THEN epilepsy 1.1.E 1 A 11 Other Σχήµα 3.1 Γραφική παράσταση του κανόνα για τύπο επιληψίας 1.1.Ε 11

14 Η µετάφραση του σχήµατος 3.1 σαν IF THEN κανόνας γίνεται ως εξής: Η λέξη IF ακολουθείται από την προϋπόθεση του κανόνα και η λέξη THEN ακολουθείται από το συµπέρασµα του κανόνα. Η προϋπόθεση του κανόνα (µετά το IF και πριν το THEN) αποτελείται από πλαίσια τα οποία συνδέονται µεταξύ τους µε and συνδέσµους. Τα στοιχεία της Βάσης Γνώσεων που είναι µέσα σε κάθε πλαίσιο µε τη διακεκοµµένη γραµµή συνδέονται µε or συνδέσµους. Όταν έχουµε or συνδέσµους θα πρέπει τουλάχιστον ένα από τα δεδοµένα να ικανοποιείται για να είναι επιτυχής ο κανόνας. Ενώ όταν έχουµε and συνδέσµους θα πρέπει όλα τα δεδοµένα να ικανοποιούνται για να είναι επιτυχής ο κανόνας. 3.1 Υλοποίηση της Βάσης Γνώσεων σε Prolog Η υλοποίηση της αναπαράστασης των κανόνων του συστήµατος σε Prolog γίνεται ως εξής: Για κάθε κανόνα του συστήµατος υπάρχει ένα Prolog γεγονός µε τα δεδοµένα του κανόνα που παριστάνεται από πρόταση του κατηγορήµατος data_rule/29 και ένας Prolog κανόνας που παριστάνεται από πρόταση του κατηγορήµατος epitype/1. Μεταφραστής Βάσης Γνώσεων του συστήµατος 1 2 Βάση Γεγονότων Βάση Κανόνων Σχήµα 3.2 Υλοποίηση Βάσης Γνώσεων σε Prolog Ο µεταφραστής της Βάσης Γνώσεων του συστήµατος, τµήµα 3 Σχήµα 3.2, για κάθε Κανόνα της Βάσης Γνώσεων, τµήµα 2 Σχήµα 3.2, βρίσκει τα αντίστοιχα δεδοµένα από τη Βάση Γεγονότων, τµήµα 1 Σχήµα 3.2, και σχηµατίζει τον κανόνα, ο οποίος και χρησιµοποιείται για την διάγνωση. Περιγραφικά αυτή η σχέση φαίνεται στο Σχήµα 3.2. Η γενική µορφή των γεγονότων της Βάσης Γνώσεων του συστήµατος, Prolog κατηγόρηµα data_rule/29, είναι η παρακάτω. Το σύµβολο. σηµαίνει εδοµένα της Βάσης Κανόνων ενώ το σύµβολο Π.Β. σηµαίνει Παράγοντας Βεβαιότητας του αντίστοιχου δεδοµένου της Βάσης Κανόνων. data_rule (Epilepsy Type, [[. Seizure_type], [Π.Β. Seizure_type]], [[. Seizure_focus], [Π.Β. Seizure_focus]], [[. Seizure_severity], [Π.Β. Seizure_severity]], [[. EEG], [Π.Β. EEG]], 12

15 [[. Age], [Π.Β. Age]], [[. Pregnancy_status], [Π.Β. Pregnancy_status]], [[. Delivery_status], [Π.Β. Delivery_status]], [[. Family_inheritance], [Π.Β. Family_inheritance]], [[. School_performance], [Π.Β. School_performance]], [[. Lab_findings], [Π.Β. Lab_findings]], [[. Behavior], [Π.Β. Behavior]], [[. Neurological_estimation], [Π.Β. Neurological_estimation]], [[. Phychomoto_development], [Π.Β. Phychomoto_development]], [[. Lab_Focal], [Π.Β. Lab_Focal]], [[(yes/no) Vocalization], [Π.Β. Vocalization]], [[. Seizures_Per_Day], [Π.Β. Seizures_Per_Day]], [[(yes/no) Seizure_During_Sleep], [Π.Β. Seizure_During_Sleep]], [[(yes/no) Seizure_After_Sleep], [Π.Β. Seizure_After_Sleep]], [[(yes/no) Seizure_Fever], [Π.Β. Seizure_Fever]], [[(yes/no) Metavolic_Symptoms], [Π.Β. Metavolic_Symptoms]], [[(yes/no) Toxic_Poisoning], [Π.Β. Toxic_Poisoning]], [[(yes/no) Head_Injury], [Π.Β. Head_Injury]], [[(yes/no) Neurous_System_Disease], [Π.Β. Neurous_System_Disease]], [[(yes/no) NOT_Neurous_System_Disease], [Π.Β. NOT_Neurous_System_Disease]], [[(yes/no) Acquired_Aphasia], [Π.Β. Acquired_Aphasia]], [[(yes/no) Primary_Visual_Ictal_Seizure], [Π.Β. Primary_Visual_Ictal_Seizure]], [[(yes/no) Speech_Problems], [Π.Β. Speech_Problems]], [[(yes/no) Behavior_Problems_During_Seizure], [Π.Β. Behavior_Problems_During_Seizure]]. Για παράδειγµα, για τον τύπο επιληψίας 1.1.E του πίνακα 3.1 το γεγονός data_rule/29 είναι το εξής: data_rule (1.1.E, [[ia1, ic, ib1b], [0.2, 0.2, 0.2]], [[frontal], [0.05]], [[slight, intermediary], [0.05, 0.05]], [[c33, c34, b1-f], [0.3, 0.3, 0.3]], [(4, 8), 0.05], [[. Pregnancy_status], [Π.Β. Pregnancy_status]], [[. Delivery_status], [Π.Β. Delivery_status]], [[. Family_inheritance], [Π.Β. Family_inheritance]], [[. School_performance], [Π.Β. School_performance]], [[normal], [0.05]], [[. Behavior], [Π.Β. Behavior]], [[. Neurological_estimation], [Π.Β. Neurological_estimation]], [[. Phychomoto_development], [Π.Β. Phychomoto_development]], [[. Lab_Focal], [Π.Β. Lab_Focal]], [[yes], [0.3]], [(0, 0)], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], 13

16 [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]], [[no], [0.0]]). Τα διαγνωστικά κριτήρια του πίνακα 3.1 από Vocalization µέχρι και Behavior_Problems_During_Seizure είναι κάποια επιπρόσθετα στοιχεία που αναφέρονται στην κατάσταση του ασθενούς. Αυτά περνούν τιµές yes ή no (µε εξαίρεση τα Seizures_Per_Day_Min και Seizures_Per_Day_Max που παίρνουν αριθµητικές τιµές), ανάλογα, αν ο ασθενής παρουσιάζει την συγκεκριµένη µορφή ασθένειας. Για κάθε τύπο επιληψίας υπάρχει µια πρόταση (clause) του κατηγορήµατος epitype/1 η οποία µεταφράζει τα δεδοµένα του αντίστοιχου τύπου επιληψίας σύµφωνα µε την περιγραφή που δώσαµε παραπάνω. ηλαδή, µεταφράζει τα δεδοµένα που παριστάνονται από το αντίστοιχο γεγονός του κατηγορήµατος, data_rule/29. Η πρόταση του κατηγορήµατος epitype/1 περιλαµβάνεται στη Βάση Κανόνων. Η µορφή των προτάσεων του κατηγορήµατος epitype είναι η εξής: epitype (Epilepsy_type):- member ((Seizure_type_patient, _), [Seizure_type_elements]), member ((Seizure_focus_patient, _), [Seizure_focus_elements]), member ((Seizure_severity_patient, _), [Seizure_severity_elements]), member ((EEG_type_patient, _), [EEG_type_elements]), member ((Age_patient, _), [Age_elements]), member ((Pergnancy_status_patient, _), [Pergnancy_status_elements]), member ((Delivery_status_patient, _), [Delivery_status_elements]), member ((Family_inheritance_patient, _), [Family_inheritance_elements]), member ((School_performance_patient, _), [School_performance_elements]), member ((Lab_findings_patient, _), [Lab_findings_elements]), member ((Behavior_patient, _), [Behavior_elements]), member ((Neurological_estimation_patient, _), [Neurological_estimation_elements]), member ((Phychomoto_development_patient, _), [Phychomoto_development_elements]), member ((Lab_focal_patient, _), [Lab_focal_elements]), ((Vocalization_patient, _), (Vocalization_elements)), ((Seizures_Per_Day_patient, _), (Seizures_Per_Day_elements)), ((Seizure_During_Sleep_patient, _), (Seizure_During_Sleep_elements)), ((Seizure_After_Sleep_patient, _), (Seizure_After_Sleep_elements)), ((Seizure_Fever_patient, _), (Seizure_Fever_elements), ((Metavolic_Symptoms_patient, _), (Metavolic_Symptoms_elements), ((Toxic_Poisoning_patient, _), (Toxic_Poisoning_elements), ((Head_Injury_patient, _), (Head_Injury_elements), ((Neurous_System_Disease_patient, _), (Neurous_System_Disease_elements), ((NOT_Neurous_System_Disease_patient, _), (NOT_Neurous_System_Disease_elements), ((Acquired_Aphasia_patient, _), (Acquired_Aphasia_elements), ((Primary_Visual_Ictal_Seizure_patient, _), (Primary_Visual_Ictal_Seizure_elements), ((Speech_Problems_patient, _), (Speech_Problems_elements), ((Behavior_Problems_During_Seizure_patient, (Behavior_Problems_During_Seizure_elements)). _), 14

