Μέτρα της οργάνωσης και της ποιότητας για τον Self-Organizing Hidden Markov Model Map (SOHMMM)

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Μέτρα της οργάνωσης και της ποιότητας για τον Self-Organizing Hidden Markov Model Map (SOHMMM)"

Transcript

1 Μέτρα της οργάνωσης και της ποιότητας για τον Self-Organizing Hidden Markov Model Map (SOHMMM)

2 Γενική περιγραφή του SOHMMM Ένα υβριδικό νευρωνικό δίκτυο, σύζευξη δύο πολύ επιτυχημένων μοντέλων: -Self-Organizing Maps (SOM) -Hidden Markov Models (HMM) Με μια αφαιρετική περιγραφή ένα SOM με κόμβους μαρκοβιανά μοντέλα. Εφαρμογές: Ό,τι και ένα SOM( οπτικοποίηση, αφαίρεση, μείωση διάστασης), χωρίς όμως τον περιορισμό τα δεδομένα να έχουν διανυσματική μορφή (πχ clustering DNA ή πρωτεϊνικών ακολουθιών)

3 Υλοποίηση Αποστάσεις μεταξύ HMMs πιθανοτικό μέτρο απόστασης D λ 0, λ =lim T 1 T [ log μ O T λ 0 log μ O T λ ] Όμοια με το SOM: για κάθε ακολουθία Ο του συνόλου δεδομένων -προσδιορίζουμε τον κόμβο νικητή λi( ΗΜΜ με τη μεγαλύτερη πιθανότητα εμφάνισης της συγκεκριμένης ακολουθίας) -ανανεώνουμε τις παραμέτρους του λi ώστε να μεγιστοποιήσουμε την πιθανότητα εμφάνισης της Ο από αυτό ανανέωση των παραμέτρων των HMM μέσω ενός online gradient descent αλγόριθμου

4 Παράδειγμα οπτικοποίησης SOHMMM

5 Μέτρα οργάνωσης Ένας μεγάλος αριθμός μέτρων οργάνωσης έχει αναπτυχθεί και χρησιμοποιηθεί για διάφορους αλγόριθμους ομαδοποίησης/χαρτογράφησης ώστε: να μπορούμε να παρακολουθούμε την εξέλιξη του εκάστοτε αλγόριθμου εφαρμογές: πχ early stopping να εκφράζεται με ποσοτικό τρόπο η ποιότητα μιας δοσμένης απεικόνισης προκειμένου να είναι δυνατή η σύγκριση με άλλες ή η απόφανση για το αν είναι ικανοποιητική ή όχι εφαρμογές: πχ εύρεση βέλτιστης παραμετροποίησης ενός νευρωνικού δικτύου

6 Στην εργασία αυτή Μελετήθηκε μια πλειάδα από ήδη υπάρχοντα μέτρα Επιλέχθηκαν εννέα από αυτά που τροποποιήθηκαν και προσαρμόστηκαν κατάλληλα ώστε να είναι δυνατή η χρήση τους για το SOHMMM Διερευνήθηκαν η επίδοση και η λειτουργικότητά τους μέσω προσομοιώσεων

7 Quantization Error Το σφάλμα κβαντισμού, προέρχεται από την θεωρία του κβαντισμού διανυσμάτων και περιγράφει το πόσο καλά περιγράφονται τα δεδομένα από τον κόμβο αναφοράς στον οποίο έχουν αντιστοιχηθεί. q e = 1 λ N M Ο. loglikelihood Ο all Ο

8 Topographic error Το τοπογραφικό σφάλμα, προερχόμενο από το SOM, περιγράφει την ομαλότητα της απεικόνισης. N t e = 1 N k=1 u Ο κ με u Ο k = 1, μη γειτονικά i, j 0, διαφορετικά i:1 st best matching unit j:2 nd best matching unit

9 C-measure Το μέτρο αυτό, αναπτύχθηκε από τους Goodhill και Sernowski, αυξάνεται για καλύτερες απεικονίσεις. N C = i=1 j i F i, j G M i,m j με, F i, j = D s λ i, λ j G M i, M j = p M i p M j

10 Demartines-Herault measure Το μέτρο αυτό αποτελεί μια συνάρτηση ενέργειας που αναμένουμε να μειώνεται για καλύτερες απεικονίσεις. N E = 1/2 i=1 j i F i, j G M i, M j 2 h G

11 Distortion measure Αποτελεί μια συνάρτηση ενέργειας. Προσεγγίζει καλύτερα από κάθε άλλο μέτρο τη συνάρτηση ενέργειας του SOM. P N E = i=1 j=1 h bi j m j. loglikelihood Ο i 2

12 Κριτήριο Calinski Harabasz HC = BGSS k 1 / WGSS n k

13 Topographic product Περιγράφει την ποιότητα της απεικόνισης, λαμβάνοντας την τιμή 0 για τέλεια απεικόνιση. Αποτελεί ένα από τα πιο δημοφιλή μέτρα οργάνωσης για το SOM. P = 1 N N 1 j=1 N N 1 k=1 log P 3 j,k P 3 j, k = l=1 k Q 1 j,l Q 2 j, l 1 2k Q 1 j, k = d V λ j, λ nk A j d V λ j, λ nk V j Q 2 j, k = d A j, n A k j d A j, n V k j

14 Εντροπία i A p i log p i όπου p i = 1 N Ο V p i Ο Δείγματα εισόδου που αλλάζουν κόμβο αναφοράς μεταξύ δύο επαναλήψεων N C e = 1 N k =1 p Ο κ με p Ο e k = 1, BMU Ο e k BMU Ο e 1 k 0, διαφορετικά

15 Προσομοιώσεις Μονότονη συμπεριφορά των μέτρων κατά τη διάρκεια της εκπαίδευσης Βέλτιστη επιλογή παραμέτρων αριθμός εποχών αριθμός κρυμμένων καταστάσεων των ΗΜΜ μέγεθος πλέγματος

16 Μονοτονία Οι προσομοιώσεις πραγματοποιήθηκαν για όλα τα μέτρα εκτός του τοπογραφικού γινομένου. ποιότητα της απεικόνισης από τοπογραφικής απόψεως (παραβιάσεις γειτονιάς, ομαλότητα απεικόνισης,κλπ). C- measure, Demartines-Herault, distortion measure, τοπογραφικό σφάλμα. Προτιμητέο το τοπογραφικό σφάλμα (καλή επίδοση και εξαιρετική απλότητα και ταχύτητας υπολογισμού). ύπαρξη συμπαγών συστάδων (κόμβων) και ανομοιότητα μεταξύ των συστάδων (κόμβων). σφάλμα κβαντισμού και Calinski- Harabasz. Πιο ταχύ στον υπολογισμό και με καλύτερη επίδοση το σφάλμα κβαντισμού, πάντως το Calinski Harabasz μετρά και την ανομοιότητα μεταξύ των κόμβων (between group sum of squares). αριθμός των ακολουθιών που αλλάζουν κόμβο σε κάθε εποχή εντροπία

17 Globins (560 protein sequences)

18 Globins διαγράμματα (α) C-measure (β) Calinski-Harabasz (γ) Demartines-Herault (δ)distortion measure

19 Globins διαγράμματα (2) (ε) Quantization error (ζ) topographic error (η) ακολουθίες που άλλαξαν κόμβο (θ)εντροπία ( σε λογαριθμική κλίμακα)

20 Επιλογή παραμέτρων αριθμός εποχών αριθμός κρυμμένων καταστάσεων των ΗΜΜ μέγεθος πλέγματος

21 Αριθμός εποχών Στις περισσότερες περιπτώσεις αύξηση του αριθμού εποχών εκπαίδευσης προκαλεί σε μικρότερο ή μεγαλύτερο βαθμό καλύτερη διάταξη του χάρτη. Σε κάποιες όμως περιπτώσεις, παρατηρείται υπερεκπαίδευση του χάρτη και χειροτέρευση της διάταξης. Αυτό που εν τέλει αναζητούμε είναι αν τα μέτρα οργάνωσης που αναπτύχθηκαν μπορούν να περιγράψουν αυτά τα φαινόμενα και να μας δώσουν μια ποσοτική πληροφορία περί αυτών.

