Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
|
|
- Πηρω ῾Ερμιόνη Δημαράς
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Version
2 Εκφράζοντας τον ταξινομητή Bayes (a) Με χρήση συναρτήσεων διάκρισης (discriminant functions) - Έστω g q (x)=f(p(ω q )p(x ω q )), q=,,m, όπου f γνησίως αύξουσα συνάρτηση. - Ταξινόμησε δεδομένο x στην κλάση ω για την οποία g (x) = max q=,,m g q (x). (b) Με χρήση επιφανειών απόφασης (decision surfaces) - Ταξινόμησε δεδομένο x στην κλάση ω για την οποία xr, όπου R ={x R l : g (x) = max q=,,m g q (x) } = {x R l : P(ω x) = max q=,,m P(ω q x) } = {x R l : P(ω )p(x ω ) = max q=,,m P(ω q )p(x ω q ) } ΣΗΜΕΙΩΣΗ: Οι R s μπορούν να ταυτοποιηθούν μέσω των συνόρων τους με τις γειτονικές τους περιοχές. Σύνορο κλάσεων ω, ω q που αντιστοιχούν σε γειτ. περιοχές.: g q (x) g (x)- g q (x)=0 Περιοχές απόφασης: R ={x R l : g q (x)>0}, R q ={x R l : g q (x) <0} Σημαντική παρατήρηση: Στην πράξη η εύρεση της μίας έκφρασης από την άλλη είναι μια καθόλου προφανής διαδικασία. Αυτός είναι ένας βασικός λόγος για τον οποίο έχουν αναπτυχθεί ταξινομητές χρησιμοποιώντας ανεξάρτητα τις παραπάνω εκφράσεις.
3 Επίσης g (x)=0 g (x)- g (x)=0 είναι ισοδύναμη με ) ( ln ) ( ln P c x x x P c x x x Εξίσωση συνόρου συνεχόμενων κλάσεων (i) Σ i Σ : Σ αυτή την περίπτωση η g (x)=0 αναπαριστά μια καμπύλη δευτέρου βαθμού (π.χ. υπερ-έλλειψη, υπερ-παραβολή) (τετραγωνικός ταξινομητής - quadratic discriminant analysis) (ii) Σ i =Σ : Σ αυτή την περίπτωση η g (x)=0 αναπαριστά μια καμπύλη πρώτου βαθμού (υπερεπίπεδο) (γραμμικός ταξινομητής - linear discriminant analysis) Ο ταξινομητής Bayes: Η περίπτωση των κανονικών κατανομών
4 4
5 5
6 6
7 Παράδειγμα: gi ( x) ( x x ) ( ix ix) ( i i ) ln P ( i ) Ci Δηλαδή, η g i (x) είναι τετραγωνική. Σημειώστε ότι οι επιφάνειες gi( x) g ( x) 0 ΔΕΝ είναι, απαραίτητα, τετραγωνικής μορφής (ελλείψεις, παραβολές,υπερβολές, ζεύγη ευθειών). Για παράδειγμα: i 0 0 7
8 Ο ταξινομητής Bayes: Η περίπτωση των κανονικών κατανομών (ii)-a Σ i =Σ και P(ω )=P(ω ): Αγνοώντας τις κοινές ποσότητες που εμφανίζονται σε όλες τις g (x)s, η g (x) γίνεται Θυμίζουμε ότι d M g ( x) ( x ) ( x ) ( x ) ( x ) ( x, ) είναι η γνωστή Mahalanobis απόσταση. Σ αυτή την περίπτωση, ο ταξινομητής Bayes μπορεί να γραφτεί ισοδύναμα ως Καταχώρησε το x στην ω i με: d M (x,μ ) = min q=, M d M (x,μ q ) Ταξινομητής ελάχιστης Mahalanobis απόστασης
9 Ο ταξινομητής Bayes: Η περίπτωση των κανονικών κατανομών (ii)-b Σ i =Σ =σ Ι και P(ω )=P(ω ): Αγνοώντας τις κοινές ποσότητες που εμφανίζονται σε όλες τις g (x)s, η g (x) γίνεται g ( x) ( x ) ( x ) x όπου x-μ είναι η γνωστή Ευκλείδεια απόσταση. Σ αυτή την περίπτωση, ο ταξινομητής Bayes μπορεί να διατυπωθεί ισοδύναμα ως εξής Κατχώρησε το x στην ω i με: x - μ = min q=, M x - μ q Ταξινομητής ελάχιστης Ευκλείδειας απόστασης
10 (ii)-a-b Ο ταξινομητής Bayes: Η περίπτωση των κανονικών κατανομών Παρατήρηση: Για προβλήματα ταξινόμησης δύο κλάσεων: - ο ταξινομητής ελαχ. Ευκλείδειας απόστασης οριοθετεί τις περιοχές απόφασης των δύο κλάσεων με τη μεσοκάθετο του τμήματος που ενώνει τα μέσα διανύσματα των κλάσεων. - ο ταξινομητής ελαχ. Mahalanobis απόστασης οριοθετεί τις περιοχές απόφασης των δύο κλάσεων με ευθεία που διέρχεται από το μέσο του τμήματος που ενώνει τα μέσα διανύσματα των κλάσεων, αλλά δεν είναι κάθετη σ αυτό. Ταξ. ελ. Mahal. απόστ Ταξ. ελ. Ευκλ. απόστ
11 Παράδειγμα: Δοθέντων των, : P( ) P( ) και p( x ) N(, Σ), p( x ) N(, Σ),,, κατηγοριοποίησε το διάνυσμα x με χρήση Bayesian ταξινομητή:. -> Είναι: αξινομητής Bayes Ταξινομητής ελαχ. Mahalanobis απόστασης Σ Υπόλ. Mahalanobis απόστ. d από, : d.0,. Σ m, , d.0, m, Καταχώρησε x -> ω. m
12 Παράδειγμα: Δοθέντων των, : P( ) P( ) και p( x ) N(, Σ), p( x ) N(, Σ),,, κατηγοριοποίησε το διάνυσμα x με χρήση Bayesian ταξινομητή:. -> Είναι: αξινομητής Bayes Ταξινομητής ελαχ. Ευκλείδειας απόστασης Υπολ. Ευκλείδειας απόστ. του x από τα μ, μ : Καταχώρησε x -> ω. Παρατήρηση: Οι δύο ταξινομητές καταχωρούν το ΙΔΙΟ διάνυσμα σε διαφορετικές κλάσεις. Αυτό οφείλεται στον διαφορετικό τρόπο μοντελοποίησης των κλάσεων σε κάθε περίπτωση.
