ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
|
|
- Βοανηργες Σπηλιωτόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Ροµ οτικός Εντο ισµός Robo Localizaion Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης
2 Ε ανάληψη Χρονικά ιθανοτικά µοντέλα κρυφά µοντέλα Markov φίλτρα Kalman δυναµικά δίκτυα Bayes φίλτρα σωµατιδίων Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 2
3 Robo Navigaion Problems Wha should I remember? Mapping Where am I? Localizaion Where should I go? Pah Planning How can I go? Moion Conrol Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 3
4 Σήµερα Εντο ισµός προβλήµατα εντοπισµού χαρακτηριστικά Αλγόριθµοι Markov localizaion Grid localizaion Gaussian localizaion Mone-Carlo localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 4
5 Εντο ισµός Localizaion
6 Ροµ οτικός Εντο ισµός Using sensory informaion o locae he robo in is environmen is he mos fundamenal problem o providing a mobile robo wih auonomous capabiliies. [Cox 91] εδοµένα χάρτης του περιβάλλοντος ακολουθία παρατηρήσεων Ζητούµενο εκτίµηση της θέσης του ροµπότ (εκτίµηση της θέσης κάποιου αντικειµένου) Προβλήµατα εντο ισµού παρακολούθηση θέσης (posiion racking) καθολικός εντοπισµός (global localizaion) πρόβληµα της απαγωγής (robo kidnapping) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 6
7 Θέση / Κατάσταση συντεταγµένες κέντρου x y και προσανατολισµός θ κατάσταση = <x y θ> πιο σύνθετη κατάσταση για υποβρύχια και εναέρια ροµπότ Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 7
8 Το ικός / Καθολικός Εντο ισµός Το ικός εντο ισµός γνωστή αρχική θέση φραγµένη αβεβαιότητα αντιµετώπιση του θορύβου µονοτροπική εκτίµηση Καθολικός εντο ισµός άγνωστη αρχική θέση αβεβαιότητα χωρίς φράγµα αντιµετώπιση της άγνοιας πολυτροπική εκτίµηση Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 8
9 Στατικά / υναµικά Περιβάλλοντα Στατικά εριβάλλοντα καµία µεταβολή στο περιβάλλον µόνο η θέση του ροµπότ ως κατάσταση βολικές µαθηµατικές ιδιότητες υναµικά εριβάλλοντα µεταβολές στο περιβάλλον µακροπρόθεσµη επιρροή στην αντίληψη του ροµπότ π.χ. ανοικτές/κλειστές πόρτες άνθρωποι άλλα ροµπότ... δυναµικά στοιχεία µέρος της κατάστασης Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 9
10 Παθητικός / Ενεργός Εντο ισµός Παθητικός εντο ισµός έλεγχος του ροµπότ ανεξάρτητος από εντοπισµό παθητική λήψη αντιλήψεων Ενεργός εντο ισµός έλεγχος του ροµπότ προς διευκόλυνση του εντοπισµού ενεργός αναζήτηση κρίσιµων αντιλήψεων αποσαφήνιση διφορούµενων εκτιµήσεων π.χ. coasal navigaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 10
11 Μονο-/Πολυ-Ροµ οτικός Εντο ισµός Μονοροµ οτικός εντο ισµός ένα µόνο ροµπότ στο περιβάλλον όλα τα δεδοµένα σε ένα ροµπότ δεν τίθεται θέµα επικοινωνίας Πολυροµ οτικός εντο ισµός οµάδα από ροµπότ σε κοινό περιβάλλον κρίσιµη η ικανότητα αναγνώρισης άλλων ροµπότ κρίσιµες οι πληροφορίες σχετικής θέσης κρίσιµη η δυνατότητα επικοινωνίας ανταλλαγή πληροφοριών εντοπισµού Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 11
12 Εντο ισµός µε Πρόβλεψη; Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 12
13 Εντο ισµός µε Οδόµετρο; Πραγµατική Τροχιά Εκτιµώµενη Τροχιά Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 13
14 Χαρτογράφηση Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 14
15 Χαρτογράφηση χωρίς Εντο ισµό; Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 15
16 Percepual Aliasing Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 16
17 Γενικό Πλαίσιο εδοµένα ακολουθία παρατηρήσεων z και ενεργειών u µοντέλο παρατήρησης P(z x) µοντέλο µετάβασης/κίνησης P(x u x ) αρχική πεποίθηση P(x) Ζητούµενο εκτίµηση της κατάστασης X εκ των υστέρων πεποίθηση d = { u z1 u Bel ( x ) = P( x u z1 u Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 17 z 1 } z 1 )
18 υναµικό ίκτυο Bayes p z x z u ) = ( 0: 1: 1: p( z x p( x x1 : 1 z1: u1: ) = p( x x 1 u ) Παραδοχές στατικό περιβάλλον ανεξάρτητος θόρυβος µαρκωβιανό σύστηµα πρώτης τάξης ακριβή µοντέλα Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 18 )
19 υναµικό ίκτυο Bayes p( z x z u m) = p( z x m) 0: 1: 1: p( x x z u m) = p( x x u ) 1: 1 1: 1: 1 Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 19
20 Αλγόριθµοι Εντο ισµού Markov localizaion γενική αναπαράσταση της πεποίθησης ενηµέρωση πεποίθησης µε Bayes filers Grid localizaion διακριτή αναπαράσταση της πεποίθησης ενηµέρωση πεποίθησης µε discree Bayes filers (ΗΜΜs) Gaussian localizaion αναπαράσταση της πεποίθησης µε γραµµικές κατανοµές Gauss ενηµέρωση πεποίθησης µε Kalman filers Mone-Carlo localizaion αναπαράσταση της πεποίθησης µε συλλογή δειγµάτων ενηµέρωση πεποίθησης µε paricle filers Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 20
