ιάγνωση επιληψίας µε αβεβαιότητα
|
|
- Ῥέα Μαυρογένης
- 6 χρόνια πριν
- Προβολές:
Transcript
1 ιάγνωση επιληψίας µε αβεβαιότητα Εµµανουήλ Καλυβιανάκης, Εµµανουήλ Μαρακάκης, Κώστας Βασιλάκης Τοµέας Επιστήµης Υπολογιστών, Γενικό Τµήµα Θετικών Επιστηµών, ΤΕΙ Κρήτης, Ηράκλειο. Περίληψη Στην ιατρική, συχνά χρησιµοποιούνται τεχνολογίες πληροφοριών και επικοινωνιών για να βοηθήσουν τους γιατρούς στις διαδικασίες διάγνωσης, ιδιαίτερα σε προβλήµατα διαφορικών διαγνώσεων σε ασθένειες. Μέθοδοι επίλυσης µε Τεχνητή Νοηµοσύνη µας δίνουν την δυνατότητα τυποποίησης της ιατρικής γνώσης και των τρόπων απεικόνισης των διαδικασιών διάγνωσης, σε συγκεκριµένους τοµείς της ιατρικής. Αυτή η εργασία µελετά την ανάπτυξη ενός έµπειρου συστήµατος διαφορικής διάγνωσης παιδικής επιληψίας. Το σύστηµά διαχειρίζεται την αβεβαιότητα και ενσωµατώνει γνώση από τις διάφορες επίσηµες διεθνείς ταξινοµήσεις της επιληψίας, των επιληπτικών συνδρόµων και των κρίσεων. Το συγκεκριµένο έµπειρο σύστηµα προορίζεται να χρησιµοποιηθεί ως συµβουλευτικό εργαλείο από νευρολόγους. Ο ειδικός έχει την δυνατότητα να ενηµερώνει τη βάση γνώσεων του συστήµατος µέσω γραφικού περιβάλλοντος, φιλικού προς το χρήστη. Εφαρµόζονται τεχνικές αναπαράστασης και συλλογισµού µε αβεβαιότητα. Τέλος, χρησιµοποιούνται µετακανόνες, οι οποίοι καθοδηγούν το µηχανισµό συλλογισµών του συστήµατος. Το σύστηµά µας έχει αξιολογηθεί εξετάζοντας πραγµατικά στοιχεία ασθενών και τα αποτελέσµατά του έχουν συγκριθεί µε τις διαγνώσεις που προτείνονται από πεπειραµένους ειδικούς επιστήµονες. Τα αρχικά αποτελέσµατα αξιολόγησης του συστήµατος είναι πολύ ελπιδοφόρα, δηλαδή είχαµε επιτυχή διάγνωση στο 83,3% των περιπτώσεων που εξετάστηκαν. Λέξεις Κλειδιά έµπειρα συστήµατα (expert systems), µετα-κανόνες (meta-rules), αβεβαιότητα (uncertainty), επιληψία (epilepsy) 1. Εισαγωγή Η επιληψία είναι µια χρόνια πάθηση που χαρακτηρίζεται από επαναλαµβανόµενες κρίσεις που προκαλούν ξαφνικές αλλά αναστρεπτές αλλαγές στη λειτουργία του εγκεφάλου. Η ταξινόµηση των επιληψιών, σύµφωνα µε διεθνείς ταξινοµήσεις, κατά τη διάρκεια της παιδικής ηλικίας, είναι δύσκολη επειδή τα µεµονωµένα εργαστηριακά συµπεράσµατα και τα συµπτώµατα είναι συχνά µη αποτελεσµατικά. Η διάγνωση των επιληψιών από το σύστηµά µας ακολουθεί την ταξινόµηση των επιληπτικών συνδρόµων και των επιληψιών της διεθνούς ένωσης ενάντια στην επιληψία (ILAE - International League Against Epilepsy) [1], [2]. Αυτό το σύστηµα προορίζεται να χρησιµοποιηθεί από νευρολόγους µε ειδίκευση στην επιληψία. Οι µηχανισµοί συλλογισµού του συστήµατος µιµούνται τη διαδικασία συλλογισµών κορυφαίων νευρολόγων. Το σύστηµα χρησιµοποιεί µεθόδους αναπαράστασης γνώσεων και συλλογισµών µε αβεβαιότητα. 1
2 Αντίστοιχοι συλλογισµοί γίνονται απο τους ειδικούς. Η µηχανή συµπερασµάτων του συστήµατος µας καθοδηγείται απο µετα-κανόνες. Η διεπικοινωνία χρήστη - συστήµατος γίνεται σε παραθυρική µορφή, φιλική προς το χρήστη. Τέλος το περιβάλλον εργασίας του συστήµατος είναι ανάλογο προς το πραγµατικό κλινικό περιβάλλον του νευρολόγου. Ένα σύστηµα στήριξης αποφάσεων για ταξινόµηση επιληψιών στην παιδική ηλικία παρουσιάζεται στο [3]. Αυτό το σύστηµα χρησιµοποιεί κανόνες για την δόµηση της βάσης γνώσεων. Περαιτέρω το σύστηµα διαιρεί τη βάση γνώσεων δηµιουργώντας διαγνωστικές κατηγορίες (clusters) ανάλογα µε την είσοδο των δεδοµένων από τον χρήστη. Όταν καταλήξει σε κάποια διαγνωστική οµάδα τότε εξετάζονται οι κανόνες που αφορούν τις συγκεκριµένες διαγνώσεις της οµάδας για να επιλεγούν οι επικρατέστερες. Ουσιαστικά δηµιουργείται ένα δένδρο αποφάσεων τα άκρα του οποίου αντιστοιχούν σε πιθανές διαγνωστικές κατηγορίες. Στόχος του συγκεκριµένου συστήµατος είναι να καταλήξει σε µία τελική διάγνωση. Τα αποτελέσµατα του είναι αρκετά ικανοποιητικά, 85-93% σωστές διαγνώσεις. Ένα άλλο διαγνωστικό σύστηµα επιληψιών, µε ονοµασία "Epilepsy Expert", παρουσιάζεται στο [4]. Αυτό το σύστηµα σχεδιάστηκε για διάγνωση επιληψίας σε παιδιά αλλά και σε ενήλικες. Συνδυάζει τεχνικές δέντρων αποφάσεων, if-then κανόνων και υπερκείµενου και αποτελείται από τέσσερα ανεξάρτητα διαγνωστικά υποσυστήµατα. Κάθε υποσύστηµα χρησιµοποιεί διαφορετική µεθοδολογία για τη διάγνωση. Ο χρήστης κατά την κρίση του µπορεί να επιλέξει ένα από τα τέσσερα υποσυστήµατα του Epilepsy Expert για να εξερευνήσει την περίπτωση του ασθενούς που είχε υπόψη του. Το συγκεκριµένο διαγνωστικό εργαλείο κατέληγε σε εναλλακτικές προτεινόµενες διαγνώσεις και επειδή περιελάµβανε κυρίως πληροφορίες σε µορφή κειµένου, έπαιζε περισσότερο τον ρόλο ενός συµβουλευτικού παρά ενός διαγνωστικού συστήµατος. Καλύτερα αποτελέσµατα παρουσίασε το υποσύστηµα εκείνο που χρησιµοποιούσε την τεχνολογία του υπερκείµενου µε 80% επιτυχία. Όµως κανένα από τα παραπάνω συστήµατα δεν κάνει χρήση αβεβαιότητας. Το έµπειρο σύστηµα που κατασκευάσαµε υποστηρίζει τις παρακάτω λειτουργίες: Αρχικά, ο παθολόγος εισάγει τα κλινικά και εργαστηριακά στοιχεία του ασθενούς. Τα αποτελέσµατα του συστήµατος δίνονται στον χρήστη σε µία λίστα πιθανών τύπων επιληψίας (διαφορική διάγνωση). εύτερον, ο γιατρός εµπειρογνώµονας καθώς και γιατρός χρήστης του συστήµατος µπορούν, µε βάση νέα στοιχεία τα οποία διαθέτουν να ενηµερώσουν την βάση γνώσεων. Τέλος, για κάθε τύπο επιληψίας ο χρήστης του συστήµατος µπορεί να δει σε γραφική µορφή τους κανόνες της βάσης γνώσεων. Αυτό το χαρακτηριστικό του συστήµατος βοηθά το χρήστη στη κατανόηση της διαδικασίας συλλογισµών του ώστε να µπορεί να ενηµερώνει τη βάση γνώσεων. 2. Μεθοδολογία 2.1 Αναπαράσταση γνώσεων Στο έµπειρο σύστηµα που κατασκευάσαµε, κάθε τύπος επιληψίας αντιστοιχεί σε έναν κανόνα της βάσης γνώσεων. Η ταξινόµηση της ILAE προτείνει περισσότερους από 50 τύπους επιληψίας [1]. Κάθε τύπος επιληψίας, στο σύστηµά µας, εκφράζεται από ένα κατάλογο 28 διαγνωστικών κριτηρίων [3], [5]. Τα κριτήρια αυτά αφορούν κλινικά στοιχεία, δηµογραφικά 2