13 Ο ταξινομητής Bayes: Η περίπτωση των κανονικών κατανομών Ερώτηση: Κάτω από ποιες συνθήκες ο ταξινομητής ελάχιστης Ευκλείδειας απόστασης είναι βέλτιστος ως προς το κριτήριο της πιθανότητας λάθους; Απάντηση: Όταν οι κατηγορίες (a) είναι ισοπίθανες, (b) Μοντελοποιούνται από κανονικές κατανομές με πίνακες συνδιασποράς της μορφής σ I. Ερώτηση: Κάτω από ποιες συνθήκες ένας γραμμικός ταξινομητής μπορεί να είναι βέλτιστος ως προς το κριτήριο της πιθανότητας λάθους; Απάντηση: Όταν οι κατηγορίες μοντελοποιούνται από κανονικές κατανομές με κοινό μητρώο συνδιασποράς. Ερώτηση: Κάτω από ποιες συνθήκες ένας τετραγωνικός ταξινομητής μπορεί να είναι βέλτιστος ως προς το κριτήριο της πιθανότητας λάθους; Απάντηση: Όταν οι κατηγορίες μοντελοποιούνται από κανονικές κατανομές με διαφορετικές κατανομές συνδιασποράς.
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ATTERN RECOGNITION Τυπικές περιοχές εφαρμογής Μηχανική όραση Machne vson Αναγνώριση χαρακτήρων Character recognton OCR Ιατρική διάγνωση
Διαβάστε περισσότεραΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ. ΕΝΟΤΗΤΑ: Γραμμικές Συναρτήσεις Διάκρισης. ΔΙΔΑΣΚΟΝΤΕΣ: Βλάμος Π. Αυλωνίτης Μ. ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΕΝΟΤΗΤΑ: Γραμμικές Συναρτήσεις Διάκρισης ΙΟΝΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΔΑΣΚΟΝΤΕΣ: Βλάμος Π. Αυλωνίτης Μ. Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Version Στη συνέεια θα μιλήσουμε μόνο για στατιστικές μεθόδους ταξινόμησης προτύπων statistical attern classification. Υπόθεση: Σε μια μεγάλη αίθουσα γυμναστηρίου
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Versio A ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΒΑΣΙΣΜΕΝΟΙ ΣΕ ΣΥΝΑΡΤΗΣΕΙΣ ΔΙΑΚΡΙΣΗΣ Η περίπτωση του ταξινομητή Bayes Εκτίμηση μέγιστης εκ των υστέρων πιθανότητας Maimum Aoseriori
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson 2 1 C MH ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΒΑΣΙΣΜΕΝΟΙ ΣΕ ΕΠΙΦΑΝΕΙΕΣ ΑΠΟΦΑΣΗΣ Υπενθύμιση: είναι το σύνολο δεδομένων που περιέχει τα διαθέσιμα δεδομένα από όλες
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson Σχεδιαζόντας ταξινομητές: Τα δεδομένα Στην πράξη η γνώση σχετικά διαδικασία γέννεσης των δεδομένων είναι πολύ σπάνια γνωστή. Το μόνο που έχουμε στη διάθεσή
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 περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson 2 1 ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΟΥ ΧΩΡΟΥ ΤΩΝ ΤΑΞΙΝΟΜΗΤΩΝ Ταξινομητές Ταξινομητές συναρτ. διάκρισης Ταξινομητές επιφανειών απόφ. Παραμετρικοί ταξινομητές Μη παραμετρικοί
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 5 Κατανομές πιθανότητας και εκτίμηση παραμέτρων Κατανομές πιθανότητας και εκτίμηση παραμέτρων δυαδικές τυχαίες μεταβλητές Διαχωριστικές συναρτήσεις Ταξινόμηση κανονικών
Διαβάστε περισσότεραΠανεπιστήµιο Κύπρου Πολυτεχνική Σχολή
Πανεπιστήµιο Κύπρου Πολυτεχνική Σχολή Τµήµα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΗΜΜΥ 795: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Ακαδηµαϊκό έτος 2010-11 Χειµερινό Εξάµηνο Τελική εξέταση Τρίτη, 21 εκεµβρίου 2010,
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson 2 B MH ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΒΑΣΙΣΜΕΝΟΙ ΣΕ ΣΥΝΑΡΤΗΣΕΙΣ ΔΙΑΚΡΙΣΗΣ Η Bayesan περίπτωση - Διαθέσιμα δεδομένα: X=X X 2 X M. Κάθε X αντιστοιχεί στην κλάση
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 περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Version 2 1 ΔΕΔΟΜΕΝΑ Δεδομένα μπορούν να αποκτηθούν στα πλαίσια διαφόρων εφαρμογών, χρησιμοποιώντας, όπου είναι απαραίτητο, κατάλληλο εξοπλισμό. Μερικά παραδείγματα
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΟΥ ΧΩΡΟΥ ΤΩΝ ΤΑΞΙΝΟΜΗΤΩΝ Ταξινομητές Ταξινομητές συναρτ. διάκρισης Ταξινομητές επιφανειών απόφ. Παραμετρικοί ταξινομητές Μη παραμετρικοί
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 5 Κατανομές πιθανότητας και εκτίμηση παραμέτρων δυαδικές τυχαίες μεταβλητές Bayesian decision Minimum misclassificaxon rate decision: διαλέγουμε την κατηγορία Ck για
Διαβάστε περισσότεραΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ
ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Σύμφωνα με στοιχεία από το Πανεπιστήμιο της Οξφόρδης η πιθανότητα ένας φοιτητής να αποφοιτήσει μέσα σε 5 χρόνια από την ημέρα εγγραφής του στο
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Version 2 1 ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΔΕΝΔΡΑ ΑΠΟΦΑΣΗΣ Πρόκειται για μια οικογένεια μη γραμμικών ταξινομητών Είναι συστήματα απόφασης πολλών σταδίων (multistage),