22 Τεχνητό dataset (HMMs 10 καταστάσεων-3 συστάδες) α. 5 εποχές β.10 εποχές γ.20 εποχές Φαινόμενο overtraining

23 Εποχές σφάλμα κβαντισμού 3,30E+00 2,56E+00 3,24E+00 2,63E+00 2,62E+00 εντροπία 2,69E-33 6,19E-32 5,37E-32 2,26E-31 1,67E-31 τοπογραφικό σφάλμα 7,50E-02 1,00E-01 1,25E-01 2,00E-01 1,75E-01 παραμόρφωση 1,26E+01 1,01E+01 1,19E+01 1,05E+01 9,92E+00 C-measure 1,27E+07 2,01E+07 1,97E+07 2,21E+07 2,29E+07 Calinski- Harabasz Demartines- Herault 7,02E+04 1,24E+05 1,18E+05 1,30E+05 1,30E+05 4,81E+01 4,33E+01 4,60E+01 4,80E+01 4,91E+01 Συμπερασματικά: το σφάλμα κβαντισμού, η παραμόρφωση, το τοπογραφικό σφάλμα. και το μέτρο Demartines-Herault περιγράφουν σε γενικές γραμμές φαινόμενα overtraining ή ενδεικνύουν το βέλτιστο αριθμό εποχών εκπαίδευσης. Πάντως, η πληροφορία που συνάγουμε από πρέπει να μελετάται προσεκτικά, σε συνάρτηση και με άλλους παράγοντες (πχ οπτικοποίηση του SOHMMM)

24 Αριθμός καταστάσεων των HMMs #HMMs σφάλμα κβαντισμο ύ 1,03E+01 2,44E+01 1,78E+01 6,28E+00 4,69E+00 εντροπία 3,73E-124 3,67E-119 1,35E-106 1,42E-94 1,31E-115 τοπογραφι κό σφάλμα παραμόρφ ωση 1,00E-01 3,67E-01 3,00E-01 6,00E-02 3,67E-01 3,88E+01 5,50E+01 6,45E+01 2,08E+01 1,91E+01 C-measure 3,85E+05 7,41E+05 1,41E+06 2,27E+06 2,60E+06 Calinski- Harabasz Demartine s-herault 1,62E+03 3,59E+03 7,23E+03 1,32E+04 1,74E+04 2,60E+01 1,99E+01 1,79E+01 1,52E+01 1,55E+01 Globins (30 protein sequences)

25 Αριθμός καταστάσεων των HMMs συμπερασματα πιο αξιόπιστο το σφάλμα κβαντισμού με το τοπογραφικό σφάλμα και την παραμόρφωση να ακολουθούν. Τα μέτρα C, Calinski-Harabasz και Demartines-Herault θα ήταν καλό να λαμβάνονται υπόψιν, σε συνάρτηση πάντως με κάποια άλλη πληροφορία.

26 Μέγεθος πλέγματος Πλέγμα 3x2 3x5 6x5 9x9 12x12 14x14 σφάλμα κβαντισμο ύ 1,60E+01 8,77E+00 2,31E+00 8,50E-01 4,78E-01 3,51E-01 εντροπία 2,01E-43 9,09E-39 2,88E-39 6,79E-39 8,49E-39 9,22E-39 τοπογραφι κό σφάλμα παραμόρφ ωση τοπογραφι κό γινόμενο 6,70E-03 3,40E-01 6,40E-01 6,07E-01 5,40E-01 6,20E-01 6,10E+01 4,17E+01 8,59E+00 4,17E+00 2,61E+00 2,26E+00-0,218-0,201-0,560-0,770-0,802-0,595 Τεχνητό dataset (150 ακολουθίες απο ΗΜΜ 1 κατάστασης, 3 συστάδες)

27 Μέγεθος πλέγματος συμπεράσματα Μπορούμε να χωρίσουμε ανάλογα με την επίδοσή τους τα μέτρα οργάνωσης σε τρεις κατηγορίες: σφάλμα κβαντισμού και παραμόρφωση, μειώνονται μονότονα με την αύξηση του μεγέθους του πλέγματος. τοπογραφικό σφάλμα και τοπογραφικό γινόμενο. Αυξομειώνονται παρουσιάζοντας, συνήθως, κάποιο ελάχιστο ή μέγιστο αντίστοιχα για κάποιο πλέγμα, που δείχνει και το βέλτιστο, σύμφωνα με το κριτήριο πλέγμα. εντροπία, δεν παρουσιάζει κάποια επιθυμητή συμπεριφορά. Προτείνουμε την χρήση των τεσσάρων μέτρων (εκτός εντροπίας) για την απόφαση του βέλτιστου μεγέθους για το πλέγμα, σε συνάρτηση πάντως με τις αναφερθείσες παρατηρήσεις. Τα συμπεράσματα πρέπει πάντοτε να λαμβάνονται υπόψιν και με τη βοήθεια κάποιας οπτικοποίησης.

28 Σύνοψη Στη διερεύνηση που έγινε θα μπορούσαμε να πραγματοποιήσουμε κάποια μελέτη σε σχέση και με τις υπόλοιπες παραμέτρους του SOHMMM ή να εμβαθύνουμε παραπάνω σε κάποια μέτρα ή επιμέρους λειτουργίες. Στόχος δεν ήταν η εξαντλητική παρουσίαση των δυνατοτήτων των μέτρων οργάνωσης, αλλά να καταδείξουμε ότι τα μέτρα αυτά είναι σε θέση να παρακολουθήσουν ικανοποιητικά τη διαδικασία εκπαίδευσης ενός SOHMMM καθώς και να χρησιμοποιηθούν σε ποικίλες λειτουργίες. Εν τέλει, κάποια μέτρα αποδείχθηκαν καταλληλότερα να περιγράψουν συγκεκριμένες παραμέτρους της διαδικασίας οργάνωσης σε σχέση με άλλα. Για αυτό τον λόγο, δεν θελήσαμε να προχωρήσουμε σε μια αυστηρή αξιολόγησή τους, αλλά με βάση την εκάστοτε μελέτη καταδείξαμε από ποια άποψη ένα μέτρο μπορούσε να είναι καλύτερο από ένα άλλο.

29 Ερωτήσεις

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων Περίληψη ιδακτορικής ιατριβής Τριχακης Ιωάννης Εργαστήριο

Διαβάστε περισσότερα

Μάθηση και Γενίκευση. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Μάθηση και Γενίκευση. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Μάθηση και Γενίκευση Το Πολυεπίπεδο Perceptron (MultiLayer Perceptron (MLP)) Έστω σύνολο εκπαίδευσης D={(x n,t n )}, n=1,,n. x n =(x n1,, x nd ) T, t n =(t n1,, t np ) T Θα πρέπει το MLP να έχει d νευρώνες

Διαβάστε περισσότερα

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.

