!" #$ : ( )

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "!" #$ : ( )"

Transcript

1 .!" #$ : ( )

2 .!!" #$ : ( )! "#: :. - %&'.,... - %(

3 #) *"'+'"!'+('', $! $ % #, & "' % "% %%( '. "#, #, %, % # ), %. # "%, " %&% ' '# #,, #, #% %. % # # "( "' %. ( - * %#, # # % %% # #. + % : 1., % % #, % ), # % % D 3D ( % %# ( %. 4. $ % # %, # ' #. 5. % # # 4D '%. 6. "%.# % % %, %# # %# #. 7. % " #% % %% #. 3

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

5 - + " #., C# Vsual C++. # %- #, %# ( % % #. + #% #. % #%. % - & #" # # %, "' "% " % % #, % ' ) % % # %. % % # "', # % ( # %%( %. $% # % % # #%#. % % % " % % ## % %, ## : % & 10 # % # %% % (3, 4, A6, 7, 8) # % (IEEE) (5-$, 9, A10-, WSEAS- A11 ), ## ## Computng Internatonal Journal (A1, A2). +, "" : 9 ( & 50 ), 100, 100, 50 #, # & % 152. : "# "#& %, % (153 #), ## #%. 5

6 #%# # % %% # # % # %. % %%# %, %, # # % # : #, ( %, # '. %, 3D 4D '% ( % #.,( " # # % #, # % % # #) #, (# # # %, "" %#. # # #) #,# % % % ". #%# # #, ## %. %, ' 4D % '% ( #, '&. %% 3D " % 3D % " #. " %% # %. "% % & % #. #%. # $#% #"% % "#. - ( $ #"%, ## # #"% % #%#!/0 "%. /. 6

7 + +0!02'!'+('', $! 3 1.'/ ,' % % %% # &.!& # "' %#, "". #% # # % % % ' ) (P. Ilev and L. Tsekov, 1993). 1 # #% " % % # # % ', # % %, % # %. (# (Greg P.,Ramn Z., 2005) #, #% # %, (" #%# # 3D '% &. # 2D '% %. (# % %# '% ' (Yu-Jn Zhang, p41-57, 2007) # (Stefan Wnkler, p71-103, 2005), # % '- % %. # % 2D % (Yu-F Ma, Hong-Jang Z. 2006) # # 3D '%., # (Roland M. 2005) # %. # % % (A2, A8, A9, 22, 32, 50, 76, 83, 84, 123, 136, 145), ## % # " #, 0.-% 0 % (2, 11, 14, 33, 52, 53, 59, 60, 65, 72, 92), & " %# '. + : % (,.,, 2007) % (Turney, R.D.; 7

8 Reza, A.M.; Delva, J.G.R, 1999). $ " % % ", # (Gonzalo R. Arce, p , 2005), # '&. % # " 2D 3D ( # (C.K.Leung, F.K.Lam, 1997), # %#, # 4 8.! 3D '% % # ' 4D % '% % ". $ %# ## '% (Pavel Z,, Guseppe A., Vlastslav D.,2005), # #% %# # % #) # (Henrch H.B., Seong- Whan Lee, Tomaso A.P., C.W. (Eds.), p , 2002). ' 3 1 -# % " # # % " " # % % % # %. % 3 1! ". % ', # -# % #, #, %. 3 2 '/# '!' '(' '!' / %!'.,+ +'+'1+" ##" %+.!.+'!'2)' + '/#2', - 3D 7 # % % & " #. ".,, % '& % # % ' 2D 8

9 '%:, & % #. "( # % 5'5 # % % %, " # %, #& " % (A6). 1 % '% 2D '%, % " 3D '% (. 2.6) a), 3D b), c) 3D '% % " (# #. 2D '%, (# # % (. 2.8). 3D '% # "% # "% # & "% #. % '% "&. % # D a), 3D 2D b), 3D c) - '% % 2D 3D 9

10 % & " % %. %' %.% '%. # "# ( % %#. # ( & #. 3D (. 2.10), # # "( % 2D. In+1 In In-1 y t x %& # H3D # H3D # D /. In+1, In, In-1., ( %, 3D % % ", ##, 3D # % " # (. 2.12). # 3D #% 3D # # % (Westwater R., Furht B. 1997), % #% 3 5 #" #. a ) b ) c ) D a), 3D b), 2D - c) " #, # " % # 10

11 # 2D '%: - -: k m l = rp lr #": m l e %%# #, r ( ( # ", %& p lr : : D l = CV r = 0 k r = 0 (1) ( r m ) 2. p (2) l lr D l 100% (3) = ml #": D l e, m l %%# # ( ( ). : ' 3 2 Dl z l = ml ± (4) 2 '% # % % %. % % '% 2D '%, # % 3D '%. #, 3D % " #, (-# " # '%. 3 3!' '(' '%!#,! / "'!'2','/%./ +'+' / '! *, + (.%'.3 +'+' / 3' (' ' '! '.' #%# % %% # %# # # % 11

12 # (P. Ilev and L. Tsekov, 1993).. # (. 3.1) %, "& # %# % % # # #) # (A9). # ( % %#, # ' 3D '% % 8 : '& '& ; % ; $ % 2D # # # ' # ; 12

13 0 for x, y < 0, k k fl ( x, y) = pl for x, y [0, k], rx, ty (5) r= 0 r= 0 1 for x, y > k. $ # 3D '%; m m l k k 2 2 l = rx + ry. p ( 2D) l( rx, ry ) (6) r= 0 r= 0 2 ) #":#" ( D 2D '%, rx ry ( # 3D % '%, p, ) " l ( r x ry #, rx ^ ry p l ( r x, r y ) " #, rx ^ ry. D k k l( 2D) = rx + ry ml(2d) ]. r= 0 r= 0 #": D l( 2D) #. [ p (7) l ( r, r ) $ # % # 3D '% (A2): " & " : K = max f ( x, y) f ( x, y) (8) #": ƒ a (x, y) ƒ b (x, y) # P a l(3d) P b l+1(3d) F a l F b l+1, "; l = 1, 2,..., L. " & % : x, y a k k 2 ( pb ( rxry ) pa ( rxry )) 2 χ = ( m n). (9) p ( r r ) r= 0 r= 0 #": p b(rr) p a(rr) rr th - " F b l+1 F a l, ". " & ( - ): a ma mb Z = (10) ( D + D ) ( m n) #": m l(2d) m l(2d) # " F a l F b l+1, D a l(2d) D b l(2d). a b b x x y y 13

14 ! 9- #, % 3 # #, # ' (A2). ', " % ' ), # # -. R K, R 2 χ, R Z % %. " : t 0, f K > tk R K = (11) 1, f K tk, R R χ Z 2 0, = 1, 0, = 1, f f f f 2 χ > t 2 χ t χ 2 2 χ, Z > t Z t Z Z, (12) (13) #": t K, 2 χ, t Z #% ( # # K, χ, Z (. # % % : 0,!% R = RK R 2 RZ = χ (14) 1, $% & # #% #, " # #, # %, " "& %. '. R 1, (( K & ) > 0) & ( Z < 0) = 0, * χ (15) #": % #", K, 2 Z # # *, R # % * * K + Z R = 1 M = * (16) 0 R = 0 #": M # % % * % % % #& # & % '% " # %% # 14

15 #) #". # ( % %, ## (A10). # & %# "% % & #, # %%. * 1 ( mclf 1 mclf ) ( M = 1) Mcl = * (17) 0 mclf 1 = mclf ( M = 1) * #": Mcl # % % ""& % #) #, # % % % mclf '%. ' 9- & : : * - # (", # " #. " # % (. 3.2); #%# #( # % K-, - Z ; # # #) # % % % ". $# ". ' # % # #) # # # ( ). /..# # 15