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson 2 B MH ΠΑΡΑΜΕΤΡΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΒΑΣΙΣΜΕΝΟΙ ΣΕ ΣΥΝΑΡΤΗΣΕΙΣ ΔΙΑΚΡΙΣΗΣ Η Bayesan περίπτωση - Διαθέσιμα δεδομένα: XX X 2 X M. Κάθε X αντιστοιχεί στην κλάση
Διαβάστε περισσότερα4. Μέθοδοι αναγνώρισης ταξινοµητές µε επόπτη
ΑΕΙ Σερρών 4. Μέθοδοι αναγνώρισης ταξινοµητές µε επόπτη 4.. Αναγνώριση µε βάση τα κέντρα των τάξεων Είναι µια απλοϊκή µέθοδος αναγνώρισης µε επόπτη σύµφωνα µε την οποία κατά την εκµάθηση υπολογίζεται η
Διαβάστε περισσότεραΚεφάλαιο 2: Θεωρία Απόφασης του Bayes 2.1 Εισαγωγή
Κεφάλαιο : Θεωρία Απόφασης του Bayes. Εισαγωγή Η θεωρία απόφασης του Bayes αποτελεί μια από τις σημαντικότερες στατιστικές προσεγγίσεις για το πρόβλημα της ταξινόμησης προτύπων. Βασίζεται στη σύγκριση
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson Μέθοδοι ελαχίστων τετραγώνων Least square methos Αν οι κλάσεις είναι γραμμικώς διαχωρίσιμες το perceptron θα δώσει σαν έξοδο ± Αν οι κλάσεις ΔΕΝ είναι
Διαβάστε περισσότεραΠανεπιστήμιο Κύπρου Πολυτεχνική Σχολή
Πανεπιστήμιο Κύπρου Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΗΜΜΥ 795: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Ακαδημαϊκό έτος 2010-11 Χειμερινό Εξάμηνο Practice final exam 1. Έστω ότι για
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson ΧΑΡΤΟΓΡΑΦΗΣΗ ΤΟΥ ΧΩΡΟΥ ΤΩΝ ΤΑΞΙΝΟΜΗΤΩΝ Ταξινομητές Ταξινομητές συναρτ. διάκρισης Ταξινομητές επιφανειών απόφ. Παραμετρικοί ταξινομητές Μη παραμετρικοί
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Version 2 1 ΔΕΔΟΜΕΝΑ Δεδομένα μπορούν να αποκτηθούν στα πλαίσια διαφόρων εφαρμογών, χρησιμοποιώντας, όπου είναι απαραίτητο, κατάλληλο εξοπλισμό. Μερικά παραδείγματα
Διαβάστε περισσότεραΘεωρία Λήψης Αποφάσεων
Θεωρία Λήψης Αποφάσεων Ενότητα 2: Θεωρία Απόφασης του Bayes Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων & Τροφίμων (Δ.Ε.Α.Π.Τ.) Θεωρία
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson ΜΙΑ ΣΥΜΒΑΣΗ: Προκειμένου να καταστήσουμε πιο συμπαγή το συμβολισμό H : ορίζουμε Ετσι έχουμε *=[ ] an *=[ ]. H : * * ΣΗΜΕΙΩΣΗ: Στη συνέχεια εκτός αν ορίζεται
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 4 Διαχωριστικές συναρτήσεις Ταξινόμηση Γκαουσιανών μεταβλητών Bayesan decson Mnmum msclassfcaton rate decson: διαλέγουμε την κατηγορίαck για την οποία η εκ των υστέρων
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verso ΔΕΔΟΜΕΝΑ Δεδομένα μπορούν να αποκτηθούν στα πλαίσια διαφόρων εφαρμογών, χρησιμοποιώντας, όπου είναι απαραίτητο, κατάλληλο εξοπλισμό. Μερικά παραδείγματα
Διαβάστε περισσότεραΑκαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΚΕΣ 3: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ Ακαδημαϊκό Έτος 7 8, Χειμερινό Εξάμηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ Το παρόν
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διαλέξεις 11-12 Γραμμική παλινδρόμηση συνέχεια Γραμμική παλινδρόμηση συνέχεια Γραμμικές διαχωριστικές συναρτήσεις Γραμμική παλινδρόμηση (Linear regression) y = w + wx + + w
Διαβάστε περισσότεραΘεωρία Λήψης Αποφάσεων
Θεωρία Λήψης Αποφάσεων Ενότητα 3: Ασκήσεις Bayes Περιοχές Απόφασης Διακρίνουσες Συναρτήσεις Μπεληγιάννης Γρηγόριος Σχολή Οργάνωσης και Διοίκησης Επιχειρήσεων Τμήμα Διοίκησης Επιχειρήσεων Αγροτικών Προϊόντων
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 3: Στοχαστικά Συστήματα Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότερα3. O ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ PERCEPTRON
3. O ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ PERCEPRON 3. ΕΙΣΑΓΩΓΗ: Το Perceptron είναι η απλούστερη μορφή Νευρωνικού δικτύου, το οποίο χρησιμοποιείται για την ταξινόμηση ενός ειδικού τύπου προτύπων, που είναι γραμμικά διαχωριζόμενα.
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson 2 1 M = 1 N = N prob k N k { k n ω wrongly classfed} = (1 ) N k 2 Η συνάρτηση πιθανοφάνειας L(p) μεγιστοποιείται όταν =k/n. 3 Αφού τα s είναι άγνωστα,
Διαβάστε περισσότεραΜηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή. Αφφινικοί Μετασχηματισμοί Αναπαράσταση Γεωμετρικών Μορφών
Μηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή Γεωμετρικός Πυρήνας Γεωμετρικός Πυρήνας Αφφινικοί Μετασχηματισμοί Αναπαράσταση Γεωμετρικών Μορφών Γεωμετρικός Πυρήνας Εξομάλυνση Σημεία Καμπύλες Επιφάνειες
Διαβάστε περισσότεραΑΝΑΛΥΣΗ 2. Μ. Παπαδημητράκης.