17 Όπου τα στοιχεία των λιστών (Seizure_type_elements,, Behavior_Problems_During_Seizure_elements) είναι ζεύγη της µορφής (τιµή, παράγοντας_βεβαιότητας). Για παράδειγµα, για τον τύπο επιληψίας 1.1.E η αντίστοιχη πρόταση του κατηγορήµατος epitype/1 είναι η εξής: epitype (1.1.E):- member ((Seizure_type_patient, _), [(ia1, 0.2), (ic, 0.2), (ib1b, 0.2), (anything_else, 0.0)]), member ((Seizure_focus_patient, _), [(frontal, 0.05), (anything_else, 0.0)]), member ((Seizure_severity_patient, _), [(slight, 0.05),(intermediary, 0.05), (anything_else, 0.0)]), member ((EEG_type_patient, _), [(c33, 0.3), (c34, 0.3), (b1-f, 0.3), (anything_else, 0.0)]), member ((Age_patient, _), [(3, 0.03), (4, 0.05), (5, 0.05), (6, 0.05), (7, 0.05), (8, 0.05), (9, 0.03)]), member ((Lab_findings_patient, _), [(normal, 0.05), (anything_else, 0.0)]), member ((Vocalization_patient, _), [(yes, 0.3)]). Το σύστηµα επιλέγει κάποιο κανόνα από τη Βάση Γνώσεων µε βάση τα ιατρικά δεδοµένα του ασθενούς (συµπτώµατα και αποτελέσµατα ιατρικών εξετάσεων). 3.2 Ασαφής Γνώση - Παράγοντες Βεβαιότητας Σε πολλές περιπτώσεις όταν κατασκευάζεται κάποιο έµπειρο σύστηµα υπάρχει η ανάγκη να λαµβάνονται αποφάσεις έχοντας ατελή πληροφορίες, είτε επειδή αυτές δεν είναι διαθέσιµες ή επειδή απλά δεν χρειάζονται. Για τον λόγο αυτό οι µη ακριβείς τεχνικές λήψης αποφάσεων έχουν µεγάλη πρακτική αξία. Ένα έµπειρο σύστηµα θα πρέπει να είναι ευέλικτο για να µπορεί να αντιµετωπίσει προβλήµατα έλλειψης πληροφοριών. Αβεβαιότητα είναι η έλλειψη ακριβούς πληροφορίας και οι κυριότερες πήγες αβεβαιότητας που παρουσιάζονται κατά την επίλυση προβληµάτων είναι τα ανακριβή δεδοµένα, τα ελλιπή δεδοµένα, οι ελλείψεις στην περιγραφή της γνώσης και γενικά κάθε είδους περιορισµοί που κάνουν το όλο σύστηµα ατελές. Για να αντιµετωπιστούν αυτά τα προβλήµατα χρησιµοποιούνται τεχνικές για το χειρισµό της αβεβαιότητας, όπως οι συντελεστές βεβαιότητας (certainty factors) και η ασαφής λογική (fuzzy logic). Η ασαφής λογική και η θεωρία βεβαιότητας παριστούν την αβεβαιότητα σαν βαθµό πίστης για την αλήθεια ενός γεγονότος ή ενός κανόνα. Οι συντελεστές βεβαιότητας ή παράγοντες βεβαιότητας (Certainty Factors - CF) είναι αριθµητικές τιµές που εκφράζουν τη βεβαιότητα για την αλήθεια µιας πρότασης ή γεγονότος. Τέτοιου είδους κανόνες έχουν την εξής γενική µορφή: if γεγονός then υποθετικό συµπέρασµα µε βεβαιότητα CF ηλαδή, αν ισχύει το γεγονός τότε είµαστε βέβαιοι για το υποθετικό συµπέρασµα σε βαθµό CF. Οι συντελεστές βεβαιότητας, για το έµπειρο σύστηµα διάγνωσης παιδικής επιληψίας, παίρνουν τιµές στο διάστηµα [0,1] ή [0 %, 100 %]. Η τιµή 0 εκφράζει µη βεβαιότητα (ή µη αλήθεια) για την πρόταση. Αντίθετα, η τιµή 1 εκφράζει την απόλυτη βεβαιότητα ότι η πρόταση είναι αληθής. Για παράδειγµα, αν ο τύπος επιληψίας, κατά την ανάλυση των στοιχείων ενός ασθενούς, είναι ο 1.1.E µε παράγοντα βεβαιότητας 0.8 (βεβαιότητα 80 %)τότε ισχύει ο εξής κανόνας: if στοιχεία_ ασθενούς then epilepsy_1.1.e CF 0.8 Το σύστηµα για την διάγνωσης της παιδικής επιληψίας επιστρέφει στον χρήστη µια λίστα από πιθανούς τύπους επιληψίας. Κάθε τύπος επιληψίας συνοδεύεται από τον παράγοντα βεβαιότητας του. Μεγάλη τιµή του παράγοντα βεβαιότητας σηµαίνει µεγάλο βαθµό πίστης για την ισχύ (αλήθεια) αυτού του τύπου επιληψίας. 15

18 Η βεβαιότητα που συνοδεύει τον κανόνα προκύπτει από τις τιµές βεβαιότητας των τιµών των διαγνωστικών κριτηρίων του κανόνα. Ο τελικός παράγοντας βεβαιότητας του συστήµατος διάγνωσης παιδικής επιληψίας είναι το άθροισµα των επιµέρους παραγόντων βεβαιότητας κάθε διαγνωστικού κριτηρίου του κανόνα. Για παράδειγµα, αν ο ασθενής παρουσιάζει Τύπο Κρίσης ia1 (Seizure Type: IA1) και Τύπο Ηλεκτροεγκεφαλογραφήµατος c29 (EEG Type: C29) τότε θα έχει τύπο επιληψίας τον 1.1.E µε βεβαιότητα 0.8 και θα ισχύει ο εξής κανόνας: if Seizure_type: ia1 CF AND EEG: c29 CF then epilepsy_1.1.e CF 0.8 Ο παράγοντας βεβαιότητας κάθε στοιχείου συµβάλλει αθροιστικά στον τελικό παράγοντα βεβαιότητας του συµπεράσµατος του κανόνα. Η γενική µορφή του κανόνα είναι: Epilepsy_type = Value_ET CF (Seizure_type = Value_ST) CF1 (Seizure_focus = Value_SF) CF2 (Seizure_severity = Value_SS) CF3 (EEG_type = Value_EEG) CF4 (Age = Value_Age) CF5 (Pregnancy_status = Value_PS) CF6 (Delivery_status = Value_DS) CF7 (Family_inheritance = Value_FI) CF8 (School_perfornmance = Value_SP) CF9 (Lab_findings = Value_LF) CF10 (Behavior = Value_B) CF11 (Neurological_estimation = Value_NE) CF12 (Phychomoto_development = Value_PD) CF13 (Lab_focal = Value_LFoc) CF14 (Vocalization = Value_Voc) CF15 (Seizures_per_day = Value_SPD) CF16 (Seizure_during_sleep = Value_SDS) CF17 (Seizure_after_sleep =Value_SAS) CF18 (Fever_in_seizure = Value_FIS) CF19 (Metabolic_symptoms = Value_MS) CF20 (Toxic_poisoning = Value_TP) CF21 (Head_injury = Value_HI) CF22 (Nervous_system_disease = Value_NSD) CF23 (NOT_Nervous_system_disease = Value_NNSD) CF24 (Acquired_aphasia = Value_AA) CF25 (Primary_visual_ictal_seizure = Value_PVIS) CF26 (Speech_problems = Value_SP) CF27 (Behavior_problems_during_seizure = Value_BPDS) CF28 Ο τελικός παράγοντας βεβαιότητας της διάγνωσης θα είναι ο εξής: CF = CF 1 + CF 2 + CF CF 28 16