16 #) # ## # # #,. " ) % "& #", # % %. # % % #, ( % (A10), % % # %. #% % %, # ". % " # #) # % "% (A8).. 3.6! 2000 " #$ 16

17 # " #) # ( 3.1). ' # & # & - Navy Tank IR Rocket Tango and Cash Rambo Tran " 3.1. ' 3 3 $ # # %, (" #%# #( 3D '% # %. %%( % - % 2D '%. % % # & # %, (" %# 3D '%. " % % % # # #) # & % '%. #% #, # % (" # #) #, % #%# # #) #. 3 4!' '('.3'' / 2D ' 3D *'+3 ' %'4 +3(', %.$' '/#2', + - 3D 7 17

18 # %# 2D % % # # ' 3D % %& '%. % #, #, # %# %. - - ( %. # "% ) '% ', % %&'% (. 4.2). '- 8 3D 7 n = 1 log( k * x * y) (18) #":' % % 3D 8 7 n powerh D, j H, j 3 = (19) #": powerh3d,j %& 3D '% a) b) D (a), 3D % - (b) # %% #"% 3D '%. Xb* end Yb* end 2 ml ( 2D) ( H 3Dx, y px, y ) x= Xb* start y = Yb* start TARGET = mn (20) #": H3D % % %&'%, P x,y % (A, B, C D) ( % 3D '%, Xb*start, end Yb*start, end " #, m l( 2D) %%# # l 18

19 = A, B, C, D (. 22) "& % % # ' 4D '%. % ' # %# (-% # % %, " D & % % # ' %# ( % 2D 3D '% % (A11). %% # % '% # 3D '% 3D ( % #. #%# %% # #, ' ##. + 2D (Kapur J.N., P.K. Sahoo, A.K.C.Wong, 1985.) ( # % 2D '%. P { p0, p2,..., pb,..., 255} ( 2 ) p D = (21) #": P ( 2D) % '% p & # " " # b, b % ( P ( D $ # " 2 ) # H ( P ( 2 D ) ) : b H ( A) = p log p (22) = H ( B) = p log p (23) H( A) H( B) H b = log P( A) log P( B) (24) P( A) P( B) #": b = % 0 255, A 0 b, B 255 b. H ( P( 2D ) ) = { H 0, H1..., H 255} (25) %#%% : max H ( P 2 ) ) b* = ( D (26) -#%%" ( b*, # # # ' 8 = b, 19

20 2 (. 9 - % " % ##). # 2,. a) b) c). 9. & a), b) 2D -c) & 4 8 ( # 4 8 #, %# # %#%% 2D 3D ( # ( (. 4.8). ) b) c) d). 4.8 ' - a), 4 - b), 4 - c) 8 - d). $% b* H ), b = var from 0 to 255 ( P ( 2 D ) "% # '% P 1(2 D ) P 2(2 D ), "(# : pb f b* max p1b = (27) 0 f b* > max 20

21 p2 p = 0 b f f b* max b (28) b* < max #" b = var $ H P1 ) H P2 ) ( ( 2D) 1(2 D ( ( 2D) $ b 1 * P ) b 2 * '% P 2(2 D ) b 1 *, b*, b 2 * %#%% ( # # ( #, P1(2 D ) P 2(2 D ), ( % # 4 (. 10). -% "% % # 2D '%, ##% D & % % ' 3D ( # (A9). # ". % # (. 4.9). " A B: r P rr = p j r = 0 j= 0 1 P rr = p j k k = r+ 1, j= r+ 1, (29) A, B '%: E rr E E k = r r = 0 j= 0 r+, r+ 1 = r p = 0 j= 0 p (30), j ln, j (31) 1 p ln p = r r = 0 j= 0 r p, ln 0 A B P 1 P, ": P P 00 P01 pp P ( A),,..., P P P pp j pp, j p, j pp, j (32) (33) = (34) 21

22 P P( B) = 1 P p+ 1, p+ 1 p+ 1, p+ 1, 1 P p+ 1, p+ 2 P p+ 1, p+ 1,..., 1 P p+ k, p+ k P p+ 1, p+ 1 A B '% ## : r r P r r j Pj 1 H s H ( A) = ln = ( P, j ln P, j Pr, r ln Prr ) = ln Pr, r + = 0 j 0 Prr Prr Prr = 0 j= 0 Prr k k = P = k k j Pj 1 H ( B) ln [ p, j ln p, j (1 Pr, r )ln( 1 Prr ) ] = = r+ 1j= r+ 11 Prr 1 Prr 1 Prr = r+ 1j= r+ 1 H s = ln( 1 Pr, r ) + (36) (1 P ) rr % A B # f(rr) H rr H kk H rr f rr) = H ( A) + H ( B) = ln Prr (1 Prr ) + + P 1 P rr rr (35) ( (37) -#%%" ( # % #: b * = max f ( r, r) (38) a) H b) c) d) e) f) a), 3D b), 3D c), 3D 4 A, B, C, D d), 2D e), 3D f) 3D 7 - % % 3D % 22

23 # " (A11), #( %, %& ( % # # #, # % 2D ( #. # "% # (-" # 3D '%. %. 3D # # (( ) (. 4.10). a) b) c) d) a), 3D b), 3D c), 3D d). % '% 3D '%. ( % % # ', # '%. % % % 4D ( #, 5. %# ( % % "% #"% % % # %, # % % # # (A1). - - : o ' # % Z x Z y ; o & S; o %" P; o # % k ; o " ;! : o # " # #; o 2D 3D # '% #; o '%; % %# # 23

24 ( %# # # (. 4.13) " # ". "%" % "&. a) b) a),,. ' ' % '% (Bruce J. Tucker B. Manuela V. "Fast and Inexpensve Color Image Segmentaton for Interactve Robots", 2005), # HIS (Hue Intensty Saturaton) %. + HIS % 36 0, & # #"% :,,, #, ",,, 3,. $ : NC CI C = (39) S #": CI C #, ( %#, N C - ( #, S - ( # CI C %, # # 3D '% ( %#. CI C '%, # & ", # %% # #) #" " ( # (" %. # #.# # ( 6). # # #, & # %% % '% % #. 24

25 + (- ## %#: #7- B ( V VC ) ln, = V ( ), V ( ) Q Q C (40) #": V Q V C # # %, B! V ( ) D Q C Q C ) VC ( ) #": D Q ( V V ) = ( V ( ) V ( )ln, (41) #": L : 2 L2 ( VQ, VC ) = ( VQ ( ) VC ( )) (42) 2 M ( V, V ) = ( V ( ) V ( )) (43) #": M +& # Q C Q mn( VQ ( ), VC ( )) V ( VQ, VC ) = (44) mn( V ( ), V ( )) #": V % # ". : # '%. ( % 3D '% #, # ( %# % %# #; #-% % #.! %% ".% % ; Q C C 25

26 $ & 2D # '%, ""& # #, %#% % # % #, # %, %, %#% # # #;! #" %% ".% % 3D '% # '% #"; "% %% # #, ""& ( % 4D '%, 2D '% # #, #, %# #; ' 3 4 % % % #" % #. $ 3D ( # % -% # '. $ 3D % # '. - % %. % 3 4 % % %# ( 2D 3D '% % 3D. % % # %. 3 5 /#" $"('.!. /#." 4D *'+3 ##" +'1 +0/' %+.!.+' '/#2', 26