ΑΝΑΛΥΣΗ 2 Μ. Παπαδημητράκης. 1 ΕΙΚΟΣΤΟ ΟΓΔΟΟ ΜΑΘΗΜΑ ΟΡΙΣΜΟΣ. Έστω μετρικός χώρος (X, d) και A X. Ονομάζουμε εσωτερικό του A το σύνολο Ονομάζουμε σύνορο του A το σύνολο A = {x x εσωτερικό του A}. A = {x
Διαβάστε περισσότεραΔΙΑΧΩΡΙΣΜΟΣ ΚΑΙ ΤΑΞΙΝΟΜΗΣΗ ΚΡΗΤΙΚΟΥ ΚΑΤΕΡΙΝΑ NΙΚΑΚΗ ΚΑΤΕΡΙΝΑ NΙΚΟΛΑΪΔΟΥ ΧΡΥΣΑ
ΔΙΑΧΩΡΙΣΜΟΣ ΚΑΙ ΤΑΞΙΝΟΜΗΣΗ ΚΡΗΤΙΚΟΥ ΚΑΤΕΡΙΝΑ NΙΚΑΚΗ ΚΑΤΕΡΙΝΑ NΙΚΟΛΑΪΔΟΥ ΧΡΥΣΑ ΔΙΑΧΩΡΙΣΜΟΣ ΚΑΙ ΤΑΞΙΝΟΜΗΣΗ Είναι τεχνικές που έχουν σκοπό: τον εντοπισμό χαρακτηριστικών των οποίων οι αριθμητικές τιμές επιτυγχάνουν
Διαβάστε περισσότεραΘωμάς Ραϊκόφτσαλης 01
0 Α. ΕΙΑΓΩΓΗ ΘΕΜΑ Α Γ_Μ_Μ_ΑΘΡ_ΕΙ_Β_ΕΚ_9 Έστω ο μιγαδικός αριθμός i,,. Τι καλούμε:. Πραγματικό μέρος του.. Φανταστικό μέρος του.. υζυγή του. 4. Εικόνα του μιγαδικού στο μιγαδικό επίπεδο. 5. Διανυσματική
Διαβάστε περισσότεραΣέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας. Version 2
Σέργιος Θεοδωρίδης Κωνσταντίνος Κουτρούμπας Verson ΜΗ ΓΡΑΜΜΙΚΟΙ ΤΑΞΙΝΟΜΗΤΕΣ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Η παραπάνω ανάλυση ήταν χρήσιμη προκειμένου να κατανοήσουμε τη λογική των δικτύων perceptrons πολλών επιπέδων
Διαβάστε περισσότεραΣχόλιο. Κατασκευή των τροχιών της δισδιάστατης γραμμικής δυναμικής.
ΔΥΝΑΜΙΚΑ ΣΥΣΤΗΜΑΤΑ : ΕΞΕΛΙΞΗ ΣΤΟΥΣ ΧΩΡΟΥΣ ΚΑΤΑΣΤΑΣΕΩΝ 55 Σχόλιο. Κατασκευή των τροχιών της δισδιάστατης γραμμικής δυναμικής. Η δισδιάστατη γραμμική δυναμική ορίζεται στο ευκλείδειο επίπεδο από ένα σύστημα
Διαβάστε περισσότερα4.3. 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 περισσότεραΟΔΗΓΙΕΣ ΑΥΤΟΔΙΟΡΘΩΣΗΣ +ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ
Οδηγίες αυτοδιόρθωσης+λύσεις των θεμάτων προσοσμοίωσης στα Μαθηματικά και Στοιχεία Στατιστικής 05 ΟΔΗΓΙΕΣ ΑΥΤΟΔΙΟΡΘΩΣΗΣ +ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΠΡΟΣΟΜΟΙΩΣΗΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ
Διαβάστε περισσότεραΤαξινόμηση. Τηλεπισκόπηση Η ΤΑΞΙΝΟΜΗΣΗ ΕΙΚΟΝΑΣ. Τηλεπισκόπηση. Τηλεπισκόπηση. Τηλεπισκόπηση 24/6/2013. Ταξινομητέ ς. Επιβλεπόμενοι Μη επιβλεπόμενοι
Ταξινόμηση Ταξινομητέ ς Επιβλεπόμενη Μη-επιβλεπόμενη Επιβλεπόμενοι Μη επιβλεπόμενοι Στο πρώτο στάδιο υπολογίζεται ο μέσος όρος των ραδιομετρικών τιμών σε κάθε δίαυλο και για κάθε βιοφυσική κατηγορία. 1
Διαβάστε περισσότεραΑσκήσεις μελέτης της 16 ης διάλεξης
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικής Μάθημα: Τεχνητή Νοημοσύνη, 016 17 Διδάσκων: Ι. Ανδρουτσόπουλος Ασκήσεις μελέτης της 16 ης διάλεξης 16.1. (α) Έστω ένα αντικείμενο προς κατάταξη το οποίο
Διαβάστε περισσότεραΜέθοδος Ελαχίστων Τετραγώνων (για την προσαρμογή (ή λείανση) δεδομένων/μετρήσεων)
Μέθοδος Ελαχίστων Τετραγώνων (για την προσαρμογή (ή λείανση) δεδομένων/μετρήσεων) Στην πράξη, για πολύ σημαντικές εφαρμογές, γίνονται μετρήσεις τιμών μιας ποσότητας σε μια κλινική, για μια σφυγμομέτρηση,
Διαβάστε περισσότεραΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. α = 1 δ. im( f (x) x ) = im - 2βx x = - 4β 8 = 4α - 32β =
ΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ 005 ΘΕΜΑ ο Α.. Θεωρία s s Α.. CV =, αν > 0, ενώ CV =, αν < 0. - Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. ΘΕΜΑ ο α. Πρέπει > 0, άρα A f = (0, + ). β. f () = (α
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 2005
ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ 005 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α. Να αποδειχθεί ότι για δύο ενδεχόµενα Α και Β ενός δειγµατικού χώρου Ω ισχύει: P(A B) = P(A) + P(B) P(A B) Τα απλά ενδεχόµενα
Διαβάστε περισσότεραΓραµµικοί Ταξινοµητές
ΚΕΣ 3: Αναγνώριση Προτύπων και Ανάλυση Εικόνας KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Γραµµικοί Ταξινοµητές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου 7 Ncolas sapatsouls
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 2: Δομικά Συστήματα Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότερα1,y 1) είναι η C : xx yy 0.
ΘΕΜΑ Α ΔΕΙΓΜΑΤΑ ΘΕΜΑΤΩΝ ΕΞΕΤΑΣΕΩΝ ΜΑΙΟΥ-ΙΟΥΝΙΟΥ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΤΕΥΘΥΝΣΗΣ Β ΛΥΚΕΙΟΥ ο δείγμα Α. Αν α, β δύο διανύσματα του επιπέδου με συντελεστές διεύθυνσης λ και λ αντίστοιχα, να αποδείξετε ότι α β λ λ.