19 Το άθροισµα όλων των παραγόντων βεβαιότητας δεν υπερβαίνει την µονάδα, CF 1 +CF CF n 1. Αυτοί οι παράγοντες βεβαιότητας είναι οι εκτιµήσεις των εµπειρογνωµόνων γιατρών για την συνεισφορά κάθε διαγνωστικού κριτηρίου (ιατρικού ευρήµατος) στην τελική διάγνωση. Παράδειγµα: Ο χρήστης εφαρµογής εισάγει στο σύστηµα τα παρακάτω δεδοµένα: Τύπος Κρίσης (Seizure Type) Τύπος Εστίασης (Seizure Focus) Σφοδρότητα Κρίσης (Seizure Severity) Ηλεκτροεγκεφαλογράφηµα (EEG Type) ia1 frontal don t know b1-f Ηλικία (Age) 7 Κληρονοµικότητα (Family Inheritance) Εργαστηριακά Ευρήµατα (Lab Findings) Εκφορά Ήχου κατά την κρίση (Vocalization) suspicious suspicious yes Πίνακας 3.2 Παράδειγµα εύρεσης παράγοντα βεβαιότητας. Το σύστηµα µετά από επεξεργασία των δεδοµένων του πίνακα 3.2 καταλήγει στο συµπέρασµα ότι ένας από τους πιθανούς τύπους επιληψίας είναι ο 1.1.Ε. Η διαδικασία που ακολουθεί το σύστηµα για τον υπολογισµό του παράγοντα βεβαιότητας διάγνωσης είναι η παρακάτω: 1. Το σύστηµα εκτελεί τον παρακάτω Prolog κανόνα, κατηγόρηµα epitype/1, από τη Βάση Γεγονότων: epitype (1.1.E): - member ((Seizure_type_patient = ia1, ΠΒ 1 ), [(ia1, 0.2), (ic, 0.2), (ib1b, 0.2), (anything_else, 0.0)]), member ((Seizure_focus_patient = frontal, ΠΒ 2 ), member ((Seizure_severity_patient = don t know, ΠΒ 3 ), member ((EEG_type_patient = b1-f, ΠΒ 4 ), member ((Age_patient = 7, ΠΒ 5 ), [(frontal, 0.05), (anything_else, 0.0)]), [(slight, 0.05), (intermediary, 0.05), (anything_else, 0.0)]), [(c33, 0.3), (c34, 0.3), (b1-f, 0.3), (anything_else, 0.0)]), [(3, 0.03), (4, 0.05), (5, 0.05), (6, 0.05), (7, 0.05), (8, 0.05), (9, 0.03)]), member ((Lab_findings_patient = suspicious, ΠΒ 6 ), member ((Vocalization_patient = yes, ΠΒ 7 ), [(yes, 0.3)]). [(normal, 0.05), (anything_else, 0.0)]), Σηµείωση: Το κατηγόρηµα member/1 της Prolog ταυτοποιεί την µεταβλητή ΠΒ 1 µε την τιµή 0.2, την µεταβλητή ΠΒ 2 µε την τιµή 0.05 και ούτω καθεξής. 2. Υπολογίζετε ο τελικός παράγοντας βεβαιότητας του κανόνα από τη σχέση: ΠΒ διάγνωσης = ΠΒ 1 + ΠΒ 2 + ΠΒ 3 + ΠΒ 4 + ΠΒ 5 + ΠΒ 6 + ΠΒ 7 Αυτός έχει την παρακάτω τιµή: ΠΒ διάγνωσης = 0.2 (ΠΒ1) (ΠΒ2) (ΠΒ3) (ΠΒ4) (ΠΒ5) (ΠΒ6) (ΠΒ7) = 0.9 (ΠΒ διάγνωσης ) 17

20 Από το παραπάνω κατηγόρηµα συµπεραίνουµε ότι ο τύπος επιληψίας 1.1.Ε µπορεί να ισχύει µε βεβαιότητα 0.9 ή 90%. Αυτό σηµαίνει ότι είµαστε σχεδόν σίγουροι για την ορθότητα του αποτελέσµατος του συστήµατος. Οι λόγοι για τους οποίους επιλέξαµε να χρησιµοποιήσουµε παράγοντες βεβαιότητας στους κανόνες µας είναι οι εξής: 1. Ο εµπειρογνώµονας γιατρός χρησιµοποίησε αυτό τον τρόπο για να κάνει την διάγνωση. Ουσιαστικά το σύστηµα προσοµοιώνει τον τρόπο διάγνωσης του γιατρού εµπειρογνώµονα. 2. Το δείγµα των δεδοµένων µας δεν ήταν επαρκές για να χρησιµοποιήσουµε κάποια άλλη µέθοδο. 18

Τίτλος Υποέργου: Εφαρµογές Τεχνητής Νοηµοσύνης στην Τεχνολογία Λογισµικού και στην Ιατρική

Τίτλος Υποέργου: Εφαρµογές Τεχνητής Νοηµοσύνης στην Τεχνολογία Λογισµικού και στην Ιατρική Αρχιµήδης ΙΙ Ενίσχυση Ερευνητικών Οµάδων του ΤΕΙ Κρήτης Τίτλος Υποέργου: Εφαρµογές Τεχνητής Νοηµοσύνης στην Τεχνολογία Λογισµικού και στην Ιατρική Επιστηµονικός Υπεύθυνος: ρ Εµµανουήλ Μαρακάκης ραστηριότητα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΚΕΦΑΛΑΙΟ 7 ΕΙ Η, ΤΕΧΝΙΚΕΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ 7.1. Ανάπτυξη Προγράµµατος Τι είναι το Πρόγραµµα; Το Πρόγραµµα: Είναι ένα σύνολο εντολών για την εκτέλεση ορισµένων λειτουργιών από τον υπολογιστή.

Διαβάστε περισσότερα

Επιµέλεια Θοδωρής Πιερράτος

Επιµέλεια Θοδωρής Πιερράτος Εισαγωγή στον προγραµµατισµό Η έννοια του προγράµµατος Ο προγραµµατισµός ασχολείται µε τη δηµιουργία του προγράµµατος, δηλαδή του συνόλου εντολών που πρέπει να δοθούν στον υπολογιστή ώστε να υλοποιηθεί

Διαβάστε περισσότερα

ιδάσκων: ηµήτρης Ζεϊναλιπούρ

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

Διαβάστε περισσότερα

Άσκηση 1 (α) Να διατυπώσετε την πιο κάτω λογική έκφραση στη Visual Basic κάνοντας χρήση μεταβλητών:

Άσκηση 1 (α) Να διατυπώσετε την πιο κάτω λογική έκφραση στη Visual Basic κάνοντας χρήση μεταβλητών: Άσκηση 1 (α) Να διατυπώσετε την πιο κάτω λογική έκφραση στη Visual Basic κάνοντας χρήση μεταβλητών: (Μον.2) Η ηλικία είναι μεταξύ των 15 και 18 συμπεριλαμβανομένων (β) Αν Χ= 4, Υ=2, Κ=2 να βρείτε το αποτέλεσμα

Διαβάστε περισσότερα

Ανάπτυξη Εφαρµογών σε Προγραµµατιστικό Περιβάλλον

Ανάπτυξη Εφαρµογών σε Προγραµµατιστικό Περιβάλλον Ανάπτυξη Εφαρµογών σε Προγραµµατιστικό Περιβάλλον Κεφάλαιο 6ο Εισαγωγή στον Προγραµµατισµό Μέρος Πρώτο (6.1, 6.2 και 6.3) Α. Ερωτήσεις Σωστού Λάθους 1. Η γλώσσα µηχανής είναι µία γλώσσα υψηλού επιπέδου.

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΣΚΗΣΕΙΣ 6 ΟΥ ΚΕΦΑΛΑΙΟΥ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟ ΛΑΘΟΣ Σημειώστε αν είναι σωστή ή

Διαβάστε περισσότερα

Κεφάλαιο 5ο: Εντολές Επανάληψης

Κεφάλαιο 5ο: Εντολές Επανάληψης Χρήστος Τσαγγάρης ΕΕ ΙΠ Τµήµατος Μαθηµατικών, Πανεπιστηµίου Αιγαίου Κεφάλαιο 5ο: Εντολές Επανάληψης Η διαδικασία της επανάληψης είναι ιδιαίτερη συχνή, αφού πλήθος προβληµάτων µπορούν να επιλυθούν µε κατάλληλες

Διαβάστε περισσότερα

Επιλογή και επανάληψη. Λογική έκφραση ή συνθήκη

Επιλογή και επανάληψη. Λογική έκφραση ή συνθήκη Επιλογή και επανάληψη Η ύλη που αναπτύσσεται σε αυτό το κεφάλαιο είναι συναφής µε την ύλη που αναπτύσσεται στο 2 ο κεφάλαιο. Όπου υπάρχουν διαφορές αναφέρονται ρητά. Προσέξτε ιδιαίτερα, πάντως, ότι στο

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 6 ΟΥ ΚΕΦΑΛΑΙΟΥ ΕΙΣΑΓΩΓΗ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ 6.1 Τι ονοµάζουµε πρόγραµµα υπολογιστή; Ένα πρόγραµµα

