Τεχνητά Νευρωνικά Δίκτυα-Εξελικτική Προσέγγιση της Ανθρώπινης Νοημοσύνης
|
|
- Ιωάννα Αντωνοπούλου
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Τεχνητά Νευρωνικά Δίκτυα-Εξελικτική Προσέγγιση της Ανθρώπινης Νοημοσύνης Πλέρου Αντωνία Τμήμα Μαθηματικών Α.Π.Θ. Μεταπτυχιακές Σπουδές στα Μαθηματικά Ε.Α.Π. Abstract This work deals with the branch of science that deals with neural networks. It begins providing answers to questions about what neural networks do, their association with the brain and to identify some of the problems which can be solved with their help. After a brief introduction to cognitive science reported the differences and similarities between computer and human brain. On the occasion to describe the structure of an artificial neuron was compared with biological neural networks and provided the description of the model of artificial neuron. At the end of the work there is a short reference to the evolution of neural networks and some of its applications. Κeywords: Brain, mind, simulation, neuron, perceptron, artificial neural network. 1.ΕΙΣΑΓΩΓΗ 1.1.ΓΕΝΙΚΑ Η αναπαράσταση της γνώσης και η προσαρμογή των σημασιολογικών περιγραφών αποτελεί πεδίο έρευνας τα τελευταία χρόνια και πολλά συστήματα έχουν προταθεί για το σκοπό αυτό. Οι δομικές διαφορές υπολογιστή και εγκεφάλου δεν εμποδίζουν την προσπάθεια να υποκατασταθούν κάποιες νοητικές λειτουργίες του εγκέφαλου από υπολογιστικό σύστημα όπως έχει ήδη γίνει για τους αριθμητικούς υπολογισμούς. Αυτό σημαίνει ότι υπάρχει η δυνατότητα αποδοτικότερης εργασίας με 1
2 την χρήση ενός δυνατού εργαλείου που απαλλάσσει τον ανθρώπινο εγκέφαλο από χρονοβόρες νοητικές λειτουργίες επιτυγχάνοντας έτσι μεγαλύτερη ταχύτητα λογισμού. Στα πλαίσια αυτής της λογικής ξεκίνησε η πρόοδος του κλάδου της επιστήμης υπολογιστών ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων δηλαδή συστημάτων που επιδεικνύουν χαρακτηριστικά που σχετίζονται με τη νοημοσύνη στην ανθρώπινη συμπεριφορά και ονομάστηκε τεχνητή νοημοσύνη. Έτσι μέσα σε μια περίοδο τεχνολογικής ανάπτυξης άρχισε να υλοποιείται η ιδέα να κατασκευαστούν μηχανές, οι οποίες θα υιοθετούσαν ανθρώπινες συμπεριφορές και θα λειτουργούσαν με λογική σκέψη [Amit (1989)]. 1.2.ΓΝΩΣΙΑΚΗ ΕΠΙΣΤΗΜΗ Η ιδέα ότι ο ανθρώπινος νους είναι ένας υπολογιστής, την λειτουργία του οποίου γίνεται κατανοητή μέσα από μια διαδικασία αντίστροφης μηχανής έχει φέρει στο προσκήνιο της γνωσιακής επιστήμης μια σειρά από θέματα που έχουν να κάνουν με την εξελικτική θεωρία και φυσικά την εξέλιξη του νου. Η εξελικτική θεωρία υποστηρίζει ότι τα ζωντανά είδη δεν παραμένουν αμετάβλητα και σταθερά αλλά ότι αλλάζουν μέσα στο χρόνο [Callan (1999)]. Οι λειτουργίες του εγκεφάλου φαίνεται να έχουν τροποποιηθεί με το πέρασμα του χρόνου μέσα από αλλεπάλληλες προσαρμοστικές μετατροπές. Πολλοί ψυχολόγοι και γνωσιακοί επιστήμονες πιστεύουν ότι η εξελικτική προσέγγιση συμβάλει στη κατανόηση της κατασκευαστικής δομής του ανθρώπινου εγκεφάλου κάνοντας με αυτό τον τρόπο δυνατή την κατασκευή της αντίστροφης μηχανής του νου [Hassoun (1995)]. Μια βασική μέθοδος έλεγχου θεωριών νοητικών λειτουργιών με τον υπολογιστή είναι η προσομοίωση (simulation). Η μέθοδος της προσομοίωσης προϋποθέτει τον προγραμματισμό ενός υπολογιστή ώστε να συμπεριφέρεται κατά το δυνατό πλησιέστερα προς ένα φυσικό σύστημα όπως ο εγκέφαλος όταν εκτελεί μια πνευματική ή νοητική λειτουργία. Το πρόγραμμα προσομοίωσης ονομάζεται και υπολογιστικό πρότυπο ή μοντέλο. Ένα υπολογιστικό πρότυπο μπορεί να προέρχεται από την υλοποίηση ενός μαθηματικού συστήματος εξισώσεων ή ενός αλγορίθμου. Με βάση τα παραπάνω πρότυπα έχουν γίνει διάφορες προσπάθειες κατασκευής ηλεκτρονικών συστημάτων που έχουν δομή ανάλογη με εκείνη του εγκεφάλου. Τα πλέον διαδεδομένα από αυτά τα συστήματα είναι τα τεχνητά νευρωνικά δίκτυα [State et al (2000)]. 1.3.ΔΙΑΦΟΡΕΣ ΥΠΟΛΟΓΙΣΤΗ ΚΑΙ ΑΝΘΡΩΠΙΝΟΥ ΕΓΚΕΦΑΛΟΥ Πολλά από τα στοιχεία λειτουργίας του ανθρώπινου νου που έχουν γίνει έως τώρα γνωστά χρησιμοποιήθηκαν για τη προσομοίωση του ανθρώπινου εγκεφάλου από συστήματα τεχνητής νοημοσύνης. Το σημαντικότερο όμως εμπόδιο στην 2
3 προσπάθεια προσομοίωσης του ανθρωπίνου εγκεφάλου από ένα λειτουργικό σύστημα είναι οι διαφορές στην αρχιτεκτονική και στην δομή αυτών των δυο συστημάτων. Μια από τις διαφορές των δυο συστημάτων είναι ότι υπάρχει διαφορετική ηλεκτρική λειτουργία και συνδεσιμότητα όπως επίσης και διαφορά ως προς την υλική κατασκευή. Επίσης υπάρχει διαφοροποίηση όσον αφορά την αναγνώριση προτύπων. Στον υπολογιστή η αναγνώριση γίνεται με βάση το περίγραμμα των αντικειμένων. Ειδικότερα ο υπολογιστής δεν διαθέτει σύστημα αναγνώρισης εικόνων συγκρίσιμο με το ανθρώπινο οπτικό σύστημα. Χαρακτηριστικό είναι ότι ο ανθρώπινος εγκέφαλος μπορεί να εκτελέσει αναγνώριση προτύπων ή αλλιώς να αναγνωρίσει γνωστά πρόσωπα σε άγνωστα περιβάλλοντα χρειάζεται περίπου χιλιοστά του δευτερολέπτου, ενώ ένας πολύ ισχυρός υπολογιστής θα χρειαζόταν ίσως ολόκληρες μέρες για να εκτελέσει μια τέτοια διαδικασία [Hagan et al (1995)]. Μια ακόμα διαφορά είναι ότι η καταχώρηση και η επεξεργασία πληροφοριών εκτελούνται στον υπολογιστή από σαφώς διακριτά συστήματα δηλαδή την μνήμη και την κεντρική μονάδα επεξεργασίας σε αντίθεση με τον εγκέφαλο. Επιπλέον ο υπολογιστής έχει την δυνατότητα πλήρους διαγραφής όλων των πληροφοριών από την μνήμη και την αποθήκευση νέων στοιχείων και προγραμμάτων σε αντίθεση με τον ανθρώπινο εγκέφαλο στον οποίο δεν θα ήταν ποτέ δυνατή μια τέτοια διαδικασία [State et al (2002)]. Τέλος ο υπολογιστής επιδεικνύει πολύ μεγάλη ακρίβεια εκτέλεσης αριθμητικών διαδικασιών και χαρακτηρίζεται από λειτουργική σταθερότητα σε αντίθεση με τον εγκέφαλο ο οποίος επηρεάζεται από οργανικούς, ψυχολογικούς αλλά και συναισθηματικούς παράγοντες. Έτσι ένα υπολογιστικό μηχάνημα δεν διαθέτει ούτε θα αποκτήσει λόγο αδυναμίας της σημερινής τεχνολογικής γνώσης ανθρώπινη συνείδηση. 2.ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ 2.1.ΑΠΟ ΤΑ ΒΙΟΛΟΓΙΚΑ ΣΤΑ ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Τα τεχνητά νευρωνικά δίκτυα ενώ προέρχονται ως φιλοσοφία από τα βιολογικά νευρωνικά δίκτυα είναι πιο απλοϊκά λόγο ανεπάρκειας τεχνολογιών. Τα τεχνητά νευρωνικά δίκτυα παρέχουν ένα εναλλακτικό μοντέλο το οποίο είναι εμπνευσμένο από τα βιολογικά μοντέλα σύμφωνα με το οποίο οι υπολογισμοί γίνονται παράλληλα και μαζικά και η εκπαίδευση αντικαθιστά την ανάπτυξη προγράμματος. Είναι μια προσπάθεια προσομοίωσης με την βοήθεια υπολογιστών 3