Διαβάστε περισσότεραx. Αν ισχύει ( ) ( )
ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΜΑΘΗΜΑΤΙΚΩΝ ΓΕΝΙΚΗΣ 000 ΘΕΜΑ Α Α. Να αποδείξετε ότι η παράγωγος τις συνάρτησης c f είναι ίση με c f Θεωρία σχολικό σελίδα 0 Β. Έστω μια συνάρτηση f με πεδίο ορισμού το Α και Β το σύνολο
Διαβάστε περισσότεραΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΕΡΙΟΔΟΥ ΜΑΪΟΥ - ΙΟΥΝΙΟΥ ΤΑΞΗ Β ΛΥΚΕΙΟΥ ΜΑΘΗΜΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ
Αποκλειστικά από το lisari.blogspot.gr ΠΡΟΤΥΠΟ ΛΥΚΕΙΟ ΑΝΑΒΡΥΤΩΝ ΣΧΟΛΙΚΟ ΕΤΟΣ 05 06 ΑΝΑΒΡΥΤΑ 4-5-06 ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΠΕΡΙΟΔΟΥ ΜΑΪΟΥ - ΙΟΥΝΙΟΥ ΤΑΞΗ Β ΛΥΚΕΙΟΥ ΜΑΘΗΜΑ ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΟΥ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ
Διαβάστε περισσότεραΘεωρία Αποφάσεων ο. 4 Φροντιστήριο. Λύσεις των Ασκήσεων
Θεωρία Αποφάσεων ο Φροντιστήριο Λύσεις των Ασκήσεων Άσκηση Έστω ένα πρόβλημα ταξινόμησης μιας διάστασης με δύο κατηγορίες, όπου για κάθε κατηγορία έχουν συλλεχθεί τα παρακάτω δεδομένα: D = {, 2,,,,7 }
Διαβάστε περισσότεραY Y ... y nx1. nx1
6 ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΜΕ ΤΗ ΧΡΗΣΗ ΠΙΚΑΚΩΝ Η χρησιμοποίηση και ο συμβολισμός πινάκων απλοποιεί σημαντικά τα αποτελέσματα της γραμμικής παλινδρόμησης, ιδίως στην περίπτωση της πολλαπλής παλινδρόμησης Γενικά,
Διαβάστε περισσότερα4 η ΕΚΑ Α ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ 31.
ΓΕΝΙΚΕΣ ΑΣΚΗΣΕΙΣ η ΕΚΑ Α. Οι µηνιαίες αποδοχές, σε, ν υπαλλήλων είναι x, x,, x ν και αυτές αποτελούν οµοιογενές δείγµα µε µέση τιµή 000. Αν το 8% έχει µισθό Α, το 6% Β και οι υπόλοιποι Γ : Να βρείτε το
Διαβάστε περισσότερα2 Θεωρία αποφάσεων Bayes..2
Περιεχόμενα Θεωρία αποφάσεων Bayes... Εισαγωγή................................... Θεωρία Απόφασης του Bayes Συνεχείς Εκτιμήτριες........... 6.. Ταξινόμηση Δύο Κατηγοριών...................... 8.3 Ταξινόμηση
Διαβάστε περισσότεραΕισαγωγικές έννοιες. Κατηγορίες προβλημάτων (σε μια διάσταση) Προβλήματα εύρεσης μεγίστου. Συμβολισμοί
Κατηγορίες προβλημάτων (σε μια διάσταση) Εισαγωγικές έννοιες Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc164.materials.uoi.gr/dpapageo Το πρόβλημα
Διαβάστε περισσότεραΟΜΟΣΠΟΝ ΙΑ ΕΚΠΑΙ ΕΥΤΙΚΩΝ ΦΡΟΝΤΙΣΤΩΝ ΕΛΛΑ ΟΣ (Ο.Ε.Φ.Ε.) ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ 2014
Ε_ΜλΓ(ε) ΤΑΞΗ: ΜΑΘΗΜΑ: ΘΕΜΑ Α Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ / ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ Ηµεροµηνία: Κυριακή Απριλίου 04 ιάρκεια Εξέτασης: ώρες ΕΚΦΩΝΗΣΕΙΣ Α Για δύο ενδεχόµενα Α και Β ενός
Διαβάστε περισσότεραΗ ΜΕΤΡΙΚΗ ΤΟΥ ΧΩΡΟΥ. (στην περίπτωση, που γνωρίζουμε το πεδίον ορισμού του δείκτου, θα
Η ΜΕΤΡΙΚΗ ΤΟΥ ΧΩΡΟΥ Η μετρική του χώρου Στην ορίσαμε το εσωτερικό γινόμενο δύο διανυσμάτων μέσω των συντεταγμένων τους, όταν οι συντεταγμένες αυτές λαβαίνονται σε ένα Καρτεσιανό σύστημα αναφοράς του Ερχόμαστε,
Διαβάστε περισσότεραΒ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ. Ημερομηνία: Τρίτη 27 Δεκεμβρίου 2016 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ
ΑΠΟ 18/1/016 ΕΩΣ 05/01/017 η ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟΔΟΣ ΤΑΞΗ: ΜΑΘΗΜΑ: Β ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Ημερομηνία: Τρίτη 7 Δεκεμβρίου 016 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α1. Αν ( xy, )
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΓΡΑΜΜΙΚΩΝ ΕΞΙΣΩΣΕΩΝ
ΣΥΣΤΗΜΑΤΑ ΓΡΑΜΜΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 1) Γραμμική εξίσωση με δύο αγνώστους λέγεται κάθε εξίσωση της μορφής αχ+βψ=γ, όπου α,β,γr. α) Λύση της γραμμικής αυτής εξίσωσης λέγεται κάθε ζεύγος (χ,ψ)=(χ 0,ψ 0 ) που την
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 6 Κατανομές πιθανότητας και εκτίμηση παραμέτρων Κατανομές πιθανότητας και εκτίμηση παραμέτρων κανονικές τυχαίες μεταβλητές Εκτίμηση παραμέτρων δυαδικές τυχαίες μεταβλητές
Διαβάστε περισσότεραΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΔΕ. 11 ΙΟΥΝΙΟΥ 2012
ΔΕ. ΙΟΥΝΙΟΥ Δίνονται τα εξής πρότυπα: [ ] [ ] [ ] [ ] Άσκηση η ( μονάδες) Χρησιμοποιώντας το κριτήριο της ομοιότητας να απορριφθεί ένα χαρακτηριστικό με βάσει το συντελεστή συσχέτισης. (γράψτε ποιο χαρακτηριστικό
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Βέλτιστος Δέκτης
Ψηφιακές Τηλεπικοινωνίες Βέλτιστος Δέκτης Σύνδεση με τα Προηγούμενα Επειδή το πραγματικό κανάλι είναι αναλογικό, κατά τη διαβίβαση ψηφιακής πληροφορίας, αντιστοιχίζουμε τα σύμβολα σε αναλογικές κυματομορφές
Διαβάστε περισσότερα{(x, y) R 2 : f (x, y) = 0}
ΜΕΜ 102 Γεωμετρία και Γραμμική Άλγεβρα Διάλεξη 13 Χρήστος Κουρουνιώτης Πανεπιστήμιο Κρήτης Οκτ 2014 Χ.Κουρουνιώτης (Παν.Κρήτης) ΜΕΜ 102-13 Οκτ 2014 1 / 10 Ενα θεμελιώδες πρόβλημα της Αναλυτικής Γεωμετρίας
Διαβάστε περισσότεραΜοντελοποίηση προβληµάτων
Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Σχεδιασµός Αλγορίθµων Ακέραιος προγραµµατισµός Αποδοτικοί Αλγόριθµοι Μη Αποδοτικοί Αλγόριθµοι Θεωρία γράφων
Διαβάστε περισσότεραHMY 799 1: Αναγνώριση Συστημάτων
HMY 799 : Αναγνώριση Συστημάτων Διάλεξη Γραμμική παλινδρόμηση (Linear regression) Εμπειρική συνάρτηση μεταφοράς Ομαλοποίηση (smoothing) Y ( ) ( ) ω G ω = U ( ω) ω +Δ ω γ ω Δω = ω +Δω W ( ξ ω ) U ( ξ) G(
Διαβάστε περισσότεραΑΣΚΗΣΕΙΣ. 1. Στο ομοπαραλληλικό επίπεδο δίνεται το σύστημα συντεταγμένων S { A, A, A }.
ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΑΠΘ ΑΣΚΗΣΕΙΣ ΑΝΑΛΥΤΙΚΗΣ ΓΕΩΜΕΤΡΙΑΣ Ι ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 0-3 ΑΣΚΗΣΕΙΣ. Στο ομοπαραλληλικό επίπεδο δίνεται το σύστημα συντεταγμένων S { A, A, A }. 0 ' Θεωρούμε τα σημεία A, A, A που ορίζονται
Διαβάστε περισσότεραΤίτλος Μαθήματος: Διαφορική Γεωμετρία
33 Τίτλος Μαθήματος: Διαφορική Γεωμετρία Ενότητα: Ο εφαπτόμενος χώρος Όνομα Καθηγητή: Ανδρέας Αρβανιτογεώργος Τμήμα: Μαθηματικών 33 34 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΑπαντήσεις. Θέμα 1 ο. Α. α) v1. Άρα v1
Απαντήσεις Θέμα 1 ο 3 ( 3)( 1 ) ( 3)( 1 ) Α. α) v1 lm lm lm 3 1 3 ( 1 )( 1 ) 3 1 ( 3)( 1 ) ( 3)( 1 ) lm lm lm( 1 ) 3 1 3 3 3 3 3 Άρα v1 β) Η είναι παραγωγίσιμη για 0 ως πράξεις παραγωγίσιμων με 1 1 10
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑ.Λ. Β 20 ΜΑΪΟΥ 2013 ΑΠΑΝΤΗΣΕΙΣ. x x x 4
ΘΕΜΑ Α ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙ ΕΙΑΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑΛ Β 0 ΜΑΪΟΥ 0 ΑΠΑΝΤΗΣΕΙΣ Α Θεωρία, σχολικό βιβλίο σελ 8 Α Θεωρία, σχολικό βιβλίο σελ Α Θεωρία, σχολικό βιβλίο σελ 87 Α α) Λ, β)
Διαβάστε περισσότερα3 η Διάλεξη. Ενδεικτικές λύσεις ασκήσεων
3 η Διάλεξη Ενδεικτικές λύσεις ασκήσεων Περιεχόμενα η Άσκηση... 3 2 η Άσκηση... 5 3 η Άσκηση... 6 4 η Άσκηση... 8 Χρηματοδότηση... Σημείωμα Αναφοράς... 2 Σημείωμα Αδειοδότησης... 3 2 Ενδεικτικές λύσεις
Διαβάστε περισσότεραHY213. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ
HY3. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ Π. ΤΣΟΜΠΑΝΟΠΟΥΛΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μέθοδος ελαχίστων τετραγώνων Τα σφάλματα
Διαβάστε περισσότεραΜΕΜ251 Αριθμητική Ανάλυση
ΜΕΜ251 Αριθμητική Ανάλυση Διάλεξη 14, 30 Απριλίου 2018 Μιχάλης Πλεξουσάκης Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Περιεχόμενα 1. Χώροι με εσωτερικό γινόμενο (Ευκλείδειοι χώροι) 2. Βέλτιστες προσεγγίσεις
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ & ΔΙΚΤΥΑΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Ενότητα 20: Ανάπτυξη Κώδικα σε Matlab για τη δημιουργία τυχαίων βέλτιστων Γραμμικών Προβλημάτων Σαμαράς Νικόλαος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραF(x h) F(x) (f(x h) g(x h)) (f(x) g(x)) F(x h) F(x) f(x h) f(x) g(x h) g(x) h h h. lim lim lim f (x) g (x). h h h
ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΤΕΤΑΡΤΗ 3 MAΪΟΥ 01 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΘΕΜΑ Α A1. Έστω η συνάρτηση
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ. 5 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 7 ΚΕΦΑΛΑΙΟ 1: ΕΠΙΦΑΝΕΙΕΣ ΔΕΥΤΕΡΟΥ ΒΑΘΜΟΥ 15 ΚΕΦΑΛΑΙΟ 2: ΣΥΝΑΡΤΗΣΕΙΣ ΙΣΟΣΤΑΘΜΙΚΕΣ ΟΡΙΑ ΣΥΝΕΧΕΙΑ 35
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ. 5 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 7 ΚΕΦΑΛΑΙΟ 1: ΕΠΙΦΑΝΕΙΕΣ ΔΕΥΤΕΡΟΥ ΒΑΘΜΟΥ 15 1. Γενικά.. 15 Επιφάνεια 15 Ευθειογενεί επιφάνειε. 15 Επιφάνειε δευτέρου βαθμού.. 16 2. Μερικέ επιφάνειε δευτέρου
Διαβάστε περισσότερα14 η εβδομάδα (27/01/2017) Έγιναν οι ασκήσεις 39, 41 και 42. Έγινε επανάληψη και λύθηκαν ερωτήματα και απορίες.