21 Markov Localizaion Bayes Filer
22 Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα ) ( ) ( ) ( = dx x Bel x u x P x z P η Φιλτράρισµα Bayes ) ( ) ( u z u x P u z u x z P =η Bayes ) ( ) ( 1 1 z u z u x P x Bel = Markov ) ( ) ( 1 1 u z u x P x z P =η Markov ) ( ) ( ) ( = dx u z u x P x u x P x z P η ) ( ) ( ) ( = dx u z u x P x u z u x P x z P η Toal prob. Markov ) ( ) ( ) ( = dx z z u x P x u x P x z ηp
23 Αλγόριθµος Bayes Filer Bel ( x ) = η P ( z x ) P ( x u x 1 ) Bel ( x 1) dx 1 1. Algorihm Bayes_filer( Bel(x) d ) 2. η=0 3. If d is a percepual daa iem z hen 4. For all x do 5. Bel '( x) = P( z x) Bel( x) 6. η=η+bel' ( x) 7. For all x do 8. 1 Bel'( x) =η Bel'( x) 9. Else if d is an acion daa iem u hen 10. For all x do 11. Bel' ( x) = P( x u x') Bel( x') dx' 12. Reurn Bel (x) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 23
24 Παράδειγµα Markov Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 24
25 Παράδειγµα Markov Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 25
26 Grid Localizaion Discree Bayes Filers
27 Grid Localizaion Ανα αράσταση διακριτοποίηση του χώρου καταστάσεων οµοιόµορφο τετραγωνικό πλέγµα (µετρική αναπαράσταση) ανοµοιόµορφο τοπολογικό πλέγµα (τοπολογική αναπαράσταση) κρίσιµη παράµετρος η ανάλυση του πλέγµατος άµεσα σχετιζόµενη µε τα µοντέλα κίνησης και παρατήρησης τυπική ανάλυση για µετρική αναπαράσταση: 15cm για x y και 5 ο για θ διακριτή κατανοµή πιθανότητας για την πεποίθηση Ενηµέρωση αναλυτική ενηµέρωση για κάθε στοιχείο του πλέγµατος διακριτό φίλτρο Bayes Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 27
28 ιακριτή Ανα αράσταση Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 28
29 Ανάλυση ιακριτο οίησης Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 29
30 Αλγόριθµος Discree Bayes Filer Bel ( x ) = η P ( z x ) P ( x u x ) Bel ( x ) 1 1 x 1. Algorihm Discree_Bayes_filer( Bel(x) d ) 1 2. η=0 3. If d is a percepual daa iem z hen 4. For all x do For all x do Else if d is an acion daa iem u hen 10. For all x do Reurn Bel (x) Bel '( x) = P( z x) Bel( x) η=η+bel' ( x) Bel'( x) =η Bel'( x) = x' 1 Bel'( x) P( x u x') Bel( x') Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 30
31 Παράδειγµα Grid Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 31
32 Παράδειγµα Grid Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 32
33 Gaussian Localizaion Kalman Filers
34 Gaussian Localizaion Ανα αράσταση πεποίθηση ως γραµµική κατανοµή Gauss µονοτροπική εκτίµηση ιδανική για διακριτές αντιλήψεις (landmarks) Ενηµέρωση Kalman filer µοντέλα µετάβασης και παρατήρησης γραµµικές κατανοµές Gauss η πεποίθηση είναι γραµµική κατανοµή Gauss exended Kalman filer (EKF) µη γραµµικά µοντέλα µετάβασης και παρατήρησης τοπική γραµµικοποίηση µε ανάπτυγµα Taylor η πεποίθηση προσεγγίζεται ως γραµµική κατανοµή Gauss Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 34
35 Παράδειγµα Gaussian Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 35
36 Παράδειγµα Gaussian Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 36
37 Muli-Hypohesis Tracking Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 37
38 Muli-Hypohesis Tracking Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 38
39 Mone Carlo Localizaion Paricle Filers
40 Mone Carlo Localizaion Ανα αράσταση µη παραµετρική αναπαράσταση προσέγγιση κατανοµής µε πληθυσµό δειγµάτων θεωρητικά η πεποίθηση µπορεί να είναι µια αυθαίρετη κατανοµή Ενηµέρωση Sampling Imporance Resampling paricle filer (SIR) διάδοση σωµατιδίων (µοντέλο κίνησης) ανάθεση βάρους (µοντέλο παρατήρησης) αναδειγµατοληψία AUXiliary paricle filer (AUX) ανάθεση βάρους (µοντέλο παρατήρησης) αναδειγµατοληψία διάδοση σωµατιδίων (µοντέλο κίνησης) Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 40
41 Ανα αράσταση Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 41
42 Παράδειγµα MCL Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 42
43 Παράδειγµα MCL Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 43
44 Παράδειγµα MCL Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 44
45 Παράδειγµα MCL Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 45
46 Αλγόριθµος Paricle Filer (SIR) 1. Algorihm paricle_filer( S -1 u -1 z ) 2. S 3. For i =1 n Generae new samples 4. Sample index j(i) from he discree disribuion given by w -1 i j( i) 5. Sample x from p x x u ) using and i i 6. w = p( z x ) Compue imporance weigh i 7. η=η+w Updae normalizaion facor i i 8. S = S { < x w > } Inser 9. For = η= 0 i =1 n ( 1 1 x u 1 1 i i 10. w = /η Normalize weighs w Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 46
47 Πειραµατικά Α οτελέσµατα Experimenal Resuls