4 του ανθρώπινου νευρικού συστήματος. Μελετώντας τα βιολογικά νευρωνικά δίκτυα που υπάρχουν στον ανθρώπινο εγκέφαλο παρατηρούμε ότι αποτελούνται επίσης από νευρώνες. Ο νευρώνας είναι το μικρότερο τμήμα του εγκεφάλου που είναι ικανό να επεξεργαστεί πληροφορίες και η ύπαρξη του διαφοροποιεί τα ζώα από τα φυτά (τα φυτά δεν έχουν νευρώνες). Τυπικά η επεξεργασία στους νευρώνες γίνεται 5 με 6 τάξεις μεγέθους πιο αργά από ότι στις σύγχρονες ψηφιακές λογικές πύλες. Ο χρόνος για τις ψηφιακές λογικές πύλες μετριέται σε δισεκατομμυριοστά του δευτερολέπτου (nanoseconds), ενώ για τους νευρώνες σε χιλιοστά του δευτερολέπτου (milliseconds). Όμως ο εγκέφαλος αντισταθμίζει την σχετικά αργή ταχύτητα λειτουργίας νευρώνων με τον πραγματικά τεράστιο αριθμό των μεταξύ τους συνδέσεων. Υπολογίζεται ότι υπάρχουν 10 δισεκατομμύρια νευρώνες και 60 τρισεκατομμύρια συνδέσεις στον φλοιό του ανθρώπινου εγκεφάλου, γεγονός που αποτελεί βασικό λόγο ανεπάρκειας του υπολογιστή για την απόλυτη προσομοίωση του με τον εγκέφαλο [Fausett (1996)]. Οι βιολογικοί νευρώνες αποτελούνται από τρία βασικά τμήματα που είναι το σώμα, ο άξονας και οι δενδρίτες. Αναλυτικότερα οι δενδρίτες, λαμβάνουν σήματα από γειτονικούς νευρώνες. Τα σήματα αυτά είναι ηλεκτρικοί παλμοί που διαδίδονται μεταξύ του άξονα του νευρώνα πομπού και των δενδριτών του νευρώνα δέκτη με την βοήθεια χημικών διεργασιών. Το σημείο των χημικών διεργασιών, όπου ο άξονας ενός νευρώνα μεταδίδει το σήμα στους δενδρίτες του επόμενου λέγεται σύναψη. Αναφορικά αυτές οι διεργασίες μεταβάλλουν τα εισερχόμενα σήματα αλλάζοντας τη συχνότητα τους. Στην συνέχεια το σώμα αθροίζει τα εισερχόμενα σήματα και όταν αρκετά σήματα έχουν ληφθεί αποστέλλει το επεξεργασμένο σήμα στους γειτονικούς του νευρώνες μέσω του άξονα. Έτσι κάθε νευρώνας δέχεται πολλά σήματα ως είσοδο και μετά την επεξεργασία τους διαδίδει μόνο ένα σε όλους τους νευρώνες με τους οποίους συνδέεται [State et al (2002)]. Σχήμα 2.1.Αναλογία με το βιολογικό δίκτυο [State et al (2005)]. 4
5 2.2.ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Τα τεχνητά νευρωνικά δίκτυα αποτελούν μια προσπάθεια προσέγγισης της λειτουργίας του ανθρώπινου εγκεφάλου από μια μηχανή και έχουν την ικανότητα να εκτελούν υπολογισμούς με μαζικό παράλληλο τρόπο [State et al (2002)]. Το τεχνητό νευρωνικό δίκτυο είναι ένα μοντέλο επεξεργασίας πληροφοριών εμπνευσμένο από τον τρόπο με τον οποίο βιολογικά νευρικά συστήματα, όπως o εγκέφαλος, επεξεργάζονται πληροφορίες. Το βασικό στοιχείο αυτού του μοντέλου είναι η πρωτότυπη δομή του συστήματος επεξεργασίας πληροφοριών. Τα τεχνητά νευρωνικά δίκτυα είναι μια συλλογή μεγάλου αριθμού συνδεδεμένων στοιχείων επεξεργασίας που ονομάζονται νευρώνες (Processing Units, Pus) οι οποίοι συνδέονται μεταξύ τους, λειτουργούν αρμονικά και είναι οργανωμένοι σε στρώματα (Layers). Κάθε PUs έχει πολλές εισόδους (Inputs) αλλά μόνο μια έξοδο (Output) η οποία με την σειρά της μπορεί να αποτελέσει είσοδο για άλλες PUs. Οι συνδέσεις μεταξύ των PUs διαφέρουν μεταξύ τους και η σπουδαιότητα τους προσδιορίζεται από τον συντελεστή βάρους για κάθε σύναψη. Η συνεργασία PUs καθορίζεται από την συνάρτηση μεταφοράς η οποία καθορίζει την κάθε έξοδο σε σχέση με τις εισόδους και τους συντελεστές βάρους. Η επεξεργασία κάθε νευρώνα καθορίζεται από την συνάρτησης ενεργοποίησης η οποία καθορίζει την έξοδο σε σχέση με τις εισόδους και τους συντελεστές βάρους [Golden (1996)]. Για να χρησιμοποιηθεί ένα δίκτυο πρέπει αρχικά να περάσει την διαδικασία εκπαίδευσης [State et al (2002)]. Με. Η μάθηση περιλαμβάνει αλλαγές στις συναπτικές σχέσεις (βάρη) που περιέχονται μεταξύ των νευρώνων. Συγκεκριμένα ένα μέρος της εκπαίδευσης αποτελεί τη διαδικασία προσδιορισμού των καταλλήλων συντελεστών βάρους το οποίο πραγματοποιείται με την βοήθεια καταλλήλων αλγορίθμων. Έπειτα από αυτή την διαδικασία το ΤΝΔ είναι σε θέση να εκτελεί τους κατάλληλους υπολογισμούς για τους οποίους εκπαιδεύτηκε χρησιμοποιώντας έτσι την εμπειρική γνώση που απέκτησε. Ο ρόλος των συντελεστών μάθησης μπορεί να ερμηνευτεί ως αποθήκευση γνώσης, η οποία παρέχεται στο σύστημα με την βοήθεια παραδειγμάτων κάτι που ισχύει και στα βιολογικά νευρωνικά δίκτυα αυτό τον τρόπο τα ΤΝΔ μαθαίνουν το περιβάλλον τους, ή με άλλα λόγια το φυσικό μοντέλο που παρέχει τα δεδομένα. Συνοψίζοντας καταλήγουμε στον παρακάτω ορισμό σύμφωνα με τους Aleksander και Morton (1990). Ορισμός : Τεχνητό Νευρωνικό Δίκτυο είναι ένας παράλληλος κατανεμημένος επεξεργαστής που έχει µια φυσική κλίση στην αποθήκευση και απόδοση εμπειρικής γνώσης. Μοιάζει με τον εγκέφαλο στα εξής: 1. Η γνώση λαμβάνεται από το δίκτυο µέσω μιας διαδικασίας εκπαίδευσης. 5