14 η εβδομάδα (27/01/2017) Έγιναν οι ασκήσεις 39, 41 και 42. Έγινε επανάληψη και λύθηκαν ερωτήματα και απορίες. 13 η εβδομάδα (20/01/2017) Έγιναν οι ασκήσεις 31, 32, 33, 34, 36 και 37 11 η 12 η εβδομάδα
Διαβάστε περισσότερα(f (x) g(x)) = f (x) g(x)+f (x) g (x) (μονάδες 2)
ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ Γ ΤΑΞΗΣ ΗΜΕΡΗΣΙΟΥ ΚΑΙ Δ ΤΑΞΗΣ ΕΣΠΕΡΙΝΟΥ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΚΑΙ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΔΕΥΤΕΡΑ 0 ΜΑΪΟΥ 0 ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΜΑΘΗΜΑΤΙΚΑ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: ΤΕΣΣΕΡΙΣ () ΘΕΜΑ Α Α.
Διαβάστε περισσότερα, ορίζουμε deta = ad bc. Πρόταση Ένας πίνακας Α είναι αντιστρέψιμος τότε και μόνο αν deta 0.
Για κάθε πίνακα Α ορίζουμε μία τιμή που λέγεται ορίζουσα και συμβολίζεται deta ή Α Ο ορισμός γίνεται επαγωγικά για = 2, 3, 4, και ισχύουν τα εξής: a b Για 22 πίνακα Α = c d, ορίζουμε deta = ad bc a 1 b
Διαβάστε περισσότεραΑναγνώριση Προτύπων. Μη παραμετρικές τεχνικές Αριθμητικά. (Non Parametric Techniques)
Αναγνώριση Προτύπων Μη παραμετρικές τεχνικές Αριθμητικά Παραδείγματα (Non Parametric Techniques) Καθηγητής Χριστόδουλος Χαμζάς Τα περιεχόμενο της παρουσίασης βασίζεται στο βιβλίο: Introduction to Pattern
Διαβάστε περισσότεραΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0
ΑΣΚΗΣΕΙΣ ΠΙΘΑΝΟΤΗΤΩΝ του Παν. Λ. Θεοδωρόπουλου 0 Η Θεωρία Πιθανοτήτων είναι ένας σχετικά νέος κλάδος των Μαθηματικών, ο οποίος παρουσιάζει πολλά ιδιαίτερα χαρακτηριστικά στοιχεία. Επειδή η ιδιαιτερότητα
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΠΟΛΥΠΛΟΚΟΤΗΤΑ Φεβρουάριος 2005 Σύνολο μονάδων: 91
Ε.Μ.Πoλυτεχνείο ΣΗΜΜΥ, ΣΕΜΦΕ Τομέας Τεχνολογίας Πληροφορικής & Υπολογιστών Διδάσκων: Ε.Ζαχος Ονοματεπώνυμο:... Αριθμός Μητρώου:... Σχολή:... εξάμηνο:... ΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΠΟΛΥΠΛΟΚΟΤΗΤΑ Φεβρουάριος 005 Σύνολο
Διαβάστε περισσότεραΓ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ. Ημερομηνία: Κυριακή 30 Οκτωβρίου 2016 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ
ΑΠΟ 6//26 ΕΩΣ 3//26 η ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟΔΟΣ ΤΑΞΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Ημερομηνία: Κυριακή 3 Οκτωβρίου 26 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α v v Α. Έστω το πολυώνυμο
Διαβάστε περισσότεραΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Κεφάλαιο 3 3.1 Γενικά Τις τελευταίες δεκαετίες ένας μεγάλος αριθμός μεθόδων βελτιστοποίησης έχει αναπτυχθεί με βάση τη θεωρία του μαθηματικού λογισμού. Οι διάφοροι μαθηματικοί
Διαβάστε περισσότεραΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ ΗΜΕΡΗΣΙΩΝ ΓΕΝΙΚΩΝ ΛΥΚΕΙΩΝ. f ( x) 0 0 2x 0 x 0
ΠΑΝΕΛΛΗΝΙΕΣ ΕΞΕΤΑΣΕΙΣ ΗΜΕΡΗΣΙΩΝ ΓΕΝΙΚΩΝ ΛΥΚΕΙΩΝ ΑΠΑΝΤΗΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ ΘΕΤΙΚΩΝ ΚΑΙ ΟΙΚΟΝΟΜΙΚΩΝ ΣΠΟΥΔΩΝ Γ ΛΥΚΕΙΟΥ (ΝΕΟ ΣΥΣΤΗΜΑ) 8 ΜΑΪΟΥ 6 ΘΕΜΑ Α Α. Θεωρία, βλ. σχολικό βιβλίο
Διαβάστε περισσότεραΑΝΩΤΑΤΟ ΣΥΜΒΟΥΛΙΟ ΕΠΙΛΟΓΗΣ ΠΡΟΣΩΠΙΚΟΥ
Proslipsis.gr ΑΝΩΤΑΤΟ ΣΥΜΒΟΥΛΙΟ ΕΠΙΛΟΓΗΣ ΠΡΟΣΩΠΙΚΟΥ ΔΙΑΓΩΝΙΣΜΟΣ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΕΤΟΥΣ 006 ΚΕΝΤΡΙΚΗ ΕΠΙΤΡΟΠΗ ΔΙΑΓΩΝΙΣΜΟΥ Κλάδος: ΠΕ 0 ΜΑΘΗΜΑΤΙΚΩΝ ΕΞΕΤΑΣΗ ΣΤΗΝ ΠΡΩΤΗ ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ (Γνωστικό αντικείμενο)
Διαβάστε περισσότεραΑσκήσεις. και. για κάποιο k n. ( ) BdΚ και επί πλέον το BdΚ είναι ακραίο. [Υπόδειξη Πρβλ. την άσκηση 11 της παραγράφου 3.1 για το (α)].