27 # 4D '% % # # #. # 4D ( # " % (A5). % " # - ' ## 3D '% %. % ', % # %. 4 " '% %. 4D '% % & " % '% (O,Q2), # 2D (0,T,Q2,Q1), # # % " #.% (. 5.2) D (8 ) " "' 8 4D '% %, # % # % % ( 16MB). + 4D '% % # ( % ( 3 4D, 4D. % %, % 4D '% 512 (. 4 4D ( % "% %# % # (. 5.4). % #"% 4D %& % '% "% " ) (. 5.5). 27

28 ( 4D. Fc1, Fc2,, Fc % 1 4D, fc1, fc2,, fc 2 4D. * & -" # ( # (. 17). % % # ( %# ' # (A1). % 4D '% % % # " %" '#& (( #, ( # #, % # # ) ( 5.1)., #" 125, #" # (. 17.2a) 2 16 # (. 17.3a) 3 3 # (. 17.4a) 1 1 # 2 11 # 3 6 # ". 5.1 &. 17. / # ( % " #( %, # # # % '% % (.#, # %% & # # # %, # #. 28

29 " 125 " 126 # 1 1b 1c 2 2b 2c 3 3b 3c ), % % % 2D '% ( %# # "% 2D '% (. 5.7.b). % 3D '% #. "( # # % 4b end H D j = H 2D t, j t= start 4c 2 (45) #": H2D %& 2D % '% start end, t % # #", j = (0 8 ( % ) " 2D '% (. 18.a) 29

30 a) D 3 a), 2D (H3D1, H3D2 H3D3), % b). # % % % N, # # % N1 ". #) #. K 1 for O = t arget OF =O, O = (46) = 0 0 for O = nose #": K & ( #, OF # 1 #), target, # % % # #" O, " " # M 1 for OF = t arget OS =OF, OF (47) = 0 0 for OF = nose #": OS # 1 #) M, target, # # %# 0 target nose b) 30

31 % # #, # "% " (&, %, #, ). ON = N = 0 OS #": ON # " # N (. 5.8). (48) * 2, *. ' 3 5 # % " % "& # 4D '%. % 4D 2D %# # " % " #, " " " ). % 4D ( # % % #". % 3 5 #% 4D '% % #, #)& # %. 3 6!'" / "' 35" %' '/'!"' ".61' "!' ' '" "1+ (' ' '/#2', :,# #) # # % % "" 31

32 #.! # %" " % %& & #. " " # # '% ( %. # #) # #: # & TKFC, 8-9- ; TKFC = 1 f AK Fend = Fstart 0 f AK = HK #": TKFC (True Key Frames Count) # #) # Fstart Fend, Ak # % % % #) #, HK # % " #) # HK ' 9- - MKFI; Fend = Fstart (49) AK MKFI = Fstart = Fend (50) HK #": MKFI (Mssed Key Frame Index) #. % & ( % # #) # #"% & ( " " #) #. +.# % ## % % (. 6.1). -# #, # ( 6.1). o # " # - # ) % ; o # # # #" " % ' ). 32

33 HK() AK(+n) AK(j-1) HK(j+5) F F+n Fj-1 Fj *, HK *, AK, F, I n, j, j-1. {( + n) ;( + n j} lkfd = ) mn (51) #": lkfd (Local Key Frame Dstance Index) # #& % % # #) #" # " # #) #". 0 f MKFI = 1 N KFDI = 1 lkfd else f MK #": KFDI (Key Frame Dstance Index) % # #) # " #, MK (Mssed Key) #) #, #", lkfd % = 0 ' # & TKFC MKFI KFDI Navy Tank IR Rocket Tango and Cash Rambo Tran $ # # #) #, ## % '%.! & % ". ( # 2, 4, 8, # #) # % % % 2-3 #" # #) # 8 (. 6.3.a) (A9). "%" %# % % 2 3 (. 6.4.a 6.4.c). t (52) 33

34 . 6.3, 2 4 8, a b c d

35 - # %, &.#. % #%: ITU-R Rec. BT (2002), & # #:,,, $. - # %, # ( %. + - : (- %.# % #% # (. 6.5). 1 ~ 2 MSE = I( y, x, y) I( t, x, y) (53) TXY t x y #": MSE #.#, X Y %, T ( #. 6.5 ' MSE -. #": PSNR #. /.% RMSE = MSE (54) 2 m PSNR = 10log (55) MSE #": PSNR % db, m 2 n n. -# PSNR (. 6.6) MSE (. 6.5) % % " RGB #. -# %# HSI %, "( # -.#. %# " 35

36 # %&, #( # "& #, # # ' PSNR., MSU Vdeo Qualty Measurement Tool ' - 4.# # #"% %, ## #"% # % #. # #. " : C Y max Y mn Y max+ Y mn = (56) #": Ymax Ymn " %#% %% #!% # #, (, #( ' "%,, # (. # # #. "& # # % %% (Stefan W., 2005), # # # # "" % 5'5, 8'8 # ( MPEG2), ( %#. # # # # # % # (. 6.8): #": C = C = 0 (57) n C # #, n #. n 36

37 , # # % ( # 8'8 #, & # ( # a), % 3'3 # - b), % # 3'3 - c) $ # # # #( # & "%. % #, # " ( %, ## '% ( 6.2). 3x3 33 MSE PSNR #

38 ' 3 6 % % # #) # %# 2-5 #". PSNR MSE %# # ) %, # % ". # # #) # 90% % %, 85% % # % # 70% ( #). 5# # %# ( % %#, #. % 3 6 "% #.# # #) # # TKFC, MKFI KFDI. % ##.# # %%( %, & % '%. - %" %# # # # % # # ( % $'!$.' ' %'.2', /.'/ %!.2'!'+(',!' / 3 ##" '.'/ * # # " ' # % # % % "' #%)" '#. (#, #, %, # # (. 7.3). 38

39 C + #% % # # MathCAD Excel (A6). + # # % (A4): ; 2D 3D ( % ; - # %, # #) # #, "& % % (, & # MathCAD; # %, ## # ; ' 7 %% %& 2D '% ( % # "(. % 3 7 # %, & # # Vrtual Dub. 39

40 8 6# #% %%(, % ' ) # % % #. " # % 3D 4D '%, 2D 3D % %. % % % " ". # # %, (" %# #( % '%. " 3D 4D '% " ( #. " % %. - % # % # % # #&. #, &, 4D '% #, # % ( % 4D '% # #, (# " " % %. # " % #% "% #% 10 " DvX #. #% %.# % % % #: TKFC, MKFI KFDI. $ #%# %# #, #%& PSNR MSE # # ( %. % # #%)" %: CPU-AMD 1600MHz, 256MB RAM, ## Intel 2 Core Duo. % %&%, ##. "( #. '. # "% -" #. 40

41 % 1. " % # ' 3D '%, # -% '% # ', # % "& 2D '%. "% ( 2D 3D % % # #.! #%, 2D 3D % " #, %, %#% # #. 2. %# #%# # # % #, %& % ' ).! 3D '%, #. "% %# %, % 2D '% %.! " # %, %&, & % % % # # #) #, # # #( % " ". $ % '% " # # % % %, # % % # # # ' %. 3. % % %# ( ' 2D 3D '%.! " # % %# # % % ". " %% ( %.% " " # %. % 41

42 % # % #. % ". % " # # % %#. 4. #% 4D '% % #, '%. -" "% # # % (# # % #. "% # " % %# # '% ' # ", # % % %, "& # "% " ) # # 10, #" #. 5., # & #.# % # #) #. $". #% " # % ##.# % % % % '% " & & #) #. %%.# % # # ". # (##" # % ' )). # % %# # #..% # # #, # % # # ( %. 6. % # #, %% %. 4. #% % # % #. 42