Διαβάστε περισσότερα

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΒΙΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ (ΒΙΟ 650) Ειδικά Θέματα Βιοπληροφορικής Διδάσκων: Βασίλειος Ι. Προμπονάς, Ph.D. Λέκτορας Βιοπληροφορικής ΓΕΝΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Διαλέξεις Δευτέρα και Πέμπτη

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση

ΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης

Διαβάστε περισσότερα

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου

Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων. Δρ. Ε. Χάρου Μέθοδοι Μηχανικής Μάθησης στην επεξεργασία Τηλεπισκοπικών Δεδομένων Δρ. Ε. Χάρου Πρόγραμμα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΔΗΜΟΚΡΙΤΟΣ exarou@iit.demokritos.gr Μηχανική

Διαβάστε περισσότερα

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων

Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Αριθμητική εύρεση ριζών μη γραμμικών εξισώσεων Με τον όρο μη γραμμικές εξισώσεις εννοούμε εξισώσεις της μορφής: f( ) 0 που προέρχονται από συναρτήσεις f () που είναι μη γραμμικές ως προς. Περιέχουν δηλαδή

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 6 : Κωδικοποίηση & Συμπίεση εικόνας Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 4: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Θεωρητικές Ασκήσεις (# ): ειγµατοληψία, κβαντοποίηση και συµπίεση σηµάτων. Στην τηλεφωνία θεωρείται ότι το ουσιαστικό περιεχόµενο της

Διαβάστε περισσότερα

H ΑΝΑΛΥΣΗ ΣΥΣΧΕΤΙΣΗΣ (PEARSON s r)

H ΑΝΑΛΥΣΗ ΣΥΣΧΕΤΙΣΗΣ (PEARSON s r) 5 H ΑΝΑΛΥΣΗ ΣΥΣΧΕΤΙΣΗΣ (PEARSON s r) Περίληψη Σκοπός του κεφαλαίου είναι η εφαρμογή της ανάλυσης συσχέτισης (Pearson r) μέσω του PASW. H ανάλυση συσχέτισης Pearson r χρησιμοποιείται για να εξεταστεί η

Διαβάστε περισσότερα

ΓΕΝΕΣΗ ΕΠΙΦΑΝΕΙΑΚΩΝ ΠΛΕΓΜΑΤΩΝ

ΓΕΝΕΣΗ ΕΠΙΦΑΝΕΙΑΚΩΝ ΠΛΕΓΜΑΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Εργαστήριο Θερμικών Στροβιλομηχανών Μονάδα Παράλληλης ης Υπολογιστικής Ρευστοδυναμικής & Βελτιστοποίησης ΓΕΝΕΣΗ ΕΠΙΦΑΝΕΙΑΚΩΝ ΠΛΕΓΜΑΤΩΝ Κυριάκος Χ. Γιαννάκογλου Kαθηγητής ΕΜΠ

Διαβάστε περισσότερα

Το Κεντρικό Οριακό Θεώρημα

Το Κεντρικό Οριακό Θεώρημα Το Κεντρικό Οριακό Θεώρημα Όπως θα δούμε αργότερα στη Στατιστική Συμπερασματολογία, λέγοντας ότι «από έναν πληθυσμό παίρνουμε ένα τυχαίο δείγμα μεγέθους» εννοούμε ανεξάρτητες τυχαίες μεταβλητές,,..., που

Διαβάστε περισσότερα

Βιοπληροφορική. Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου

Βιοπληροφορική. Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ. Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Βιοπληροφορική Ενότητα 14: Μοντέλα Πολλαπλής Στοίχισης (2/2), 1.5ΔΩ Τμήμα: Βιοτεχνολογίας Όνομα καθηγητή: Τ. Θηραίου Μαθησιακοί Στόχοι παρουσίαση των μοντέλων πολλαπλής στοίχισης. κατανόηση των εφαρμογών

Διαβάστε περισσότερα

Εκτίμηση μη-γραμμικών χαρακτηριστικών

Εκτίμηση μη-γραμμικών χαρακτηριστικών Εκτίμηση μη-γραμμικών χαρακτηριστικών Μη-γραμμικά χαρακτηριστικά ή αναλλοίωτα μέτρα Διάσταση. Ευκλείδια. Τοπολογική 3. Μορφοκλασματική (συσχέτισης, πληροφορίας, μέτρησης κουτιών, ) Εκθέτες Lypunov (μεγαλύτερος,

Διαβάστε περισσότερα

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 15/1/2008

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 15/1/2008 Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 5//008 Πρόβληµα ο Στα παρακάτω ερωτήµατα επισηµαίνουµε ότι perceptron είναι ένας νευρώνας και υποθέτουµε, όπου χρειάζεται, τη χρήση δικτύων

Διαβάστε περισσότερα

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον

Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2014 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2014 1 / 42 Αριθμητικές Μέθοδοι

Διαβάστε περισσότερα

Με τα sequence projects φτάσαμε στην εποχή που η ελάχιστη πληροφορία για να ξεκινήσει ένα πείραμα είναι ολόκληρη ακολουθία DNA του οργανισμού Το DNA

Με τα sequence projects φτάσαμε στην εποχή που η ελάχιστη πληροφορία για να ξεκινήσει ένα πείραμα είναι ολόκληρη ακολουθία DNA του οργανισμού Το DNA Microarrays Με τα sequence projects φτάσαμε στην εποχή που η ελάχιστη πληροφορία για να ξεκινήσει ένα πείραμα είναι ολόκληρη ακολουθία DNA του οργανισμού Το DNA όμως του οργανισμού είναι μια στατική πληροφορία

Διαβάστε περισσότερα

K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων

K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων K15 Ψηφιακή Λογική Σχεδίαση 7-8: Ανάλυση και σύνθεση συνδυαστικών λογικών κυκλωμάτων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Η έννοια του συνδυαστικού

Διαβάστε περισσότερα

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδομένων με χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τομέας Μαθηματικών, Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόμενα Εισαγωγή στο

Διαβάστε περισσότερα

Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα. Παπαπαύλου Χρήστος ΑΜ: 6609

Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα. Παπαπαύλου Χρήστος ΑΜ: 6609 Απαλλακτική Εργασία Γραφικά & Εικονική Πραγματικότητα Παπαπαύλου Χρήστος ΑΜ: 6609 Αναπαράσταση μοντέλου Το 3D μοντέλο το αποθηκεύουμε στην μνήμη με τις εξής δομές δεδομένων: Λίστα κορυφών Λίστα τριγώνων

Διαβάστε περισσότερα

Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες

Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες Σχετικές πληροφορίες: http://dlib.ionio.gr/~spver/seminars/statistics/ Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες Σπύρος Βερονίκης Τμήμα Αρχειονομίας - Βιβλιοθηκονομίας Θεματικές

Διαβάστε περισσότερα

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500

Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά

Διαβάστε περισσότερα

ΚΑΤΑΤΜΗΣΗ ΕΙΚΟΝΑΣ ΜΕ ΜΕΘΟΔΟΥΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΥΠΕΡ-ΕΙΚΟΝΟΣΤΟΙΧΕΙΩΝ Η ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΕΞΕΙΔΙΚΕΥΣΗΣ. Υποβάλλεται στην

ΚΑΤΑΤΜΗΣΗ ΕΙΚΟΝΑΣ ΜΕ ΜΕΘΟΔΟΥΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΥΠΕΡ-ΕΙΚΟΝΟΣΤΟΙΧΕΙΩΝ Η ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΕΞΕΙΔΙΚΕΥΣΗΣ. Υποβάλλεται στην ΚΑΤΑΤΜΗΣΗ ΕΙΚΟΝΑΣ ΜΕ ΜΕΘΟΔΟΥΣ ΟΜΑΔΟΠΟΙΗΣΗΣ ΥΠΕΡ-ΕΙΚΟΝΟΣΤΟΙΧΕΙΩΝ Η ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΕΞΕΙΔΙΚΕΥΣΗΣ Υποβάλλεται στην ορισθείσα από την Γενική Συνέλευση Ειδικής Σύνθεσης του Τμήματος Πληροφορικής Εξεταστική

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ 1.1 Πίνακες, κατανομές, ιστογράμματα... 1 1.2 Πυκνότητα πιθανότητας, καμπύλη συχνοτήτων... 5 1.3

Διαβάστε περισσότερα

Μιχάλης Λάμπρου Νίκος Κ. Σπανουδάκης. τόμος 1. Καγκουρό Ελλάς

Μιχάλης Λάμπρου Νίκος Κ. Σπανουδάκης. τόμος 1. Καγκουρό Ελλάς Μιχάλης Λάμπρου Νίκος Κ. Σπανουδάκης τόμος Καγκουρό Ελλάς 0 007 (ο πρώτος αριθµός σε µια γραµµή αναφέρεται στη σελίδα που αρχίζει το άρθρο και ο δεύτερος στη σελίδα που περιέχει τις απαντήσεις) Πρόλογος

Διαβάστε περισσότερα

13 Μονοτονία Ακρότατα συνάρτησης

13 Μονοτονία Ακρότατα συνάρτησης 3 Μονοτονία Ακρότατα συνάρτησης Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Θεώρημα Αν μια συνάρτηση f είναι συνεχής σ ένα διάστημα Δ, τότε: Αν f ( ) > 0για κάθε εσωτερικό του Δ, η f είναι γνησίως αύξουσα στο Δ. Αν