48 Laser-Based MCL Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 48
49 Κουρήτες: RoboCup Localizaion Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 49
50 Μελέτη Σύγγραµµα Κεφάλαιο 25.3 Βιβλία S. Thrun W. Burgard and D. Fox Probabilisic Roboics MIT Press 2005 Ch Άρθρα M. Arulampalam S. Maskell N. Gordon and T. Clapp Tuorial on Paricle Filers for Online Nonlinear/Non-Gaussian Bayesian Tracking IEEE Transacions on Signal Processing 50(2): I. Rekleiis Paricle Filer Tuorial for Mobile Robos Technical Repor TR-CIM McGill Universiy Canada Μ. Γ. Λαγουδάκης Τµήµα ΗΜΜΥ Πολυτεχνείο Κρήτης Σελίδα 50
Robot Stadium Nao Controller
Σκοπός Δημιουργία αυτόνομου πράκτορα για το ρομπότ Nao, ικανού να παίξει ποδόσφαιρο 3x3 στο περιβάλλον προσωμοίωσης Webots Συνησφορά στην ομάδα Κουρέτες του Π.Κ. Ευσεβής Πόθος Νίκη στο διαγωνισμός RobotStadium.org
Διαβάστε περισσότεραΕΝΤΟΠΙΣΜΟΣ ΘΕΣΗΣ ΚΑΙ ΧΑΡΤΗΓΡΑΦΗΣΗ
ΕΝΤΟΠΙΣΜΟΣ ΘΕΣΗΣ ΚΑΙ ΧΑΡΤΗΓΡΑΦΗΣΗ Δρ Γιώργος Α. Δημητρίου Ευφυή Κινούμενα Ρομπότ 139 Ρομποτικός Εντοπισμός Θέσης Δεδομένα Χάρτης του περιβάλλοντος Ακολουθία παρατηρήσεων Ζητούμενο Εκτίμηση της θέσης του
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Λήψη Α οφάσεων υ ό Αβεβαιότητα Decision Making under Uncertainty Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Εντο
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Ροµ οτική Χαρτογράφηη Robotic Mapping Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιτών Πολυτεχνείο Κρήτης Ε ανάληψη Στρατηγικές MaxiMin παιχνίδια
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 43 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική στο Χρόνο Temporal robabilisic Reasoning Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης ΕΚΠ 43/606 Αυτόνοµοι
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Αβεβαιότητα πεποιθήσεων πράκτορας θεωρίας
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες(ΠΛΗ513)
Αυτόνομοι Πράκτορες(ΠΛΗ513) Παρουσίαση Εργασίας Εξαμήνου Mapping a Base Station Location in a Wireless Network Using Particle Filters Αλιμπέρτης Εμμανουήλ Πολυτεχνείο Κρήτης Τμήμα ΗΜΜΥ Intelligence Lab
Διαβάστε περισσότεραΥλοποίηση localization στα Nao robots
Υλοποίηση localization στα Nao robots Προσέγγιση φίλτρου Kalman Ιωακείμ Πέρρος Αυτόνομοι Πράκτορες Εργασία εξαμήνου Χειμερινό 2011-2012 4/4/2012 4 βασικά προβλήματα ρομποτικής πλοήγησης Mapping Localization
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική II Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης ίκτυα Bayes σηµασιολογία Πλεονεκτήµατα συµπαγής αναπαράσταση
Διαβάστε περισσότεραΥλοποίηση εντοπισμού στα Nao robots μέσω προσέγγισης του φίλτρου Kalman
Α Π Ε (Χ 2011/2012) Υλοποίηση εντοπισμού στα Nao robots μέσω προσέγγισης του φίλτρου Kalman Ιωακείμ Πέρρος, ΑΜ: 2007030085 2 Απριλίου 2012 Περιεχόμενα 1 Εισαγωγή / Πρόβλημα 1 2 Προσέγγιση / Λύση 2 2.1
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες ίκτυα Bayes Bayesian Networks Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Αβεβαιότητα πεποιθήσεων πράκτορας θεωρίας
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι Ροµ οτικοί Πράκτορες Αβεβαιότητα Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Πράκτορες χαρακτηριστικά στοιχεία είδη πρακτόρων αυτόνοµοι
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Υ ολογισµός µε Πράκτορες στο ιαδίκτυο
ΕΚΠ 413 / ΕΚΠ 606 Υ ολογισµός µε Πράκτορες στο ιαδίκτυο ιδάσκων Μιχαήλ Γ. Λαγουδάκης Ε ίκουρος Καθηγητής Τοµέας Πληροφορικής Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης ΕΚΠ
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Μερική Παρατηρησιµότητα Θεωρία Παιγνίων Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Reinforcement Learning (RL)
Διαβάστε περισσότεραΕ ανάληψη. Παιχνίδια παιχνίδια ως αναζήτηση. Βέλτιστες στρατηγικές στρατηγική minimax. Βελτιώσεις κλάδεµα α-β
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Παιχνίδια Τύχης Παιχνίδια Ατελούς Πληροφόρησης Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Παιχνίδια παιχνίδια ως αναζήτηση Βέλτιστες στρατηγικές
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Θεωρία Παιγνίων Μαρκωβιανά Παιχνίδια Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Μερική αρατηρησιµότητα POMDPs
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α οδοτικός Προτασιακός Συµ ερασµός Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Λογικοί ράκτορες πράκτορες βασισµένοι στη λογική Λογικές
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. Ε ανάληψη. πεπερασµένα χρονικά περιθώρια ανά κίνηση. απευθείας αξιολόγηση σε ενδιάµεσους κόµβους