Διαβάστε περισσότερα

Διδακτική της Πληροφορικής ΙΙ

Διδακτική της Πληροφορικής ΙΙ Διδακτική της Πληροφορικής ΙΙ Ομάδα Γ Βότσης Ευστάθιος Γιαζιτσής Παντελής Σπαής Αλέξανδρος Τάτσης Γεώργιος Προβλήματα που αντιμετωπίζουν οι αρχάριοι προγραμματιστές Εισαγωγή Προβλήματα Δυσκολίες Διδακτικό

Διαβάστε περισσότερα

ΕΣ 08 Επεξεργαστές Ψηφιακών Σηµάτων. Βιβλιογραφία Ενότητας

ΕΣ 08 Επεξεργαστές Ψηφιακών Σηµάτων. Βιβλιογραφία Ενότητας ΕΣ 08 Επεξεργαστές Ψηφιακών Σηµάτων Βελτιστοποίηση κώδικα σε επεξεργαστές ΨΕΣ Τµήµα Επιστήµη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Βιβλιογραφία Ενότητας Kehtarnavaz [2005]: Chapter

Διαβάστε περισσότερα

Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client

Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client ΕΣΔ 516 Τεχνολογίες Διαδικτύου Δυναμικές Ιστοσελίδες Εισαγωγή στην Javascript για προγραμματισμό στην πλευρά του client Περιεχόμενα Περιεχόμενα Javascript και HTML Βασική σύνταξη Μεταβλητές Τελεστές Συναρτήσεις

Διαβάστε περισσότερα

Εισαγωγή στη Χρήση της Εφαρµογής Compaq Visual Fortran & του Microsoft Developer Studio

Εισαγωγή στη Χρήση της Εφαρµογής Compaq Visual Fortran & του Microsoft Developer Studio Εισαγωγή στη Χρήση της Εφαρµογής Compaq Visual Fortran & του Microsoft Developer Studio Το κείµενο που ακολουθεί είναι ένας σύντοµος οδηγός στο περιβάλλον προγραµµατισµού της γλώσσας Fortran, για τις ανάγκες

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

10. Με πόσους και ποιους τρόπους μπορεί να αναπαρασταθεί ένα πρόβλημα; 11. Περιγράψτε τα τρία στάδια αντιμετώπισης ενός προβλήματος.

10. Με πόσους και ποιους τρόπους μπορεί να αναπαρασταθεί ένα πρόβλημα; 11. Περιγράψτε τα τρία στάδια αντιμετώπισης ενός προβλήματος. 1. Δώστε τον ορισμό του προβλήματος. 2. Σι εννοούμε με τον όρο επίλυση ενός προβλήματος; 3. Σο πρόβλημα του 2000. 4. Σι εννοούμε με τον όρο κατανόηση προβλήματος; 5. Σι ονομάζουμε χώρο προβλήματος; 6.

Διαβάστε περισσότερα

ΑΡΧΗ 2ΗΣ ΣΕΛΙΔΑΣ Γ Α... Β

ΑΡΧΗ 2ΗΣ ΣΕΛΙΔΑΣ Γ Α... Β ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΠΡΟΣΟΜΟΙΩΣΗ ΑΠΟΛΥΤΗΡΙΩΝ ΕΞΕΤΑΣΕΩΝ Γ' ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΔΕΥΤΕΡΑ 11 ΑΠΡΙΛΙΟΥ 2011 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ

Διαβάστε περισσότερα

Στοιχεία Προγραμματισμού Σε Γραφικό Περιβάλλον Φύλλο εργασίας 1 ο

Στοιχεία Προγραμματισμού Σε Γραφικό Περιβάλλον Φύλλο εργασίας 1 ο Τετάρτη, 30 Οκτωβρίου 2013 Στοιχεία Προγραμματισμού Σε Γραφικό Περιβάλλον Φύλλο εργασίας 1 ο Λύστε στο Visual Basic Express 2010 τις παρακάτω ασκήσεις: 1. Να δημιουργήσετε ένα νέο Project του είδους Console

Διαβάστε περισσότερα

Κεφάλαιο 4ο: Εντολές επιλογής

Κεφάλαιο 4ο: Εντολές επιλογής Χρήστος Τσαγγάρης ΕΕ ΙΠ Τµήµατος Μαθηµατικών, Πανεπιστηµίου Αιγαίου Κεφάλαιο 4ο: Εντολές επιλογής Μέχρι τώρα παρατηρήσαµε ότι τα προβλήµατα που αντιµετωπίσαµε είχαν σειριακή κίνηση, δηλαδή η µία εντολή

Διαβάστε περισσότερα

Προγραµµατισµός Η/Υ. Μέρος2

Προγραµµατισµός Η/Υ. Μέρος2 Προγραµµατισµός Η/Υ Μέρος2 Περιεχόμενα Επανάληψη Βασικών Σύμβολων Διαγραμμάτων Ροής Αλγόριθμος Ψευδοκώδικας Παραδείγματα Αλγορίθμων Γλώσσες προγραμματισμού 2 Επανάληψη Βασικών Σύμβολων Διαγραμμάτων Ροής

Διαβάστε περισσότερα

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012 ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2012 ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ (2ος Κύκλος) ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Ηµεροµηνία: Κυριακή 22 Απριλίου 2012 ΕΚΦΩΝΗΣΕΙΣ Α1. Να γράψετε στο τετράδιό

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

5 ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΑΛΓΟΡΙΘΜΩΝ

5 ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΑΛΓΟΡΙΘΜΩΝ 5 ΕΙΣΑΓΩΓΗ ΣΤΗ ΘΕΩΡΙΑ ΑΛΓΟΡΙΘΜΩΝ 5.1 Εισαγωγή στους αλγορίθμους 5.1.1 Εισαγωγή και ορισμοί Αλγόριθμος (algorithm) είναι ένα πεπερασμένο σύνολο εντολών οι οποίες εκτελούν κάποιο ιδιαίτερο έργο. Κάθε αλγόριθμος

Διαβάστε περισσότερα

ΟΜΗ ΤΗΣ ΕΦΑΡΜΟΓΗΣ... 3 ΕΡΩΤΗΣΕΙΣ... 5 ΕΡΕΥΝΕΣ... 8

ΟΜΗ ΤΗΣ ΕΦΑΡΜΟΓΗΣ... 3 ΕΡΩΤΗΣΕΙΣ... 5 ΕΡΕΥΝΕΣ... 8 Εγχειρίδιο Χρήσης Συστήµατος Έρευνες Στατιστικών Στοιχείων ΠΕΡΙΕΧΟΜΕΝΑ ΟΜΗ ΤΗΣ ΕΦΑΡΜΟΓΗΣ... 3 Λογική Ανάλυση Χρήσης Εφαρµογής... 3 ΕΡΩΤΗΣΕΙΣ... 5 ΠΡΟΣΘΗΚΗ ΕΡΩΤΗΣΗΣ... 6 Επεξεργασία Ερώτησης... 7 ιαγραφή

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 1ο 3ο. ΚΕΦΑΛΑΙΟ 5ο 6ο. ΚΕΦΑΛΑΙΟ 7ο. Δομημένος Προγραμματισμός - Γενικές Ασκήσεις Επανάληψης

ΚΕΦΑΛΑΙΟ 1ο 3ο. ΚΕΦΑΛΑΙΟ 5ο 6ο. ΚΕΦΑΛΑΙΟ 7ο. Δομημένος Προγραμματισμός - Γενικές Ασκήσεις Επανάληψης ΚΕΦΑΛΑΙΟ 1ο 3ο 1. Συμπληρώστε τα κενά με τη λέξη που λείπει. α. Ένα πρόβλημα το χωρίζουμε σε άλλα απλούστερα, όταν είναι ή όταν έχει τρόπο επίλυσης. β. Η επίλυση ενός προβλήματος προϋποθέτει την του. γ.