6 2. Η αποθήκευση της γνώσης γίνεται µέσω των βαρών που υπάρχουν στις συνδέσεις μεταξύ των νευρώνων [State et al (2000)] 2.3.ΤΟ ΜΟΝΤΕΛΟ ΤΟΥ ΤΕΧΝHΤΟΥ ΝΕΥΡΩΝΑ Ένας νευρώνας είναι µία μονάδα επεξεργασίας πληροφορίας, που είναι θεμελιακή για την λειτουργία ενός νευρωνικού δικτύου. Το σχήμα δείχνει το μοντέλο ενός νευρώνα. Σχήμα Η μορφή του τεχνητού νευρώνα [State et al (2005)]. Τα τρία βασικά στοιχεία αυτού του μοντέλου είναι: 1.Ένα σύνολο από συνάψεις ή συνδετικούς κρίκους, κάθε µία από τις οποίες χαρακτηρίζεται από ένα βάρος ή δύναμη. Συγκεκριμένα, ένα σήμα x j στην είσοδο της σύναψης j που συνδέεται στον νευρώνα k, πολλαπλασιάζεται µε το συναπτικό βάρος w kj. Ο πρώτος υποδείκτης αναφέρεται στον εν λόγο νευρώνα και ο δεύτερος στην είσοδο της σύναψης όπου αναφέρεται το βάρος. Το βάρος w kj είναι θετικό αν η σύναψη είναι διεγερτική δηλαδή ωθεί τον νευρώνα να αποκριθεί στη διέγερση ενώ αρνητικό αν η σύναψη είναι απαγορευτική δηλαδή αποτρέπει τoν νευρώνα να παράγει µία απόκριση. 2.Ένας αθροιστικός κόμβος για την πρόσθεση των σημάτων εισόδου, που παίρνουν βάρος από την αντίστοιχη σύναψη. Αυτές οι λειτουργίες αποτελούν το γραµµικό συνδυαστή u k. 3.Μια συνάρτηση ενεργοποίησης για τη μείωση του εύρους της εξόδου του νευρώνα [State et al (2005)], [Minsky et al (1969)]. Το μοντέλο επίσης περιλαμβάνει μια εξωτερικά εφαρμοζόμενη πόλωση (κατώφλι) θ k, που έχει επίδραση στην ελάττωση της εισόδου στην εφαρμοζόμενη συνάρτηση ενεργοποίηση που ακολουθεί. Αντίθετα, η είσοδος του δικτύου μπορεί να 6
7 αυξηθεί µε την χρήση ενός όρου μεροληψίας, ο οποίος είναι ο αντίθετος από τη πόλωση (bias) [State et al (2002)]. Παρακάτω θα συμβολίζονται με x j τα σήματα εισόδου, με w kj τα συναπτικά (synaptic) βάρη του νευρώνα και με u k τη γραμμική συνδυαστική έξοδος του. Επίσης θα συμβολίζονται με θ k η πόλωση, με φ(.) η συνάρτηση ενεργοποίησης και με y k το σήμα εξόδου του νευρώνα το οποίο αναφέρεται και ως πραγματική έξοδος [State et al (2002)]. Με μαθηματικούς όρους, ένας νευρώνας k περιγράφεται από τις παρακάτω εξισώσεις: p u = w x k kj j j=1 και y=φ(u- θ) k k k 3.ΙΣΤΟΡΙΚΗ ΑΝΑΔΡΟΜΗ 3.1.Η ΑΡΧΗ ΤΩΝ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Τα νευρωνικά δίκτυα είναι μια σχετικά νέα περιοχή έρευνας στην οποία δεν υπάρχει μεγάλη προϊστορία όπως στις άλλες παραδοσιακές επιστήμες. Η μοντέρνα περίοδος των νευρωνικών δικτύων λέγεται ότι ξεκίνησε με την πρωτοποριακή δουλεία των Mc Culloch και Pitts (1943). Ο πρώτος ήταν ψυχίατρος ενώ ο δεύτερος μαθηματικός. Η κλασική εργασία των Mc Culloch και Pitts περιγράφει το λογικό λογισμό των νευρωνικών δικτύων η οποία έγινε στο πανεπιστήμιο του Σικάγο και είχε διάρκεια μεγαλύτερη από πέντε χρόνια. Είναι αξιοσημείωτο ότι ο Von Neumann χρησιμοποίησε στοιχεία από την εργασία των Mc Culloch και Pitts για την κατασκευή του EDVAC (Electronic Discrete Variable Automatic Computer) ο οποίος κατέληξε στον ENIAC, τον πρώτο γενικού σκοπού υπολογιστή. 3.2.ΤΑ ΠΡΩΤΑ ΜΟΝΤΕΛΑ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Ένα θέμα ιδιαίτερου ενδιαφέροντος για τα νευρωνικά δίκτυα είναι αυτό της σχεδίασης ενός αξιόπιστου δικτύου με νευρώνες που μπορούν να θεωρηθούν ως μη αξιόπιστα στοιχεία το οποίο λύθηκε από τον von Neumann το Δεκαπέντε χρόνια μετά την έκδοση της εργασίας των Mc Culloch και Pitts, μια νέα προσέγγιση 7
8 πάνω στο θέμα της αναγνώρισης προτύπων έγινε από τον Rosenblatt (1958) στην εργασία του πάνω στον αισθητήρα (Perceptron). Το ιδιαίτερο επίτευγμα του ήταν το λεγόμενο Θεώρημα Σύγκλισης Αισθητήρα (Perceptron Convergence Theorem). Κατά την διάρκεια της κλασικής περιόδου του αισθητήρα πίστευαν ότι τα νευρωνικά δίκτυα μπορούν να κάνουν τα πάντα. Η ανατροπή έγινε όταν εκδόθηκε το βιβλίο των Minsky και Papert οι οποίοι με την βοήθεια των μαθηματικών απέδειξαν ότι υπάρχουν όρια όσον αφορά στο τι μπορεί να υπολογιστεί από τον αισθητήρα. Ένα σημαντικό πρόβλημα πάνω στην σχεδίαση ενός πολυστρωματικού αισθητήρα είναι το πρόβλημα ανάθεσης της εμπιστοσύνης (Credit Assignment Problem) το οποίο λύθηκε μόλις την δεκαετία του 80 [Fausett (1996)]. 3.3.Η ΩΡΙΜΑΝΣΗ ΤΩΝ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Κατά την δεκαετία του 70 το ενδιαφέρον που σημειώθηκε όσον αφορά στα νευρωνικά δίκτυα ήταν περιορισμένο. Το 1982 ο Hopfield χρησιμοποίησε την ιδέα μιας συνάρτησης ενέργειας για να φτιάξει ένα νέο τρόπο κατανόησης του υπολογισμού που γίνεται από τα δίκτυα με συμμετρικές συναπτικές συνδέσεις δηλαδή συμμετρικές συνδέσεις μεταξύ των νευρώνων. Αυτή η συγκεκριμένη τάξη νευρωνικών δικτύων με ανατροφοδότηση έτυχε ιδιαίτερης προσοχής κατά την δεκαετία του 80 και με το χρόνο έγιναν γνωστά ως δίκτυα Hopfield. Το 1986 η ανάπτυξη του αλγορίθμου Back Propagation Algorithm παρουσιάστηκε για πρώτη φορά από τον Rumelhart. Αυτός ο αλγόριθμος έγινε πολύ δημοφιλής και έδωσε μια νέα ώθηση στις εφαρμογές των νευρωνικών δικτύων[fausett (1996)] Η ΣΗΜΕΡΙΝΗ ΚΑΤΑΣΤΑΣΗ Μετά το 1985 πραγματοποιούνται τα πρώτα συνέδρια που είναι αφιερωμένα αποκλειστικά σε νευρωνικά δίκτυα από την American Physical Society και από την ΙΕΕΕ. Ταυτόχρονα δημιουργούνται ειδικές επαγγελματικές εταιρίες νευρωνικών δικτύων µε χιλιάδες µέλη, όπως η International Neural Network Society µε τρεις πόλους: Αμερική (Grossberg), Ευρώπη (Kohonen) και Ιαπωνία (Amari) [Golden (1996)]. Στα τέλη της δεκαετίας του ογδόντα παρουσιάζονται παραπάνω από πέντε νέα περιοδικά αφιερωμένα στα νευρωνικά δίκτυα, ενώ πριν λίγα χρόνια δεν υπήρχε ούτε ένα και έτσι με γρήγορους ρυθμούς ενισχύεται το ερευνητικό ενδιαφέρον για τα νευρωνικά δίκτυα. Αναφορικά μερικά από τα περιοδικά που αφορούν στα νευρωνικά δίκτυα είναι: 8
9 Neural Networks: The Official Journal of the International Neural Network Society (Pergamon Press). Network: Computation in Neural Systems (Institute of Physics Publishing). International Journal of Neural Systems (World Scientific). Neural Computation Connection Science: Journal of Neural Computing, Artificial Intelligence and Cognitive Research (Carfax Publishing). Neural Network World: Neural and Massively Parallel Computing and Information Systems (Computer World, Prague). 4.ΕΦΑΡΜΟΓΕΣ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ Βιολογία: Βοήθεια στην κατανόηση του εγκεφάλου και άλλων συστημάτων, δημιουργία μοντέλων αμφιβληστροειδούς χιτώνα και κοχλία. [Haykin (1994)]. Ιατρική: Ανάλυση ομιλίας για την κατασκευή ακουστικών βοηθημάτων, διάγνωση βασισμένη στα συμπτώματα, έλεγχος χειρουργείου, εξαγωγή συμπερασμάτων από ακτινογραφίες, ανάλυση καρδιογραφημάτων και εγκεφαλογραφημάτων, εντοπισμός καρκίνου σε κολονοσκοπήσεις και μαστογραφίες, πρόβλεψη στεφανιαίας νόσου. Υπολογιστές: Αναγνώριση ομιλίας, εντοπισμός φωνήεντων φθόγγων, μετατροπή κειμένου σε ομιλία, δρομολόγηση πληροφοριών σε δίκτυα υπολογιστών. Περιβάλλον: Πρόγνωση καιρού, ανάλυση τάσεων και καιρικών συνθηκών, πρόγνωση ποιότητας της ατμόσφαιρας [Fausett (1996)]. 