43 % 1. $., *#., % 3., -%7( a %#' &' "# 3' (, Internatonal Scentfc Journal of Computng,, 0#(, 2007, % 6, # 3, $., *#., % 3., -%7( a %#' %&3) 3D %% 3D 8(7' #(, Internatonal Scentfc Journal of Computng,, 0#( 2006Vol. 5, Issue 3, Ilev P., Tzvetkov P., Petrov G., Unversal system for mult dmensonal mage analyss and recognton usng Walsh Hadamard functons, # # %% % - % 2007, 4. % 3., #%)" ' %, # # # % #% 2006, 5. *#., % 3., $., Multdmensonal dynamc scene analyss for vdeo securty applcatons, # # Thrd Internatonal Bulgaran Turksh Conference Computer Scence 2006 Istanbul 6. *#., % 3., $., Software development envronments for mage acquston and processng, # # % # Challenges n hgher educaton and research n the 21 st century, 2006 ISBN-10: % 3., *#., $.,,# #) # ", # # %% % - % 2006 ISBN *#., $., % 3., * # 3D ( #, ## %##, # # %% % - % 2005 ISBN Ilev P., Tzvetkov P., Petrov G., Moton Detecton Usng 3D Image Hstogram Sequence Analyss, IEEE Internatonal Workshop on Intellgent Data Acquston and Advanced Computng Systems: Technology and Applcatons, 5-7 September 2005,, /" ISBN , Lbrary of Congress , IEEE Catalog Number 05EX1192C 10. Petrov G., Low cost ECG system for non-hazardous use IEEE Internatonal Sprng Semnar on Electroncs technology 27-Th. ISSE ISBN Petrov G., Ilev P., Tzvetkov P., "Comparson of Global Hstogram Methods for 2D and 3D Entropy Based Image Segmentaton", p.57-62, 9th WSEAS Internatonal Conference on Evolutonary Computng (EC 08) ISBN: , Sofa, Bulgara, May 2-4,

Evaluation of Expressing Uncertain Causalities as Conditional Causal Possibilities

Evaluation of Expressing Uncertain Causalities as Conditional Causal Possibilities Evaluaton of Expressng Uncertan Causaltes as Condtonal Causal ossbltes Koch Yamada Department of lannng & Management Scence, agaoa Unversty of Technology eng & Regga (v u u u v v u (v u ) 0 u v V [1] [1]

Διαβάστε περισσότερα

(... )..!, ".. (! ) # - $ % % $ & % 2007

(... )..!, .. (! ) # - $ % % $ & % 2007 (! ), "! ( ) # $ % & % $ % 007 500 ' 67905:5394!33 : (! ) $, -, * +,'; ), -, *! ' - " #!, $ & % $ ( % %): /!, " ; - : - +', 007 5 ISBN 978-5-7596-0766-3 % % - $, $ &- % $ % %, * $ % - % % # $ $,, % % #-

Διαβάστε περισσότερα

5 Haar, R. Haar,. Antonads 994, Dogaru & Carn Kerkyacharan & Pcard 996. : Haar. Haar, y r x f rt xβ r + ε r x β r + mr k β r k ψ kx + ε r x, r,.. x [,

5 Haar, R. Haar,. Antonads 994, Dogaru & Carn Kerkyacharan & Pcard 996. : Haar. Haar, y r x f rt xβ r + ε r x β r + mr k β r k ψ kx + ε r x, r,.. x [, 4 Chnese Journal of Appled Probablty and Statstcs Vol.6 No. Apr. Haar,, 6,, 34 E-,,, 34 Haar.., D-, A- Q-,. :, Haar,. : O.6..,..,.. Herzberg & Traves 994, Oyet & Wens, Oyet Tan & Herzberg 6, 7. Haar Haar.,

Διαβάστε περισσότερα

IEEE INFOCOM 2009 IEEE Conference on Computer Communications

IEEE INFOCOM 2009 IEEE Conference on Computer Communications IEEE INFOCOM 2009 IEEE Conference on Computer Communications Rio De Janeiro, Brazil 19-25 April 2009 Pages 1-602 IEEE Catalog Number: ISBN: CFP09INF-PRT 978-1-4244-3512-8 TABLEOFCONTENTS RAPID:ShrinkingtheCongestionControlTimescale...1

Διαβάστε περισσότερα

ITU-R BT.1908 (2012/01) !" # $ %& '( ) * +, - ( )

ITU-R BT.1908 (2012/01) ! # $ %& '( ) * +, - ( ) (2012/01)!" # $ %& '( ) * +, - 0 1 "'./ ( ) BT ii.. (IPR) (ITU-T/ITU-R/ISO/IEC).ITU-R 1 1 http://www.itu.int/itu-r/go/patents/en. (http://www.itu.int/publ/r-rec/en ) () ( ) BO BR BS BT F M P RA RS S SA

Διαβάστε περισσότερα

A Sequential Experimental Design based on Bayesian Statistics for Online Automatic Tuning. Reiji SUDA,

A Sequential Experimental Design based on Bayesian Statistics for Online Automatic Tuning. Reiji SUDA, Bayes, Bayes mult-armed bandt problem Bayes A Sequental Expermental Desgn based on Bayesan Statstcs for Onlne Automatc Tunng Re SUDA, Ths paper proposes to use Bayesan statstcs for software automatc tunng

Διαβάστε περισσότερα

9 /393 / Downloaded from energy.kashanu.ac.r at 5:3 0330 on Saturday October 0th 08 * hajakbar@grad.kashanu.ac.r mohammad@kashanu.ac.r. (shunt-apf) :... PSIM. : * 3... Downloaded from energy.kashanu.ac.r

Διαβάστε περισσότερα

... 5 A.. RS-232C ( ) RS-232C ( ) RS-232C-LK & RS-232C-MK RS-232C-JK & RS-232C-KK

... 5 A.. RS-232C ( ) RS-232C ( ) RS-232C-LK & RS-232C-MK RS-232C-JK & RS-232C-KK RS-3C WIWM050 014.1.9 P1 :8... 1... 014.0.1 1 A... 014.0. 1... RS-3C()...01.08.03 A.. RS-3C()...01.08.03 3... RS-3C()... 003.11.5 4... RS-3C ()... 00.10.01 5... RS-3C().008.07.16 5 A.. RS-3C().0 1.08.

Διαβάστε περισσότερα

Ax = b. 7x = 21. x = 21 7 = 3.

Ax = b. 7x = 21. x = 21 7 = 3. 3 s st 3 r 3 t r 3 3 t s st t 3t s 3 3 r 3 3 st t t r 3 s t t r r r t st t rr 3t r t 3 3 rt3 3 t 3 3 r st 3 t 3 tr 3 r t3 t 3 s st t Ax = b. s t 3 t 3 3 r r t n r A tr 3 rr t 3 t n ts b 3 t t r r t x 3

Διαβάστε περισσότερα

ITU-R BT ITU-R BT ( ) ITU-T J.61 (

ITU-R BT ITU-R BT ( ) ITU-T J.61 ( ITU-R BT.439- ITU-R BT.439- (26-2). ( ( ( ITU-T J.6 ( ITU-T J.6 ( ( 2 2 2 3 ITU-R BT.439-2 4 3 4 K : 5. ITU-R BT.24 :. ITU-T J.6. : T u ( ) () (S + L = M) :A :B :C : D :E :F :G :H :J :K :L :M :S :Tsy :Tlb

Διαβάστε περισσότερα

! : ;, - "9 <5 =*<

! : ;, - 9 <5 =*< ITU-R M.473- (00/0)! (TDMA/FDMA) ""# $ %!& ' " ( ) 34 --./ 0, (MSS) * * )! +, 56 78 89 : ;, - "9

Διαβάστε περισσότερα

Bundle Adjustment for 3-D Reconstruction: Implementation and Evaluation

Bundle Adjustment for 3-D Reconstruction: Implementation and Evaluation 3 2 3 2 3 undle Adjustment or 3-D Reconstruction: Implementation and Evaluation Yuuki Iwamoto, Yasuyuki Sugaya 2 and Kenichi Kanatani We describe in detail the algorithm o bundle adjustment or 3-D reconstruction