Διαβάστε περισσότερα

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή. Η Αριθµητική Ανάλυση χρησιµοποιεί απλές αριθµητικές πράξεις για την επίλυση σύνθετων µαθηµατικών προβληµάτων. Τις περισσότερες φορές τα προβλήµατα αυτά είναι ή πολύ περίπλοκα ή δεν έχουν ακριβή αναλυτική

Διαβάστε περισσότερα

Visual Basic Βασικές Έννοιες

Visual Basic Βασικές Έννοιες Visual Basi Βασικές Έννοιες «Είδα στον ύπνο µου ότι η ζωή είναι χαρά. Ξύπνησα και είδα ότι είναι χρέος. Αγωνίστηκα και είδα ότι τo χρέος είναι χαρά.» Ραµπριτανάθ Ταγκόρ Κουλλάς Χρίστος www.oullas.om oullas

Διαβάστε περισσότερα

Β06Σ03 ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΙΚΗ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΗΝ ΨΥΧΟΠΑΙΔΑΓΩΓΙΚΗ

Β06Σ03 ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΙΚΗ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΗΝ ΨΥΧΟΠΑΙΔΑΓΩΓΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΑΓΩΓΗΣ ΠΑΙΔΑΓΩΓΙΚΟ ΤΜΗΜΑ ΔΗΜΟΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Β06Σ03 ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΙΚΗ ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΗΝ ΨΥΧΟΠΑΙΔΑΓΩΓΙΚΗ Ενότητα 2: Επαγωγική-περιγραφική στατιστική, παραµετρικές

Διαβάστε περισσότερα

Μεταγλωττιστής. Μεταφραστές. Γλώσσες. Είδη Μεταγλωττιστών. Μεταγλωττιστής Τελικό πρόγραµµα (object program) Εισαγωγή Αρχικό πρόγραµµα (source program)

Μεταγλωττιστής. Μεταφραστές. Γλώσσες. Είδη Μεταγλωττιστών. Μεταγλωττιστής Τελικό πρόγραµµα (object program) Εισαγωγή Αρχικό πρόγραµµα (source program) Μεταφραστές Εισαγωγή (source program) Τελικό πρόγραµµα (object program) Γιώργος Μανής Γλώσσες Είδη Μεταγλωττιστών Αρχική γλώσσα Γλώσσα υλοποίησης Τελική γλώσσα Απλοί µεταγλωττιστές Αντίστροφοι µεταγλωττιστές

Διαβάστε περισσότερα

Αλγοριθμική & Δομές Δεδομένων- Γλώσσα Προγραμματισμού Ι (PASCAL)

Αλγοριθμική & Δομές Δεδομένων- Γλώσσα Προγραμματισμού Ι (PASCAL) Αλγοριθμική & Δομές Δεδομένων- Γλώσσα Προγραμματισμού Ι (PASCAL) Pascal- Εισαγωγή Η έννοια του προγράμματος Η επίλυση ενός προβλήματος με τον υπολογιστή περιλαμβάνει, όπως έχει ήδη αναφερθεί, τρία εξίσου

Διαβάστε περισσότερα

ΕΠΛ 003: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΕΠΛ 003: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 003: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Δρ. Κόννης Γιώργος Πανεπιστήμιο Κύπρου - Τμήμα Πληροφορικής Προγραμματισμός Στόχοι 1 Να περιγράψουμε τις έννοιες του Υπολογιστικού Προβλήματος και του Προγράμματος/Αλγορίθμου

Διαβάστε περισσότερα

7.5 Πρωτόκολλο IP. Τεχνολογία ικτύων Επικοινωνιών ΙΙ

7.5 Πρωτόκολλο IP. Τεχνολογία ικτύων Επικοινωνιών ΙΙ Τεχνολογία ικτύων Επικοινωνιών ΙΙ 7.5 Πρωτόκολλο IP 38. Τι είναι το πρωτόκολλο ιαδικτύου (Internet Protocol, IP); Είναι το βασικό πρωτόκολλο του επιπέδου δικτύου της τεχνολογίας TCP/IP. Βασίζεται στα αυτοδύναµα

Διαβάστε περισσότερα

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΔΟΜΗ ΕΠΙΛΟΓΗΣ 1) Ποιοι είναι οι τελεστές σύγκρισης και

Διαβάστε περισσότερα

ΔΙΑΓΩΝΙΣΜΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΔΙΑΓΩΝΙΣΜΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΔΙΑΓΩΝΙΣΜΑ ΠΡΟΣΟΜΟΙΩΣΗΣ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1 (Α) Σημειώστε δίπλα σε κάθε πρόταση «Σ» ή «Λ» εφόσον είναι σωστή ή λανθασμένη αντίστοιχα. 1. Τα συντακτικά λάθη ενός προγράμματος

Διαβάστε περισσότερα

III. Πως μετατρέπεται το πηγαίο πρόγραμμα σε εκτελέσιμο πρόγραμμα;

III. Πως μετατρέπεται το πηγαίο πρόγραμμα σε εκτελέσιμο πρόγραμμα; ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΑΝΑΛΗΠΤΙΚΟ ΙΑΓΩΝΙΣΜΑ ΟΝΟΜΑΤΕΠΩΝΥΜΟ: Θέμα 1ο I. Τι πρέπει να ικανοποιεί ένα κομμάτι κώδικα ώστε να χαρακτηριστεί ως υποπρόγραμμα; Τα υποπρογράμματα πρέπει

Διαβάστε περισσότερα

Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ)

Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ) Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ) ΜΙΧΑΛΗΣ ΤΖΟΥΜΑΣ ΕΣΠΟΤΑΤΟΥ 3 ΑΓΡΙΝΙΟ. ΠΕΡΙΛΗΨΗ Η έννοια της συνάρτησης είναι στενά συνυφασµένη µε τον πίνακα τιµών και τη γραφική παράσταση.

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 29 ΜΑΪΟΥ 2013 ΕΚΦΩΝΗΣΕΙΣ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 29 ΜΑΪΟΥ 2013 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ 29 ΜΑΪΟΥ 2013 ΕΚΦΩΝΗΣΕΙΣ Α1. Να γράψετε στο τετράδιό σας τον αριθµό καθεµιάς από τις παρακάτω προτάσεις 1-6 και

Διαβάστε περισσότερα

Υπολογιστικά Συστήματα

Υπολογιστικά Συστήματα Υπολογιστικά Συστήματα Ενότητα 3: Βασικά στοιχεία της γλώσσας προγραμματισμού Visual Basic for Applications (VBA) Σαπρίκης Ευάγγελος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό

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

του και από αυτόν επιλέγουµε το φάκελο εµφανίζεται ένα παράθυρο παρόµοιο µε το ακόλουθο:

του και από αυτόν επιλέγουµε το φάκελο εµφανίζεται ένα παράθυρο παρόµοιο µε το ακόλουθο: διαχείριση αρχείων Οι περισσότερες εφαρµογές των Windows είναι προγραµµατισµένες, από τον κατασκευαστή τους, να προτείνουν ως περιοχή αποθήκευσης των εργασιών το φάκελο «Τα έγγραφά µου», που δηµιουργείται

Διαβάστε περισσότερα

Υπολογιστικά Συστήματα

Υπολογιστικά Συστήματα Υπολογιστικά Συστήματα Ενότητα 6: Ασκήσεις στη Visual Basic for Applications (VBA) Σαπρίκης Ευάγγελος Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες

Διαβάστε περισσότερα

Σηµειώσεις στις σειρές

Σηµειώσεις στις σειρές . ΟΡΙΣΜΟΙ - ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ Σηµειώσεις στις σειρές Στην Ενότητα αυτή παρουσιάζουµε τις βασικές-απαραίτητες έννοιες για την µελέτη των σειρών πραγµατικών αριθµών και των εφαρµογών τους. Έτσι, δίνονται συστηµατικά

Διαβάστε περισσότερα

Ελληνικό Ανοικτό Πανεπιστήµιο. Η Υλοποίηση στην Ενοποιηµένη ιαδικασία. ρ. Πάνος Φιτσιλής

Ελληνικό Ανοικτό Πανεπιστήµιο. Η Υλοποίηση στην Ενοποιηµένη ιαδικασία. ρ. Πάνος Φιτσιλής 1 Ελληνικό Ανοικτό Πανεπιστήµιο Η Υλοποίηση στην Ενοποιηµένη ιαδικασία ρ. Πάνος Φιτσιλής Περιεχόµενα Πρωτοτυποποίηση Προγραµµατισµός υλοποίησης Ανάπτυξη συστήµατος Μοναδιαίος έλεγχος Ολοκλήρωση 2 3 Η υλοποίηση

Διαβάστε περισσότερα

ΕΚΠΑΙ ΕΥΤΙΚΕΣ ΡΑΣΤΗΡΙΟΤΗΤΕΣ ΜΕ ΤΟ ΑΒΑΚΙΟ/E-SLATE

ΕΚΠΑΙ ΕΥΤΙΚΕΣ ΡΑΣΤΗΡΙΟΤΗΤΕΣ ΜΕ ΤΟ ΑΒΑΚΙΟ/E-SLATE Θέµα ιερεύνησης: Σχεδιασµός γραµµάτων Μπορώ να φτιάξω το δικό µου επεξεργαστή κειµένου; Στη διερεύνηση αυτή οι µαθητές καλούνται να κατασκευάσουν µια γραµµατοσειρά µε όλα τα κεφαλαία γράµµατα του ελληνικού

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

5.1 Θεωρητική εισαγωγή

5.1 Θεωρητική εισαγωγή ΨΗΦΙΑΚΑ ΚΥΚΛΩΜΑΤΑ - ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 5 ΚΩ ΙΚΟΠΟΙΗΣΗ BCD Σκοπός: Η κατανόηση της µετατροπής ενός τύπου δυαδικής πληροφορίας σε άλλον (κωδικοποίηση/αποκωδικοποίηση) µε τη µελέτη της κωδικοποίησης BCD

Διαβάστε περισσότερα

4.3. Γραµµικοί ταξινοµητές

4.3. Γραµµικοί ταξινοµητές Γραµµικοί ταξινοµητές Γραµµικός ταξινοµητής είναι ένα σύστηµα ταξινόµησης που χρησιµοποιεί γραµµικές διακριτικές συναρτήσεις Οι ταξινοµητές αυτοί αναπαρίστανται συχνά µε οµάδες κόµβων εντός των οποίων

Διαβάστε περισσότερα

ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ

ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΩΤΗΣΕΙΣ 1. Τι καλείται ψευδοκώδικας; 2. Τι καλείται λογικό διάγραμμα; 3. Για ποιο λόγο είναι απαραίτητη η τυποποίηση του αλγόριθμου; 4. Ποιες είναι οι βασικές αλγοριθμικές δομές; 5. Να περιγράψετε τις

Διαβάστε περισσότερα

Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών

Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών Εργαστήριο Δομημένος Προγραμματισμός (C#) Τμήμα Μηχανολογίας Νικόλαος Ζ. Ζάχαρης Καθηγητής Εφαρμογών Σκοπός Να αναπτύξουν ένα πρόγραμμα όπου θα επαναλάβουν τα βήματα ανάπτυξης μιας παραθυρικής εφαρμογής.