3 δεδοµένα και αποτελέσµατα εργαστηριακών εξετάσεων µε έµφαση στον τύπο της επιληπτικής κρίσης και στο τύπο του ηλεκτροεγκεφαλογραφήµατος. Η γενική µορφή ενός if-then κανόνα του συστήµατος µας 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, το σύµβολο ^ δηλώνει τον τελεστή and (και). Τα στοιχεία όλων των συνόλων ST_set, SF_set,, LF_set είναι ζεύγη δύο τιµών της µορφής (Τιµή_συνόλου, Βάρος). Τα στοιχεία των συνόλων yes_no_set είναι ζεύγη της µορφής (yes, Βάρος) ή (no, Βάρος). Το στοιχείο SPD_data_set έχει την µορφή ((Τιµή_ελάχιστη, Τιµή_µέγιστη), Βάρος). Το ΕT περιλαµβάνει τον τύπο επιληψίας και τον παράγοντα βεβαιότητας που ικανοποιείται από τα δεδοµένα που δίνονται (Τύπος_επιληψίας, Παράγοντας_βεβαιότητας). Οι κανόνες του συστήµατός µας έχουν κατασκευαστεί σε γλώσσα προγραµµατισµού SICStus Prolog [6]. Κάθε κανόνας του συστήµατος παριστάνεται απο ένα Prolog γεγονός και από ένα Prolog κανόνα. Αυτή η εφαρµογή επιτρέπει τη δυναµική ενηµέρωση της βάσης γνώσεων του συστήµατος µε την υλοποίηση τεχνικών µετα-προγραµµατισµού σε Prolog. 3
4 2.2 Θεωρία αβεβαιότητας και παράγοντες βεβαιότητας Σε πολλές περιπτώσεις όταν κατασκευάζεται κάποιο έµπειρο σύστηµα υπάρχει η ανάγκη να λαµβάνονται αποφάσεις έχοντας ατελείς πληροφορίες, είτε επειδή αυτές δεν είναι διαθέσιµες ή επειδή απλά δεν χρειάζονται. 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. Η ύπαρξη της αβέβαιης γνώσης απαιτεί την ανάπτυξη ιδιαίτερων µηχανισµών συλλογισµού που θα χειριστούν αυτήν την γνώση. ιάφορες τεχνικές έχουν προταθεί για να χειριστούν την αβέβαιη γνώση τέτοιες είναι οι συντελεστές βεβαιότητας (certainty factors), η ασαφής λογική (fuzzy logic) και άλλες. Οι συντελεστές βεβαιότητας ή παράγοντες βεβαιότητας είναι αριθµητικές τιµές που εκφράζουν τη βεβαιότητα για την αλήθεια µιας πρότασης ή γεγονότος. Οι συντελεστές βεβαιότητας, για το έµπειρο σύστηµα που κατασκευάσαµε, παίρνουν τιµές στο διάστηµα [0,1]. 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. Οι παράγοντες βεβαιότητας εµφανίζονται µόνο στα συµπεράσµατα των κανόνων. Σε κάθε ένα από τα 28 διαγνωστικά κριτήρια κάθε κανόνα προκαθορίζεται ένα βάρος το οποίο υπολογίζεται µε την βοήθεια ειδικών παιδονευρολόγων. Τα βάρη είναι τιµές στο διάστηµα [0, 1]. Το βάρος καθενός από τα 28 διαγνωστικά κριτήρια συµβάλλει αθροιστικά στον παράγοντα βεβαιότητας του κανόνα. Η γενική µορφή ενός κανόνα µε παράγοντες βεβαιότητας είναι η εξής: (Seizure_type = Value_ST) Βάρος1 ^ (Seizure_focus = Value_SF) Βάρος2 ^ (Seizure_severity = Value_SS) Βάρος3 ^ : : (Speech_Problems = Value_SP) Βάρος27 ^ (Behavior_Problems_During_Seizure = Value_BPDS) Βάρος28 Epilepsy_type = Value_ET ΠΒ Ο παράγοντας βεβαιότητας του κανόνα για µία διάγνωση θα είναι ο εξής: ΠΒ = Βάρος 1 + Βάρος Βάρος 27 + Βάρος 28 Θα πρέπει πάντα να ισχύει η σχέση Βάρος 1 + Βάρος Βάρος Τα βάρη αυτά είναι οι εκτιµήσεις των εµπειρογνωµόνων για την συνεισφορά κάθε διαγνωστικού κριτηρίου στην τελική διάγνωση. Η µέθοδος βαρών και παραγόντων βεβαιότητας είναι κατάλληλη για το σύστηµα που κατασκευάσαµε επειδή ο νευρολόγος ακολουθεί αυτήν την προσέγγιση κατά τη διαδικασία της διάγνωσης. ηλαδή, έχουµε µιµηθεί το µηχανισµό συλλογισµού που ακολουθεί ο εµπειρογνώµονας για τη διάγνωση. Οι παράγοντες βεβαιότητας στο σύστηµά µας είναι αρκετά διαφορετικοί από αυτούς που αναφέρονται στην σχετική βιβλιογραφία [7], [8]. 4
5 2.3 Παράδειγµα ιάγνωσης Η γενική µορφή του κανόνα για τον τύπο επιληψίας µε κωδικό 1.1.Ε (localization-related, idiopathic, benign frontal epilepsy) είναι η εξής: 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, ΠΒ) Όπου, τα δεδοµένα στις παρενθέσεις είναι οι πιθανές τιµές που µπορεί να πάρει κάθε ένα από τα διαγνωστικά κριτήρια του κανόνα καθώς και τα αντίστοιχα βάρη τους. Υποθέτουµε ότι ο νευρολόγος εισάγει στο σύστηµα τα εξής κλινικά και εργαστηριακά δεδοµένα κάποιου ασθενούς: Συµπτώµατα Τιµές Συµπτωµάτων Seizure Type ia1 Seizure Focus frontal Seizure Severity don t know EEG Type b1-f Age 7 Family Inheritance suspicious Lab Findings suspicious Vocalization yes Ο κανόνας που πυροδοτείται για να εντοπιστεί ο τύπος επιληψίας µε κωδικό 1.1.Ε παρουσιάζεται παρακάτω: Seizure_type = (ia1, [Βάρος 1 = 0.2]) ^ Seizure _focus = (frontal, [Βάρος 2 = 0.05]) ^ Seizure_severity = (οτιδήποτε, [Βάρος 3 = 0.0]) ^ EEG = (b1-f, [Βάρος 4 = 0.3]) ^ Age = (7, [Βάρος 5 = 0.05]) ^ Lab_findings = (οτιδήποτε, [Βάρος 10 = 0.0]) ^ Vocalization = (yes, [Βάρος 15 = 0.3]) Epilepsy_type = (1.1.E, [ΠΒ = 0.9]) Ο τελικός παράγοντας βεβαιότητας του κανόνα υπολογίζετε ως εξής: ΠΒ = = 0.9 Η πρόταση «Epilepsy_type = (1.1.E, [ΠΒ = 0.9])» δηλώνει ότι ο τύπος επιληψίας µε κωδικό 1.1.Ε ισχύει µε βεβαιότητα
6 2.4 ιαδικασία διάγνωσης και µετα-κανόνες Για την υλοποίηση της µηχανής συλλογισµών του συστήµατος µας, κατασκευάσαµε τέσσερις µετα-κανόνες. Κάθε µετα-κανόνας προσοµοιώνει τα βήµατα που ακολουθεί ο εµπειρογνώµονας για την πραγµατοποίηση της διάγνωσης. Αυτοί οι µετα-κανόνες καθοδηγούν το σύστηµα στον εντοπισµό των πιθανών τύπων επιληψίας. Οι τέσσερις µετα-κανόνες που κατασκευάστηκαν είναι οι εξής: 1. Μετα-κανόνας "τύπου κρίσης". 2. Μετα-κανόνας "τύπου ηλεκτροεγκεφαλογραφήµατος". 3. Μετα-κανόνας "τύπου ηλεκτροεγκεφαλογραφήµατος και εστίασης τύπου κρίσης". 4. Μετα-κανόνας "άλλων σηµαντικών συµπτωµάτων". Καθένας από τους παραπάνω µετα-κανόνες εντοπίζει κάποιους πιθανούς τύπους επιληψίας οι οποίοι επιστρέφονται στον χρήστη εφόσον ικανοποιούνται κάποια σηµαντικά κριτήρια, τα οποία είναι µοναδικά σε κάθε κανόνα. 3. Συµπεράσµατα Επεκτάσεις Η αξιολόγηση του συστήµατος µας έγινε σε 42 διαφορετικές περιπτώσεις. Το ποσοστό επιτυχίας του ήταν 83,3%. Η σωστή διάγνωση, σε αυτές τις περιπτώσεις, είχε τον υψηλότερο παράγοντα βεβαιότητας στον προτεινόµενο κατάλογο των πιθανών διαγνώσεων. Το ποσοστό επιτυχίας αυξάνει σηµαντικά (στο 90,5%) αν συνυπολογισθούν και τα αποτελέσµατα στα οποία ο παράγοντας βεβαιότητας της σωστής διάγνωσης βρίσκεται µέσα στη λίστα των πιθανών επιληψιών αλλά δεν έχει τον µεγαλύτερο παράγοντα βεβαιότητας. Τα κύρια τεχνικά χαρακτηριστικά του συστήµατος µας σε σύγκριση µε άλλα συστήµατα διάγνωσης επιληψίας είναι τα εξής: 1. Ο χειρισµός της αβέβαιης γνώσης για τον προσδιορισµό των πιθανών τύπων επιληψίας. 