Διαβάστε περισσότερα

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ

ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,

Διαβάστε περισσότερα

ΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack. Χλης Νικόλαος-Κοσμάς

ΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack. Χλης Νικόλαος-Κοσμάς ΠΛΗ 513-Αυτόνομοι Πράκτορες Χειμερινό εξάμηνο 2012 Εφαρμογή αλγορίθμων ενισχυτικής μάθησης στο παιχνίδι Βlackjack Χλης Νικόλαος-Κοσμάς Περιγραφή παιχνιδιού Βlackjack: Σκοπός του παιχνιδιού είναι ο παίκτης

Διαβάστε περισσότερα

ΔΙΕΡΕΥΝΗΣΗ ΜΕΘΟΔΩΝ ΠΡΟΣΔΙΟΡΙΣΜΟΥ ΚΙΝΗΤΙΚΩΝ ΠΑΡΑΜΕΤΡΩΝ ΘΕΡΜΙΚΗΣ ΑΠΕΝΕΡΓΟΠΟΙΗΣΗΣ

ΔΙΕΡΕΥΝΗΣΗ ΜΕΘΟΔΩΝ ΠΡΟΣΔΙΟΡΙΣΜΟΥ ΚΙΝΗΤΙΚΩΝ ΠΑΡΑΜΕΤΡΩΝ ΘΕΡΜΙΚΗΣ ΑΠΕΝΕΡΓΟΠΟΙΗΣΗΣ ΔΙΕΡΕΥΝΗΣΗ ΜΕΘΟΔΩΝ ΠΡΟΣΔΙΟΡΙΣΜΟΥ ΚΙΝΗΤΙΚΩΝ ΠΑΡΑΜΕΤΡΩΝ ΘΕΡΜΙΚΗΣ ΑΠΕΝΕΡΓΟΠΟΙΗΣΗΣ Μαρία Γιαννακούρου ΤΕΙ Αθηνών, Σχολή Τεχνολογίας Τροφίμων και Διατροφής, Τμήμα Τεχνολογίας Τροφίμων Νικόλαος Γ. Στοφόρος Γεωπονικό

Διαβάστε περισσότερα

Κεφάλαιο 4: Διαφορικός Λογισμός

Κεφάλαιο 4: Διαφορικός Λογισμός ΣΥΓΧΡΟΝΗ ΠΑΙΔΕΙΑ ΦΡΟΝΤΙΣΤΗΡΙΟ ΜΕΣΗΣ ΕΚΠΑΙΔΕΥΣΗΣ Κεφάλαιο 4: Διαφορικός Λογισμός Μονοτονία Συνάρτησης Tζουβάλης Αθανάσιος Κεφάλαιο 4: Διαφορικός Λογισμός Περιεχόμενα Μονοτονία συνάρτησης... Λυμένα παραδείγματα...

Διαβάστε περισσότερα

Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη

Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow

Διαβάστε περισσότερα

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ

ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΕΦΑΡΜΟΓΕΣ ΔΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Dr. Christos D. Tarantilis Associate Professor in Operations Research & Management Science http://tarantilis.dmst.aueb.gr/ ΕΦΑΡΜΟΓΕΣ ΙΟΙΚΗΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Ι - 1- ΜΕΙΟΝΕΚΤΗΜΑ

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διαλέξεις 7 8 Μπεϋζιανή εκτίμηση συνέχεια Μη παραμετρικές μέθοδοι εκτίμησης πυκνότητας Εκτίμηση ML για την κανονική κατανομή Μπεϋζιανή εκτίμηση για την κανονική κατανομή Γνωστή

Διαβάστε περισσότερα

ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΕΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ

ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΕΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ ΔΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ΣΥΝΟΠΤΙΚΗ ΘΕΩΡΕΙΑ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ.Καρτάλη 8 Βόλος Τηλ. 43598 ΠΊΝΑΚΑΣ ΠΕΡΙΕΧΟΜΈΝΩΝ 3. Η ΕΝΝΟΙΑ ΤΗΣ ΠΑΡΑΓΩΓΟΥ... 5 ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ...

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης

Διαβάστε περισσότερα

Ομαδοποίηση Δεδομένων για Χωροπληθείς Χάρτες με τη Μέθοδο των Χαρτών Αυτο-Οργάνωσης

Ομαδοποίηση Δεδομένων για Χωροπληθείς Χάρτες με τη Μέθοδο των Χαρτών Αυτο-Οργάνωσης Ομαδοποίηση Δεδομένων για Χωροπληθείς Χάρτες με τη Μέθοδο των Χαρτών Αυτο-Οργάνωσης Ανδρέας Παπαχριστοδούλου 1, Βύρωνας Νάκος 2 1. Μεταπτυχιακός Φοιτητής ΕΜΠ 2. Αναπληρωτής Καθηγητής ΕΜΠ Περίληψη Ένα από

Διαβάστε περισσότερα

HMY 795: Αναγνώριση Προτύπων

HMY 795: Αναγνώριση Προτύπων HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.

Διαβάστε περισσότερα

ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΥΠΟΛΟΓΙΣΤΩΝ. Κεφάλαιο 3

ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΥΠΟΛΟΓΙΣΤΩΝ. Κεφάλαιο 3 ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΥΠΟΛΟΓΙΣΤΩΝ Κεφάλαιο 3 Κεντρική Μονάδα Επεξεργασίας Κεντρική Μονάδα Επεξεργασίας Μονάδα επεξεργασίας δεδομένων Μονάδα ελέγχου Μονάδα επεξεργασίας δεδομένων Δομή Αριθμητικής Λογικής Μονάδας

Διαβάστε περισσότερα

Συναρτήσεις Όρια Συνέχεια

Συναρτήσεις Όρια Συνέχεια Κωνσταντίνος Παπασταματίου Μαθηματικά Γ Λυκείου Κατεύθυνσης Συναρτήσεις Όρια Συνέχεια Συνοπτική Θεωρία Μεθοδολογίες Λυμένα Παραδείγματα Επιμέλεια: Μαθηματικός Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ. Καρτάλη 8 (με

Διαβάστε περισσότερα

1η Οµάδα Ασκήσεων. ΑΣΚΗΣΗ 1 (Θεωρία)

1η Οµάδα Ασκήσεων. ΑΣΚΗΣΗ 1 (Θεωρία) ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟ ΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ KAI THΛΕΠΙΚΟΙΝΩΝΙΩΝ ΤΟΜΕΑΣ ΘΕΩΡΗΤΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ /5/007 η Οµάδα Ασκήσεων ΑΣΚΗΣΗ (Θεωρία). α) Έστω fl() x η παράσταση

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΙ ΦΥΣΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΠΑΡΟΥΣΙΑΣΗ ΤΕΛΙΚΗΣ ΕΡΓΑΣΙΑΣ ΛΙΝΑ ΜΑΣΣΟΥ Δ.Π.Μ.Σ: «Εφαρμοσμένες Μαθηματικές Επιστήμες» 2008

Διαβάστε περισσότερα

ΑΡΙΘΜΗΤΙΚΑ ΜΟΝΤΕΛΑ ΠΡΟΓΝΩΣΗΣ ΚΑΙΡΟΥ. Κ. Λαγουβάρδος

ΑΡΙΘΜΗΤΙΚΑ ΜΟΝΤΕΛΑ ΠΡΟΓΝΩΣΗΣ ΚΑΙΡΟΥ. Κ. Λαγουβάρδος ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΑΡΙΘΜΗΤΙΚΑ ΜΟΝΤΕΛΑ ΠΡΟΓΝΩΣΗΣ ΚΑΙΡΟΥ Κ. Λαγουβάρδος Ινστιτούτο Ερευνών Περιβάλλοντος Εθνικό Αστεροσκοπείο Αθηνών ΤΙ ΕΙΝΑΙ ΑΡΙΘΜΗΤΙΚΗ ΠΡΟΓΝΩΣΗ ΚΑΙΡΟΥ Επίλυση των εξισώσεων