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 5 η Η σειριακή επικοινωνία ΙΙ 1.1 ΣΚΟΠΟΣ Σκοπός της άσκησης αυτής είναι η κατανόηση σε βάθος των λειτουργιών που παρέχονται από το περιβάλλον LabView για τον χειρισµό της σειριακής επικοινωνίας

Διαβάστε περισσότερα

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον

Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον Ανάπτυξη Εφαρμογών σε Προγραμματιστικό Περιβάλλον ΘΕΜΑ Α Α1. Να χαρακτηρίσετε καθεμιά από τις προτάσεις που ακολουθούν γράφοντας στο τετράδιό σας, δίπλα από τον αριθμό κάθε πρότασης, το γράμμα Σ, αν αυτή

Διαβάστε περισσότερα

Ανάπτυξη Μεγάλων Εφαρµογών στη Γλώσσα C (2)

Ανάπτυξη Μεγάλων Εφαρµογών στη Γλώσσα C (2) Ανάπτυξη Μεγάλων Εφαρµογών στη Γλώσσα C (2) Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Οργάνωση Προγράµµατος Header Files Μετάφραση και σύνδεση αρχείων προγράµµατος ΕΠΛ 132 Αρχές Προγραµµατισµού

Διαβάστε περισσότερα

Στην συνέχεια και στο επόµενο παράθυρο η εφαρµογή µας ζητάει να εισάγουµε το Username και το Password το οποίο σας έχει δοθεί από τον ΕΛΚΕ.

Στην συνέχεια και στο επόµενο παράθυρο η εφαρµογή µας ζητάει να εισάγουµε το Username και το Password το οποίο σας έχει δοθεί από τον ΕΛΚΕ. 1. Πρόσβαση Οδηγίες προγράµµατος διαχείρισης ανάλυσης χρόνου εργασίας (Time Sheet) Για να ξεκινήσετε την εφαρµογή, από την κεντρική σελίδα του ΕΛΚΕ (www.elke.aua.gr) και το µενού «ιαχείριση», Time Sheet

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΜΕΡΟΣ ΠΕΜΠΤΟ Triggers, Stored procedures Γιώργος Μαρκοµανώλης Περιεχόµενα Triggers-Ενηµέρωση δεδοµένων άλλων πινάκων... 1 Ασφάλεια...

Διαβάστε περισσότερα

Προγραμματισμός Υπολογιστών

Προγραμματισμός Υπολογιστών Προγραμματισμός Υπολογιστών Βασικές γνώσεις Κ. Βασιλάκης, ΣΤΕΦ, ΤΕΙ Κρήτης Η Πληροφορική και τα εργαλεία της Παροχή έγκαιρης και έγκυρης πληροφόρησης. Καταχώριση στοιχείων Αποθήκευση Επεξεργασία ψηφιακών

Διαβάστε περισσότερα

53 Χρόνια ΦΡΟΝΤΙΣΤΗΡΙΑ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Σ Α Β Β Α Ϊ Δ Η Μ Α Ν Ω Λ Α Ρ Α Κ Η

53 Χρόνια ΦΡΟΝΤΙΣΤΗΡΙΑ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Σ Α Β Β Α Ϊ Δ Η Μ Α Ν Ω Λ Α Ρ Α Κ Η 53 Χρόνια ΦΡΟΝΤΙΣΤΗΡΙΑ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Σ Α Β Β Α Ϊ Δ Η Μ Α Ν Ω Λ Α Ρ Α Κ Η ΠΑΓΚΡΑΤΙ: Φιλολάου & Εκφαντίδου 26 : 210/76.01.470 210/76.00.179 ΘΕΜΑ Α Α1. Να γράψετε στο τετράδιό σας τον αριθμό καθεμιάς

Διαβάστε περισσότερα

Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΚΦΩΝΗΣΕΙΣ ÏÅÖÅ

Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΚΦΩΝΗΣΕΙΣ ÏÅÖÅ 1 Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1 ο ΕΚΦΩΝΗΣΕΙΣ Α. Να γράψετε στην κόλλα σας τον αριθµό καθεµιάς από τις παρακάτω προτάσεις 1 5 και δίπλα τη λέξη

Διαβάστε περισσότερα

Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. Óõíåéñìüò ΕΚΦΩΝΗΣΕΙΣ

Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ. Óõíåéñìüò ΕΚΦΩΝΗΣΕΙΣ 1 ΘΕΜΑ 1 o Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΚΦΩΝΗΣΕΙΣ Α. Να γράψετε στην κόλλα σας τον αριθµό καθεµιάς από τις παρακάτω προτάσεις 1 5 και δίπλα τη λέξη

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ Διδάσκουσα Δρ Β Καβακλή Χειμερινό Εξάμηνο 2001 Στόχοι του Μαθήματος! Ανάπτυξη αναλυτικής

Διαβάστε περισσότερα

ΙΑΓΩΝΙΣΜΑ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΘΕΜΑ 1 Α.

ΙΑΓΩΝΙΣΜΑ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΘΕΜΑ 1 Α. ΙΑΓΩΝΙΣΜΑ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΘΕΜΑ 1 Α. 1. Αν το Α έχει την τιµή 10 και το Β την τιµή 20 τότε η έκφραση (Α > 8 ΚΑΙ Β < 20) Ή (Α > 10 Ή Β = 10) είναι αληθής 2. Σε περίπτωση εµφωλευµένων βρόχων, ο εσωτερικός

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΟΙΚΗΣΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΟΙΚΗΣΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΟΙΚΗΣΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΙΑΧΕΙΡΙΣΗ Ε ΟΜΕΝΩΝ ΚΑΙ ΓΛΩΣΣΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ (Β ΕΞΑΜΗΝΟ) ιδάσκων: Επ. Καθηγητής Γρηγόρης Χονδροκούκης ΣΗΜΕΙΩΣΕΙΣ ΜΑΘΗΜΑΤΟΣ Η ΓΛΩΣΣΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ Διδάσκουσα Δρ Β. Καβακλή Χειμερινό Εξάμηνο 2001 1 Δοκιμή Έλεγχος Αλγορίθμου Για να

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΜΑΘΗΜΑ: ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ ΔΙΑΔΙΚΑΣΙΕΣ ΠΑΡΑΓΩΓΗΣ ΛΟΓΙΣΜΙΚΟΥ Διδάσκων: Γ. Χαραλαμπίδης,

Διαβάστε περισσότερα

2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ

2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 7 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ και ΔΟΜΗ ΑΚΟΛΟΥΘΙΑΣ 2.1 Να δοθεί ο ορισμός

Διαβάστε περισσότερα

Περιεχόµενα. 1 Εισαγωγή στις οµές εδοµένων 3. 2 Στοίβα (Stack) 5

Περιεχόµενα. 1 Εισαγωγή στις οµές εδοµένων 3. 2 Στοίβα (Stack) 5 Περιεχόµενα 1 Εισαγωγή στις οµές εδοµένων 3 2 Στοίβα (Stack) 5 i ΠΕΡΙΕΧΟΜΕΝΑ ΠΕΡΙΕΧΟΜΕΝΑ ii Πληροφορίες Εργαστηρίου Σκοπός του εργαστηρίου Το εργαστήριο οµές εδοµένων αποσκοπεί στην εφαρµογή των τεχνολογιών

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

ΕΙΣΑΓΩΓΗ ΣΤOΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ

ΕΙΣΑΓΩΓΗ ΣΤOΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΕΙΣΑΓΩΓΗ ΣΤOΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ Στόχοι του μαθήματος Μετά το τέλος του μαθήματος οι μαθητές πρέπει να είναι σε θέση: Να περιγράφουν τι είναι πρόγραμμα Να εξηγούν την αναγκαιότητα για τη δημιουργία γλωσσών

Διαβάστε περισσότερα

Alpha Web Banking Εργαλείο δηµιουργίας αρχείων Οδηγίες χρήσεως Αθήνα, Ιούλιος 2014

Alpha Web Banking Εργαλείο δηµιουργίας αρχείων Οδηγίες χρήσεως Αθήνα, Ιούλιος 2014 Alpha Web Banking Εργαλείο δηµιουργίας αρχείων Οδηγίες χρήσεως Αθήνα, Ιούλιος 2014 ΠΕΡΙΕΧΟΜΕΝΑ 1. Σκοπός και δυνατότητες του εργαλείου... 3 2. Είδη αρχείων που υποστηρίζει το εργαλείο... 3 3. Εγκατάσταση...