2. Η δυνατότητα γραφικής παρουσίασης των κανόνων µε τα ανάλογα πλεονεκτήµατα για κάθε χρήστη του συστήµατος. Τα πλεονεκτήµατα αυτά είναι η ευκολότερη κατανόηση των κανόνων. Η δυνατότητα ελέγχου των κανόνων για τυχόν απαραίτητες αλλαγές. Τέλος, η ευκολότερη κατανόηση του λόγου επιλογής κάποιου κανόνα κατά την διάγνωση. 3. Η δυνατότητα ενηµέρωσης της βάσης γνώσεων από τον εµπειρογνώµονα ή τον µηχανικό γνώσεων. Αυτή η δυνατότητα δίνει ευελιξία και προσαρµοστικότητα στο σύστηµα και γίνεται σε πολύ φιλικό περιβάλλον για τον χρήστη. 4. Η χρήση µετα-κανόνων (meta-rules) οι οποίοι καθοδηγούν την διαδικασία συλλογισµών του συστήµατος. Μελλοντικές επεκτάσεις και βελτιώσεις του συστήµατος µπορούν να γίνουν στα εξής σηµεία: 1. Έχει ήδη σχεδιαστεί και υλοποιείται µία τηλε-υπηρεσία δια µέσου της οποίας κάποιος χρήστης θα µπορεί να χρησιµοποιήσει το συγκεκριµένο έµπειρο σύστηµα από το διαδίκτυο (Web-based interface). Με αυτό τον τρόπο θα δίνεται η δυνατότητα στον χρήστη να έχει εύκολη και άµεση πρόσβαση στις υπηρεσίες του συστήµατος, από οποιοδήποτε σηµείο. 6
7 2. Επίσης, µπορεί να κατασκευασθεί µια κοινή βάση δεδοµένων που θα περιέχει περιπτώσεις ασθενών µε οριστικοποιηµένες διαγνώσεις, την οποία οι χρήστες-ιατροί θα µπορούν να συµβουλεύονται για αντίστοιχες µε την περίπτωση που εξετάζουν εγγραφές. 3. Σε συνδυασµό µε το προηγούµενο, θα µπορούσε ν αναπτυχθεί ένα υποσύστηµα µηχανικής µάθησης το οποίο θα εκµεταλλεύεται τα στοιχεία της βάσης δεδοµένων. Με το υποσύστηµα αυτό είναι δυνατόν να δηµιουργούνται αυτόµατα κανόνες από πραγµατικά περιστατικά διάγνωσης εµπειρογνωµόνων ώστε να εµπλουτίζεται η βάση γνώσεων. 4. Ένα υποσύστηµα επεξήγησης των συλλογισµών είναι αναγκαίο. Αυτό το υποσύστηµα θα επιδεικνύει, εφόσον το ζητήσει ο χρήστης, τον κανόνα που χρησιµοποιήθηκε για να γίνει η διάγνωση. 5. Μπορούν να εξεταστούν άλλες µέθοδοι αναπαράστασης γνώσεων και συλλογισµού µε αβεβαιότητα µε στόχο την βελτίωση της απόδοσης του συστήµατος. 4. Αναγνώριση, υποστήριξη Η παρούσα µελέτη υποστηρίζεται από τα ερευνητικά προγράµµατα: BIOPATTERN: Computational Intelligence for biopattern analysis in Support of ehealthcare (EU - 6th FP/IST). Αρχιµήδης ΙΙ: Ενίσχυση ερευνητικών οµάδων του ΤΕΙ Κρήτης (ΕΠΕΑΚ-ΙΙ). 5. Βιβλιογραφία [1] Commission on Classification and Terminology of the ILAE. Proposal for revised classification of epilepsies and epileptic syndromes. Epilepsia, 1989, 30(4): [2] Commission on Classification and Terminology of the ILAE: Proposal for revised clinical and electroencephalographic classification of epileptic seizures, Epilepsia, 1981; 22: [3] K. Vassilakis, L. Vorgia, S. Micheloyannis, A Decision Support System for Classification of Epilepsies in Childhood, Journal of Child Neurology, 2002, 17(5): [4] Korpinen L Computer-aided decision-making for epilepsy and sleep diagnostics, Acta Neurologica Scandinavica, 1993, Suppl. No. 144, 87. [5] K. Vassilakis, S. Micheloyannis, E. Marakakis, Decision support system as a tool to diagnose Epilepsies in children, 1 st European Workshop on the Assessment of Diagnostic Performance, Milan, Italy, 7-9 July [6] SICStus Prolog user s manual, release , (Swedish Institute of Computer Science, October 2003). [7] B. Buchanan, E. Shortliffe, Rule-Based Expert Systems: The Mycin Experiments of the Standford Heuristics Programming Project, (Addison Wesley, 1984). [8] P. Jackson, Introduction to Expert Systems, (Addison-Wesley, 3rd Edition, 1999). 7
"The Project ARXIMIDIS ΙΙ is co-funded by the European Social Fund and National Resources EPEAEK ΙΙ "
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 περισσότεραΠαραδοτέο: Π3.2 - Ερευνητική Μελέτη Σχεδιασµού του Συστήµατος
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 περισσότεραΤίτλος 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 περισσότεραΚεφάλαιο 13. Αβεβαιότητα. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου
Κεφάλαιο 13 Αβεβαιότητα Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Κυριότερες πηγές αβεβαιότητας: Αβέβαιη Γνώση Ανακριβή δεδοµένα (imprecise data).
Διαβάστε περισσότεραΓ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ ια. ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ»
Γ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ 2.6.1.ια ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ» ΥΠΟΕΡΓΟ 1: «Εφαρμογή του Περιβαλλοντικού Συστήματος Στήριξης Αποφάσεων Expert
Διαβάστε περισσότεραΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι
ΓΕΩΠΟΝΙΚΗ ΣΧΟΛΗ ΑΠΘ Εργαστήριο Πληροφορικής στη Γεωργία ΠΛΗΡΟΦΟΡΙΚΗ Ι Συστήματα Υποστήριξης Αποφάσεων Τα Συστήματα Υποστήριξης Αποφάσεων (Σ.Υ.Α. - Decision Support Systems, D.S.S.) ορίζονται ως συστήματα
Διαβάστε περισσότεραΠληροφορική 2. Τεχνητή νοημοσύνη
Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αβεβαιότητα Με τον όρο αβεβαιότητα (uncertainty) εννοείται η έλλειψη ακριβούς
Διαβάστε περισσότερα(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 περισσότεραΑρχιµήδης ΙΙ Ενίσχυση Ερευνητικών Οµάδων του ΤΕΙ Κρήτης. 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 περισσότεραΤίτλος 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 περισσότεραΟικονόμου Παναγιώτης.
Οικονόμου Παναγιώτης panawths@gmail.com poikonomou@teilam.gr Οικονόμου Παναγιώτης 1 Παπαγεωργίου. 2 Αθήνα-Ελλάδα χρόνου 460 π.χ.? Ένας νεαρός άνδρας σκεπτόμενος το ενδεχόμενο γάμου, ζητά από τον Σωκράτη
Διαβάστε περισσότεραΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Χρυσόστομος Στύλιος
ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ Χρυσόστομος Στύλιος Email: stylios@teiep.gr Ιστοσελίδα: Ανακοινώσεις, διαφάνειες, εργασίες, χρήσιμοι σύνδεσμοι, κλπ. Ύλη του μαθήματος Εισαγωγή-Έμπειρα συστήματα. Αναπαράσταση γνώσης
Διαβάστε περισσότεραManaging Information. Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business. e-mail: kyritsis@ist.edu.