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Παιχνίδια Τύχης Λογικοί Πράκτορες Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Περιορισµοί χρόνου πεπερασµένα χρονικά περιθώρια ανά κίνηση
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α οδοτικός Προτασιακός Συµ ερασµός Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Λογικές τυπικές γλώσσες λογική κάλυψη Προτασιακή λογική
Διαβάστε περισσότεραΕΡΓΑΣΙΑ ΜΑΘΗΜΑΤΟΣ: ΘΕΩΡΙΑ ΒΕΛΤΙΣΤΟΥ ΕΛΕΓΧΟΥ ΦΙΛΤΡΟ KALMAN ΜΩΥΣΗΣ ΛΑΖΑΡΟΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΘΕΩΡΗΤΙΚΗ ΠΛΗΡΟΦΟΡΙΚΗ ΚΑΙ ΘΕΩΡΙΑ ΣΥΣΤΗΜΑΤΩΝ & ΕΛΕΓΧΟΥ ΕΡΓΑΣΙΑ ΜΑΘΗΜΑΤΟΣ: ΘΕΩΡΙΑ ΒΕΛΤΙΣΤΟΥ ΕΛΕΓΧΟΥ ΦΙΛΤΡΟ KALMAN ΜΩΥΣΗΣ
Διαβάστε περισσότεραΠιθανοτικός Συμπερασμός: Πού βρίσκομαι στο πλέγμα; [ΠΛΗ 513] Αυτόνομοι πράκτορες - Project Εξαμήνου ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Πιθανοτικός Συμπερασμός: Πού βρίσκομαι στο πλέγμα; [ΠΛΗ 513] Αυτόνομοι πράκτορες - Project Εξαμήνου Γεωργαρά Αθηνά (A.M. 2011030065) ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ
Διαβάστε περισσότεραΕ ανάληψη. Ορισµοί της Τεχνητής Νοηµοσύνης (ΤΝ) Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. κριτήρια νοηµοσύνης
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Αναζήτηση Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Ορισµοί της Τεχνητής Νοηµοσύνης (ΤΝ) κριτήρια νοηµοσύνης Καταβολές συνεισφορά
Διαβάστε περισσότερα= x. = x1. math60.nb
MH ΓΡΑΜΜΙΚΑ ΑΥΤΟΝΟΜΑ ΥΝΑΜΙΚΑ ΣΥΣΤΗΜΑΤΑ ΙΑΣΤΑΣΕΩΝ Χώρος Φάσεων : Επίπεδο (, Φασικές Τροχιές : Επίπεδες µονοπαραµετρικές καµπύλες (t (t χωρίς εγκάρσιες τοµές. Οι φασικές τροχιές µπορούν να υπολογιστούν από
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. Εργασία εξαμήνου. Monte Carlo Localization Simulator. Κάργας Νικόλαος :
Αυτόνομοι Πράκτορες Εργασία εξαμήνου Monte Carlo Localization Simulator Κάργας Νικόλαος : 2007030045 Σκοπός της εργασίας ήταν η δημιουργία ενός προσομοιωτή του αλγορίθμου monte carlo για τον εντοπισμό
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πράκτορες και Περιβάλλοντα Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Σήµερα Πράκτορες χαρακτηριστικά στοιχεία είδη πρακτόρων
Διαβάστε περισσότεραπροβλήµατος Το φίλτρο Kalman διαφέρει από τα συνηθισµένα προβλήµατα ΜΕΤ σε δύο χαρακτηριστικά: παραµέτρων αγνώστων
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους µε βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραµµα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότεραΠολυτεχνείο Κρήτης Σχολή Ηλεκτρονικών Μηχανικών Και Μηχανικών Η/Υ. ΠΛΗ 513 Αυτόνομοι Πράκτορες
Πολυτεχνείο Κρήτης Σχολή Ηλεκτρονικών Μηχανικών Και Μηχανικών Η/Υ ΠΛΗ 53 Αυτόνομοι Πράκτορες Εύρεση του utility χρηστών με χρήση Markov chain Monte Carlo Παπίλαρης Μιχαήλ Άγγελος 29349 Περίληψη Η εργασία
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση στον Πραγµατικό Κόσµο Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Γραφήµατα σχεδιασµού δοµή δεδοµένων για κατασκευή
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σύγχρονοι Αλγόριθµοι Σχεδιασµού Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Σχεδιασµός το πρόβληµα του σχεδιασµού γλώσσα αναπαράστασης
Διαβάστε περισσότεραΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες
ΕΚΠ 43 / ΕΚΠ 66 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Χρονικά Πιθανοτικά Μοντέλα Temporal Probabilistic Models Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιτών Πολυτεχνείο Κρήτης ΕΚΠ 43/66 Αυτόνοµοι Πράκτορες
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. Ε ανάληψη. δοµή δεδοµένων για κατασκευή ευρετικών συναρτήσεων Ο αλγόριθµος GraphPlan
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση στον Πραγµατικό Κόσµο Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Γραφήµατα σχεδιασµού δοµή δεδοµένων για κατασκευή
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Πληροφορηµένη Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Πράκτορας ε ίλυσης ροβληµάτων πράκτορας µε στόχο Αναζήτηση διατύπωση
Διαβάστε περισσότεραΕ ανάληψη. Α ληροφόρητη αναζήτηση
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Το ική Αναζήτηση Local Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Α ληροφόρητη αναζήτηση σε πλάτος, οµοιόµορφου κόστους, σε βάθος,
Διαβάστε περισσότεραΥλοποίηση landmark based SLAM µε χρήση Kalman και Particle filters
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Υλοποίηση landmark based SLAM µε χρήση Kalman και Particle filters Αφιοντζή Ελένη Πορίτσα
Διαβάστε περισσότεραL-SLAM: Μείωση διαστάσεων στην οικογένεια αλγορίθµων FastSLAM
L-SLAM: Μείωση διαστάσεων στην οικογένεια αλγορίθµων FastSLAM Πετρίδης Βασίλειος, Ζήκος Νικόλαος Αριστοτέλειο Πανεπιστήµιο Θεσσαλονίκης ΠΕΡΙΛΗΨΗ Στο παρών άρθρο προτείνεται µια νέα µέθοδος χαρτογράφησης