Διαβάστε περισσότερα

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex

Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Γραµµικός Προγραµµατισµός - Μέθοδος Simplex Η πλέον γνωστή και περισσότερο χρησιµοποιηµένη µέθοδος για την επίλυση ενός γενικού προβλήµατος γραµµικού προγραµµατισµού, είναι η µέθοδος Simplex η οποία αναπτύχθηκε

Διαβάστε περισσότερα

Αλγόριθµοι δροµολόγησης µε µέσα µαζικής µεταφοράς στο µεταφορικό δίκτυο των Αθηνών

Αλγόριθµοι δροµολόγησης µε µέσα µαζικής µεταφοράς στο µεταφορικό δίκτυο των Αθηνών 1 Αλγόριθµοι δροµολόγησης µε µέσα µαζικής µεταφοράς στο µεταφορικό δίκτυο των Αθηνών ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ της Κωτσογιάννη Μαριάννας Περίληψη 1. Αντικείµενο- Σκοπός Αντικείµενο της διπλωµατικής αυτής εργασίας

Διαβάστε περισσότερα

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ

2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΠΙΜΕΛΕΙΑ: ΜΑΡΙΑ Σ. ΖΙΩΓΑ ΚΑΘΗΓΗΤΡΙΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΩΡΙΑ 2 ΟΥ και 8 ΟΥ ΚΕΦΑΛΑΙΟΥ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΔΟΜΗ ΕΠΑΝΑΛΗΨΗΣ 1) Πότε χρησιμοποιείται η δομή επανάληψης

Διαβάστε περισσότερα

Οικονοµικό Πανεπιστήµιο Αθηνών. Τµήµα Πληροφορικής. Φθινοπωρινό Εξάµηνο 2015. Δοµές Δεδοµένων - Εργασία 2. Διδάσκων: E. Μαρκάκης

Οικονοµικό Πανεπιστήµιο Αθηνών. Τµήµα Πληροφορικής. Φθινοπωρινό Εξάµηνο 2015. Δοµές Δεδοµένων - Εργασία 2. Διδάσκων: E. Μαρκάκης Οικονοµικό Πανεπιστήµιο Αθηνών Τµήµα Πληροφορικής Φθινοπωρινό Εξάµηνο 2015 Δοµές Δεδοµένων - Εργασία 2 Διδάσκων: E. Μαρκάκης Ταξινόµηση και Ουρές Προτεραιότητας Σκοπός της 2 ης εργασίας είναι η εξοικείωση

Διαβάστε περισσότερα

6. Εισαγωγή στον προγραµµατισµό

6. Εισαγωγή στον προγραµµατισµό 6. Εισαγωγή στον προγραµµατισµό 6.1 Η έννοια του προγράµµατος. 6.2 Ιστορική αναδροµή. 6.2.1 Γλώσσες µηχανής. ΗΜ04-Θ1Α 1. Ένα πρόγραµµα σε γλώσσα µηχανής είναι µια ακολουθία δυαδικών ψηφίων. 5. Ένα πρόγραµµα

Διαβάστε περισσότερα

Μονάδες 12 ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ

Μονάδες 12 ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΠΑΝΕΛΛΑΔΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΗΜΕΡΗΣΙΩΝ ΚΑΙ ΕΣΠΕΡΙΝΩΝ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ (ΟΜΑΔΑ A ) ΚΑΙ ΜΑΘΗΜΑΤΩΝ ΕΙΔΙΚΟΤΗΤΑΣ ΕΠΑΓΓΕΛΜΑΤΙΚΩΝ ΛΥΚΕΙΩΝ (ΟΜΑΔΑ Β ) ΠΑΡΑΣΚΕΥΗ 5 ΙΟΥΝΙΟΥ 2015 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ:

Διαβάστε περισσότερα

Outlook Express-User Instructions.doc 1

Outlook Express-User Instructions.doc 1 Οδηγίες προς τους υπαλλήλους του ήµου Θεσσαλονίκης για την διαχείριση της ηλεκτρονικής τους αλληλογραφίας µε το Outlook Express (Ver 1.0 22-3-2011) (Για οποιοδήποτε πρόβληµα ή απορία επικοινωνήστε µε τον

Διαβάστε περισσότερα

Περίληψη ιπλωµατικής Εργασίας

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

Διαβάστε περισσότερα

Γραµµική Άλγεβρα. Εισαγωγικά. Μέθοδος Απαλοιφής του Gauss

Γραµµική Άλγεβρα. Εισαγωγικά. Μέθοδος Απαλοιφής του Gauss Γραµµική Άλγεβρα Εισαγωγικά Υπάρχουν δύο βασικά αριθµητικά προβλήµατα στη Γραµµική Άλγεβρα. Το πρώτο είναι η λύση γραµµικών συστηµάτων Aλγεβρικών εξισώσεων και το δεύτερο είναι η εύρεση των ιδιοτιµών και

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ Γ ΛΥΚΕΙΟΥ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ Γ ΛΥΚΕΙΟΥ Ανάπτυξη Εφαρµογών ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ Γ ΛΥΚΕΙΟΥ ΙΑΓΩΝΙΣΜΑ Α κ Θέµα 1 ο Α. Να γράψετε στο τετράδιο σας τον αριθµό κάθε µιάς από τις παρακάτω προτάσεις και δίπλα τη λέξη: Σωστό, αν είναι σωστή, ή τη λέξη

Διαβάστε περισσότερα

Συνοπτικό εγχειρίδιο χρήσης του Microsoft Visual Studio 2010

Συνοπτικό εγχειρίδιο χρήσης του Microsoft Visual Studio 2010 Τμήμα Πληροφορικής & Επικοινωνιών Τομέας Υπολογιστικών Τεχνικών & Συστημάτων Συνοπτικό εγχειρίδιο χρήσης του Microsoft Visual Studio 2010 Ιωάννης Γεωργουδάκης - Πάρις Μαστοροκώστας Σεπτέμβριος 2011 ΠΕΡΙΕΧΟΜΕΝΑ

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

3 Αλληλεπίδραση Αντικειμένων

3 Αλληλεπίδραση Αντικειμένων Αφαίρεση και Αρθρωσιμότητα 3 Αλληλεπίδραση Αντικειμένων Πώς συνεργάζονται τα αντικείμενα που δημιουργούμε Αφαίρεση (abstraction) είναι η δυνατότητα να αγνοούμε τις λεπτομέρειες και να εστιάζουμε την προσοχή

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ. Διδάσκουσα Δρ Β. Καβακλή. Χειμερινό Εξάμηνο 2001

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ. Διδάσκουσα Δρ Β. Καβακλή. Χειμερινό Εξάμηνο 2001 ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ ΚΑΙ ΣΤΟΝ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ Διδάσκουσα Δρ Β. Καβακλή Χειμερινό Εξάμηνο 2001 1 Ανάλυση προβλήματος Η σωστή αντιμετώπιση

Διαβάστε περισσότερα

Εισαγωγή στον Προγραμματισμό

Εισαγωγή στον Προγραμματισμό Εισαγωγή στον Προγραμματισμό Έλεγχος Δημήτρης Μιχαήλ Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ακ. Έτος 2012-2013 Σχεσιακοί Τελεστές και Ισότητας Ένα πρόγραμμα εκτός από αριθμητικές πράξεις

Διαβάστε περισσότερα

ΜΑΗΣ 2007 - ΕΞΕΤΑΣΤΙΚΟ ΔΟΚΙΜΙΟ

ΜΑΗΣ 2007 - ΕΞΕΤΑΣΤΙΚΟ ΔΟΚΙΜΙΟ ΜΑΗΣ 2007 - ΕΞΕΤΑΣΤΙΚΟ ΔΟΚΙΜΙΟ ΟΔΗΓΙΕΣ: ΝΑ ΑΠΑΝΤΗΣΕΤΕ ΣΕ ΟΛΕΣ ΤΙΣ ΕΡΩΤΗΣΕΙΣ. Το εξεταστικό δοκίμιο αποτελείται από δύο Ενότητες Α και Β. ΕΝΟΤΗΤΑ Α - Αποτελείται από δέκα (10) ερωτήσεις. Κάθε ορθή απάντηση