3 Ασκήσεις ) Έστω διανυσματικός χώρος, C κυρτό και C. (α) Αποδείξτε ότι τα ακόλουθα είναι ισοδύναμα: (ι) e( C) = +,(ιι), = = και (ιιι) Το σύνολο C \{ } είναι κυρτό. (β) Επίσης αποδείξτε ότι αν e( C) και
Διαβάστε περισσότεραn xt ( ) ( x( t),..., x( t)) U n, , i 1,..., n. Έτσι, η εξέλιξη του συστήματος των χημικών ουσιών διέπεται από το σύστημα των διαφορικών εξισώσεων:
ΜΑΘΗΜΑ 1: ΑΠΟ ΤΟ ΠΕΙΡΑΜΑ ΣΤΟ ΜΑΘΗΜΑΤΙΚΟ ΝΤΕΤΕΡΜΙΝΙΣΤΙΚΟ ΠΡΟΤΥΠΟ Ας θεωρήσουμε ως παράδειγμα ένα σύστημα χημικών ουσιών που υπεισέρχονται σε μια χημική αντίδραση. Η στιγμιαία κατάσταση κάθε ουσίας χαρακτηρίζεται
Διαβάστε περισσότεραΓΥΜΝΑΣΙΟ ΑΓΙΟΥ ΒΑΣΙΛΕΙΟΥ ΣΧΟΛΙΚΗ ΧΡΟΝΙΑ
ΓΥΜΝΑΣΙΟ ΑΓΙΟΥ ΒΑΣΙΛΕΙΟΥ ΣΧΟΛΙΚΗ ΧΡΟΝΙΑ 2016 2017 Βαθμός αριθμητικώς: 100 = 20 Ολογράφως:. Υπογραφή Καθηγητή/τριας:. ΓΡΑΠΤΕΣ ΠΡΟΑΓΩΓΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΜΑΪΟΥ- ΙΟΥΝΙΟΥ 2017 Μάθημα: Μαθηματικά Τάξη: Α Ημερομηνία:
Διαβάστε περισσότεραΤάξη B. Μάθημα: Η Θεωρία σε Ερωτήσεις. Επαναληπτικά Θέματα. Επαναληπτικά Διαγωνίσματα. Επιμέλεια: Κώστας Κουτσοβασίλης. α Ε
Ν β K C Ε -α Ο α Ε Τάξη B Μ -β Λ Μάθημα: Η Θεωρία σε Ερωτήσεις Επαναληπτικά Θέματα Επαναληπτικά Διαγωνίσματα Επιμέλεια: Διανύσματα Ερωτήσεις θεωρίας 1. Πως ορίζεται το διάνυσμα;. Τι λέγεται μηδενικό διάνυσμα;
Διαβάστε περισσότεραΜΑΘΗΜΑ ΕΞΕΤΑΖΟΜΕΝΗ ΥΛΗ
ΜΑΘΜΑ ΕΞΕΤΑΖΟΜΕΝ ΥΛ ΜΑΘΜΑΤΙΚΑ Γ ΛΥΚΕΙΟΥ /6/9 ΛΥΣΕΙΣ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΘΕΜΑ Α Α α) Σχολικό βιβλίο σελίδα 5 β) i) Σχολικό βιβλίο σελίδα 5 ii) Σχολικό βιβλίο σελίδα 5-6 Α Σχολικό βιβλίο σελίδα 4 Α Σχολικό
Διαβάστε περισσότεραΑσκήσεις. Κεφάλαιο 6. a = a 0 + x 1 b 1 + x 2 b 2 + x 3 b 3, όπου b i = a i a 0, i = 1, 2, 3, P 2 = {(x, y, z) R 3 : x 2y + 3z = 2}.
Κεφάλαιο 6 Ασκήσεις 1. (αʹ) ώστε δράση του Χ R 2 στο αφινικό επίπεδο P = {(x, y, z) R 3 : x = 2}. Επίσης, δώστε µία αφινική ϐάση τριών σηµείων (a 0, a 1, a 2 ) και ϐρείτε τις ϐαρυκεντρικές συντεταγµένες
Διαβάστε περισσότεραΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ
ΕΡΩΤΗΣΕΙΣ ΣΩΣΤΟΥ ΛΑΘΟΥΣ ΣΤΑ ΜΑΘΗΜΑΤΙΚΑ ΤΗΣ Γ ΓΕΝΙΚΗΣ 1 ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ 1. Ένα σηµείο Α(χ, ψ) ανήκει στη γραφική παράσταση της f αν f(ψ)=χ. 2. Αν µια συνάρτηση είναι γνησίως αύξουσα σε ένα διάστηµα A,
Διαβάστε περισσότεραAΠΑΝΤΗΣΕΙΣ. z z 0 που είναι τριώνυμο με διακρίνουσα. 2 Re z 4Im z R. x 2 y x y 2
AΠΑΝΤΗΣΕΙΣ ΘΕΜΑ Α Α Βλ σχολ βιβλίο σελ 5 Α Βλ σχολ βιβλίο σελ Α Σ Σ Σ 4 Σ 5 - Λ ΘΕΜΑ Β Β Η εξίσωση () z ισοδυναμεί με την z z που είναι τριώνυμο με διακρίνουσα 4 διότι 4 Άρα οι ρίζες είναι συζυγείς μιγαδικές
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος... 13
Περιεχόμενα Πρόλογος... 3 Κεφάλαιο : Εισαγωγή... 9. Είδη των προβλημάτων λήψης αποφάσεων... 9.2 Το πρόβλημα της ταξινόμησης και η σημασία του... 24.3 Γενικό περίγραμμα των μεθοδολογιών ταξινόμησης... 29.4
Διαβάστε περισσότεραII.6 ΙΣΟΣΤΑΘΜΙΚΕΣ. 1. Γραφήματα-Επιφάνειες: z= 2. Γραμμική προσέγγιση-εφαπτόμενο επίπεδο. 3. Ισοσταθμικές: f(x, y) = c
II.6 ΙΣΟΣΤΑΘΜΙΚΕΣ.Γραφήματα-Επιφάνειες.Γραμμική προσέγγιση-εφαπτόμενο επίπεδο 3.Ισοσταθμικές 4.Κλίση ισοσταθμικών 5.Διανυσματική ή Ιακωβιανή παράγωγος 6.Ιδιότητες των ισοσταθμικών 7.κυρτότητα των ισοσταθμικών
Διαβάστε περισσότεραΑΣΚΗΣΗ-1: ΗΛΕΚΤΡΙΚΑ ΠΕΔΙΑ
ΑΣΚΗΣΗ-1: ΗΛΕΚΤΡΙΚΑ ΠΕΔΙΑ Ημερομηνία:. ΤΜΗΜΑ:.. ΟΜΑΔΑ:. Ονομ/νυμο: Α.Μ. Συνεργάτες Ονομ/νυμο: Α.Μ. Ονομ/νυμο: Α.Μ. ΠΕΡΙΛΗΨΗ ΤΗΣ ΑΣΚΗΣΗΣ (καθένας με δικά του λόγια, σε όλες τις γραμμές) ΒΑΘΜΟΣ#1: ΥΠΟΓΡΑΦΗ:
Διαβάστε περισσότερα