5.ΣΥΜΠΕΡΑΣΜΑΤΑ Τα τεχνητά νευρωνικά δίκτυα παραμένουν ένας αναπτυσσόμενος και πολλά υποσχόμενος τομέας που συνεχώς βρίσκει εφαρμογές στην πραγματικότητα. Τα συστήματα που κατασκευάζονται με βάση την τεχνολογία των νευρωνικών δικτύων έχουν εφαρμογές σε τομείς όπου υστερεί η ανθρώπινη αντιληπτικότητα και επεξεργαστική ισχύς. Μία μοναδική ικανότητα που έχουν τα νευρωνικά δίκτυα είναι ότι ένα εκπαιδευμένο δίκτυο μπορεί να αναγνωρίσει δεδομένα άγνωστα σε αυτό. Αυτό σημαίνει ότι με σωστή εκπαίδευση ένα νευρωνικό δίκτυο μπορεί να λύσει µία μεγάλη ποικιλία προβλημάτων. Παρόλα αυτά δεν είναι εύκολο να αντικατασταθεί η μοναδικότητα του ανθρώπου ο οποίος χαρακτηρίζεται από την έμφυτη τάση του να εξελίσσεται και ανακαλύπτει διαρκώς νέες ιδέες από ένα δημιούργημα του. ΒΙΒΛΙΟΓΡΑΦΙΑ 1. State L. & Vlamos P. The POMDP modeling in the Analysis of Genetic Algorithms, The Annals of Bucharest University XLIX, 2000,
10 2. State L., Cocianu C. & Vlamos P. Neural Network for Principal Component Analysis with Applications in Image Compression, Journal of Systemics, Cybernetics and Informatics,2, 6, (2005). 3. State L., Cocianu C., Vlamos P. & Miroiu M. A specialized Neural Network for implementing the HMM approach in Learning the Bayesian Procedure, 4th International Workshop on Symbolic and Numeric Algorithms for Scientific Computing (SYNASC 02), (2002). 4. State L, Cocianu C. & Vlamos P. A Neural Architecture in HMM Modeling of the Bayesian Procedure for Pattern Recognition Purposes, 31 st International Conference on Computers and Industrial Engineering (ICC & IE), (2002). 5. Amit, D. J., Modeling Brain Functions: The World of Attractor Neural Networks, Cambridge University Press, New York (1989). 6. Callan, R., The essence of Neural Networks, Prentice Hall Europe. (1999) 7. Fausett, L. Fundamentals of Neural Networks: Architectures, Algorithms and Applications. Prentice Hall International (1996). 8. Golden, R.. Mathematical Methods for Neural Network Analysis and Design. MIT Press (1996). 9. Hagan, M. Demuth, H. and Beale M. Neural Network Design. International Thomson Publishing Company (1995). 10. Hassoun, M. Fundamentals of Artificial neural Networks. MIT Press (1995). 11. Haykin S.. Neural Networks, A Comprehensive Foundation. Macmillan College Publishing Company Inc (1994). 12. Minsky, M. L., Papert, S. A., Perceptrons, MIT Press, Cambridge, MA. (1969) 10
Τεχνητά νευρωνικά δίκτυα προσομοίωσης του ανθρωπίνου εγκεφάλου. Artificial neural networks simulating human brain
Τεχνητά νευρωνικά δίκτυα προσομοίωσης του ανθρωπίνου εγκεφάλου Artificial neural networks simulating human brain Αντωνία Πλέρου Ελληνικό Ανοικτό Πανεπιστήμιο Σχολή Θετικών Επιστημών και Τεχνολογίας Υποψήφια
Διαβάστε περισσότεραΠΡΟΣΟΜΟΙΩΣΗ ΤΟΥ ΑΝΘΡΩΠΙΝΟΥ ΕΓΚΕΦΑΛΟΥ ΑΡΧΙΤΕΚΤΟΝΙΚΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ ΚΑΙ ΕΦΑΡΜΟΓΕΣ. Πλέρου Αντωνία
ΠΡΟΣΟΜΟΙΩΣΗ ΤΟΥ ΑΝΘΡΩΠΙΝΟΥ ΕΓΚΕΦΑΛΟΥ ΑΡΧΙΤΕΚΤΟΝΙΚΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ ΚΑΙ ΕΦΑΡΜΟΓΕΣ Πλέρου Αντωνία Email:tplerou@gmail.com ΠΕΡΙΛΗΨΗ Ή παρούσα εργασία πραγματεύεται τον κλάδο της επιστήμης που
Διαβάστε περισσότεραΤεχνητά Νευρωνικά Δίκτυα. Τσιριγώτης Γεώργιος Τμήμα Μηχανικών Πληροφορικής ΤΕΙ Ανατολικής Μακεδονίας & Θράκης
Τεχνητά Τσιριγώτης Γεώργιος Τμήμα Μηχανικών Πληροφορικής ΤΕΙ Ανατολικής Μακεδονίας & Θράκης Ο Βιολογικός Νευρώνας Δενδρίτες Συνάψεις Πυρήνας (Σώμα) Άξονας 2 Ο Βιολογικός Νευρώνας 3 Βασικά Χαρακτηριστικά
Διαβάστε περισσότεραΠληροφοριακά Συστήματα & Περιβάλλον
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 8: Τεχνητά Νευρωνικά Δίκτυα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης
Διαβάστε περισσότεραΚεφάλαιο 2. Ιστορική αναδροµή
Κεφάλαιο 2. Ιστορική αναδροµή Σκοπός: Στο κεφάλαιο αυτό γίνεται µία σύντοµη ιστορική ανασκόπηση της περιοχής των νευρωνικών δικτύων. Παρουσιάζονται επιγραµµατικά τα έργα που σηµάδευσαν την περιοχή αυτή,
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Νευρώνας Perceptron Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος Τζώρτζης Γρηγόρης Περιεχόμενα Εισαγωγή
Διαβάστε περισσότεραΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ. 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ
ΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Στόχος Θεματικής Ενότητας Οι μαθητές να περιγράφουν τους βασικούς τομείς της Επιστήμης των Υπολογιστών και να μπορούν
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΤΝ)
Τεχνητή Νοημοσύνη (ΤΝ) (Artificial Intelligence (AI)) Η ΤΝ είναι ένα από τα πιο νέα ερευνητικά πεδία. Τυπικά ξεκίνησε το 1956 στη συνάντηση μερικών επιφανών επιστημόνων, όπως ο John McCarthy, ο Marvin
Διαβάστε περισσότεραNeural Networks: Neural Model
Neural Networks: Neural Model M.Sc in Bioinformatics and Neuroinformatics Recording and Processing of Brain Signal 2 nd Lecture Part 2 Antonia Plerou Φυσικός Νευρώνας Κυτταρικό σώμα: Περιλαμβάνει τον πυρήνα
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 περισσότερακεφάλαιο Βασικές Έννοιες Επιστήμη των Υπολογιστών
κεφάλαιο 1 Βασικές Έννοιες Επιστήμη 9 1Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ Στόχοι Στόχος του κεφαλαίου είναι οι μαθητές: να γνωρίσουν βασικές έννοιες και τομείς της Επιστήμης. Λέξεις κλειδιά Επιστήμη
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης
Πληροφοριακά Συστήματα Διοίκησης Τρεις αλγόριθμοι μηχανικής μάθησης ΠΜΣ Λογιστική Χρηματοοικονομική και Διοικητική Επιστήμη ΤΕΙ Ηπείρου @ 2018 Μηχανική μάθηση αναγνώριση προτύπων Η αναγνώριση προτύπων
Διαβάστε περισσότεραΕισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα Τεχνητή Νοημοσύνη (Artificial Intelligence) Ανάπτυξη μεθόδων και τεχνολογιών για την επίλυση προβλημάτων στα οποία ο άνθρωπος υπερέχει (?) του υπολογιστή Συλλογισμοί