Διαβάστε περισσότερα

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη:

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη: 4. ΔΙΑΧΕΙΡΙΣΗ ΑΠΟΘΕΜΑΤΩΝ ΥΠΟ ΑΒΕΒΑΙΑ ΖΗΤΗΣΗ Στις περισσότερες περιπτώσεις η ζήτηση είναι αβέβαια. Οι περιπτώσεις αυτές διαφέρουν ως προς το μέγεθος της αβεβαιότητας. Δηλαδή εάν η αβεβαιότητα είναι περιορισμένη

Διαβάστε περισσότερα

ΠΑΡΑΔΕΙΓΜΑ ΣΤΟ BIZAGI ΕΘΝΙΚΗ ΣΧΟΛΗ ΔΗΜΟΣΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΑΥΤΟΔΙΟΙΚΗΣΗΣ

ΠΑΡΑΔΕΙΓΜΑ ΣΤΟ BIZAGI ΕΘΝΙΚΗ ΣΧΟΛΗ ΔΗΜΟΣΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΑΥΤΟΔΙΟΙΚΗΣΗΣ Ανάλυση - Προσομοίωση ΠΑΡΑΔΕΙΓΜΑ ΣΤΟ BIZAGI ΕΘΝΙΚΗ ΣΧΟΛΗ ΔΗΜΟΣΙΑΣ ΔΙΟΙΚΗΣΗΣ & ΑΥΤΟΔΙΟΙΚΗΣΗΣ 1 Προσομοίωση Η προσομοίωση είναι μέθοδος μελέτης ενός συστήματος και εξοικείωσης με τα χαρακτηριστικά του με

Διαβάστε περισσότερα

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΜΟΝΟ ΚΛΙΝΙΚΗΣ ΧΗΜΕΙΑΣ ΚΑΙ ΠΗΞΗΣ

ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΜΟΝΟ ΚΛΙΝΙΚΗΣ ΧΗΜΕΙΑΣ ΚΑΙ ΠΗΞΗΣ ΟΔΗΓΟΣ ΧΡΗΣΗΣ ΜΟΝΟ ΚΛΙΝΙΚΗΣ ΧΗΜΕΙΑΣ ΚΑΙ ΠΗΞΗΣ Σκοπός του οδηγού αυτού είναι να απεικονίσει τον τρόπο χρήσης του λογισμικού "MQS" on-line καθώς και των λειτουργιών που είναι διαθέσιμες στους χρήστες προκειμένου

Διαβάστε περισσότερα

9. Τοπογραφική σχεδίαση

9. Τοπογραφική σχεδίαση 9. Τοπογραφική σχεδίαση 9.1 Εισαγωγή Το κεφάλαιο αυτό εξετάζει τις παραμέτρους, μεθόδους και τεχνικές της τοπογραφικής σχεδίασης. Η προσέγγιση του κεφαλαίου γίνεται τόσο για την περίπτωση της συμβατικής

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ 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 περισσότερα

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.

Μέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua. Μέρος Β /Στατιστική Μέρος Β Στατιστική Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.gr/gpapadopoulos) Από τις Πιθανότητες στη Στατιστική Στα προηγούμενα, στο

Διαβάστε περισσότερα

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών

Διαβάστε περισσότερα

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1)

Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Case 08: Επιλογή Διαφημιστικών Μέσων Ι ΣΕΝΑΡΙΟ (1) Το πρόβλημα της επιλογής των μέσων διαφήμισης (??) το αντιμετωπίζουν τόσο οι επιχειρήσεις όσο και οι διαφημιστικές εταιρείες στην προσπάθειά τους ν' αναπτύξουν

Διαβάστε περισσότερα

ΕΙΣΟΔΟΣ ΣΤΗΝ ΕΦΑΡΜΟΓΗ... 1 ΕΙΣΑΓΩΓΗ PASSWORD... 3 ΕΙΣΟΔΟΣ ΣΤΗΝ ΣΕΛΙΔΑ ΤΟΥ ΠΟΙΟΤΙΚΟΥ ΕΛΕΓΧΟΥ... 4 ΤΑΥΤΌΤΗΤΑ ΕΡΓΑΣΤΗΡΊΟΥ... 5

ΕΙΣΟΔΟΣ ΣΤΗΝ ΕΦΑΡΜΟΓΗ... 1 ΕΙΣΑΓΩΓΗ PASSWORD... 3 ΕΙΣΟΔΟΣ ΣΤΗΝ ΣΕΛΙΔΑ ΤΟΥ ΠΟΙΟΤΙΚΟΥ ΕΛΕΓΧΟΥ... 4 ΤΑΥΤΌΤΗΤΑ ΕΡΓΑΣΤΗΡΊΟΥ... 5 Οδηγός χρήσης για την οnline σύνδεση για τα ΠΡΟΓΡΑΜΜΑΤΑ ΕΞΩΤΕΡΙΚΗΣ ΑΞΙΟΛΟΓΗΣΗΣ ΤΗΣ ΠΟΙΟΤΗΤΑΣ Σκοπός του οδηγού αυτού είναι να απεικονίσει τον τρόπο χρήσης του λογισμικού "Quark" on-line EQA καθώς και των

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 5 Συλλογή Δεδομένων & Δειγματοληψία

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 5 Συλλογή Δεδομένων & Δειγματοληψία ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ

Διαβάστε περισσότερα

ΟΡΓΑΝΩΣΗ ΚΑΙ ΥΛΟΠΟΙΗΣΗ ΜΙΑΣ ΕΡΕΥΝΑΣ. ΜΑΝΟΥΣΟΣ ΕΜΜ. ΚΑΜΠΟΥΡΗΣ, ΒΙΟΛΟΓΟΣ, PhD ΙΑΤΡΙΚHΣ

ΟΡΓΑΝΩΣΗ ΚΑΙ ΥΛΟΠΟΙΗΣΗ ΜΙΑΣ ΕΡΕΥΝΑΣ. ΜΑΝΟΥΣΟΣ ΕΜΜ. ΚΑΜΠΟΥΡΗΣ, ΒΙΟΛΟΓΟΣ, PhD ΙΑΤΡΙΚHΣ ΟΡΓΑΝΩΣΗ ΚΑΙ ΥΛΟΠΟΙΗΣΗ ΜΙΑΣ ΕΡΕΥΝΑΣ ΜΑΝΟΥΣΟΣ ΕΜΜ. ΚΑΜΠΟΥΡΗΣ, ΒΙΟΛΟΓΟΣ, PhD ΙΑΤΡΙΚHΣ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΤΗΣ ΕΠΙΣΤΗΜΟΝΙΚΗΣ ΕΡΕΥΝΑΣ Η επιστημονική έρευνα στηρίζεται αποκλειστικά στη συστηματική μελέτη της εμπειρικής

Διαβάστε περισσότερα

Θεώρημα Βolzano. Κατηγορία 1 η. 11.1 Δίνεται η συνάρτηση:

Θεώρημα Βolzano. Κατηγορία 1 η. 11.1 Δίνεται η συνάρτηση: Κατηγορία η Θεώρημα Βolzano Τρόπος αντιμετώπισης:. Όταν μας ζητούν να εξετάσουμε αν ισχύει το θεώρημα Bolzano για μια συνάρτηση f σε ένα διάστημα [, ] τότε: Εξετάζουμε την συνέχεια της f στο [, ] (αν η

Διαβάστε περισσότερα

Διαχείριση Δικτύων (ΕΠ 17) Εαρινό Εξάµηνο 2014-2015. Εργασία Εξαµήνου, Ηµεροµηνία Παράδοσης: Ηµέρα Εξέτασης Μαθήµατος (25/6/2015)

Διαχείριση Δικτύων (ΕΠ 17) Εαρινό Εξάµηνο 2014-2015. Εργασία Εξαµήνου, Ηµεροµηνία Παράδοσης: Ηµέρα Εξέτασης Μαθήµατος (25/6/2015) Διαχείριση Δικτύων (ΕΠ 17) Εαρινό Εξάµηνο 2014-2015 Εργασία Εξαµήνου, Ηµεροµηνία Παράδοσης: Ηµέρα Εξέτασης Μαθήµατος (25/6/2015) Οµαδική εργασία (2 ατόµων) Σε αυτή την εργασία καλείστε να υλοποιήσετε ένα