Διαβάστε περισσότερα

ιαχείριση Πληροφοριών στο ιαδίκτυο

ιαχείριση Πληροφοριών στο ιαδίκτυο ιαχείριση Πληροφοριών στο ιαδίκτυο Εργαστήριο (Φυλλάδιο 8) ΤΕΙ Καβάλας - Σχολή ιοίκησης & Οικονοµίας Τµήµα ιαχείρισης Πληροφοριών ιδάσκων: Μαρδύρης Βασίλειος, ιπλ. Ηλ. Μηχανικός & Μηχ. Υπολογιστών, MSc

Διαβάστε περισσότερα

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS

ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS ΜΕΘΟΔΟΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗΣ ΑΠΟΙΚΙΑΣ ΜΥΡΜΗΓΚΙΩΝ ANT COLONY OPTIMIZATION METHODS Χρήστος Δ. Ταραντίλης Αν. Καθηγητής ΟΠΑ ACO ΑΛΓΟΡΙΘΜΟΙ Η ΛΟΓΙΚΗ ΑΝΑΖΗΤΗΣΗΣ ΛΥΣΕΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΙΑΤΑΞΗΣ (1/3) Ε..Ε. ΙΙ Oι ACO

Διαβάστε περισσότερα

ΕΓΧΕΙΡΙ ΙΟ ΧΡΗΣΗΣ "KOSTOLOGOS " Σταυριανίδης Κωνσταντίνος Μηχανικός Παραγωγής & ιοίκησης. Εισαγωγή

ΕΓΧΕΙΡΙ ΙΟ ΧΡΗΣΗΣ KOSTOLOGOS  Σταυριανίδης Κωνσταντίνος Μηχανικός Παραγωγής & ιοίκησης. Εισαγωγή Εισαγωγή Η προσέγγιση του κοστολογικού προβλήµατος µίας µεταποιητικής επιχείρησης από το Λογισµικό «Κοστολόγος» στηρίζεται στην παρακάτω ανάλυση ΤΕΛΙΚΟ ΚΟΣΤΟΣ ΠΡΟΙΟΝΤΟΣ ΚΟΣΤΟΣ ΠΑΡΑΓΩΓΗΣ ΚΟΣΤΟΣ ΙΟΙΚΗΣΗΣ

Διαβάστε περισσότερα

ΛΥΚΕΙΟ ΣΟΛΕΑΣ Σχολική χρονιά 2008-2009

ΛΥΚΕΙΟ ΣΟΛΕΑΣ Σχολική χρονιά 2008-2009 ΛΥΚΕΙΟ ΣΟΛΕΑΣ Σχολική χρονιά 2008-2009 ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΝΙΟΥ 2009 ΜΑΘΗΜΑ: ΠΛΗΡΟΦΟΡΙΚΗ ΤΑΞΗ : Β ΗΜΕΡΟΜΗΝΙΑ: Τετάρτη, 3 Ιουνίου 2009 ΩΡΑ: 07:45 10:15 ΟΔΗΓΙΕΣ: Το εξεταστικό δοκίμιο αυτό αποτελείται

Διαβάστε περισσότερα

Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΚΦΩΝΗΣΕΙΣ

Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΚΦΩΝΗΣΕΙΣ 1 Γ' ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΘΕΜΑ 1 o ΕΚΦΩΝΗΣΕΙΣ Α. Να γράψετε στην κόλλα σας τον αριθµό καθεµιάς από τις παρακάτω προτάσεις 1 5 και δίπλα τη λέξη

Διαβάστε περισσότερα

ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ

ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΘΕΜΑ Α ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ ΑΝΑΚΕΦΑΛΑΙΩΤΙΚΟ ΔΙΑΓΩΝΙΣΜΑ Γ' ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΠΕΜΠΤΗ 26 ΑΠΡΙΛΙΟΥ 2012 ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΛΥΣΕΙΣ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: 7 Α1. Κάθε σωστή απάντηση

Διαβάστε περισσότερα

Φροντιστήριο 9 Λύσεις

Φροντιστήριο 9 Λύσεις Άσκηση 1 Φροντιστήριο 9 Λύσεις Να κατασκευάσετε μια μηχανή Turing με δύο ταινίες η οποία να αποδέχεται στην πρώτη της ταινία μια οποιαδήποτε λέξη w {a,b} * και να γράφει τη λέξη w R στη δεύτερη της ταινία.

Διαβάστε περισσότερα

ΘΕΜΑ 1. 1. Συμβολική γλώσσα 2. Γλώσσες υψηλού επιπέδου 3. Γλώσσες τέταρτής γενιάς 4. Γλώσσα μηχανής

ΘΕΜΑ 1. 1. Συμβολική γλώσσα 2. Γλώσσες υψηλού επιπέδου 3. Γλώσσες τέταρτής γενιάς 4. Γλώσσα μηχανής ΘΕΜΑ 1 Α1Να γράψετε στο τετράδιο σας τον αριθμό καθεμίας από τις παρακάτω προτάσεις και δίπλα τη λέξη Σώστο,αν είναι σωστή και τη λέξη Λάθος, αν είναι λανθασμένη. 1.ο αλγόριθμος του πολλαπλασιασμού αλά

Διαβάστε περισσότερα

a = 10; a = k; int a,b,c; a = b = c = 10;

a = 10; a = k; int a,b,c; a = b = c = 10; C: Από τη Θεωρία στην Εφαρµογή Κεφάλαιο 4 ο Τελεστές Γ. Σ. Τσελίκης Ν. Δ. Τσελίκας Ο τελεστής εκχώρησης = Ο τελεστής = χρησιµοποιείται για την απόδοση τιµής (ή αλλιώς ανάθεση τιµής) σε µία µεταβλητή Π.χ.

Διαβάστε περισσότερα

(REASONING WITH UNCERTAINTY)

(REASONING WITH UNCERTAINTY) ΣΥΛΛΟΓΙΣΜΟΣ ΜΕ ΑΒΕΒΑΙΟΤΗΤΑ REASONING WITH UNCERTAINTY Ακριβής και πλήρης γνώση δεν είναι πάντα δυνατή Οι εµπειρογνώµονες πολλές φορές παίρνουν αποφάσεις από αβέβαια, ηµιτελή ή και αλληλοσυγκρουόµενα δεδοµένα

Διαβάστε περισσότερα

Θέτοντας και επιστρέφοντας την τιµή της προτεραιότητας διεργασίας

Θέτοντας και επιστρέφοντας την τιµή της προτεραιότητας διεργασίας Θέτοντας και επιστρέφοντας την τιµή της προτεραιότητας διεργασίας Το επίπεδο προτεραιότητας µιας διεργασίας µπορεί να αλλάξει µε χρήση της συνάρτησης nice. Κάθε διεργασία διαθέτει µια τιµή που καλείται

Διαβάστε περισσότερα

Εξοικείωση με το πρόγραμμα DEV C++ Επικοινωνία Χρήστη - Υπολογιστή

Εξοικείωση με το πρόγραμμα DEV C++ Επικοινωνία Χρήστη - Υπολογιστή Εξοικείωση με το πρόγραμμα DEV C++ Επικοινωνία Χρήστη - Υπολογιστή Δημιουργία Νέου αρχείου Από το μενού προγραμμάτων ανοίγετε το DEV C++ Επιλέγετε File-> New-> Source File (συντόμευση πληκτρολογίου Ctrl+N)

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Εισαγωγή στην FORTRAN. Δρ. Ιωάννης Λυχναρόπουλος 2014-2015

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ. Εισαγωγή στην FORTRAN. Δρ. Ιωάννης Λυχναρόπουλος 2014-2015 ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Η/Υ Εισαγωγή στην FORTRAN Δρ. Ιωάννης Λυχναρόπουλος 2014-2015 Fortran FORmula TRANslation: (Μία από τις πρώτες γλώσσες τρίτης γενιάς) Εκδόσεις FORTRAN (1957) FORTRAN II (1958) FORTRAN III

Διαβάστε περισσότερα

Συμβολική γλώσσα Εκπαιδευτικού Υπολογιστή - Λογισμικό Υπολογιστών

Συμβολική γλώσσα Εκπαιδευτικού Υπολογιστή - Λογισμικό Υπολογιστών Συμβολική γλώσσα Εκπαιδευτικού Υπολογιστή - Λογισμικό Υπολογιστών Πρόγραμμα σε γλώσσα μηχανής του ΕΚΥ Θέση μνήμης Περιεχόμενα μνήμης Εντολή (assembly) 0 0001 000000000011 lda 3 1 0011 000000000100 ada

Διαβάστε περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2013 ΕΚΦΩΝΗΣΕΙΣ

ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2013 ΕΚΦΩΝΗΣΕΙΣ ΤΑΞΗ: ΚΑΤΕΥΘΥΝΣΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΤΕΧΝΟΛΟΓΙΚΗ (2ος Κύκλος) ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α1. Να γράψετε στο τετράδιό σας τον αριθµό καθεµιάς από τις παρακάτω

Διαβάστε περισσότερα