Διαβάστε περισσότεραΕισαγωγή στη Γνωστική Ψυχολογία. επ. Κωνσταντίνος Π. Χρήστου
Εισαγωγή στη Γνωστική Ψυχολογία Inside the black box για µια επιστήµη του Νου Επιστροφή στο Νου Γνωστική Ψυχολογία / Γνωσιακή Επιστήµη Inside the black box για µια επιστήµη του Νου Επιστροφή στο Νου Γνωστική
Διαβάστε περισσότεραΜάθηση σε νέα τεχνολογικά περιβάλλοντα
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μάθηση σε νέα τεχνολογικά περιβάλλοντα Ενότητα 10: Θεωρία Συνδεσιασμού Βασιλική Μητροπούλου-Μούρκα Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟΥ ΠΑΤΡΩΝ ΕΚΠΑΙ ΕΥΣΗΣ ΑΠΟ ΑΠΟΣΤΑΣΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΕΚΠΑΙ ΕΥΣΗΣ ΑΠΟ ΑΠΟΣΤΑΣΗ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ P-INF-003 : ΠΛΗΡΟΦΟΡΙΚΗ : ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΓΕΝΕΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΕΚΠΑΙ ΕΥΤΙΚΟ ΥΛΙΚΟ ΕΥΤΕΡΟ ΚΕΦΑΛΑΙΟ ΣΥΓΓΡΑΦΕΙΣ
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 περισσότεραΜάθημα 1: Εισαγωγή στην. Υπολογιστική Νοημοσύνη
Υπολογιστική Νοημοσύνη Μάθημα 1: Εισαγωγή στην Υπολογιστική Νοημοσύνη Εισαγωγή Ένας δυναμικά αναπτυσσόμενος κλάδος της Πληροφορικής είναι η Υπολογιστική Νοημοσύνη. Η Υπολογιστική Νοημοσύνη αποτελεί ένα
Διαβάστε περισσότεραΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ HOPFIELD ΚΑΙ KOHONEN
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΓΝΩΡΙΣΗΣ ΠΡΟΤΥΠΩΝ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ
Διαβάστε περισσότερα94 Η χρήση των νευρωνικών µοντέλων για την κατανόηση της δοµής και λειτουργίας τού εγκεφάλου. = l b. K + + I b. K - = α n
Nευροφυσιολογία Η μονάδα λειτουργίας του εγκεφάλου είναι ένας εξειδικευμένος τύπος κυττάρου που στη γλώσσα της Νευροφυσιολογίας ονομάζεται νευρώνας. Το ηλεκτρονικό μικροσκόπιο αποκαλύπτει ότι ο ειδικός
Διαβάστε περισσότεραΣύναψη µεταξύ της απόληξης του νευράξονα ενός νευρώνα και του δενδρίτη ενός άλλου νευρώνα.
ΟΙ ΝΕΥΡΩΝΕΣ ΕΠΙΚΟΙΝΩΝΟΥΝ ΜΕΣΩ ΤΗΣ ΣΥΝΑΨΗΣ Άντα Μητσάκου Αναπληρώτρια Καθηγήτρια, Ιατρική Σχολή, Πανεπιστήµιο Πατρών Γνωρίζουµε ότι είµαστε ικανοί να εκτελούµε σύνθετες νοητικές διεργασίες εξαιτίας της
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ με έμφαση στις γνωστικές λειτουργίες. Θεματική Ενότητα 8: Γνωστική επανάσταση/τομείς της ψυχολογίας
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ με έμφαση στις γνωστικές λειτουργίες Θεματική Ενότητα 8: Γνωστική επανάσταση/τομείς της ψυχολογίας Θεματική Ενότητα 8: Στόχοι: Η εξοικείωση των φοιτητών με τις επιδράσεις, από άλλες
Διαβάστε περισσότεραΑνδρέας Παπαζώης. Τμ. Διοίκησης Επιχειρήσεων
Ανδρέας Παπαζώης Τμ. Διοίκησης Επιχειρήσεων Περιεχόμενα Εργ. Μαθήματος Βιολογικά Νευρωνικά Δίκτυα Η έννοια των Τεχνητών Νευρωνικών Δικτύων Η δομή ενός νευρώνα Διαδικασία εκπαίδευσης Παραδείγματα απλών
Διαβάστε περισσότεραΕισαγωγικά για την αναγνώριση έκφρασης προσώπου (Facial Expression Recognition)
Ο στόχος της διπλωματικής είναι η αναγνώριση του συναισθήματος ενός συγκεκριμένου ανθρώπου από μια αλληλουχία εικόνων στις οποίες παίρνει διάφορες εκφράσεις. Αυτό θα γίνει κάνοντας χρήση τεχνικών βαθιάς
Διαβάστε περισσότεραΑσκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο
Πρόβλημα ο Ασκήσεις Φροντιστηρίου 5 o Φροντιστήριο Δίνεται το παρακάτω σύνολο εκπαίδευσης: # Είσοδος Κατηγορία 0 0 0 Α 2 0 0 Α 0 Β 4 0 0 Α 5 0 Β 6 0 0 Α 7 0 Β 8 Β α) Στον παρακάτω κύβο τοποθετείστε τα
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ EΡΕΥΝΑ & ΔΙΟΙΚΗΤΙΚΗ ΕΠΙΣΤΗΜΗ OPERATIONS RESEARCH & MANAGEMENT SCIENCE
ΕΠΙΧΕΙΡΗΣΙΑΚΗ EΡΕΥΝΑ & ΔΙΟΙΚΗΤΙΚΗ OPERATIONS RESEARCH & MANAGEMENT SCIENCE ΚΑΤΕΥΘΥΝΣΗ ΣΠΟΥΔΩΝ Τμήμα Διοικητικής Επιστήμης & Τεχνολογίας Οικονομικό Πανεπιστήμιο Αθηνών 1. Κ. Πραματάρη, Δ.Ε.Τ. / Ο.Π.Α. The
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΚΗ: ΥΠΟΛΟΓΙΣΤΕΣ & ΤΕΧΝΟΛΟΓΙΕΣ ΔΙΑΔΙΚΤΥΟΥ
ΠΛΗΡΟΦΟΡΙΚΗ: ΥΠΟΛΟΓΙΣΤΕΣ & ΤΕΧΝΟΛΟΓΙΕΣ ΔΙΑΔΙΚΤΥΟΥ kv@hua.gr Στόχος Μαθήματος Εισαγωγή σε Βασικούς Όρους Πληροφορικής και Τηλεματικής. Εφαρμογές Τηλεματικής. Αναφορά στις κοινωνικές επιπτώσεις των Υπολογιστών.
Διαβάστε περισσότεραΕισαγωγή στους Ηλεκτρονικούς Υπολογιστές
Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές 1 ο Εξάμηνο Σπουδών Χειμερινό Εξάμηνο 2012/13 Τμήμα Εφαρμοσμένων Μαθηματικών, Πανεπιστήμιο Κρήτης Διδάσκων: Χαρμανδάρης Ευάγγελος, email: vagelis@tem.uoc.gr, Ιστοσελίδα
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. TMHMA ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ. Εξάμηνο 5ο Οικονόμου Παναγιώτης & Ελπινίκη Παπαγεωργίου. Νευρωνικά Δίκτυα.
Τεχνητή Νοημοσύνη. TMHMA ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ Εξάμηνο 5ο Οικονόμου Παναγιώτης & Ελπινίκη Παπαγεωργίου. Νευρωνικά Δίκτυα. 1 ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Χαρακτηριστικά Είδη εκπαίδευσης Δίκτυα
Διαβάστε περισσότεραΕπιστήμη της Πληροφορικής. Εργασία του μαθητή Δημήτρη Τσιαμπά του τμήματος Α4
Επιστήμη της Πληροφορικής Εργασία του μαθητή Δημήτρη Τσιαμπά του τμήματος Α4 Η πληροφορική είναι η επιστήμη που ερευνά την κωδικοποίηση, διαχείριση και μετάδοση συμβολικών αναπαραστάσεων πληροφοριών. Επίσης
Διαβάστε περισσότεραΒασικές αρχές εκπαίδευσης ΤΝΔ: το perceptron. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
Βασικές αρχές εκπαίδευσης ΤΝΔ: το perceptron Βιολογικός Νευρώνας Δενδρίτες, που αποτελούν τις γραμμές εισόδου των ερεθισμάτων (βιολογικών σημάτων) Σώμα, στο οποίο γίνεται η συσσώρευση των ερεθισμάτων και
Διαβάστε περισσότεραΘεμελιώδη Θέματα Επιστήμης Υπολογιστών
http://www.corelab.ntua.gr/courses/ Θεμελιώδη Θέματα Επιστήμης Υπολογιστών 5ο εξάμηνο ΣΕΜΦΕ Ενότητα 0: Εισαγωγή Διδάσκοντες: Στάθης Ζάχος, Άρης Παγουρτζής Υπεύθυνη εργαστηρίου / ασκήσεων: Δώρα Σούλιου
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. 19η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 19η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτές βασίζονται σε ύλη των βιβλίων: Artificia Inteigence A Modern Approach των S. Russe και P.