Διαβάστε περισσότερα

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών

Gemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Gemini,, Applications Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 Table of contents

Διαβάστε περισσότερα

Noriyasu MASUMOTO, Waseda University, Okubo, Shinjuku, Tokyo , Japan Hiroshi YAMAKAWA, Waseda University

Noriyasu MASUMOTO, Waseda University, Okubo, Shinjuku, Tokyo , Japan Hiroshi YAMAKAWA, Waseda University A Study on Predctve Control Usng a Short-Term Predcton Method Based on Chaos Theory (Predctve Control of Nonlnear Systems Usng Plural Predcted Dsturbance Values) Noryasu MASUMOTO, Waseda Unversty, 3-4-1

Διαβάστε περισσότερα

C 1 D 1. AB = a, AD = b, AA1 = c. a, b, c : (1) AC 1 ; : (1) AB + BC + CC1, AC 1 = BC = AD, CC1 = AA 1, AC 1 = a + b + c. (2) BD 1 = BD + DD 1,

C 1 D 1. AB = a, AD = b, AA1 = c. a, b, c : (1) AC 1 ; : (1) AB + BC + CC1, AC 1 = BC = AD, CC1 = AA 1, AC 1 = a + b + c. (2) BD 1 = BD + DD 1, 1 1., BD 1 B 1 1 D 1, E F B 1 D 1. B = a, D = b, 1 = c. a, b, c : (1) 1 ; () BD 1 ; () F; D 1 F 1 (4) EF. : (1) B = D, D c b 1 E a B 1 1 = 1, B1 1 = B + B + 1, 1 = a + b + c. () BD 1 = BD + DD 1, BD =

Διαβάστε περισσότερα

Discriminative Language Modeling Based on Risk Minimization Training

Discriminative Language Modeling Based on Risk Minimization Training 1,a) 1 1 1 2 Bayes Dscrmnatve Language Modelng Based on Rsk Mnmzaton Tranng Kobayash Ako 1,a) Oku Takahro 1 Fujta Yuya 1 Sato Shoe 1 Nakagawa Sech 2 Abstract: Ths paper descrbes dscrmnatve language models

Διαβάστε περισσότερα

ITU-R SM (2011/01)

ITU-R SM (2011/01) (2011/01) SM ii.. (IPR) (ITU-T/ITU-R/ISO/IEC).ITU-R 1 1 http://www.itu.int/itu-r/go/patents/en. (http://www.itu.int/publ/r-rec/en ) ( ) ( ) BO BR BS BT F M P RA RS S SA SF SM SNG TF V 2011 :.ITU-R 1 ITU

Διαβάστε περισσότερα

Nondeterministic Finite Automaton Event Detection in Focusing Region. Sequence Analysis. Sequence Analysis. Feature Extraction. Feature Extraction

Nondeterministic Finite Automaton Event Detection in Focusing Region. Sequence Analysis. Sequence Analysis. Feature Extraction. Feature Extraction y yy y Mult-Object Behavor Recognton by Selectve Attenton Toshkazu WADA y, Masayuk SATO yy,andtakash MATSUYAMA y ( ) (NFA) ( ), ( ) NFA,,. ( ) ( ),, ( ) ( ) ( ) y Department of Intellgence Scence and Technology,

Διαβάστε περισσότερα

Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)

Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P) ( ) 1 ( ) : : (Differential Evolution, DE) (Particle Swarm Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] 2 2.1 (P) (P ) minimize f(x) subject to g j (x) 0, j = 1,..., q h j (x) = 0, j

Διαβάστε περισσότερα

ITU-R P (2012/02) &' (

ITU-R P (2012/02) &' ( ITU-R P.530-4 (0/0) $ % " "#! &' ( P ITU-R P. 530-4 ii.. (IPR) (ITU-T/ITU-R/ISO/IEC).ITU-R http://www.itu.int/itu-r/go/patents/en. ITU-T/ITU-R/ISO/IEC (http://www.itu.int/publ/r-rec/en ) () ( ) BO BR BS

Διαβάστε περισσότερα

Δημήτριος Θ. Τόμτσης, Ph.D. Αναλυτικό Βιογραφικό Σημείωμα

Δημήτριος Θ. Τόμτσης, Ph.D. Αναλυτικό Βιογραφικό Σημείωμα Δημήτριος Θ. Τόμτσης, Ph.D. Αναλυτικό Βιογραφικό Σημείωμα Τίτλοι σπουδών Πτυχίο: Μηχανικός Πληροφοριακών Συστημάτων, Πανεπιστήμιο Coventry, U.K,, 1991. Μεταπτυχιακό: Μηχανικός Τηλεπικοινωνιακών Συστημάτων

Διαβάστε περισσότερα

Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]

Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7] Re-Pair 1 1 Re-Pair Re-Pair Re-Pair Re-Pair 1. Larsson Moffat [1] Re-Pair Re-Pair (Re-Pair) ( ) (highly repetitive text) [2] Re-Pair [7] Re-Pair Re-Pair n O(n) O(n) 1 Hokkaido University, Graduate School

Διαβάστε περισσότερα

2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems

2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems 2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems Multiple User Interfaces MobileSoft'16, Multi-User Experience (MUX) S1: Insourcing S2: Outsourcing S3: Responsive design

Διαβάστε περισσότερα

Schedulability Analysis Algorithm for Timing Constraint Workflow Models

Schedulability Analysis Algorithm for Timing Constraint Workflow Models CIMS Vol.8No.72002pp.527-532 ( 100084) Petri Petri F270.7 A Schedulability Analysis Algorithm for Timing Constraint Workflow Models Li Huifang and Fan Yushun (Department of Automation, Tsinghua University,

Διαβάστε περισσότερα

Stochastic Finite Element Analysis for Composite Pressure Vessel

Stochastic Finite Element Analysis for Composite Pressure Vessel * ** ** Stochastc Fnte Element Analyss for Composte Pressure Vessel Tae Kyung Hwang Young Dae Doh and Soon Il Moon Key Words : Relablty Progressve Falure Pressure Vessel Webull Functon Abstract ABAQUS

Διαβάστε περισσότερα

{takasu, Conditional Random Field

{takasu, Conditional Random Field DEIM Forum 2016 C8-6 CRF 700 8530 3 1 1 700 8530 3 1 1 101 8430 2-1-2 E-mail: pobp52cw@s.okayama-u.ac.jp, ohta@de.cs.okayama-u.ac.jp, {takasu, adachi}@nii.ac.jp Conditional Random Field 1. Conditional

Διαβάστε περισσότερα

Quick algorithm f or computing core attribute

Quick algorithm f or computing core attribute 24 5 Vol. 24 No. 5 Cont rol an d Decision 2009 5 May 2009 : 100120920 (2009) 0520738205 1a, 2, 1b (1. a., b., 239012 ; 2., 230039) :,,.,.,. : ; ; ; : TP181 : A Quick algorithm f or computing core attribute

Διαβάστε περισσότερα

3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o

3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o Sound Source Identification based on Deep Learning with Partially-Shared Architecture 1 2 1 1,3 Takayuki MORITO 1, Osamu SUGIYAMA 2, Ryosuke KOJIMA 1, Kazuhiro NAKADAI 1,3 1 2 ( ) 3 Tokyo Institute of