Διαβάστε περισσότερα

Ταιριάσματα. Γράφημα. Ταίριασμα (matching) τέτοιο ώστε κάθε κορυφή να εμφανίζεται σε το πολύ μια ακμή του

Ταιριάσματα. Γράφημα. Ταίριασμα (matching) τέτοιο ώστε κάθε κορυφή να εμφανίζεται σε το πολύ μια ακμή του Ταιριάσματα Γράφημα Ταίριασμα (matching) Σύνολο ακμών τέτοιο ώστε κάθε κορυφή να εμφανίζεται σε το πολύ μια ακμή του Θέλουμε να βρούμε ένα μέγιστο ταίριασμα (δηλαδή με μέγιστο αριθμό ακμών) Ταιριάσματα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 21 Σεπτεµβρίου 2004 ιάρκεια: 3 ώρες Το παρακάτω σύνολο

Διαβάστε περισσότερα

Η ΑΝΑΓΚΗ ΓΙΑ ΠΟΣΟΤΙΚΟΠΟΙΗΣΗ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ

Η ΑΝΑΓΚΗ ΓΙΑ ΠΟΣΟΤΙΚΟΠΟΙΗΣΗ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ Η ΑΝΑΓΚΗ ΓΙΑ ΠΟΣΟΤΙΚΟΠΟΙΗΣΗ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ Οι Ενόργανες Μέθοδοι Ανάλυσης είναι σχετικές μέθοδοι και σχεδόν στο σύνολο τους παρέχουν την αριθμητική τιμή μιας φυσικής ή φυσικοχημικής ιδιότητας, η

Διαβάστε περισσότερα

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Συσχέτιση μεταξύ δύο συνόλων δεδομένων Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,

Διαβάστε περισσότερα

ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ. ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ

ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ. ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ ΤΕΙ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΟΙΚΗΣΗ ΠΑΡΑΓΩΓΗΣ ΕΝΟΤΗΤΑ 4η ΠΡΟΒΛΕΨΗ ΖΗΤΗΣΗΣ ΓΙΑΝΝΗΣ ΦΑΝΟΥΡΓΙΑΚΗΣ ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΣΥΝΕΡΓΑΤΗΣ ΤΕΙ ΚΡΗΤΗΣ ΔΟΜΗ ΠΑΡΟΥΣΙΑΣΗΣ 1. Εισαγωγή

Διαβάστε περισσότερα

ΑΠΟΚΡΙΣΗ ΣΥΣΤΗΜΑΤΩΝ ΣΤΟ ΠΕΔΙΟ ΤΟΥ ΧΡΟΝΟΥ ΚΑΙ ΤΩΝ ΣΥΧΝΟΤΗΤΩΝ

ΑΠΟΚΡΙΣΗ ΣΥΣΤΗΜΑΤΩΝ ΣΤΟ ΠΕΔΙΟ ΤΟΥ ΧΡΟΝΟΥ ΚΑΙ ΤΩΝ ΣΥΧΝΟΤΗΤΩΝ ΑΠΟΚΡΙΣΗ ΣΥΣΤΗΜΑΤΩΝ ΣΤΟ ΠΕΔΙΟ ΤΟΥ ΧΡΟΝΟΥ ΚΑΙ ΤΩΝ ΣΥΧΝΟΤΗΤΩΝ ΣΚΟΠΟΣ ΤΗΣ ΑΣΚΗΣΗΣ Σημαντική πληροφορία για τη συμπεριφορά και την ευστάθεια ενός γραμμικού συστήματος, παίρνεται, μελετώντας την απόκρισή του

Διαβάστε περισσότερα

Μάθημα: Ειδικά Συστήματα Ελέγχου Πλοίου(8.3.45.8) Κεφάλαιο: Συστήματα Ελέγχου Πλοίου

Μάθημα: Ειδικά Συστήματα Ελέγχου Πλοίου(8.3.45.8) Κεφάλαιο: Συστήματα Ελέγχου Πλοίου Μάθημα: Ειδικά Συστήματα Ελέγχου Πλοίου(8.3.45.8) Κεφάλαιο: Συστήματα Ελέγχου Πλοίου Δρ.ΓεώργιοςΠαπαλάμπρου 1 Εισαγωγή Στο παρόν κεφάλαιο παρουσιάζονται συστήματα ελέγχου πλοίων, όπως αυτόματοι πιλότοι

Διαβάστε περισσότερα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια

Διαβάστε περισσότερα

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ

ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΣΤΗΝ ΕΝΟΡΓΑΝΗ ΑΝΑΛΥΣΗ Αναλυτική Μέθοδος- Αναλυτικό Πρόβλημα. Ανάλυση, Προσδιορισμός και Μέτρηση. Πρωτόκολλο. Ευαισθησία Μεθόδου. Εκλεκτικότητα. Όριο ανίχνευσης (limit of detection, LOD).

Διαβάστε περισσότερα

Μελέτη στην ανάλυση οµάδων και εφαρµογή σε δεδοµένα γονιδιακής έκφρασης καρκίνου από µικροσυστοιχίες

Μελέτη στην ανάλυση οµάδων και εφαρµογή σε δεδοµένα γονιδιακής έκφρασης καρκίνου από µικροσυστοιχίες Μελέτη στην ανάλυση οµάδων και εφαρµογή σε δεδοµένα γονιδιακής έκφρασης καρκίνου από µικροσυστοιχίες Ιωάννης Αγ. Μαραζιώτης Εποπτεία: Καθ. Αναστάσιος Μπεζεριάνος Βιοπληροφορική Βιολογικά δεδοµένα + Υπολογιστικές

Διαβάστε περισσότερα

Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές

Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές ρ. Ε. Χάρου Πρόγραµµα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΗΜΟΚΡΙΤΟΣ http://www.iit.demokritos.gr/neural Περιβαλλοντικά προβλήµατα

Διαβάστε περισσότερα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα

Απεικόνιση Υφής. Μέρος Α Υφή σε Πολύγωνα Απεικόνιση Γραφικά ΥφήςΥπολογιστών Απεικόνιση Υφής Μέρος Α Υφή σε Πολύγωνα Γ. Γ. Παπαϊωάννου, - 2008 Τι Είναι η Υφή; Η υφή είναι η χωρική διαμόρφωση των ποιοτικών χαρακτηριστικών της επιφάνειας ενός αντικειμένου,

Διαβάστε περισσότερα

Υπολογιστική Νοημοσύνη. Μάθημα 10: Ομαδοποίηση με Ανταγωνιστική Μάθηση - Δίκτυα Kohonen

Υπολογιστική Νοημοσύνη. Μάθημα 10: Ομαδοποίηση με Ανταγωνιστική Μάθηση - Δίκτυα Kohonen Υπολογιστική Νοημοσύνη Μάθημα 10: Ομαδοποίηση με Ανταγωνιστική Μάθηση - Δίκτυα Kohonen Ανταγωνιστικοί Νευρώνες Ένα στρώμα με ανταγωνιστικούς νευρώνες λειτουργεί ως εξής: Όλοι οι νευρώνες δέχονται το σήμα

Διαβάστε περισσότερα

4.3. Γραµµικοί ταξινοµητές

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

Διαβάστε περισσότερα

Πρόταση διαφοροποιημένης διδασκαλίας στην Γ Δημοτικού (Κλουβάτος, Κ.) (Η πρόταση μπορεί να προσαρμοστεί σε κάθε Γ τάξη Δημοτικού) Μάθημα: Γλώσσα

Πρόταση διαφοροποιημένης διδασκαλίας στην Γ Δημοτικού (Κλουβάτος, Κ.) (Η πρόταση μπορεί να προσαρμοστεί σε κάθε Γ τάξη Δημοτικού) Μάθημα: Γλώσσα Πρόταση διαφοροποιημένης διδασκαλίας στην Γ Δημοτικού (Κλουβάτος, Κ.) (Η πρόταση μπορεί να προσαρμοστεί σε κάθε Γ τάξη Δημοτικού) Μάθημα: Γλώσσα Διδακτική ενότητα: Μαθησιακό περιβάλλον τάξης διαδικασία

Διαβάστε περισσότερα

Η ΤΕΧΝΟΛΟΓΙΑ ΟΡΥΦΟΡΙΚΟΥ ΕΝΤΟΠΙΣΜΟΥ ΘΕΣΗΣ ΣΤΗΝ ΤΟΠΟΓΡΑΦΙΑ ΚΑΙ Η ΧΡΗΣΗ ΤΟΥ ΣΕ ΤΟΥΡΙΣΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ. ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΗΣ ΗΓΟΥΜΕΝΙΤΣΑΣ.