Διαβάστε περισσότεραΒασικές Έννοιες Πληροφορικής
Βασικές Έννοιες Πληροφορικής 1. Τι είναι ο Ηλεκτρονικός Υπολογιστής Ο Ηλεκτρονικός Υπολογιστής είναι οποιαδήποτε συσκευή μεγάλη ή μικρή που επεξεργάζεται δεδομένα και εκτελεί την εργασία του σύμφωνα με
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΕισαγωγή στους Νευρώνες. Κυριακίδης Ιωάννης 2013
Εισαγωγή στους Νευρώνες Κυριακίδης Ιωάννης 2013 Τι είναι τα Τεχνητά Νευρωνικά Δίκτυα; Είναι μια προσπάθεια μαθηματικής προσομοίωσης της λειτουργίας του ανθρώπινου εγκεφάλου. Είναι ένα υπολογιστικό μοντέλο
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ 12 η εβδομάδα Κεφάλαιο 11 Τεχνητή νοημοσύνη Τεχνητή νοημοσύνη 11.1 Νοημοσύνη και μηχανές 11.2 Αντίληψη 11.3 Συλλογισμός 11.4 Άλλοι τομείς της έρευνας 11.5 Τεχνητά νευρωνικά δίκτυα
Διαβάστε περισσότεραΜηχανουργική Τεχνολογία ΙΙ
Μηχανουργική Τεχνολογία ΙΙ Χαρακτηριστικά διεργασιών - Παραμετροποίηση-Μοντελοποίηση Associate Prof. John Kechagias Mechanical Engineer, Ph.D. Παραμετροποίηση - Μοντελοποίηση Στο κεφάλαιο αυτό γίνεται
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 περισσότεραMobile Telecoms-I Dr. Konstantinos E. Psannis
Mobile Telecoms-I Dr. Konstantinos E. Psannis, University of Macedonia, Greece http://users.uom.gr/~kpsannis/ JAPAN-EU Laboratory: http://www.mobility2net.eu/ Visiting Research Scientist Department of
Διαβάστε περισσότεραΤο μοντέλο Perceptron
Το μοντέλο Perceptron Αποτελείται από έναν μόνο νευρώνα McCulloch-Pitts w j x x 1, x2,..., w x T 1 1 x 2 w 2 Σ u x n f(u) Άνυσμα Εισόδου s i x j x n w n -θ w w 1, w2,..., w n T Άνυσμα Βαρών 1 Το μοντέλο
Διαβάστε περισσότεραΔιδάσκων:Μ.Χατζόπουλος, Παραδόσεις:Τρίτη 4-6, Τετάρτη 1-3; (Αμφιθέατρο Α15) Πληροφορίες στην ιστοσελίδα του μαθήματος http://www.di.uoa.
Πληροφορική 1 Διδάσκων:Μ.Χατζόπουλος, Παραδόσεις:Τρίτη 4-6, Τετάρτη 1-3; (Αμφιθέατρο Α15) Πληροφορίες στην ιστοσελίδα του μαθήματος http://www.di.uoa.gr/~organosi/ 2 Η δομή του μαθήματος Εισαγωγή στην
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 5. Κύκλος Ζωής Εφαρμογών ΕΝΟΤΗΤΑ 2. Εφαρμογές Πληροφορικής. Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών
44 Διδακτικές ενότητες 5.1 Πρόβλημα και υπολογιστής 5.2 Ανάπτυξη εφαρμογών Διδακτικοί στόχοι Σκοπός του κεφαλαίου είναι οι μαθητές να κατανοήσουν τα βήματα που ακολουθούνται κατά την ανάπτυξη μιας εφαρμογής.
Διαβάστε περισσότεραΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ. Καραγιώργου Σοφία
ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Καραγιώργου Σοφία Εισαγωγή Προσομοιώνει βιολογικές διεργασίες (π.χ. λειτουργία του εγκεφάλου, διαδικασία
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 περισσότεραΠαραμετρική ανάλυση του συντελεστή ανάκλασης από στρωματοποιημένο πυθμένα δύο στρωμάτων με επικλινή διεπιφάνεια 1
4 93 Παραμετρική ανάλυση του συντελεστή ανάκλασης από στρωματοποιημένο πυθμένα δύο στρωμάτων με επικλινή διεπιφάνεια Π. Παπαδάκης,a, Γ. Πιπεράκης,b & Μ. Καλογεράκης,,c Ινστιτούτο Υπολογιστικών Μαθηματικών
Διαβάστε περισσότεραΟΡΓΑΝΙΣΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΔΙΟΚΤΗΣΙΑΣ
ΟΡΓΑΝΙΣΜΟΣ ΒΙΟΜΗΧΑΝΙΚΗΣ ΙΔΙΟΚΤΗΣΙΑΣ Ο Οργανισμός Βιομηχανικής Ιδιοκτησίας (Ο.Β.Ι.) ιδρύθηκε το 1987 (Ν.1733/1987), είναι νομικό πρόσωπο ιδιωτικού δικαίου, οικονομικά ανεξάρτητο και διοικητικά αυτοτελές.
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 περισσότεραΕισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων
Σημειώσεις στα πλαίσια του μαθήματος: Βελτιστοποίηση Συστημάτων Υδατικών Πόρων Υδροπληροφορική Εισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων Ανδρέας Ευστρατιάδης, Χρήστος Μακρόπουλος
Διαβάστε περισσότεραΣυσχετιστικές Μνήμες Δίκτυο Hopfield. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
Συσχετιστικές Μνήμες Δίκτυο Hopfield Συσχετιστική Μνήμη Η ανάκληση ενός γεγονότος σε μία χρονική στιγμή προκαλείται από τη συσχέτιση αυτού του γεγονότος με κάποιο ερέθισμα. Πολλές φορές επίσης καλούμαστε
Διαβάστε περισσότεραΤο Πολυεπίπεδο Perceptron. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
Το Πολυ Perceptron Δίκτυα Πρόσθιας Τροφοδότησης (feedforward) Tο αντίστοιχο γράφημα του δικτύου δεν περιλαμβάνει κύκλους: δεν υπάρχει δηλαδή ανατροφοδότηση της εξόδου ενός νευρώνα προς τους νευρώνες από
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 Εισαγωγή «Τεχνητή Νοημοσύνη (Artificial Intelligence) είναι ο τομέας της Επιστήμης
Διαβάστε περισσότεραΕισαγωγή στα Πληροφοριακά Συστήματα. Ενότητα 9: Πληροφοριακά Συστήματα Ορισμοί
Εισαγωγή στα Πληροφοριακά Συστήματα Ενότητα 9: Πληροφοριακά Συστήματα Ορισμοί Κωνσταντίνος Ταραμπάνης Τμήμα Οργάνωσης & Διοίκησης Επιχειρήσεων ΕΙΣΑΓΩΓΗ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Κωνσταντίνος Ταραμπάνης
Διαβάστε περισσότεραΕισαγωγή στην Ψυχολογία με έμφαση στις γνωστικές λειτουργίες
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εισαγωγή στην Ψυχολογία με έμφαση στις γνωστικές λειτουργίες Γνωστική επανάσταση. Τομείς της ψυχολογίας Διδάσκουσα: Επίκ. Καθ. Γεωργία Α. Παπαντωνίου
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 περισσότεραΥφαλμύρινση Παράκτιων Υδροφορέων - προσδιορισμός και αντιμετώπιση του φαινομένου με συνδυασμό μοντέλων προσομοίωσης και μεθόδων βελτιστοποίησης
Υφαλμύρινση Παράκτιων Υδροφορέων - προσδιορισμός και αντιμετώπιση του φαινομένου με συνδυασμό μοντέλων προσομοίωσης και μεθόδων βελτιστοποίησης Καθ. Καρατζάς Γεώργιος Υπ. Διδ. Δόκου Ζωή Σχολή Μηχανικών
Διαβάστε περισσότεραΗ ΝΟΗΤΙΚΗ ΔΙΕΡΓΑΣΙΑ: Η Σχετικότητα και ο Χρονισμός της Πληροφορίας Σελ. 1
Η ΝΟΗΤΙΚΗ ΔΙΕΡΓΑΣΙΑ: Η Σχετικότητα και ο Χρονισμός της Πληροφορίας Σελ. 1 Μια σύνοψη του Βιβλίου (ΟΠΙΣΘΟΦΥΛΛΟ): Η πλειοψηφία θεωρεί πως η Νόηση είναι μια διεργασία που συμβαίνει στον ανθρώπινο εγκέφαλο.