Managing Information Lecturer: N. Kyritsis, MBA, Ph.D. Candidate Athens University of Economics and Business e-mail: kyritsis@ist.edu.gr Διαχείριση Γνώσης Knowledge Management Learning Objectives Ποιοί
Διαβάστε περισσότεραΕισαγωγή στην Επιστήμη των Υπολογιστών
Εισαγωγή στην Επιστήμη των Υπολογιστών Ενότητα 9: Τεχνητή Νοημοσύνη και Έμπειρα Συστήματα, 1ΔΩ Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Θεόδωρος Τσιλιγκιρίδης Μαθησιακοί Στόχοι Με την ολοκλήρωση
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3 : ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ (*)
ΚΕΦΑΛΑΙΟ 3 : ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ (*) 3.1 ΕΙΣΑΓΩΓΗ ΙΣΤΟΡΙΚΑ ΣΤΟΙΧΕΙΑ Τα έµπειρα συστήµατα αποτελούν το γνωστότερο πεδίο εφαρµογής της τεχνητής νοηµοσύνης. Είναι προγράµµατα, που συνδυάζουν τη γνώση των ειδικών
Διαβάστε περισσότερα21/02/17. Μετρήσεις. Μετρήσεις. Μετρήσεις ΕΠΑ 604: ΑΞΙΟΛΟΓΗΣΗ & ΜΕΤΡΗΣΕΙΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΑΓΩΓΗ
ΕΠΑ 604: ΑΞΙΟΛΟΓΗΣΗ & ΜΕΤΡΗΣΕΙΣ ΣΤΗΝ ΠΡΟΣΧΟΛΙΚΗ ΑΓΩΓΗ 02_ Εισαγωγή στην αξιολόγηση και τις μετρήσεις στην προσχολική ηλικία Μετρήσεις Η μέτρηση είναι η αριθμητική απόδοση ενός χαρακτηριστικού Π.χ. καλός
Διαβάστε περισσότεραΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Γλώσσες & Τεχνικές 4 ο Εξάμηνο. - Ενότητα 1 - Δημοσθένης Σταμάτης http://www.it.teithe.gr/~demos
Γλώσσες & Τεχνικές 4 ο Εξάμηνο - Ενότητα 1 - Εισαγωγή στην Τεχνητή Νοημοσύνη Δημοσθένης Σταμάτης http://www.it.teithe.gr/~demos Τμήμα Πληροφορικής A.T.E.I. ΘΕΣΣΑΛΟΝΙΚΗΣ Rethinking University Teaching!!!
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ. Πτυχιακή διατριβή
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΜΗΧΑΝΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ Πτυχιακή διατριβή 3Δ ΑΠΕΙΚΟΝΙΣΗ ΕΙΚΟΝΩΝ DICOM ΚΑΙ ΕΣΤΙΩΝ ΠΟΛΛΑΠΛΗΣ ΣΚΛΗΡΥΝΣΗΣ ΣΕ ΕΙΚΟΝΕΣ ΕΓΚΕΦΑΛΟΥ ΜΑΓΝΗΤΙΚΗΣ ΤΟΜΟΓΡΑΦΙΑΣ Νικολάου Φοίβια
Διαβάστε περισσότεραΚωνσταντίνος Μαριάκης Ταµίας.Σ. του Σ.Ε.Ι.Β. Γεν. ιευθυντής «Νέα ιαγνωστική ιάσταση»ε.π.ε
Κωνσταντίνος Μαριάκης Ταµίας.Σ. του Σ.Ε.Ι.Β. Γεν. ιευθυντής «Νέα ιαγνωστική ιάσταση»ε.π.ε Τι είναι Ιατρική Τεχνολογία; Ως Ιατρική Τεχνολογία, θεωρείται οποιαδήποτε τεχνολογία χρησιµοποιείται για να βελτιώσει
Διαβάστε περισσότεραΧαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης
Κεφάλαιο 21 Χαρακτηριστικά, οµή και Λειτουργία Συστηµάτων Γνώσης Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Συστήµατα Γνώσης Επιδεικνύουν νοήµονα
Διαβάστε περισσότεραΕΙΔΙΚΟ ΕΝΤΥΠΟ ΠΕΡΙΓΡΑΦΗΣ ΜΑΘΗΜΑΤΩΝ. Υποχρεωτικής επιλογής (Κατεύθυνσης)
ΕΙΔΙΚΟ ΕΝΤΥΠΟ ΠΕΡΙΓΡΑΦΗΣ ΜΑΘΗΜΑΤΩΝ Ακαδημαϊκή Μονάδα: Τομέας: Εργαστήριο/Σπουδαστήριο/Κλινική: Τίτλος Μαθήματος / Θέμα Εργασίας: Κωδικός Μαθήματος: Τύπος Μαθήματος: ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΥΣΤΗΜΑΤΑ ΣΤΗΡΙΞΗΣ
Διαβάστε περισσότερα1 Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΕΙΣΑΓΩΓΗ Βιβλιοθήκη Ιατρικών Εικόνων & Αξιοσηµείωτων Περιστατικών ΕΓΧΕΙΡΙ ΙΟ ΧΡΗΣΗΣ Κέντρο Λειτουργίας και ιαχείρισης ικτύου Η Βιβλιοθήκη δηµιουργήθηκε από την οµάδα Συνεργατών του Κέντρου Λειτουργίας
Διαβάστε περισσότεραοµηµένες Αναπαραστάσεις Γνώσης
οµηµένες Αναπαραστάσεις Γνώσης! Η κλασική λογική δε µπορεί να αναπαραστήσει κλάσεις αντικειµένων.! Είναι επιθυµητή η µείωση του όγκου της γνώσης για ένα πρόβληµα.! Η πράξη απαιτεί µία περισσότερο διαισθητική
Διαβάστε περισσότεραΕΥΡΩΠΑΪΚΑ ΔΙΚΤΥΑ ΑΝΑΦΟΡΑΣ ΣΤΗΡΙΞΗ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΠΑΝΙΕΣ Ή ΠΟΛΥΠΛΟΚΕΣ ΝΟΣΟΥΣ. Share. Care. Cure. Υγείας
ΕΥΡΩΠΑΪΚΑ ΔΙΚΤΥΑ ΑΝΑΦΟΡΑΣ ΣΤΗΡΙΞΗ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΠΑΝΙΕΣ Ή ΠΟΛΥΠΛΟΚΕΣ ΝΟΣΟΥΣ Share. Care. Cure. Υγείας ΤΙ ΕΙΝΑΙ ΤΑ ΕΥΡΩΠΑΪΚΑ ΔΙΚΤΥΑ ΑΝΑΦΟΡΑΣ; Τα ευρωπαϊκά δίκτυα αναφοράς (ERN, European Reference Networks)
Διαβάστε περισσότεραΕΥΡΩΠΑΪΚΑ ΔΙΚΤΥΑ ΑΝΑΦΟΡΑΣ ΣΤΗΡΙΞΗ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΠΑΝΙΕΣ Ή ΠΟΛΥΠΛΟΚΕΣ ΝΟΣΟΥΣ. Share. Care. Cure. Υγείας
ΕΥΡΩΠΑΪΚΑ ΔΙΚΤΥΑ ΑΝΑΦΟΡΑΣ ΣΤΗΡΙΞΗ ΤΩΝ ΑΣΘΕΝΩΝ ΜΕ ΣΠΑΝΙΕΣ Ή ΠΟΛΥΠΛΟΚΕΣ ΝΟΣΟΥΣ Share. Care. Cure. Υγείας ΤΙ ΕΙΝΑΙ ΤΑ ΕΥΡΩΠΑΪΚΑ ΔΙΚΤΥΑ ΑΝΑΦΟΡΑΣ; Τα ευρωπαϊκά δίκτυα αναφοράς (ERN, European Reference Networks)
Διαβάστε περισσότεραΠληροφοριακά Συστήματα & Περιβάλλον
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 9: Έμπειρα Συστήματα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης Το
Διαβάστε περισσότεραΤεχνολογία και Κοινωνία
1 Τεχνολογία και Κοινωνία Μάθηµα 5 ο Δηµήτρης Τσέλιος Επίκουρος Καθηγητής ΤΕΙ Θεσσαλίας 2 Περιεχόµενο του µαθήµατος Η Τεχνητή και η Ανθρώπινη Νοηµοσύνη Όπως είδαµε στα προηγούµενα µαθήµατα τα κύρια χαρακτηριστικά
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ GD2670
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ GD2670 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ Έκτο ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Δομές Δεδομένων και Αλγόριθμοι ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ
Διαβάστε περισσότεραΠαραδοτέο Π.1 (Π.1.1) Εκθέσεις για προµήθεια εκπαιδευτικού υλικού
1 ΕΛΛΗΝΙΚΗ ΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΕΠΕΑΕΚ ΙΙ Μέτρο 2.2 Αναµόρφωση Προγραµµάτων Προπτυχιακών Σπουδών ιεύρυνση Τριτοβάθµιας Κατ. Πράξης 2.2.2.α Αναµόρφωση Προγραµµάτων
Διαβάστε περισσότεραΠαρουσίαση πτυχιακής εργασίας. Γιώτη Κωνσταντίνα Φρογάκη Ήρα-Αφροδίτη
Παρουσίαση πτυχιακής εργασίας Γιώτη Κωνσταντίνα Φρογάκη Ήρα-Αφροδίτη Περιεχόμενα Εισαγωγή Γνώση και κατανόηση του αυτισμού Διαγνωστικά εργαλεία για την ανίχνευση του αυτισμού Βασικές αρχές αποτελεσματικής