Η ΤΕΧΝΟΛΟΓΙΑ ΟΡΥΦΟΡΙΚΟΥ ΕΝΤΟΠΙΣΜΟΥ ΘΕΣΗΣ ΣΤΗΝ ΤΟΠΟΓΡΑΦΙΑ ΚΑΙ Η ΧΡΗΣΗ ΤΟΥ ΣΕ ΤΟΥΡΙΣΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ. ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΗΣ ΗΓΟΥΜΕΝΙΤΣΑΣ. ΤΕΙ ΠΕΙΡΑΙΑ ΣΧΟΛΗ ΠΟΛΙΤΙΚΩΝ ΔΟΜΙΚΩΝ ΕΡΓΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΟΠΟΓΡΑΦΙΑΣ Η ΤΕΧΝΟΛΟΓΙΑ ΟΡΥΦΟΡΙΚΟΥ ΕΝΤΟΠΙΣΜΟΥ ΘΕΣΗΣ ΣΤΗΝ ΤΟΠΟΓΡΑΦΙΑ ΚΑΙ Η ΧΡΗΣΗ ΤΟΥ ΣΕ ΤΟΥΡΙΣΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ. ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΠΕΡΙΟΧΗ ΤΗΣ ΗΓΟΥΜΕΝΙΤΣΑΣ.

Διαβάστε περισσότερα

Εισαγωγικές έννοιες θεωρίας Συστημάτων Αυτομάτου Ελέγχου

Εισαγωγικές έννοιες θεωρίας Συστημάτων Αυτομάτου Ελέγχου Εισαγωγικές έννοιες θεωρίας Συστημάτων Αυτομάτου Ελέγχου Ενότητα 3 η : ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΜΕΓΕΘΗ ΣΥΣΤΗΜΑΤΩΝ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Επ. Καθηγητής Γαύρος Κωνσταντίνος ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΤΕ Άδειες Χρήσης

Διαβάστε περισσότερα

J-GANNO. Σύντοµη αναφορά στους κύριους στόχους σχεδίασης και τα βασικά χαρακτηριστικά του πακέτου (προέκδοση 0.9Β, Φεβ.1998) Χάρης Γεωργίου

J-GANNO. Σύντοµη αναφορά στους κύριους στόχους σχεδίασης και τα βασικά χαρακτηριστικά του πακέτου (προέκδοση 0.9Β, Φεβ.1998) Χάρης Γεωργίου J-GANNO ΓΕΝΙΚΕΥΜΕΝΟ ΠΑΚΕΤΟ ΥΛΟΠΟΙΗΣΗΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ΣΤΗ ΓΛΩΣΣΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ JAVA Σύντοµη αναφορά στους κύριους στόχους σχεδίασης και τα βασικά χαρακτηριστικά του πακέτου (προέκδοση 0.9Β,

Διαβάστε περισσότερα

ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Εξόρυξη Δεδομένων. Ανάλυση Δεδομένων. Η διαδικασία εύρεσης κρυφών (ήκαλύτεραμηεμφανών) ιδιοτήτων από αποθηκευμένα δεδομένα,

ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Εξόρυξη Δεδομένων. Ανάλυση Δεδομένων. Η διαδικασία εύρεσης κρυφών (ήκαλύτεραμηεμφανών) ιδιοτήτων από αποθηκευμένα δεδομένα, ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Ηλίας Κ. Σάββας Εξόρυξη Δεδομένων Η διαδικασία εύρεσης κρυφών (ήκαλύτεραμηεμφανών) ιδιοτήτων από αποθηκευμένα δεδομένα, Μετατροπή δεδομένων σε ΠΛΗΡΟΦΟΡΙΑ, Πολλά δεδομένα αποθηκευμένα

Διαβάστε περισσότερα

170 ΕΜΠ ΠΡΟΗΓΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΧΩΡΟ-ΧΡΟΝΙΚΩΝ Ε ΟΜΕΝΩΝ ΕΚΤΙΜΗΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ ΑΞΙΩΝ ΑΚΙΝΗΤΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΤΩΝ G.I.S.

170 ΕΜΠ ΠΡΟΗΓΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΧΩΡΟ-ΧΡΟΝΙΚΩΝ Ε ΟΜΕΝΩΝ ΕΚΤΙΜΗΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ ΑΞΙΩΝ ΑΚΙΝΗΤΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΤΩΝ G.I.S. 170 ΕΜΠ ΠΡΟΗΓΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΧΩΡΟ-ΧΡΟΝΙΚΩΝ Ε ΟΜΕΝΩΝ ΕΚΤΙΜΗΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ ΑΞΙΩΝ ΑΚΙΝΗΤΩΝ ΜΕ ΤΗ ΧΡΗΣΗ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΤΩΝ G.I.S. Καθ. Βασίλειος Ασημακόπουλος ρ. Έλλη Παγουρτζή Μονάδα Συστημάτων

Διαβάστε περισσότερα

Εξόρυξη γνώμης πολιτών από ελεύθερο κείμενο

Εξόρυξη γνώμης πολιτών από ελεύθερο κείμενο Δίκαρος Νίκος Δ/νση Μηχανογράνωσης κ Η.Ε.Σ. Υπουργείο Εσωτερικών. Τελική εργασία Κ Εκπαιδευτικής Σειράς Ε.Σ.Δ.Δ. Επιβλέπων: Ηρακλής Βαρλάμης Εξόρυξη γνώμης πολιτών από ελεύθερο κείμενο Κεντρική ιδέα Προβληματισμοί

Διαβάστε περισσότερα

Ολοκλήρωση - Μέθοδος Monte Carlo

Ολοκλήρωση - Μέθοδος Monte Carlo ΦΥΣ 145 - Διαλ.09 Ολοκλήρωση - Μέθοδος Monte Carlo Χρησιμοποίηση τυχαίων αριθμών για επίλυση ολοκληρωμάτων Η μέθοδος Monte Carlo δίνει μια διαφορετική προσέγγιση για την επίλυση ενός ολοκληρώμτατος Τυχαίοι

Διαβάστε περισσότερα

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα Περιεχόμενα Κεφάλαιο - Ενότητα σελ 1. Ειδικές συναρτήσεις 1.0 Εισαγωγή 1.1 Εξίσωση του Laplace Συστήματα συντεταγμένων 1.2 Συνάρτηση δ του Dirac 1.3 Συνάρτηση του Heaviside 1.4 Οι συναρτήσεις Β, Γ και

Διαβάστε περισσότερα

Βιοπληροφορική Ι. Παντελής Μπάγκος. Παν/µιο Στερεάς Ελλάδας

Βιοπληροφορική Ι. Παντελής Μπάγκος. Παν/µιο Στερεάς Ελλάδας Βιοπληροφορική Ι Παντελής Μπάγκος Παν/µιο Στερεάς Ελλάδας Λαµία 2006 1 Βιοπληροφορική Ι Εισαγωγή: Ορισµός της Βιοπληροφορικής, Υποδιαιρέσεις της Βιοπληροφορικής, Τα είδη των δεδοµένων στη Βιοπληροφορική.