Διαβάστε περισσότεραKalman Filter Γιατί ο όρος φίλτρο;
Kalman Filter Γιατί ο όρος φίλτρο; Συνήθως ο όρος φίλτρο υποδηλώνει µια διαδικασία αποµάκρυνσης µη επιθυµητών στοιχείων Απότολατινικόόροfelt : το υλικό για το φιλτράρισµα υγρών Στη εποχή των ραδιολυχνίων:
Διαβάστε περισσότεραΑσκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 4 o Φροντιστήριο
Ασκήσεις Φροντιστηρίου 4 o Φροντιστήριο Πρόβλημα 1 ο Ο πίνακας συσχέτισης R x του διανύσματος εισόδου x( στον LMS αλγόριθμο 1 0.5 R x = ορίζεται ως: 0.5 1. Ορίστε το διάστημα των τιμών της παραμέτρου μάθησης
Διαβάστε περισσότεραΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ
ΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ Παπαδάκης Χαράλαμπος 1, Παναγιωτάκης Κώστας 2, Παρασκευή Φραγκοπούλου 1 1 Τμήμα Μηχ/κών Πληροφορικής, ΤΕΙ Κρήτης 2 Τμήμα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ - ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ. Εισαγωγικές εξετάσεις για το Μεταπτυχιακό Πρόγραμμα - Μέρος 2ο
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ - ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ Εισαγωγικές εξετάσεις για το Μεταπτυχιακό Πρόγραμμα - Μέρος 2ο ΠΡΟΣΟΧΗ: Τα θέµατα που ακολουθούν καλύπτουν ένα ευρύ φάσµα διαφόρων περιοχών των Μαθηµατικών. Αυτό
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ: ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 20 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 20 2.1.1 Αβεβαιότητα
Διαβάστε περισσότεραΦίλτρα Kalman. Αναλυτικές μέθοδοι στη Γεωπληροφορική. ιατύπωση του βασικού προβλήματος. προβλήματος. μοντέλο. Πρωτεύων μοντέλο
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους με βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραμμα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότεραLecture 12 Modulation and Sampling
EE 2 spring 2-22 Handou #25 Lecure 2 Modulaion and Sampling The Fourier ransform of he produc of wo signals Modulaion of a signal wih a sinusoid Sampling wih an impulse rain The sampling heorem 2 Convoluion
Διαβάστε περισσότεραΠολυτεχνείο Κρήτης Τμήμα ΗΜΜΥ Χειμερινό Εξάμηνο Intelligence Lab. Αυτόνομοι Πράκτορες. Κουσανάκης Βασίλης
Πολυτεχνείο Κρήτης Τμήμα ΗΜΜΥ Χειμερινό Εξάμηνο 2012-2013 Intelligence Lab Αυτόνομοι Πράκτορες Κουσανάκης Βασίλης 2006030096 Αναφορά εργασίας εξαμήνου Mobile robots Rat s life Mapping Localization Είναι
Διαβάστε περισσότεραΣεµινάριο Αυτοµάτου Ελέγχου
Σεµινάριο Ατοµάτο Ελέγχο Μάθηµα 7 Εκτίµηση Esimaion στοχαστικών µεγεθών και παραµέτρων µε σνεχείς και διακριτούς αλγόριθµος Καλλιγερόπολος 7 Εκτίµηση Esimaion στοχαστικών µεγεθών και παραµέτρων Σνεχή και
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραΕισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Ορισµός του Προβλήµατος Ευθυγράµµιση : Εύρεση ενός γεωµετρικού µετασχηµατισµού που ϕέρνει κοντά δύο τρισδιάσ
Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Αλγόριθµοι Ευθυγράµµισης Τρισδιάστατων Αντικειµένων Τµήµα Πληροφορικής και Τηλεπικοινωνιών Εθνικό & Καποδιστριακό Πανεπιστήµιο Αθηνών 20 Οκτωβρίου 2005 Εισαγωγή
Διαβάστε περισσότεραΕυφυείς πράκτορες. Πράκτορες και Περιβάλλοντα
Ευφυείς πράκτορες Πράκτορες και Περιβάλλοντα Πράκτορας είναι οτιδήποτε µπορεί να θεωρηθεί ότι αντιλαµβάνεται το περιβάλλον του (environment) µέσω αισθητήρων (sensors), και επενεργεί σε αυτό το περιβάλλον
Διαβάστε περισσότεραΕ ανάληψη. Χρόνος και όροι. Ιεραρχία. ΠΛΗ 405 Τεχνητή Νοηµοσύνη 2006. χρονοπρογραµµατισµός εργασιών. ιεραρχικά δίκτυα εργασιών
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Σχεδιασµός και ράση σε µη Αιτιοκρατικά Πεδία Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Χρόνος και όροι χρονοπρογραµµατισµός εργασιών
Διαβάστε περισσότεραΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΦΥΣΙΚΩΝ ΠΟΡΩΝ
ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ ΚΑΙ ΧΑΡΤΟΓΡΑΦΗΣΗ ΦΥΣΙΚΩΝ ΠΟΡΩΝ ΜΑΘΗΜΑ 4 Ο Δ Ε Δ Ο Μ Ε Ν Α ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ Δεδομένα ή στοιχεία είναι μη επεξεργασμένα ποσοτικά και ποιοτικά χαρακτηριστικά
Διαβάστε περισσότεραGIS: Εισαγωγή στα Γεωγραφικά Συστήµατα Πληροφοριών
GIS: Εισαγωγή στα Γεωγραφικά Συστήµατα Πληροφοριών Σηµειώσεις Σεµιναρίου ηµήτρης Τσολάκης v1.2 ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή... 9 1.1. GIS in Greek...10 1.2. Γιατί GIS;...10 1.3. Τι Είναι τα GIS...12 1.3.1.
Διαβάστε περισσότεραΑναγνώριση Προτύπων. Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ
Αναγνώριση Προτύπων Baysian Θεωρία Αποφάσεων ΕΠΙΣΚΟΠΗΣΗ-ΑΣΚΗΣΕΙΣ Χριστόδουλος Χαμζάς Τα περιεχόμενο της παρουσίασης βασίζεται στο βιβλίο: Introduction to Pattern Recognition A Matlab Approach, S. Theodoridis,
Διαβάστε περισσότεραΤυχαία μεταβλητή (τ.μ.)
Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως
Διαβάστε περισσότεραΣτατιστική Ι-Θεωρητικές Κατανομές ΙΙ
Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 12 Δεκεμβρίου 2012 Περιγραφή 1 Θεωρητικές Κατανομές ΙΙ Περιγραφή 1 Θεωρητικές
Διαβάστε περισσότεραΠΛΗ 405 Τεχνητή Νοηµοσύνη
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Πράκτορες και Περιβάλλοντα Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Ορισµοί της Τεχνητής Νοηµοσύνης κριτήρια νοηµοσύνης Καταβολές
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας
Διαβάστε περισσότεραΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραΣυνοπτικά περιεχόμενα
b Συνοπτικά περιεχόμενα 1 Τι είναι η στατιστική;... 25 2 Περιγραφικές τεχνικές... 37 3 Επιστήμη και τέχνη των διαγραμματικών παρουσιάσεων... 119 4 Αριθμητικές μέθοδοι της περιγραφικής στατιστικής... 141
Διαβάστε περισσότερα2). V (s) = R(s) + γ max T (s, a, s )V (s ) (3)
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Παράδοση: 5 Απριλίου 2012 Μιχελιουδάκης Ευάγγελος 2007030014 ΠΛΗ513: Αυτόνομοι Πράκτορες ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Εισαγωγή Η εργασία με
Διαβάστε περισσότεραΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ 2011-12
ΕΦΑΡΜΟΓΗ Q-LEARNING ΣΕ GRID WORLD ΚΑΙ ΕΞΥΠΝΟΣ ΧΕΙΡΙΣΜΟΣ ΤΟΥ LEARNING RATE ΛΑΘΙΩΤΑΚΗΣ ΑΡΗΣ ΑΥΤΟΝΟΜΟΙ ΠΡΑΚΤΟΡΕΣ 2011-12 ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ Στα πλαίσια του μαθήματος Αυτόνομοι Πράκτορες μας ζητήθηκε να αναπτύξουμε
Διαβάστε περισσότεραΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ
ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,
Διαβάστε περισσότεραΑυτόνομοι Πράκτορες. Xειμερινό Εξάμηνο
Αυτόνομοι Πράκτορες Xειμερινό Εξάμηνο 2011-2012 Αναφορά Εργασίας Εξαμήνου Όνομα : Σκιπετάρης Δημοσθένης ΑΜ : 2006030093 Ομάδα Εργασίας: Σκιπετάρης Δημοσθένης, Μεθενίτης Γιώργος, Κωνσταντίνος Μπουντούρης,
Διαβάστε περισσότεραΕίδη Μεταβλητών. κλίµακα µέτρησης
ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό
Διαβάστε περισσότερα6-Aνίχνευση. Ακμών - Περιγράμματος
6-Aνίχνευση Ακμών - Περιγράμματος Ανίχνευση ακμών Μετατροπή 2 εικόνας σε σύνολο ακμών Εξαγωγή βασικών χαρακτηριστικών της εικόνας Πιο «συμπαγής» αναπαράσταση Ανίχνευση ακμών Στόχος: ανίχνευση ασυνεχειών
Διαβάστε περισσότεραΕπίλυση γεωµετρικών περιορισµών σε µικρά µόρια µε αλγεβρικές µεθόδους
Επίλυση γεωµετρικών περιορισµών σε µικρά µόρια µε αλγεβρικές µεθόδους Επαµεινώνδας. Φριτζίλας Μ Ε Βιοπληροφορικής Τµήµα Βιολογίας ΕΚΠΑ 17 Φεβρουαρίου 2005 Τί σηµαίνει ο τίτλος ; γεωµετρικός περιορισµός:
Διαβάστε περισσότεραReservoir modeling. Reservoir modelling Linear reservoirs. The linear reservoir, no input. Starting up reservoir modeling
Reservoir modeling Reservoir modelling Linear reservoirs Paul Torfs Basic equaion for one reservoir:) change in sorage = sum of inflows minus ouflows = Q in,n Q ou,n n n jus an ordinary differenial equaion
Διαβάστε περισσότεραΕισαγωγή στα Προσαρµοστικά Συστήµατα
ΒΕΣ 06 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Εισαγωγή στα Προσαρµοστικά Συστήµατα Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π..407/80 Τµήµα Επιστήµη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου
Διαβάστε περισσότεραΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ 1. ΓΕΝΙΚΑ ΣΧΟΛΗ ΟΙΚΟΝΟΜΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Μεταπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Επεξεργασία
Διαβάστε περισσότεραΙατρική Φυσική: Δοσιμετρία Ιοντίζουσας Ακτινοβολίας. Βιολογικές επιδράσεις. Ακτινοπροστασία
Ιατρική Φυσική: Δοσιμετρία Ιοντίζουσας Ακτινοβολίας Βιολογικές επιδράσεις Ακτινοπροστασία Π. Παπαγιάννης Εργαστήριο Ιατρικής Φυσικής, Ιατρική Σχολή Αθηνών Γραφείο 21 210-746 2442 ppapagi@phys.uoa.gr PHYS215
Διαβάστε περισσότεραΣχεδιασµός και δράση στον πραγµατικό κόσµο
Σχεδιασµός και δράση στον πραγµατικό κόσµο Planning and Acting in the Real World Ενέργειες µε διάρκεια Init(Σασί(C 1 ) Σασί(C 2 ) Μηχανή(E 1, C 1, 30) Μηχανή(E 2, C 2, 60) Τροχοί(W 1, C 1, 30) Τροχοί(W
Διαβάστε περισσότεραΣτοχαστική ανάλυση και προσοµοίωση υδροµετεωρολογικών διεργασιών σχετικών µε την αιολική και ηλιακή ενέργεια