Διαβάστε περισσότεραΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ 1. ΓΕΝΙΚΑ ΣΧΟΛΗ Σ.Τ.ΕΦ. Α.Ε.Ι. ΠΕΙΡΑΙΑ Τ.Τ. ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΑΥΤΟΜΑΤΙΣΜΟΥ ΤΕ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ ΠΡΟΠΤΥΧΙΑΚΟ ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ 2201203 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ Β ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ
Διαβάστε περισσότεραΠαιδική Επιληψία. Πάολα Νικολαίδου Παιδονευρολόγος Επιληπτιολόγος American Medical Center. Πάολα Νικολαίδου Παιδονευρολόγος Επιληπτολόγος
Παιδική Eπιληψία Παιδική Επιληψία Πάολα Νικολαίδου Παιδονευρολόγος Επιληπτιολόγος American Medical Center Πάολα Νικολαίδου Παιδονευρολόγος Επιληπτολόγος Σύμφωνα με τα δεδομένα της ΔιεθνούςΟργάνωσης Υγείας
Διαβάστε περισσότεραΑΝ.ΕΦ. Γ ΛΥΚΕΙΟΥ Αν η συνθήκη ισχύει, τότε εκτελούνται οι εντολές που βρίσκονται µεταξύ των λέξεων ΤΟΤΕ και και η εκτέλεση του προγράµµατος συνεχίζετα
ΟΜΗ ΕΠΙΛΟΓΗΣ ΘΕΩΡΙΑ ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ 1. Πότε χρησιµοποιούµε την δοµή επιλογής; Ποιες είναι οι µορφές της; Όταν η εκτέλεση µιας εντολής ή ενός συνόλου εντολών δεν είναι σίγουρη αλλά εξαρτάται από την αλήθεια
Διαβάστε περισσότεραΠρογράµµατα σπουδών πληροφορικής στην ανωτάτη εκπαίδευση και χρήση των τεχνολογιών ΤΠΕ ραστηριότητες του τµήµατος Πληροφορικής του ΤΕΙ Αθήνας.
Προγράµµατα σπουδών πληροφορικής στην ανωτάτη εκπαίδευση και χρήση των τεχνολογιών ΤΠΕ ραστηριότητες του τµήµατος Πληροφορικής του ΤΕΙ Αθήνας. Χρήστος Σκουρλάς Τµήµα Πληροφορικής Τεχνολογικό Εκπαιδευτικό
Διαβάστε περισσότεραE-Health. Βενιζέλειο Νοσοκομείο Ηρακλείου
E-Health Βενιζέλειο Νοσοκομείο Ηρακλείου 2 ΜΕΧΡΙ ΣΗΜΕΡΑ Παροχή υπηρεσιών υγείας υποβοηθούμενη από ηλεκτρονικά μέσα Οι περισσότερες λύσεις και στρατηγικές εστιάζουν σε: υποδομές επικοινωνιών και δικτύων
Διαβάστε περισσότεραΛύσεις 1 ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης)
Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών ΗΥ-6 Συστήµατα Ανάκτησης Πληροφοριών 7-8 Εαρινό Εξάµηνο Άσκηση Λύσεις ης Σειράς Ασκήσεων (Αξιολόγηση της Αποτελεσµατικότητας της Ανάκτησης) Θεωρείστε µια
Διαβάστε περισσότεραΕλληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Πληροφορική II. Ενότητα 9 : Τεχνητή νοημοσύνη. Δρ. Γκόγκος Χρήστος
1 Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Πληροφορική II Ενότητα 9 : Τεχνητή νοημοσύνη Δρ. Γκόγκος Χρήστος 2 Ανοιχτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ηπείρου Τμήμα Χρηματοοικονομικής & Ελεγκτικής
Διαβάστε περισσότεραX Π Παναγιωτόπουλος MD PhD FRCP
X Π Παναγιωτόπουλος MD PhD FRCP Στις Επιληψίεs: η λανθασμένη διάγνωση και θεραπεία είναι κολοσσιαίο πρόβλημα με τεράστιες ανθρωπινες και οικονομικες συνέπειες. Πως αυτο μπορει να αποφευχθει? Η ορθή αλληλουχία
Διαβάστε περισσότεραΣτο στάδιο ανάλυσης των αποτελεσµάτων: ανάλυση ευαισθησίας της λύσης, προσδιορισµός της σύγκρουσης των κριτηρίων.
ΠΕΡΙΛΗΨΗ Η τεχνική αυτή έκθεση περιλαµβάνει αναλυτική περιγραφή των εναλλακτικών µεθόδων πολυκριτηριακής ανάλυσης που εξετάσθηκαν µε στόχο να επιλεγεί η µέθοδος εκείνη η οποία είναι η πιο κατάλληλη για
Διαβάστε περισσότεραιαγνωστικός Συλλογισµός και Λήψη Ιατρικής Απόφασης
ιαγνωστικός Συλλογισµός και Λήψη Ιατρικής Απόφασης ρ. Βασίλης Σπυρόπουλος Τµήµα Τεχνολογίας Ιατρικών Οργάνων Σχολή Τεχνολογικών Εφαρµογών Tεχνολογικό Εκπαιδευτικό Ιδρυµα Αθήνας 1 Η αφετηρία του διαγνωστικού
Διαβάστε περισσότεραΠανεπιστήµιο Πατρών Τµήµα Μηχ/κών Η/Υ & Πληροφορικής ΜΠΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ. Ι.
Πανεπιστήµιο Πατρών Τµήµα Μηχ/κών Η/Υ & Πληροφορικής ΜΠΣ ΕΠΙΣΤΗΜΗ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΑΠΟΦΑΣΕΩΝ Ι. Χατζηλυγερούδης ΩΡΟΛΟΓΙΟ ΠΡΟΓΡΑΜΜΑ Τετάρτη/Τρίτη 5.00-7.00 µ.µ. (ΠΡΟΚΑΤ Τµήµατος
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Λογική. Ενότητα 1: Εισαγωγή. Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Λογική Ενότητα 1: Εισαγωγή Δημήτρης Πλεξουσάκης Τμήμα Επιστήμης Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται στην άδεια χρήσης Creative Commons
Διαβάστε περισσότεραΕισαγωγή στις Τεχνολογίες της
Εισαγωγή στις Τεχνολογίες της Πληροφορίας και των Επικοινωνιών Ενότητα 13 : Crowdsourcing, Τεχνητή Νοημοσύνη, Συστήματα σύστασης Διδάσκων: Νικόλαος Τσέλιος Τμήμα Επιστημών της Εκπαίδευσης και της Αγωγής
Διαβάστε περισσότεραΓ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ ια. ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ»
Γ ΚΠΣ ΕΠΕΑΕΚ ΙΙ ΜΕΤΡΟ 2.2, ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΗΣ 2.6.1.ια ΕΡΓΟ: «ΠΕΡΙΒΑΛΛΟΝ - ΑΡΧΙΜΗΔΗΣ-Ενίσχυση ερευνητικών ομάδων του ΤΕΙ ΚΡΗΤΗΣ» ΥΠΟΕΡΓΟ 1: «Εφαρμογή του Περιβαλλοντικού Συστήματος Στήριξης Αποφάσεων Expert
Διαβάστε περισσότεραhttp://kesyp.didefth.gr/ 1
248_Τµήµα Εφαρµοσµένων Μαθηµατικών Πανεπιστήµιο Κρήτης, Ηράκλειο Προπτυχιακό Πρόγραµµα Σκοπός του Τµήµατος Εφαρµοσµένων Μαθηµατικών είναι η εκαπαίδευση επιστηµόνων ικανών όχι µόνο να υπηρετήσουν και να
Διαβάστε περισσότεραΜΕΘΟΔΟΣ NAIADE ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗ ΑΞΙΟΛΟΓΗΣΗ. Υπεύθυνη Μαθήματος Αναστασία Στρατηγέα Αναπλ. Καθηγ. Ε.Μ.Π.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΓΕΩΓΡΑΦΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΟΥ ΣΧΕΔΙΑΣΜΟΥ ΑΞΙΟΛΟΓΗΣΗ ΣΤΟ ΣΧΕΔΙΑΣΜΟ ΤΟΥ ΧΩΡΟΥ ΠΟΛΥΚΡΙΤΗΡΙΑΚΗ ΑΞΙΟΛΟΓΗΣΗ ΜΕΘΟΔΟΣ NAIADE Υπεύθυνη Μαθήματος
Διαβάστε περισσότεραΠεριεχόµενα. Πληροφοριακά Συστήµατα: Κατηγορίες και Κύκλος Ζωής. Π.Σ. ιαχείρισης Πράξεων. Π.Σ. ιοίκησης. Κατηγορίες Π.Σ. Ο κύκλος ζωής Π.Σ.