Διαβάστε περισσότερα

Αξιολόγηση Εκτελεστικών Λειτουργιών

Αξιολόγηση Εκτελεστικών Λειτουργιών Αξιολόγηση Εκτελεστικών Λειτουργιών Εισαγωγή: οκιμασίες Εκτελεστικών Λειτουργιών και η Συμβολή τους στην Επαγγελματική σας Επιλογή Η σημασία της αξιολόγησης των γνωστικών δεξιοτήτων Οι γνωστικές ικανότητες

Διαβάστε περισσότερα

υναμικός Προγραμματισμός

υναμικός Προγραμματισμός υναμικός Προγραμματισμός ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο ιωνυμικοί Συντελεστές ιωνυμικοί

Διαβάστε περισσότερα

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ I Παντελής Δημήτριος Τμήμα Μηχανολόγων Μηχανικών ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Σε κάθε αποτέλεσμα του πειράματος αντιστοιχεί μία αριθμητική τιμή Μαθηματικός ορισμός: Τυχαία μεταβλητή X είναι

Διαβάστε περισσότερα

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0

ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής. Pr T T0 ΑΞΙΟΠΙΣΤΙΑ ΚΑΙ ΣΥΝΤΗΡΗΣΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής Δεσμευμένη αξιοπιστία Η δεσμευμένη αξιοπιστία R t είναι η πιθανότητα το σύστημα να λειτουργήσει για χρονικό

Διαβάστε περισσότερα

Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας.

Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας. 7 ο ΜΑΘΗΜΑ ΚΕΦΑΛΑΙΟ 2 ΣΤΑΤΙΣΤΙΚΗ Σκοπός Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας. Προσδοκώμενα αποτελέσματα Όταν θα έχετε ολοκληρώσει τη μελέτη αυτού του κεφαλαίου

Διαβάστε περισσότερα

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες

ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες ΕΚΠ 413 / ΕΚΠ 606 Αυτόνοµοι (Ροµ οτικοί) Πράκτορες Πιθανοτική Συλλογιστική Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Αβεβαιότητα πεποιθήσεων πράκτορας θεωρίας

Διαβάστε περισσότερα

ΙΕΚ ΞΑΝΘΗΣ. Μάθημα : Στατιστική Ι. Υποενότητα : Τρόποι και μέθοδοι δειγματοληψίας

ΙΕΚ ΞΑΝΘΗΣ. Μάθημα : Στατιστική Ι. Υποενότητα : Τρόποι και μέθοδοι δειγματοληψίας ΙΕΚ ΞΑΝΘΗΣ Μάθημα : Στατιστική Ι Υποενότητα : Τρόποι και μέθοδοι δειγματοληψίας Επαμεινώνδας Διαμαντόπουλος Ιστοσελίδα : http://users.sch.gr/epdiaman/ Email : epdiamantopoulos@yahoo.gr 1 Στόχοι της υποενότητας

Διαβάστε περισσότερα

ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.

ΕΥΦΥΗΣ 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 περισσότερα

Πράκτορες και περιβάλλοντα Λογική PEAS (Performance measure, Environment, Actuators, Sensors) Τύποι περιβάλλοντος Τύποι πρακτόρων

Πράκτορες και περιβάλλοντα Λογική PEAS (Performance measure, Environment, Actuators, Sensors) Τύποι περιβάλλοντος Τύποι πρακτόρων Ευφυείς Πράκτορες Περίγραµµα Πράκτορες και περιβάλλοντα Λογική PEAS (Performance measure, Environment, Actuators, Sensors) Τύποι περιβάλλοντος Τύποι πρακτόρων Πράκτορες Ένας πράκτορας είναι µια οντότητα

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΦΡΟΝΤΙΣΤΗΡΙΟ ΑΛΓΟΡΙΘΜΩΝ ΒΟΗΘΟΣ: ΒΑΓΓΕΛΗΣ ΔΟΥΡΟΣ Φροντιστήριο #10: Αλγόριθμοι Διαίρει & Βασίλευε: Master Theorem, Αλγόριθμοι Ταξινόμησης, Πιθανοτικός

Διαβάστε περισσότερα

Balanced Scorecard ως σύστημα μέτρησης απόδοσης

Balanced Scorecard ως σύστημα μέτρησης απόδοσης Balanced Scorecard Η ΜΕΘΟΔΟΣ BALANCED SCORECARD Όπως είναι γνωστό οι εταιρείες αντιµετωπίζουν πολλά εµπόδια στην ανάπτυξη συστηµάτων µέτρησης επίδοσης τα οποία πραγµατικά µετρούν τα κατάλληλα µεγέθη. Αυτό

Διαβάστε περισσότερα

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων:

Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων: Πανεπιστήμιο Ιωαννίνων ΟΙΚΟΝΟΜΙΚΑ ΤΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ Διδάσκων: Φάμπιο Αντωνίου Στοιχεία Επικοινωνίας: email: fantoniou@cc.uoi.gr Τηλ:651005954 Προσωπική Ιστοσελίδα: fantoniou.wordpress.com Γραφείο: Κτίριο

Διαβάστε περισσότερα

ΔΙΔΑΣΚΑΛΙΑ ΤΗΣ ΕΝΝΟΙΑΣ ΤΟΥ ΟΡΙΟΥ ΣΥΝΑΡΤΗΣΗΣ

ΔΙΔΑΣΚΑΛΙΑ ΤΗΣ ΕΝΝΟΙΑΣ ΤΟΥ ΟΡΙΟΥ ΣΥΝΑΡΤΗΣΗΣ ΕΠΙΜΟΡΦΩΣΗ ΤΩΝ ΕΚΠΑΙΔΕΥΤΙΚΩΝ ΓΙΑ ΤΗΝ ΑΞΙΟΠΟΙΗΣΗ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΩΝ ΤΠΕ ΣΤΗ ΔΙΔΑΚΤΙΚΗ ΠΡΑΞΗ ΔΙΔΑΣΚΑΛΙΑ ΤΗΣ ΕΝΝΟΙΑΣ ΤΟΥ ΟΡΙΟΥ ΣΥΝΑΡΤΗΣΗΣ ΟΡΙΟ ΣΥΝΑΡΤΗΣΗΣ ΕΞ ΑΡΙΣΤΕΡΩΝ ΚΑΙ ΕΚ ΔΕΞΙΩΝ ΣΥΓΓΡΑΦΕΑΣ: ΚΟΥΤΙΔΗΣ ΙΩΑΝΝΗΣ

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες

Διαβάστε περισσότερα

ΟΛΟΚΛΗΡΩΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ. Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ. Καρτάλη 28 (με Δημητριάδος) Βόλος τηλ.

ΟΛΟΚΛΗΡΩΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ. Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ. Καρτάλη 28 (με Δημητριάδος) Βόλος τηλ. ΟΛΟΚΛΗΡΩΤΙΚΟΣ ΛΟΓΙΣΜΟΣ ΜΕΘΟΔΟΛΟΓΙΑ ΛΥΜΕΝΑ ΠΑΡΑΔΕΙΓΜΑΤΑ. Φροντιστήριο Μ.Ε. «ΑΙΧΜΗ» Κ. Καρτάλη 8 (με Δημητριάδος) Βόλος τηλ. 4598 Κεφάλαιο ο Ολοκληρωτικός Λογισμός Ολοκληρωτικός Λογισμός Μεθοδολογία Λυμένα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ

ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ ΚΕΦΑΛΑΙΟ 3ο ΤΥΧΑΙΟΙ ΑΡΙΘΜΟΙ ΕΛΕΓΧΟΣ ΤΥΧΑΙΟΤΗΤΑΣ 3.1 Τυχαίοι αριθμοί Στην προσομοίωση διακριτών γεγονότων γίνεται χρήση ακολουθίας τυχαίων αριθμών στις περιπτώσεις που απαιτείται η δημιουργία στοχαστικών

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 15: O αλγόριθμος SIMPLE

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 15: O αλγόριθμος SIMPLE ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ Διάλεξη 15: O αλγόριθμος SIMPLE Χειμερινό εξάμηνο 2008 Προηγούμενη παρουσίαση... Εξετάσαμε τις θέσεις που

Διαβάστε περισσότερα