Διαβάστε περισσότερα

Indexing Methods for Encrypted Vector Databases

Indexing Methods for Encrypted Vector Databases Computer Security Symposium 2013 21-23 October 2013 305-0006 1-1-1 junpei.kawamoto@acm.org LSH LSH LSH Indexing Methods for Encrypted Vector Databases Junpei Kawamoto Faculty of Engineering, Information

Διαβάστε περισσότερα

Virtual Noctiluca: Media art of light and music through stream

Virtual Noctiluca: Media art of light and music through stream : Vrtual Noctluca: Meda art of lght and musc through stream, Kensuke Tobtan,ErkoAba,, Yusuke Hgash,KyoheAda and Norko Nagata 3 CG,,, 1. Joseph-Maurce Ravel Claude Achlle Debussy 2013 12 3 2014 2 14 2014

Διαβάστε περισσότερα

Erkki Mäkinen ja Timo Poranen Algoritmit

Erkki Mäkinen ja Timo Poranen Algoritmit rkki Mäkinen ja Timo Poranen Algoritmit TITOJNKÄSITTLYTITIDN LAITOS TAMPRN YLIOPISTO D 2008 6 TAMPR 2009 TAMPRN YLIOPISTO TITOJNKÄSITTLYTITIDN LAITOS JULKAISUSARJA D VRKKOJULKAISUT D 2008 6, TOUKOKUU 2009

Διαβάστε περισσότερα

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+

Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,

Διαβάστε περισσότερα

Toward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- Takuya Adachi 1 Naoki Fukuta 2.

Toward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- Takuya Adachi 1 Naoki Fukuta 2. SIG-SWO-041-05 SPAIDA: SPARQL Toward a SPARQL Query Execution Mechanism using Dynamic Mapping Adaptation -A Preliminary Report- 1 2 Takuya Adachi 1 Naoki Fukuta 2 1 1 Faculty of Informatics, Shizuoka University

Διαβάστε περισσότερα

DC BOOKS. H-ml-c-n-s-b- -p-d-n- -v A-d-n-b-p-w-a-p-¼-v

DC BOOKS. H-ml-c-n-s-b- -p-d-n- -v A-d-n-b-p-w-a-p-¼-v BÀ. tdmj³ Xn-cp-h-\- -]p-cw kz-tz-in. 2004 ap-xâ [-\-Im-cy ]-{X-{]-hÀ- -\cw-k v. XpS- w Zo-]n-I- Zn-\- -{X- nâ. C-t mä am-xr-`q-an Zn-\- -{X- n-sâ {]-Xnhmc _n-kn\-kv t]pm-b "[-\-Im-cy-' n-sâbpw ssz-\w-zn-\

Διαβάστε περισσότερα

Sheet H d-2 3D Pythagoras - Answers

Sheet H d-2 3D Pythagoras - Answers 1. 1.4cm 1.6cm 5cm 1cm. 5cm 1cm IGCSE Higher Sheet H7-1 4-08d-1 D Pythagoras - Answers. (i) 10.8cm (ii) 9.85cm 11.5cm 4. 7.81m 19.6m 19.0m 1. 90m 40m. 10cm 11.cm. 70.7m 4. 8.6km 5. 1600m 6. 85m 7. 6cm

Διαβάστε περισσότερα

Research on Real-Time Collision Detection Based on Hybrid Hierarchical Bounding Volume

Research on Real-Time Collision Detection Based on Hybrid Hierarchical Bounding Volume 20 2 Vol. 20 o. 2 2008 Joural of System Simulatio Ja., 2008 6024 SphereOBB X Z X Sphere OBB-Sphere Z OBB Sphere Sphere OBB OBB OBB OBB TP9.9 A 004-7X (2008) 02-72-06 Research o Real-Time Collisio Detectio

Διαβάστε περισσότερα

Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT

Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT 1,a) 1,2,b) Continuous wavelet transform, CWT CWT CWT CWT CWT 100 1. Continuous wavelet transform, CWT [1] CWT CWT CWT [2 5] CWT CWT CWT CWT CWT Irino [6] CWT CWT CWT CWT CWT 1, 7-3-1, 113-0033 2 NTT,

Διαβάστε περισσότερα

ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ. Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα

ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ. Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα πολυδιάστατου ψηφιακού σήµατος (Εικόνες Εικονοσειρές)» Πακέτο Εργασίας 2: Ανάκτηση εικόνων

Διαβάστε περισσότερα

IF(Ingerchange Format) [7] IF C-STAR(Consortium for speech translation advanced research ) [8] IF 2 IF

IF(Ingerchange Format) [7] IF C-STAR(Consortium for speech translation advanced research ) [8] IF 2 IF 100080 e-mal:{gdxe, cqzong, xubo}@nlpr.a.ac.cn tel:(010)82614468 IF 1 1 1 IF(Ingerchange Format) [7] IF C-STAR(Consortum for speech translaton advanced research ) [8] IF 2 IF 2 IF 69835003 60175012 [6][12]

Διαβάστε περισσότερα

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΛΕΩΝΙΔΑΣ Α. ΣΠΥΡΟΥ. 2004 2009 Διδακτορικό σε Υπολογιστική Εμβιομηχανική, Τμήμα Μηχανολόγων Μηχανικών, Πανεπιστήμιο Θεσσαλίας.

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΛΕΩΝΙΔΑΣ Α. ΣΠΥΡΟΥ. 2004 2009 Διδακτορικό σε Υπολογιστική Εμβιομηχανική, Τμήμα Μηχανολόγων Μηχανικών, Πανεπιστήμιο Θεσσαλίας. ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΛΕΩΝΙΔΑΣ Α. ΣΠΥΡΟΥ ΔΙΕΥΘΥΝΣΗ Ινστιτούτο Έρευνας και Τεχνολογίας Θεσσαλίας (ΙΕΤΕΘ) Εθνικό Κέντρο Έρευνας και Τεχνολογικής Ανάπτυξης (ΕΚΕΤΑ) Δημητριάδος 95 και Παύλου Μελά 38333 Βόλος

Διαβάστε περισσότερα

No. 7 Modular Machine Tool & Automatic Manufacturing Technique. Jul TH166 TG659 A

No. 7 Modular Machine Tool & Automatic Manufacturing Technique. Jul TH166 TG659 A 7 2016 7 No. 7 Modular Machine Tool & Automatic Manufacturing Technique Jul. 2016 1001-2265 2016 07-0122 - 05 DOI 10. 13462 /j. cnki. mmtamt. 2016. 07. 035 * 100124 TH166 TG659 A Precision Modeling and

Διαβάστε περισσότερα

ITU-R P (2009/10)

ITU-R P (2009/10) ITU-R.38-6 (009/0 $% #! " #( ' * & ' /0,-. # GHz 00 MHz 900 ITU-R.38-6 ii.. (IR (ITU-T/ITU-R/ISO/IEC.ITU-R http://www.itu.int/itu-r/go/patents/en. (http://www.itu.int/publ/r-rec/en ( ( BO BR BS BT F M

Διαβάστε περισσότερα

! " #! $ %&! '( #)!' * +#, " -! %&! "!! ! " #$ % # " &' &'... ()* ( +, # ' -. + &', - + &' / # ' -. + &' (, % # , 2**.