Πληροφοριακά Συστήµατα: Κατηγορίες και Κύκλος Ζωής Περιεχόµενα Κατηγορίες Π.Σ. ιαχείρισης Πράξεων ιοίκησης Υποστήριξης Αποφάσεων Έµπειρα Συστήµατα Ατόµων και Οµάδων Ο κύκλος ζωής Π.Σ. Ορισµός Φάσεις Χρήστες
Διαβάστε περισσότεραΒιοµηχανικά Ατυχήµατα
Βιοµηχανικά Ατυχήµατα Κωνσταντινίδου Αργυρή-Μυρτώ Επιβλέπων Ερευνητής: ρ. Ζ. Νιβολιανίτου Τριµελής Επιτροπή: Ν. Μαρκάτος Α. Λυγερός Χ. Κυρανούδης Μονάδα Υπολογιστικής Ρευστοµηχανικής ΙΝΣΤΙΤΟΥΤΟ ΠΥΡΗΝΙΚΗΣ
Διαβάστε περισσότεραΕξαγωγή κανόνων από αριθµητικά δεδοµένα
Εξαγωγή κανόνων από αριθµητικά δεδοµένα Συχνά το σύστηµα που θέλουµε να µοντελοποιήσουµε η να ελέγξουµε αντιµετωπίζεται ως µαύρο κουτί και η πληροφορία για τη λειτουργία του διατίθεται υπό µορφή ζευγών
Διαβάστε περισσότεραΙΑΤΡΕΙΟ ΚΕΦΑΛΑΛΓΙΑΣ ΣΤΟΧΕΥΜΕΝΗ ΘΕΡΑΠΕΙΑ ΓΙΑ ΤΗΝ ΑΝΤΙΜΕΤΩΠΙΣΗ ΚΕΦΑΛΑΛΓΙΩΝ ΚΑΙ ΗΜΙΚΡΑΝΙΩΝ
ΙΑΤΡΕΙΟ ΚΕΦΑΛΑΛΓΙΑΣ ΣΤΟΧΕΥΜΕΝΗ ΘΕΡΑΠΕΙΑ ΓΙΑ ΤΗΝ ΑΝΤΙΜΕΤΩΠΙΣΗ ΚΕΦΑΛΑΛΓΙΩΝ ΚΑΙ ΗΜΙΚΡΑΝΙΩΝ Σηµαντικό ποσοστό Ελλήνων ταλαιπωρείται σήµερα από χρόνιες κεφαλαλγίες (δηλαδή χρόνιους πονοκεφάλους) και ηµικρανίες,
Διαβάστε περισσότεραΟδηγίες για την Φαρμακευτική θεραπεία της επιληψίας
Οδηγίες για την Φαρμακευτική θεραπεία της επιληψίας Επιληψία είναι μία νόσος με πολλαπλά αίτια και η διάγνωση τίθεται όταν ο ασθενής εμφανίσει δύο επεισόδια μη προκλητών επιληπτικών κρίσεων ή ένα επεισόδιο
Διαβάστε περισσότεραΥΤ παιδιών στην Ελλάδα
Καθορισμός τοπικών ΔΕΑ σε εξετάσεις ΥΤ παιδιών στην Ελλάδα Συργιαμιώτης Βασίλης BSc,MSc Υποψήφιος διδάκτορας Ιατρικής Φυσικής Β Εργαστήριο Ακτινολογίας, Ιατρική Σχολή ΕΚΠΑ Περιεχόμενα Εισαγωγή Σκοπός Υλικά
Διαβάστε περισσότεραΗΥ Λογική. Διδάσκων: Δημήτρης Πλεξουσάκης Καθηγητής
ΗΥ 180 - Λογική Διδάσκων: Καθηγητής E-mail: dp@csd.uoc.gr Ώρες διδασκαλίας: Δευτέρα, Τετάρτη 4-6 μμ, Αμφ. Β Ώρες φροντιστηρίου: Πέμπτη 4-6 μμ, Αμφ. Β Ώρες γραφείου: Δευτέρα, Τετάρτη 2-4 μμ, Κ.307 Web site:
Διαβάστε περισσότεραΤρίτη 7 Οκτωβρίου 2008
ΕΛΤΙΟ ΤΥΠΟΥ - ΚΑΡΚΙΝΟΣ ΜΑΣΤΟΥ Τρίτη 7 Οκτωβρίου 2008 Ο καρκίνος του µαστού είναι ο συχνότερος καρκίνος στις γυναίκες. Οι Ελληνίδες φαίνεται να ανησυχούν αρκετά για το ενδεχόµενο να νοσήσουν οι ίδιες, χωρίς
Διαβάστε περισσότεραΕξωνοσοκοµειακό Πρόγραµµα Υγείας
Εξωνοσοκοµειακό Πρόγραµµα Υγείας Πρόληψη Κάλλιον το προλαµβάνειν παρά το θεραπεύειν 2 Πλεονεκτήµατα Η πρόληψη σε θέµατα υγείας γίνεται: Προσιτή οικονοµικά Προσιτή από προϋποθέσεις ασφάλισης Προσιτή από
Διαβάστε περισσότεραΚοινωνικά Δίκτυα και Εκπαιδευτικό Υλικό: Προς Έναν Αναδυόμενο, Συλλογικό Δάσκαλο
Προπτυχιακή Ιατρική Εκπαίδευση στην Ελλάδα, Λάρισα, 14-15 Μαΐου 2010 Κοινωνικά Δίκτυα και Εκπαιδευτικό Υλικό: Προς Έναν Αναδυόμενο, Συλλογικό Δάσκαλο Ελένη Καλδούδη Επίκουρος Καθηγήτρια Τμήμα Ιατρικής
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Κ. Δεμέστιχας Εργαστήριο Πληροφορικής Γεωπονικό Πανεπιστήμιο Αθηνών Επικοινωνία μέσω e-mail: cdemest@aua.gr, cdemest@cn.ntua.gr Διαφάνειες: Καθ. Νικόλαος Λορέντζος 1 12. ΤΕΧΝΗΤΗ
Διαβάστε περισσότεραΒιοϊατρική τεχνολογία
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοϊατρική τεχνολογία Ενότητα 1: Εισαγωγή στη Βιοϊατρική Τεχνολογία Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία e-mail:
Διαβάστε περισσότεραΓ Εκπαιδευτική Σειρά Μηχανικής Διάγνωσης & Θεραπείας 2017 ΜΔΘ Οσφυϊκής Μοίρας ΣΣ, Πυέλου (Advanced) και Περιφερειακών Αρθρώσεων Κάτω Άκρου
Γ Εκπαιδευτική Σειρά Μηχανικής Διάγνωσης & Θεραπείας 2017 ΜΔΘ Οσφυϊκής Μοίρας ΣΣ, Πυέλου (Advanced) και Περιφερειακών Αρθρώσεων Κάτω Άκρου Όπως υποδηλώνει και το όνομά της, αυτή η εκπαιδευτική σειρά εστιάζει
Διαβάστε περισσότεραΑιτιολόγηση με αβεβαιότητα
Αιτιολόγηση με αβεβαιότητα Στα προβλήματα του πραγματικού κόσμου οι αποφάσεις συνήθως λαμβάνονται υπό αβεβαιότητα (uncertainty), δηλαδή έλλειψη επαρκούς πληροφορίας. Οι κυριότερες πηγές αβεβαιότητας είναι:
Διαβάστε περισσότεραΗ στοίβα (stack) H στοίβα είναι ένας αποθηκευτικός χώρος οργανωµένος κατά τέτοιο τρόπο ώστε να υποστηρίζει δύο βασικές λειτουργίες:
Άσκηση 5Α_5 26/3/2003 11.5. Άσκηση 5A - [αναγνώριση αντικειµένων-διάγραµµα κλάσεων] [Σε αντικατάσταση της άσκησης 5 του κεφαλαίου 11] 11.5.1. Περιγραφή Η άσκηση αυτή είναι η πρώτη από µία σειρά ασκήσεων
Διαβάστε περισσότεραΑνδρέας Παπαζώης. Τμ. Διοίκησης Επιχειρήσεων
Ανδρέας Παπαζώης Τμ. Διοίκησης Επιχειρήσεων Περιεχόμενα Εργ. Μαθήματος Εισαγωγή στην Τεχνητή Νοημοσύνη και τα Ευφυή Συστήματα Γνώση και αναπαράσταση γνώσης Παραδείγματα μετατροπής φυσικής γλώσσας 2/14
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 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 περισσότεραΠΡΟΓΡΑΜΜΑ ΚΟΙΝΟΤΙΚΗΣ ΡΑΣΗΣ ΓΙΑ ΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΥΓΕΙΑΣ ΠΡΟΓΡΑΜΜΑ ΕΡΓΑΣΙΑΣ ΓΙΑ ΤΟ (Άρθρο 5.2.β) της απόφασης 1400/97/EΚ)