Διαβάστε περισσότεραΣκοπός του μαθήματος είναι ο συνδυασμός των θεωρητικών και ποσοτικών τεχνικών με τις αντίστοιχες περιγραφικές. Κεφάλαιο 1: περιγράφονται οι βασικές
Εισαγωγή Ασχολείται με τη μελέτη των ηλεκτρικών, η λ ε κ τ ρ ο μ α γ ν η τ ι κ ώ ν κ α ι μ α γ ν η τ ι κ ώ ν φαινομένων που εμφανίζονται στους βιολογικούς ιστούς. Το αντικείμενο του εμβιοηλεκτρομαγνητισμού
Διαβάστε περισσότεραΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία
ΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία N. Μισυρλής (e-mail: nmis@di.uoa.gr) Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Parallel Scientific Computing Laboratory (PSCL)
Διαβάστε περισσότεραΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ 1. ΓΕΝΙΚΑ ΣΧΟΛΗ ΤΜΗΜΑ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Μηχανικών Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ Ζ.Γ.3 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 7 ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Υπολογιστική Νοημοσύνη
Διαβάστε περισσότερα3 Διακριτοποίηση Συστημάτων Συνεχούς Χρόνου... 65
ΠΕΡΙΕΧΟΜΕΝΑ \ Πρόλογος 15 1 Εισαγωγικά Στοιχεία Βιομηχανικού Ελέγχου 19 1.1 Μοντέλα Περιγραφής Βιομηχανικών Συστημάτων... 19 1.2 Βιομηχανικοί Ελεγκτές 23 1.2.1 Σύστημα 23 1.2.2 Σύνδεση Συστημάτων 26 1.2.3
Διαβάστε περισσότεραΓενικά Στοιχεία Ηλεκτρονικού Υπολογιστή
Γενικά Στοιχεία Ηλεκτρονικού Υπολογιστή 1. Ηλεκτρονικός Υπολογιστής Ο Ηλεκτρονικός Υπολογιστής είναι μια συσκευή, μεγάλη ή μικρή, που επεξεργάζεται δεδομένα και εκτελεί την εργασία του σύμφωνα με τα παρακάτω
Διαβάστε περισσότεραΣήματα και Συστήματα ΙΙ
Σήματα και Συστήματα ΙΙ Ενότητα 3: Διακριτός και Ταχύς Μετασχηματισμός Fourier (DTF & FFT) Α. Ν. Σκόδρας Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Επιμέλεια: Αθανάσιος Ν. Σκόδρας, Καθηγητής
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΕΤΑΙΡΕΙΑ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΕΠΙΣΤΗΜΗΣ ERSA
ΕΛΛΗΝΙΚΗ ΕΤΑΙΡΕΙΑ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΕΠΙΣΤΗΜΗΣ ERSA ΜΕΛΟΣ ΤΗΣ ΔΙΕΘΝΟΥΣ ΚΑΙ ΕΥΡΩΠΑΪΚΗΣ ΕΤΑΙΡΕΙΑΣ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΕΠΙΣΤΗΜΗΣ (RSAI, ERSA) Οικονομική Κρίση και Πολιτικές Ανάπτυξης και Συνοχής 10ο Τακτικό Επιστημονικό
Διαβάστε περισσότεραTheory Greek (Cyprus) Μη γραμμική δυναμική σε Ηλεκτρικά Κυκλώματα (10 μονάδες)
Q2-1 Μη γραμμική δυναμική σε Ηλεκτρικά Κυκλώματα (10 μονάδες) Παρακαλείστε, να διαβάσετε τις Γενικές Οδηγίες που βρίσκονται σε ξεχωριστό φάκελο πριν ξεκινήσετε την επίλυση αυτού του προβλήματος. Εισαγωγή
Διαβάστε περισσότεραΠολυπλεξία. http://diktya-epal-b.ggia.info Creative Commons License 3.0 Share-Alike
Πολυπλεξία Ανάλυση σημάτων στο πεδίο χρόνου, συχνότητας, πολυπλεξία διαίρεσης συχνότητας, πολυπλεξία διαίρεσης χρόνου (1.6 ενότητα σελ 19-20, 29-30 και στοιχεία από 2.1 ενότητα σελ. 52-58). http://diktya-epal-b.ggia.info
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 ΕΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 2 Οκτωβρίου 23 ιάρκεια: 2 ώρες Έστω το παρακάτω γραµµικώς
Διαβάστε περισσότεραΣυλλογιστική εξαγωγής συμπερασμάτων από συγκεκριμένες υποθέσεις δοθείσα μεθοδολογία διαδικασία της σκέψης, πρέπει να «συλλογιστεί» υπόθεση/παραγωγή
REASON ING Η Συλλογιστική, είναι η πράξη εξαγωγής συμπερασμάτων από συγκεκριμένες υποθέσεις χρησιμοποιώντας μία δοθείσα μεθοδολογία. Στην ουσία είναι η ίδια η διαδικασία της σκέψης, μία λογική διαμάχη,
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ (ΨΧ 00)
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΨΥΧΟΛΟΓΙΑ (ΨΧ 00) Πέτρος Ρούσσος ΔΙΑΛΕΞΗ 3 Ορισμός της Ψυχολογίας Η επιστήμη που σκοπό έχει να περιγράψει και να εξηγήσει τη συμπεριφορά και τις νοητικές διεργασίες του ανθρώπου (κυρίως)
Διαβάστε περισσότεραΓνωστική Ψυχολογία Ι (ΨΧ32)
Γνωστική Ψυχολογία Ι (ΨΧ32) Διάλεξη 1 Εισαγωγή, ορισμός και ιστορία της Γνωστικής Ψυχολογίας Πέτρος Ρούσσος Μερικά διαδικαστικά http://users.uoa.gr/~roussosp/gr/index.htm http://eclass.uoa.gr/courses/ppp146/
Διαβάστε περισσότερα215 Μηχανικών Η/Υ και Πληροφορικής Πάτρας
215 Μηχανικών Η/Υ και Πληροφορικής Πάτρας Το Τμήμα ασχολείται με τη διδασκαλία και την έρευνα στην επιστήμη και τεχνολογία των υπολογιστών και τη μελέτη των εφαρμογών τους. Το Τμήμα ιδρύθηκε το 1980 (ως
Διαβάστε περισσότεραΕΝΟΤΗΤΑ 1 1.0 ΤΕΧΝΟΛΟΓΙΑ ΕΠΙΚΟΙΝΩΝΙΩΝ
ΕΝΟΤΗΤΑ 1 1.0 ΤΕΧΝΟΛΟΓΙΑ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΙΣΑΓΩΓΗ Γενικά οι τεχνολογίες είναι επιστήμες που αξιοποιούν τις γνώσεις, τα εργαλεία και τις δεξιότητες για επίλυση προβλημάτων με πρακτική εφαρμογή. Η Τεχνολογία
Διαβάστε περισσότεραΕισαγωγή στην Επεξεργασία Σήματος. Νόκας Γιώργος
Εισαγωγή στην Επεξεργασία Σήματος Νόκας Γιώργος Βιβλιογραφία στον εύδοξο 1. Γ. Β. Μουστακίδης, Βασικές Τεχνικές Ψηφιακής Επεξεργασίας Σημάτων και Συστημάτων, εκδόσεις Α. Τζιόλα & Υιοί Ο.Ε., Θεσσαλονίκη,
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 περισσότεραΠρόταση για Ανασχηματισμό του Προγράμματος Προπτυχιακών Σπουδών της ΣΗΜΜΥ
Πρόταση για Ανασχηματισμό του Προγράμματος Προπτυχιακών Σπουδών της ΣΗΜΜΥ Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών Περίληψη Τί προτείνουμε, πώς και γιατί με λίγα λόγια: 55 μαθήματα = 30 για ενιαίο
Διαβάστε περισσότεραΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Θ.Ε. ΠΛΗ31 (2004-5) ΓΡΑΠΤΗ ΕΡΓΑΣΙΑ #3 Στόχος Στόχος αυτής της εργασίας είναι η απόκτηση δεξιοτήτων σε θέματα που αφορούν τα Τεχνητά Νευρωνικά Δίκτυα και ποιο συγκεκριμένα θέματα εκπαίδευσης και υλοποίησης.