!  #! $ %&! '( #)!' * +#,  -! %&! !! !  #$ % #  &' &'... ()* ( +, # ' -. + &', - + &' / # ' -. + &' (, % # , 2**. ! " #! $ %&! '( #)!' * +#, " -! %&! "!!! " #$ % # " &' &'... ()* ( +, # ' -. + &', - + &' / 0123 4 # ' -. + &' (, % #. -5 0126, 2**., 2, + &' %., 0, $!, 3,. 7 8 ', $$, 9, # / 3:*,*2;

Διαβάστε περισσότερα

ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ

ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΑΝΑΠΛΗΡΩΤΡΙΑ ΚΑΘΗΓΗΤΡΙΑ ΤΟΥ ΤΜΗΜΑΤΟΣ ΛΟΓΙΣΤΙΚΗΣ ΤΟΥ ΤΕΙ ΚΑΒΑΛΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΙΑΝΟΥΑΡΙΟΣ 2008 ΒΙΟΓΡΑΦΙΚΟ

Διαβάστε περισσότερα

5.1 ΕΙΣΑΓΩΓΗ. ΕΝΟΤΗΤΑ Ε. Χαρτογραφία και ΓΣΠ

5.1 ΕΙΣΑΓΩΓΗ. ΕΝΟΤΗΤΑ Ε. Χαρτογραφία και ΓΣΠ ΕΝΟΤΗΤΑ Ε. 5.1 ΕΙΣΑΓΩΓΗ 5.1.1 Μορφές χαρτών Γενικά οι χάρτες θεωρούνται ότι ακολουθούν δύο μορφές. Η πρώτη είναι ένας γενικός χάρτης αναφοράς, όπως οι χάρτες της ΓΥΣ ή ο χάρτης μία πόλης. Σε αυτή τη μορφή

Διαβάστε περισσότερα

Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία

Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ενότητα 12 : Θέματα διασφάλισης της πληροφορίας στον αγροτικό τομέα (3/3) Μελετίου Γεράσιμος 1 Ανοιχτά

Διαβάστε περισσότερα

ΒΕΛΤΙΣΤΟΙ ΣΧΕΔΙΑΣΜΟΙ ΣΕ ΑΝΟΜΟΙΟΓΕΝΕΙΣ ΠΛΗΘΥΣΜΟΥΣ

ΒΕΛΤΙΣΤΟΙ ΣΧΕΔΙΑΣΜΟΙ ΣΕ ΑΝΟΜΟΙΟΓΕΝΕΙΣ ΠΛΗΘΥΣΜΟΥΣ Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά 0 ου Πανελληνίου Συνεδρίου Στατιστικής (007), σελ 09-6 ΒΕΛΤΙΣΤΟΙ ΣΧΕΔΙΑΣΜΟΙ ΣΕ ΑΝΟΜΟΙΟΓΕΝΕΙΣ ΠΛΗΘΥΣΜΟΥΣ Στρατής Κουνιάς Ομότιμος Καθηγητής, Πανεπιστήμιο Αθηνών sounas@math.uoa.gr

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ. Βιογραφικό Σημείωμα

ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ. Βιογραφικό Σημείωμα ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ Βιογραφικό Σημείωμα ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ Εθνικότητα: Ελληνική Ημερομηνία Γέννησης:

Διαβάστε περισσότερα

(pattern recognition) (symbol processing) (content) (raw data) - 1 -

(pattern recognition) (symbol processing) (content) (raw data) - 1 - (symbol processing) (pattern recognition) (content) (identify) (interpret) (raw data) - 1 - 9D-SPA - 2 - 2D string (Chang, Shi, and Yan, 1987) 2D G-string (Jungert, 1988) 2D C-string (Lee and Hsu, 1990)

Διαβάστε περισσότερα

Buried Markov Model Pairwise

Buried Markov Model Pairwise Buried Markov Model 1 2 2 HMM Buried Markov Model J. Bilmes Buried Markov Model Pairwise 0.6 0.6 1.3 Structuring Model for Speech Recognition using Buried Markov Model Takayuki Yamamoto, 1 Tetsuya Takiguchi

Διαβάστε περισσότερα

Τηλ.: 22892130, Φαξ: 22756082 Η-ταχυδροµείο: cc@ucy.ac.cy, Ιστοσελίδα: http://www.ucy.ac.cy/cc Καλλιπόλεως 75, Τ.Θ. 20537, 1678 Λευκωσία, Κύπρος

Τηλ.: 22892130, Φαξ: 22756082 Η-ταχυδροµείο: cc@ucy.ac.cy, Ιστοσελίδα: http://www.ucy.ac.cy/cc Καλλιπόλεως 75, Τ.Θ. 20537, 1678 Λευκωσία, Κύπρος ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΥΠΗΡΕΣΙΑ ΠΛΗΡΟΦΟΡΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ Τηλ.: 22892130, Φαξ: 22756082 Η-ταχυδροµείο: cc@ucy.ac.cy, Ιστοσελίδα: http://www.ucy.ac.cy/cc Καλλιπόλεως 75, Τ.Θ. 20537, 1678 Λευκωσία, Κύπρος ΠΡΟΣ:

Διαβάστε περισσότερα

DEIM Forum 2016 G7-5 152-8565 2-12-1 152-8565 2-12-1 889-1601 5200 E-mail: uragaki.k.aa@m.titech.ac.jp,,,.,,,,,,, 1. 1. 1,,,,,,.,,,,, 1. 2 [1],,,,, [2] (, SPM),,,,,,,. [3],, [4]. 2 A,B, A B, B A, B, 2,,,

Διαβάστε περισσότερα

The mass and anisotropy profiles of nearby galaxy clusters from the projected phase-space density

The mass and anisotropy profiles of nearby galaxy clusters from the projected phase-space density The mass and anisotropy profiles of nearby galaxy clusters from the projected phase-space density 5..29 Radek Wojtak Nicolaus Copernicus Astronomical Center collaboration: Ewa Łokas, Gary Mamon, Stefan

Διαβάστε περισσότερα

!"!# ""$ %%"" %$" &" %" "!'! " #$!

!!# $ %% %$ & % !'!  #$! " "" %%"" %" &" %" " " " % ((((( ((( ((((( " %%%% & ) * ((( "* ( + ) (((( (, (() (((((* ( - )((((( )((((((& + )(((((((((( +. ) ) /(((( +( ),(, ((((((( +, 0 )/ (((((+ ++, ((((() & "( %%%%%%%%%%%%%%%%%%%(

Διαβάστε περισσότερα

coupon effects Fisher Cohen, Kramer and Waugh Ordinary Least Squares OLS log

coupon effects Fisher Cohen, Kramer and Waugh Ordinary Least Squares OLS log coupon effecs Fsher Cohen, Kramer and Waugh Ordnary Leas SquaresOLS 3 j τ = a0 a j m a4 log m a5c a6c a7 log C j= τ = a a a [ ] 0 m log m [ a, b] f Pn E f = max f x P x = f P n ( ) ( ) n ( ) a x b n ξ

Διαβάστε περισσότερα

ITU-R SF ITU-R SF ( ) GHz 14,5-14,0 1,2.902 (WRC-03) 4.4. MHz GHz 14,5-14 ITU-R SF.1585 ( " " .ITU-R SF.