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΑΤΙΚΩΝ ΠΟΡΩΝ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Στοχαστική ανάλυση και προσοµοίωση υδροµετεωρολογικών διεργασιών σχετικών µε την αιολική και ηλιακή ενέργεια
Διαβάστε περισσότεραΑναλυτικές λειτουργίες ΣΓΠ
Αναλυτικές λειτουργίες ΣΓΠ Γενικά ερωτήµατα στα οποία απαντά ένα ΣΓΠ Εντοπισµού (locaton) Ιδιότητας (condton) Τάσεων (trend) ιαδροµών (routng) Μορφών ή προτύπων (pattern) Και µοντέλων (modellng) παραδείγµατα
Διαβάστε περισσότεραΑΠΟΤΥΠΩΣΕΙΣ - ΧΑΡΑΞΕΙΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΣΦΑΛΜΑΤΩΝ
ΑΠΟΤΥΠΩΣΕΙΣ - ΧΑΡΑΞΕΙΣ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ ΣΦΑΛΜΑΤΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις, Ασκήσεις,
Διαβάστε περισσότεραΠιθανολογική Ανάλυση Αποφάσεων. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης
Πιθανολογική Ανάλυση Αποφάσεων Αβεβαιότητα Known knowns Ποσοτικοποιήσιμη Πιθανότητα Known unknowns Εκτίμηση ενδεχομένου Unknown unknowns Αρνητική επίδραση Ρίσκο Black Swan Πιθανολογική Προσέγγιση Θεωρούμε
Διαβάστε περισσότεραΒέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow
Διαβάστε περισσότεραΕ ανάληψη. Καταβολές. Ιστορική αναδροµή. Πράκτορες. Περιβάλλοντα. συνεισφορά άλλων επιστηµών στην ΤΝ. 1956 σήµερα
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Α ληροφόρητη Αναζήτηση Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Καταβολές συνεισφορά άλλων επιστηµών στην ΤΝ Ιστορική αναδροµή 1956
Διαβάστε περισσότερα:,,, PACS: a. , (3D-Var) (4D-Var) [7 9].,. 4D-Var 3D-Var,.,4D-Var,., ,.,, ;,,,,. ( ), . (PF). PF EnKF,,,
* (, 410073 ) ( 2011 6 25 ; 2011 8 11 ) (PDF),... :,,, PACS: 05.45. a 1,.,, ;,,,. ( ), [1]. (KF) [2 6]. KF,. (EKF) KF,. (EnKF), (UKF).,,., (3D-Var) (4D-Var) [7 9].,. 4D-Var 3D-Var,.,4D-Var,.,. (PF). PF
Διαβάστε περισσότεραA Control Method of Errors in Long-Term Integration
1,a) Hamilon Runge Kua Hamilonian 1/2 Runge Kua (Brouwer s law) Runge Kua Runge Kua Hamilonian 1/2 Brouwer 3 A Conrol Mehod of Errors in Long-Term Inegraion Ozawa Kazufumi 1,a) Absrac: When solving he
Διαβάστε περισσότεραChapter 6. Problem Solving and Algorithm Design. Στόχοι Ενότητας. Επίλυση προβληµάτων. Εισαγωγή. Nell Dale John Lewis
Στόχοι Ενότητας Chapter 6 Problem Solving and Algorithm Design Nell Dale John Lewis Αναγνώριση αν ένα πρόβληµα µπορεί να επιλυθεί µε τη χρήση υπολογιστή Περιγραφή της διαδικασίας επίλυσης προβληµάτων και
Διαβάστε περισσότεραΙΑΤΡΙΚΗ ΦΥΣΙΚΗ eclass: PHYS215 Π. Παπαγιάννης
ΙΑΤΡΙΚΗ ΦΥΣΙΚΗ eclass: PHYS215 Π. Παπαγιάννης Αν. Καθηγητής, Εργαστήριο Ιατρικής Φυσικής, Ιατρική Σχολή Αθηνών. Γραφείο 21 210-746 2442 ppapagi@phys.uoa.gr Έμμεσα ιοντίζουσα ακτινοβολία: Πότε ισούται το
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΙΟΙΚΗΣΗ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΑΘΗΜΑ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΡΓΑΛΕΙΑ ΙΟΙΚΗΣΗΣ ιδάσκων:
Διαβάστε περισσότεραΑναγνώριση Προτύπων (Pattern Recognition) Μπεϋζιανή Θεωρία Αποφάσεων (Bayesian Decision Theory) Π. Τσακαλίδης
Αναγνώριση Προτύπων (Pattern Recognton Μπεϋζιανή Θεωρία Αποφάσεων (Bayesan Decson Theory Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Μπεϋζιανή Θεωρία Αποφάσεων (Bayes Decson theory Στατιστικά
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 13 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 15 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραiii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος
iii ΠΕΡΙΕΧΟΜΕΝΑ Πρόλογος xi 1 Αντικείμενα των Πιθανοτήτων και της Στατιστικής 1 1.1 Πιθανοτικά Πρότυπα και Αντικείμενο των Πιθανοτήτων, 1 1.2 Αντικείμενο της Στατιστικής, 3 1.3 Ο Ρόλος των Πιθανοτήτων
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ
ΥΠΕΥΘΥΝΟΣ ΚΑΘΗΓΗΤΗΣ Α. Ντούνης ΔΙΔΑΣΚΩΝ ΑΚΑΔ. ΥΠΟΤΡΟΦΟΣ Χ. Τσιρώνης ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ - Επίλυση ασκήσεων - Αλγόριθμοι αναζήτησης - Επαναληπτική κάθοδος ΕΠΙΛΥΣΗ ΑΣΚΗΣΕΩΝ ΠΡΑΞΗΣ Θα επιλυθούν
Διαβάστε περισσότεραΓ. Κορίλη, Μοντέλα Εξυπηρέτησης
Γ. Κορίλη, Μοντέλα Εξυπηρέτησης 2-1 hp://www.seas.upenn.edu/~com501/lecures/lecure3.pdf Καθυστερήσεις στα ίκτυα Πακέτων Εισαγωγή στη Θεωρία Ουρών Ανασκόπηση Θεωρίας Πιθανοτήτων ιαδικασία Poisson Θεώρηµα