VERSION FINALE ΠΡΟΓΡΑΜΜΑ ΚΟΙΝΟΤΙΚΗΣ ΡΑΣΗΣ ΓΙΑ ΤΗΝ ΠΑΡΑΚΟΛΟΥΘΗΣΗ ΤΗΣ ΥΓΕΙΑΣ ΠΡΟΓΡΑΜΜΑ ΕΡΓΑΣΙΑΣ ΓΙΑ ΤΟ 2000 (Άρθρο 5.2.β) της απόφασης 1400/97/EΚ) 1. Εισαγωγή Οι δραστηριότητες της Ευρωπαϊκής Ένωσης στον
Διαβάστε περισσότερα1 Γ Εκπαιδευτική Σειρά 2018 Ελληνικό Ινστιτούτο McKenzie
1 Γ Εκπαιδευτική Σειρά 2018 Ελληνικό Ινστιτούτο McKenzie ΠΡΟΓΡΑΜΜΑ Ημέρα 1η 09:00 17:00 Ημέρα 2η 09:00 17:00 Ημέρα 3η 09:00 17:00 Χρόνος Κεφάλαιο Θέμα 09:00-10:00 Κεφάλαιο 1 Περιοχές Προβλημάτων 10:00-11:00
Διαβάστε περισσότεραmin f(x) x R n b j - g j (x) = s j - b j = 0 g j (x) + s j = 0 - b j ) min L(x, s, λ) x R n λ, s R m L x i = 1, 2,, n (1) m L(x, s, λ) = f(x) +
KΕΦΑΛΑΙΟ 4 Κλασσικές Μέθοδοι Βελτιστοποίησης Με Περιορισµούς Ανισότητες 4. ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΠΕΡΙΟΡΙΣΜΟΥΣ ΑΝΙΣΟΤΗΤΕΣ Ζητούνται οι τιµές των µεταβλητών απόφασης που ελαχιστοποιούν την αντικειµενική συνάρτηση
Διαβάστε περισσότεραΕργαστήριο Ιατρικής Φυσικής
Γενικές Πληροφορίες για Μέλη ΔΕΠ Ονοματεπώνυμο Αδάμ Αδαμόπουλος Βαθμίδα Επίκουρος Καθηγητής Γνωστικό Αντικείμενο Ιατρική Φυσική Εργαστήριο/Κλινική Εργαστήριο Ιατρικής Φυσικής Γραφείο Τηλέφωνο 25510 30501
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ «Ο ρόλος της επικοινωνίας/σχέσης µεταξύ γιατρού και ασθενή στην ικανοποίηση του τελευταίου και την ποιότητα των παρεχόµενων υπηρεσιών υγείας: Μελέτη Περίπτωσης ασθενούς µε
Διαβάστε περισσότεραΝέες τεχνολογίες εισάγονται ή χρησιµοποιούνται
special report τoυ Γιώργου Φετοκάκη / gfetokakis@boussias.com Jobs scheduling Η χρυσή τοµή της αυτοµατοποίησης Μια λύση job scheduling πρέπει να είναι αρκετά περιεκτική. Πρέπει να υποστηρίζει την ενσωµάτωση
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. 4o Εργαστήριο Σ.Α.Ε
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα 4o Εργαστήριο Σ.Α.Ε Ενότητα : Μελέτη και Σχεδίαση Σ.Α.Ε Με χρήση του MATLAB Aναστασία Βελώνη Τμήμα Η.Υ.Σ Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραΚεφάλαιο 7: Τεχνολογία Λογισμικού
Κεφάλαιο 7: Τεχνολογία Λογισμικού Η Επιστήμη των Υπολογιστών: Μια Ολοκληρωμένη Παρουσίαση (δέκατη αμερικανική έκδοση) J. Glenn Brookshear Copyright 2008 Pearson Education, Inc. Publishing as Pearson Addison-Wesley
Διαβάστε περισσότεραΣυστάσεις για τη διαχείριση των πυρετικών σπασμών
Συστάσεις για τη διαχείριση των πυρετικών σπασμών Ad hoc Task Force of LICE Guidelines Commission ITALIAN LEAGUE AGAINST EPILEPSY Giuseppe Capovilla, Massimo Mastrangelo, Antonino Romeo, and Federico Vigevano
Διαβάστε περισσότεραΣτρατηγικό Σχεδιασµό Πληροφοριακών Συστηµάτων
Μέθοδοι και Τεχνικές για τον Στρατηγικό Σχεδιασµό Πληροφοριακών Συστηµάτων (SISP) Στρατηγική και Διοίκηση Πληροφοριακών Συστηµάτων Μάθηµα 2 No 1 Δοµή της Παρουσίασης l 1. Εισαγωγή l 2. Μεθοδολογία SISP
Διαβάστε περισσότεραΙστορική αναδρομή 2000 πχ: σε πλακίδια από τη Βαβυλώνα περιγράφονται διαφορετικοί τύποι επιληπτικών κρίσεων τους οποίους αναγνωρίζουμε και σήμερα Γύρω
ΙΕΘΝΗΣ ΤΑΞΙΝΟΜΗΣΗ ΕΠΙΛΗΨΙΑΣ ρ Γκουρμπαλή Α. Βασιλική Επιμελήτρια Β Νευρολογική Κλινική Γ.Ν.Α. «Ο Ευαγγελισμός» Ιστορική αναδρομή 2000 πχ: σε πλακίδια από τη Βαβυλώνα περιγράφονται διαφορετικοί τύποι επιληπτικών
Διαβάστε περισσότεραΕλληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Θεωρία Υπολογισμού. Ενότητα 1 : Σύνολα & Σχέσεις (1/2) Αλέξανδρος Τζάλλας
1 Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Θεωρία Υπολογισμού Ενότητα 1 : Σύνολα & Σχέσεις (1/2) Αλέξανδρος Τζάλλας 2 Ανοιχτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ηπείρου Τμήμα Μηχανικών Πληροφορικής
Διαβάστε περισσότεραΔ Εκπαιδευτική Σειρά Μηχανικής Διάγνωσης & Θεραπείας 2017 ΜΔΘ Αυχενικής & Θωρακικής Μοίρας ΣΣ, (Advanced) και Περιφερειακών Αρθρώσεων Άνω Άκρου
Δ Εκπαιδευτική Σειρά Μηχανικής Διάγνωσης & Θεραπείας 2017 ΜΔΘ Αυχενικής & Θωρακικής Μοίρας ΣΣ, (Advanced) και Περιφερειακών Αρθρώσεων Άνω Άκρου Όπως υποδηλώνεται και από τον τίτλο, αυτή η εκπαιδευτική
Διαβάστε περισσότεραΒιοπληροφορική και Πολυµέσα. Ειρήνη Αυδίκου Αθήνα
Βιοπληροφορική και Πολυµέσα Αθήνα 1.2.2009 ΠΕΡΙΕΧΟΜΕΝΑ 1. Πως σχετίζεται µε τα Πολυµέσα 2. Τι είναι η Βιοπληροφορική 3. Χρήσεις 4. Συµπεράσµατα 5. Βιβλιογραφία Βιοπληροφορική και Πολυµέσα 2 1. Τι είναι
Διαβάστε περισσότεραΈμπειρα Συστήματα. Εργαστήριο
Έμπειρα Συστήματα Εργαστήριο Χρυσόστομος Στύλιος E-class: Ανακοινώσεις, διαφάνειες, εργασίες, χρήσιμοι σύνδεσμοι, κλπ. 1 Εργασίες Θα δοθεί υποχρεωτική εργασία: Ανάπτυξη ενός έμπειρου συστήματος σε γλώσσα
Διαβάστε περισσότεραΤ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΕΩΝ
Τ.Ε.Ι. ΑΝΑΤΟΛΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΚΑΙ ΘΡΑΚΗΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ & ΕΠΙΧΕΙΡΗΣΕΩΝ Η Έρευνα Μάρκετινγκ ως εργαλείο ανάπτυξης νέων προϊόντων ΕΙΣΗΓΗΤΗΣ: Δρ. Ιωάννης Σ. Τουρτούρας Μηχανικός Παραγωγής & Διοίκησης Δ.Π.Θ.