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 περισσότεραΣκοπός του μαθήματος. Αρχές Φυσικής Μοντελοποίησης
Αρχές Φυσικής Μοντελοποίησης (Μαθηματική έκφραση της λεκτικής περιγραφής των φαινομένων) Σκοπός του μαθήματος Αρχές Φυσικής Μοντελοποίησης Αρχές Φυσικής Προσομοίωσης 1/2.1 Σκοπός της Φυσικής Προσομοίωσης
Διαβάστε περισσότεραΕισαγωγή Συμβόλαιο Μαθήματος
ΗΜΥ 212 Οργάνωση Υπολογιστών και Μικροεπεξεγραστές Εαρινό Εξάμηνο 2007 Συμβόλαιο Μαθήματος 1 Γενικές Πληροφορίες Διαλέξεις: Διδάσκων: Βοηθός Μαθήματος: Δευτέρα και Πέμπτη, 16:30 18:00 μ.μ. Πανεπιστημιούπολη,
Διαβάστε περισσότεραΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ
Tel.: +30 2310998051, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Θετικών Επιστημών Τμήμα Φυσικής 541 24 Θεσσαλονίκη Καθηγητής Γεώργιος Θεοδώρου Ιστοσελίδα: http://users.auth.gr/theodoru ΙΑ ΟΧΙΚΕΣ ΒΕΛΤΙΩΣΕΙΣ
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 220: Σήματα και Συστήματα Ι Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: 401 Πράσινο Άλσος Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Ηλ. Ταχ.: : gmitsis@ucy.ac.cy Ιωάννης Τζιώρτζης
Διαβάστε περισσότεραΠροσομοίωση Συστημάτων
Προσομοίωση Συστημάτων Προσομοίωση και μοντέλα συστημάτων Άγγελος Ρούσκας Τμήμα Ψηφιακών Συστημάτων Πανεπιστήμιο Πειραιώς Γενικός ορισμός συστήματος Ένα σύνολο στοιχείων/οντοτήτων που αλληλεπιδρούν μεταξύ
Διαβάστε περισσότεραTheory Greek (Greece) Μη Γραμμική Δυναμική σε Ηλεκτρικά Κυκλώματα (10 Μονάδες)
Q2-1 Μη Γραμμική Δυναμική σε Ηλεκτρικά Κυκλώματα (10 Μονάδες) Παρακαλείστε να διαβάσετε τις Γενικές Οδηγίες στον ξεχωριστό φάκελο πριν ξεκινήσετε το πρόβλημα αυτό. Εισαγωγή Τα δισταθή μη γραμμικά ημιαγώγιμα
Διαβάστε περισσότεραΠεριεχόμενα. 2 Αριθμητικά συστήματα
Περιεχόμενα Πρόλογος 1 Εισαγωγή 1.1 Το μοντέλο Turing 1.2 Το μοντέλο von Neumann 1.3 Συστατικά στοιχεία υπολογιστών 1.4 Ιστορικό 1.5 Κοινωνικά και ηθικά ζητήματα 1.6 Η επιστήμη των υπολογιστών ως επαγγελματικός
Διαβάστε περισσότεραΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία
ΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΟΛΟΓΙΣΜΟΙ: Μια ενδιαφέρουσα σταδιοδρομία N. Μισυρλής (e-mail: nmis@di.uoa.gr) Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Parallel Scientific Computing Laboratory (PSCL)
Διαβάστε περισσότεραΝευρωνικά ίκτυα. Σηµερινό Μάθηµα
Νευρωνικά ίκτυα Σηµερινό Μάθηµα Ιστορική Αναδροµή ΑπόταΒιολογικάΝευρωνικά ίκτυαστα Τεχνητά Το µοντέλο του τεχνητού νευρώνα Νευρωνικά ίκτυα Εκπαίδευση Συναρτήσεις ενεργοποίησης TαΝ.. σαν κατευθυνόµενoιγράφοι
Διαβάστε περισσότεραΠΡΟΣΟΜΟΙΩΣΗ. Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο.
ΠΡΟΣΟΜΟΙΩΣΗ Προσομοίωση είναι η μίμηση της λειτουργίας ενός πραγματικού συστήματος και η παρακολούθηση της εξέλιξης του μέσα στο χρόνο. δημιουργία μοντέλου προσομοίωσης ( - χρήση μαθηματικών, λογικών και
Διαβάστε περισσότεραΚεφάλαιο 1 ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΝΕΥΡΟΦΥΣΙΟΛΟΓΙΑΣ
Κεφάλαιο 1 ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΝΕΥΡΟΦΥΣΙΟΛΟΓΙΑΣ 1.1. Εισαγωγή Ο ζωντανός οργανισµός έχει την ικανότητα να αντιδρά σε µεταβολές που συµβαίνουν στο περιβάλλον και στο εσωτερικό του. Οι µεταβολές αυτές ονοµάζονται
Διαβάστε περισσότεραTheory Greek (Greece) Μη Γραμμική Δυναμική σε Ηλεκτρικά Κυκλώματα (10 Μονάδες)
Q2-1 Μη Γραμμική Δυναμική σε Ηλεκτρικά Κυκλώματα (10 Μονάδες) Παρακαλείστε να διαβάσετε τις Γενικές Οδηγίες στον ξεχωριστό φάκελο πριν ξεκινήσετε το πρόβλημα αυτό. Εισαγωγή Τα δισταθή μη γραμμικά ημιαγώγιμα
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ στους Η/Υ. Δρ. Β Σγαρδώνη. Τμήμα Τεχνολογίας Αεροσκαφών ΤΕΙ ΣΤΕΡΕΑΣ ΕΛΛΑΔΑΣ. Χειμερινό Εξάμηνο 2013-14
ΕΙΣΑΓΩΓΗ στους Η/Υ Τμήμα Τεχνολογίας Αεροσκαφών ΤΕΙ ΣΤΕΡΕΑΣ ΕΛΛΑΔΑΣ Δρ. Β Σγαρδώνη Χειμερινό Εξάμηνο 2013-14 Εισαγωγικές Έννοιες Τι είναι ένας ηλεκτρονικός υπολογιστής ; Ιστορία των Η/Υ Αρχιτεκτονική των
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ 2019 2020 Τίτλος μαθήματος ΩΡΕΣ Υ/Ε/Ξ.Γ. Κατεύθυνση ECTS 1ο εξάμηνο ΑΝΑΛΥΣΗ Ι // ANALYSIS I ΑΡΧΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ // INTRODUCTION TO PROGRAMMING ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ
Διαβάστε περισσότεραΜαθησιακοί Στόχοι Προγράμματος Σπουδών
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΑΣ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Τμήμα Ψηφιακών Συστημάτων Παν. Θεσσαλίας ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ Μαθησιακοί Στόχοι Προγράμματος Σπουδών Ως Σύστημα μπορεί να οριστεί μια συλλογή
Διαβάστε περισσότεραΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος
ΠΑΡΆΡΤΗΜΑ Β Ενδεικτική Λίστα Διδασκόντων Μελών Δ.Ε.Π. του Τμήματος 1 Βασίλειος Χρυσικόπουλος Καθηγητής Πληροφορική Δίκτυα Ασφάλεια Πληροφοριών Ερευνητικά Ενδιαφέροντα Ασφάλεια Δίκτυα Η/Υ http://di.ionio.gr/staff-2/faculty-staff/vassilischrissikopoulos/
Διαβάστε περισσότεραΕισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων
Σημειώσεις στα πλαίσια του μαθήματος: Βελτιστοποίηση Συστημάτων Υδατικών Πόρων Υδροπληροφορική Εισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων Ανδρέας Ευστρατιάδης, Χρήστος Μακρόπουλος
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 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 περισσότεραΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΥΠΟΛΟΓΙΣΤΕΣ. ΜΑΘΗΜΑ 2 ο. ΑΛΓΕΒΡΑ Boole ΛΟΓΙΚΑ ΚΥΚΛΩΜΑΤΑ
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΥΠΟΛΟΓΙΣΤΕΣ ΜΑΘΗΜΑ 2 ο ΑΛΓΕΒΡΑ Boole ΛΟΓΙΚΑ ΚΥΚΛΩΜΑΤΑ 2009-10 ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΥΠΟΛΟΓΙΣΤΕΣ 1 Άλγεβρα Βοοle η θεωρητική βάση των λογικών κυκλωμάτων Η άλγεβρα Βοοle ορίζεται επάνω στο σύνολο
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 περισσότεραΤεχνολογία Πολυμέσων. Ενότητα # 3: Συστήματα πολυμέσων Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής
Τεχνολογία Πολυμέσων Ενότητα # 3: Συστήματα πολυμέσων Διδάσκων: Γεώργιος Ξυλωμένος Τμήμα: Πληροφορικής Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του
Διαβάστε περισσότερα