Διαβάστε περισσότεραΧ. Α. Αλεξόπουλος. Τµήµα Μηχ. Η/Υ και Πληροφορικής Πανεπιστήµιο Πατρών
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΑ ΥΛΟΠΟΙΗΣΗΣ Χ. Α. Αλεξόπουλος Τµήµα Μηχ. Η/Υ και Πληροφορικής Πανεπιστήµιο Πατρών Πάτρα 2014 Αφιερωµένο σε δύο εκλεκτούς ανθρώπους, πανεπιστηµιακούς δασκάλους
Διαβάστε περισσότεραΚΟΡΜΟΥ. ΜΑΘΗΜΑΤΙΚΟΥ ΦΥΣΙΚΟΥ ΜΑΘΗΜΑΤΙΚΟΥ ΦΥΣΙΚΟΥ ΜΑΘΗΜΑΤΙΚΟΥ ΦΥΣΙΚΟΥ 5ο 7ο 9ο
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΧΕΙΜΕΡΙΝΗΣ ΕΞΕΤΑΣΤΙΚΗΣ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ 2016-17 1η 5ο 7ο 9ο ΔΕΥΤΕΡΑ 23/1/2017 ΘΕΡΜΟΔΥΝΑΜΙΚΗ, 4 --------- Γαλλικά
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΧΕΙΜΕΡΙΝΗΣ ΕΞΕΤΑΣΤΙΚΗΣ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ ΟΡΘΗ ΕΠΑΝΑΛΗΨΗ 1
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΧΕΙΜΕΡΙΝΗΣ ΕΞΕΤΑΣΤΙΚΗΣ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ 2016-17 ΟΡΘΗ ΕΠΑΝΑΛΗΨΗ 1 1η 5ο 7ο 9ο ΠΑΡΑΣΚΕΥΗ 27/1/201 ΠΕΜΠΤΗ 26/1/2017
Διαβάστε περισσότεραΚρυπτογραφία. Έλεγχος πρώτων αριθών-παραγοντοποίηση. Διαφάνειες: Άρης Παγουρτζής Πέτρος Ποτίκας
Κρυπτογραφία Έλεγχος πρώτων αριθών-παραγοντοποίηση Διαφάνειες: Άρης Παγουρτζής Πέτρος Ποτίκας Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Σχολή ΗΜΜΥ ΕΜΠ Κρυπτογραφία
Διαβάστε περισσότεραΟΠΤΙΚΗ & ΕΡΓΑΣΤΗΡΙΟ αμφ. 3, 4. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΙΙ αμφ. 2. ΓΕΝΙΚΗ ΧΗΜΕΙΑ αμφ. 4
ΠΑΡΑΣΚΕΥΗ 25/1/2019 ΠΕΜΠΤΗ 24/1/2019 ΤΕΤΑΡΤΗ 23/1/2019 ΤΡΙΤΗ 22/1/2019 ΔΕΥΤΕΡΑ 21/1/2019 ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΡΟΓΡΑΜΜΑ ΧΕΙΜΕΡΙΝΗΣ ΕΞΕΤΑΣΤΙΚΗΣ
Διαβάστε περισσότεραMapping a Base Station Location in a Wireless Network Using Particle Filters
Πολυτεχνείο Κρήτης Τμήμα ΗΜΜΥ Εργαστήριο Ευφυών Συστημάτων Αυτόνομοι Πράκτορες Ακαδημαϊκό έτος 2011-2012 Mapping a Base Station Location in a Wireless Network Using Particle Filters Αλιμπέρτης Εμμανουήλ
Διαβάστε περισσότεραΧ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε περισσότεραΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ Η ΣΥΝΟΡΘΩΣΗ ΤΩΝ ΟΡΙΖΟΝΤΙΩΝ ΔΙΚΤΥΩΝ (ΤΟ ΣΥΣΤΗΜΑ ΤΩΝ ΚΑΝΟΝΙΚΩΝ ΕΞΙΣΩΣΕΩΝ)
ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ Η ΣΥΝΟΡΘΩΣΗ ΤΩΝ ΟΡΙΖΟΝΤΙΩΝ ΔΙΚΤΥΩΝ (ΤΟ ΣΥΣΤΗΜΑ ΤΩΝ ΚΑΝΟΝΙΚΩΝ ΕΞΙΣΩΣΕΩΝ) Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ 3ο εξάμηνο http://eclass.teiath.gr
Διαβάστε περισσότεραΒιβλιογραφικές και ιστορικές σηµειώσεις Ασκήσεις Προβλήµατα Ικανοποίησης Περιορισµών
Περιεχόµενα 1 Εισαγωγή... 31 1.1 Τι Είναι η Τεχνητή Νοηµοσύνη... 31 Ανθρώπινη δράση: Η προσέγγιση µε τη δοκιµασία Turing... 32 Ανθρώπινη σκέψη: Η προσέγγιση µε γνωστικά µοντέλα... 33 Ορθολογική σκέψη:
Διαβάστε περισσότεραΠανεπιστήµιο Πατρών Τµήµα ιοίκησης Επιχειρήσεων. Ανδρέας Νεάρχου 2
ιοίκηση Λειτουργιών ιοίκηση Έργων IΙΙ (Χρονοπρογραµµατισµός συνέχεια) - 7 ο µάθηµα - Άσκηση επανάληψης CPM Θεωρείστε το έργο που φαίνεται στον επόµενο πίνακα. Χρησιµοποιώντας τη µέθοδο της κρίσιµης διαδροµής
Διαβάστε περισσότεραΚΙΝΗΜΑΤΙΚΟΣ ΕΝΤΟΠΙΣΜΟΣ GNSS/INS: ΑΠΟ ΤΑ ΕΛΑΧΙΣΤΑ
Δορυφορική Γεωδαισία Σύγχρονα Συστήματα και Εφαρμογές Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Τοπογραφίας ΤΕΙ Αθήνας, 26 Μαΐου 2010 ΚΙΝΗΜΑΤΙΚΟΣ ΕΝΤΟΠΙΣΜΟΣ GNSS/INS: ΑΠΟ ΤΑ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ ΣΤΑ ΜΟΝΤΕΛΑ ΜΗΧΑΝΙΚΗΣ
Διαβάστε περισσότεραΒιομαθηματικά BIO-156. Ντίνα Λύκα. Εισαγωγή. Εαρινό Εξάμηνο, 2018
Βιομαθηματικά BIO-156 Εισαγωγή Ντίνα Λύκα Εαρινό Εξάμηνο, 2018 lika@uoc.gr Μαθηματικά Μοντέλα στη Βιολογία Ένα μαθηματικό μοντέλο είναι ένα σύνολο υποθέσεων για κάποιο βιολογικό σύστημα, εκφρασμένες με
Διαβάστε περισσότεραΤο Τµήµα ΗΜΜΥ του Πολυτεχνείου Κρήτης
Το Τµήµα ΗΜΜΥ του Πολυτεχνείου Κρήτης Ενηµέρωση Υ οψηφίων Φοιτητών ευτέρα Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών www.ece.tuc.gr Περίγραµµα Τι; Που; Ποιος; Πως; Γιατί; ΗΜΜΥ Υ οδοµές Προσω
Διαβάστε περισσότεραΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΚΑΤΑΝΟΜΕΣ
Τµ. Επιστήµης των Υλικών Είδη τυχαίων µεταβλητών 1. ιακριτού τύπου X ονοµάζεται διακριτή τ.µ. αν το πεδίο τιµών της είναι της µορφής, {x 1, x 2,...,x n,...}. f(x) = P(X = x) ονοµάζεται συνάρτηση πυκνότητας
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
Διαβάστε περισσότερα