Διαβάστε περισσότεραΕιδικής Υποδομής Υποχρεωτικό
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ GD780 ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Τεχνητή Νοημοσύνη ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ σε περίπτωση που οι
Διαβάστε περισσότεραΑνάπτυξη εφαρµογών σε προγραµµατιστικό περιβάλλον (στοιχεία θεωρίας)
Ανάπτυξη εφαρµογών σε προγραµµατιστικό περιβάλλον (στοιχεία θεωρίας) Εισαγωγή 1. Τι είναι αυτό που κρατάς στα χέρια σου. Αυτό το κείµενο είναι µια προσπάθεια να αποτυπωθεί όλη η θεωρία του σχολικού µε
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως
Διαβάστε περισσότεραΤο Επενδυτικό σχέδιο 3. Βασικές έννοιες και ορισµοί
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΤΕΧΝΟΛΟΓΙΚΗ ΟΙΚΟΝΟΜΙΚΗ I Διδάσκων: Δρ. Κ. Αραβώσης Το Επενδυτικό σχέδιο 3. Βασικές έννοιες
Διαβάστε περισσότεραΔημήτριος Κουτσούρης, Καθηγητής ΕΜΠ Ηλιοπούλου Δήμητρα, Δρ. Βιοϊατρικής Τεχνολογίας, Ηλεκτρολόγος Μηχ. και Μηχ. Υπολογιστών, ΕΜΠ
Ο ΡΟΛΟΣ ΤΗΣ ΒΙΟΪΑΤΡΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΣΤΗΝ ΕΞΑΤΟΜΙΚΕΥΜΕΝΗ ΔΙΑΧΕΙΡΙΣΗ ΓΥΝΑΙΚΩΝ ΜΕ ΠΑΘΟΛΟΓΙΚΟ ΤΕΣΤ ΠΑΠΑΝΙΚΟΛΑΟΥ Δημήτριος Κουτσούρης, Καθηγητής ΕΜΠ Ηλιοπούλου Δήμητρα, Δρ. Βιοϊατρικής Τεχνολογίας, Ηλεκτρολόγος
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ενότητα 9: Τεχνητή νοημοσύνη Δημοσθένης Πασχαλίδης Τμήμα Ιερατικών Σπουδών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΑνοικτά Ακαδηµα κά Μαθήµατα
ΤΕΙ Ιονίων Νήσων Ανοικτά Ακαδηµα κά Μαθήµατα Ανάλυση Σχεδίαση Υλοποίηση Αξιολόγηση Ανάλυση: Πληροφορίες σχετικά µε τις ανάγκες της εκπαίδευσης Σχεδίαση: Καθορισµός χαρακτηριστικών του εκπαιδευτικού λογισµικού
Διαβάστε περισσότεραΣΠΑΝΙΑ ΝΟΣΗΜΑΤΑ ΟΡΦΑΝΑ ΦΑΡΜΑΚΑ
ΣΠΑΝΙΑ ΝΟΣΗΜΑΤΑ ΟΡΦΑΝΑ ΦΑΡΜΑΚΑ Σωτηρία Μαστρογιάννη Παιδίατρος Παιδονευρολόγος Διευθύντρια ΕΣΥ Νευρολογικό Τµήµα Νοσοκοµείο Παίδων Αθηνών «Παν. & Αγλαΐας Κυριακού» "Rare diseases are rare, but rare disease
Διαβάστε περισσότεραΟδοντιατρικό Τμήμα ΕΚΠΑ. Ηλεκτρονικός Φάκελος διαχείρισης ασθενών - φοιτητών
Οδοντιατρικό Τμήμα ΕΚΠΑ Ηλεκτρονικός Φάκελος διαχείρισης ασθενών - φοιτητών ΠΕΡΙΕΧΟΜΕΝΑ } Είσοδος χειριστή στην εφαρμογή 4 } Καταχώρηση νέου ασθενούς 5 } Αναζήτηση ασθενούς 6 } Επιλογή ασθενούς 7 } Καρτέλα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Παρασκευή 9 Ιανουαρίου 2007 5:00-8:00 εδοµένου ότι η
Διαβάστε περισσότεραΕργαστηριακή εισήγηση. «ΜΑΘΗΣΙΣ: Μία Ευφυής Διαδικτυακή Τάξη Άλγεβρας»
o Πανελλήνιο Εκπαιδευτικό Συνέδριο Ημαθίας ΠΡΑΚΤΙΚΑ Εργαστηριακή εισήγηση «ΜΑΘΗΣΙΣ: Μία Ευφυής Διαδικτυακή Τάξη Άλγεβρας» Δημήτριος Σκλαβάκης 1, Ιωάννης Ρεφανίδης 1 Μαθηματικός Υποψήφιος Διδάκτωρ, Τμήμα
Διαβάστε περισσότεραRule Based systems Συστήματα Βασισμένα σε κανόνες
Rule Based systems Συστήματα Βασισμένα σε κανόνες Τμήματα ενός έμπειρου συστήματος βασισμένου σε κανόνες Βάση Γνώσης (Κανόνες) Μηχανισμός Εξαγωγής Συμπερασμάτων Χώρος Εργασίας (Γεγονότα) Μηχανισμός Επεξήγησης
Διαβάστε περισσότεραΣΥΣΤΗΜΑΤΑ ΛΗΨΗΣ-ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ (Decision Support Systems) ΣΤΟΝ ΑΓΡΟ-ΔΑΣΙΚΟ ΤΟΜΕΑ
ΤΙΤΛΟΣ ΕΙΣΗΓΗΣΗΣ: ΣΥΣΤΗΜΑΤΑ ΛΗΨΗΣ-ΥΠΟΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ (Decision Support Systems) ΣΤΟΝ ΑΓΡΟ-ΔΑΣΙΚΟ ΤΟΜΕΑ ΕΙΣΗΓΗΤΗΣ: Δρ. Αντώνιος Δ. Αθανασιάδης Δασολόγος-Περιβαλλοντολόγος Α.Π.Θ MSc-PhD Δασικής Πληροφορικής
Διαβάστε περισσότεραΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams
ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς
Διαβάστε περισσότεραΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ
ΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Τμήμα Διοίκησης Συστημάτων Εφοδιασμού Μάθημα: Εισαγωγή στην Εφοδιαστική (Εργαστήριο) Ανάλυση του άρθρου με τίτλο: «Intelligent Decision Support Systems» των Stephanie Guerlain,
Διαβάστε περισσότεραΤεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο
Τεχνολογίες Πληροφορικής και Επικοινωνιών (ΤΠΕ) για την υποστήριξη ιατρικών πράξεων σε νησιωτικές περιοχές στο Αιγαίο ρ. Η. Μαγκλογιάννης Πανεπιστήµιο Αιγαίου Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών
Διαβάστε περισσότεραΜοντέλα Υγείας. Βασικές Αρχές Βιοϊατρικού Μοντέλου. Θετικές επιπτώσεις Βιοϊατρικής προσέγγισης. 2 Βασικές Ιδεολογίες για Υγεία & Αρρώστια
ΜΟΝΤΕΛΑ ΥΓΕΙΑΣ-ΑΣΘΕΝΕΙΑΣ ΓΝΩΣΤΙΚΗ ΑΝΑΠΑΡΑΣΤΑΣΗ ΑΡΡΩΣΤΙΑΣ 2 Βασικές Ιδεολογίες για Υγεία & Αρρώστια Μοντέλα Υγείας Βιοιατρικό Μοντέλο Ολιστικό, Βιοψυχοκοινωνικό Μοντέλο Αρχαία Ελλάδα (Ιπποκράτης 400π.Χ.)
Διαβάστε περισσότεραΠρογραμματισμός Ηλεκτρονικών Υπολογιστών 1
Προγραμματισμός Ηλεκτρονικών Υπολογιστών 1 Ενότητα 3: Άλγεβρα Βοole και Λογικές Πράξεις Δρ. Φραγκούλης Γεώργιος Τμήμα Ηλεκτρολογίας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ (1) ΓΕΝΙΚΑ ΣΧΟΛΗ ΠΟΛΥΤΕΧΝΙΚΗ ΤΜΗΜΑ Μηχανικών Οικονομίας και Διοίκησης ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ ΓΕ0145 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 4ο ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Εργαστήριο Προγράμματος
Διαβάστε περισσότερα