ITU-R SF ITU-R SF ( ) GHz 14,5-14,0 1,2.902 (WRC-03) 4.4. MHz GHz 14,5-14 ITU-R SF.1585 (   .ITU-R SF. 1 (008-003) * (ITU-R 54/4 ITU-R 6/9 ). 1. 4. 3. GHz 14,5-14,0 1,.90 (WRC-03) ( 4.4 ( - ) MHz 6 45-5 95 GHz 14,5-14 ( 4.4 " " ( ( ( ( ITU-R SF.1585 ( ( (ATPC) ( (.ITU-R SF.1650-1 " " * ITU-R SM.1448 / (

Διαβάστε περισσότερα

[1] DNA ATM [2] c 2013 Information Processing Society of Japan. Gait motion descriptors. Osaka University 2. Drexel University a)

[1] DNA ATM [2] c 2013 Information Processing Society of Japan. Gait motion descriptors. Osaka University 2. Drexel University a) 1,a) 1,b) 2,c) 1,d) Gait motion descriptors 1. 12 1 Osaka University 2 Drexel University a) higashiyama@am.sanken.osaka-u.ac.jp b) makihara@am.sanken.osaka-u.ac.jp c) kon@drexel.edu d) yagi@am.sanken.osaka-u.ac.jp

Διαβάστε περισσότερα

Μοναδική φορητότητα, αξεπέραστη απόδοση

Μοναδική φορητότητα, αξεπέραστη απόδοση Μοναδική φορητότητα, αξεπέραστη απόδοση www.sony-europe.com 1 Τεχνικά Χαρακτηριστικά Λειτουργικό σύστημα Λειτουργικό σύστημα Αυθεντικά Windows 7 Home Premium 64bit με Service Pack 1 Αρχιτεκτονική Σετ ολοκληρωμένων

Διαβάστε περισσότερα

Automatic extraction of bibliography with machine learning

Automatic extraction of bibliography with machine learning Automatic extraction of bibliography with machine learning Takeshi ABEKAWA Hidetsugu NANBA Hiroya TAKAMURA Manabu OKUMURA Abstract In this paper, we propose an extraction method of bibliography using support

Διαβάστε περισσότερα

Επιδέξια Ρομποτικά Χέρια / Στατική Ανάλυση και Έλεγχος

Επιδέξια Ρομποτικά Χέρια / Στατική Ανάλυση και Έλεγχος Ε.Μ.Π., ΣΗΜΜΥ, Ακαδημαϊκό Έτος 200-, 8ο Εξάμηνο Μάθημα: Ρομποτική ΙΙ. Διδάσκων: Κ.Τζαφέστας Επιδέξια Ρομποτικά Χέρια / Στατική Ανάλυση και Έλεγχος (Derous Robot Hands Grasp Analyss) Εθνικό Μετσόβιο Πολυτεχνείο,

Διαβάστε περισσότερα

(Υπογραϕή) (Υπογραϕή) (Υπογραϕή)

(Υπογραϕή) (Υπογραϕή) (Υπογραϕή) (Υπογραϕή) (Υπογραϕή) (Υπογραϕή) (Υπογραϕή) F 1 F 1 RGB ECR RGB ECR δ w a d λ σ δ δ λ w λ w λ λ λ σ σ + F 1 ( ) V 1 V 2 V 3 V 4 V 5 V 6 V 7 V 8 V 9 V 10 M 1 M 2 M 3 F 1 F 1 F 1 10 M 1

Διαβάστε περισσότερα

MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)

MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b) 1,a) 1,b) 1,c) 1. MIDI [1], [2] U/D/S 3 [3], [4] 1 [5] Song [6] 1 Sony, Minato, Tokyo 108 0075, Japan a) Emiru.Tsunoo@jp.sony.com b) AkiraB.Inoue@jp.sony.com c) Masayuki.Nishiguchi@jp.sony.com MIDI [7]

Διαβάστε περισσότερα

ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ. Θετικής - Τεχνολογικής Κατεύθυνσης Φυσική Β Λυκείου ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ. Επιμέλεια: ΘΕΟΛΟΓΟΣ ΤΣΙΑΡΔΑΚΛΗΣ

ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ. Θετικής - Τεχνολογικής Κατεύθυνσης Φυσική Β Λυκείου ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ. Επιμέλεια: ΘΕΟΛΟΓΟΣ ΤΣΙΑΡΔΑΚΛΗΣ ΗΛΙΑΣΚΟΣ ΦΡΟΝΤΙΣΤΗΡΙΑ ΥΠΗΡΕΣΙΕΣ ΠΑΙΔΕΙΑΣ ΥΨΗΛΟΥ ΕΠΙΠΕΔΟΥ Θετικής - Τεχνολογικής Κατεύθυνσης Φυσική Β Λυκείου Επιμέλεια: ΘΕΟΛΟΓΟΣ ΤΣΙΑΡΔΑΚΛΗΣ e-mail: info@iliaskos.gr www.iliaskos.gr ,,, - 1 2 = = 3 4

Διαβάστε περισσότερα

ITU-R M MHz ITU-R M ( ) (epfd) (ARNS) (RNSS) ( /(DME) MHz (ARNS) MHz ITU-R M.

ITU-R M MHz ITU-R M ( ) (epfd) (ARNS) (RNSS) ( /(DME) MHz (ARNS) MHz ITU-R M. ITU-R M.64- (007-005-003) ITU-R M.64- MHz 5-64 (epfd) (RNSS) ().MHz 5-64 MHz 5-960 (RR) ( () (RNSS) ( /(DME) MHz 5-64 (RNSS) (TACAN) ( ITU-R M.639 MHz 5-64 WRC-000 ( (RNSS) (RNSS) () RNSS WRC-03 ( MHz

Διαβάστε περισσότερα

Optimized Design of Fully Integrated VCO on Si Based Process

Optimized Design of Fully Integrated VCO on Si Based Process LSI VCO Optimized Desin of Fully Interated VCO on Si Based Proess Nobuyuki Itoh Semiondutor Company, Toshiba Corporation 47-8585 -5-1 -5-1, Kasama, Sakae-ku, Yokohama, 47-8585, Japan Tel: +81-45-890-41,

Διαβάστε περισσότερα

DECO DECoration Ontology

DECO DECoration Ontology Πράξη: «Αρχιμήδης ΙΙI Ενίσχυση Ερευνητικών Ομάδων στο ΤΕΙ Κρήτης» Υποέργο 32 DECO DECoration Ontology Οντολογία και εφαρμογές σημασιολογικής αναζήτησης και υποστήριξης στον αρχιτεκτονικό σχεδιασμό εσωτερικού

Διαβάστε περισσότερα

Συναλλαγές. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών. Συναλλαγές. Βάσεις Δεδομένων ΙΙ

Συναλλαγές. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών. Συναλλαγές. Βάσεις Δεδομένων ΙΙ Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 1 2 3 T read(a) A -= 30 write(a) read(b)

Διαβάστε περισσότερα

AC 1 = AB + BC + CC 1, DD 1 = AA 1. D 1 C 1 = 1 D 1 F = 1. AF = 1 a + b + ( ( (((

AC 1 = AB + BC + CC 1, DD 1 = AA 1. D 1 C 1 = 1 D 1 F = 1. AF = 1 a + b + ( ( ((( ? / / / o/ / / / o/ / / / 1 1 1., D 1 1 1 D 1, E F 1 D 1. = a, D = b, 1 = c. a, b, c : #$ #$ #$ 1) 1 ; : 1)!" ) D 1 ; ) F ; = D, )!" D 1 = D + DD 1, % ) F = D + DD 1 + D 1 F, % 4) EF. 1 = 1, 1 = a + b

Διαβάστε περισσότερα

Westfalia Bedienungsanleitung. Nr

Westfalia Bedienungsanleitung. Nr Westfalia Bedienungsanleitung Nr. 108230 Erich Schäfer KG Tel. 02737/5010 Seite 1/8 RATED VALUES STARTING VALUES EFF 2 MOTOR OUTPUT SPEED CURRENT MOMENT CURRENT TORQUE TYPE I A / I N M A / M N Mk/ Mn %

Διαβάστε περισσότερα

GPU. CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA. Parallelizing the Number Partitioning Problem for GPUs

GPU. CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA. Parallelizing the Number Partitioning Problem for GPUs GPU 1 1 NP number partitioning problem Pedroso CUDA GPU GeForce GTX 580 GPU 2.67GHz Intel Core 2 Duo CPU E7300 CUDA C Pedroso Python 323 Python C 12.2 Parallelizing the Number Partitioning Problem for

Διαβάστε περισσότερα

ΠΑΡΑΔΟΤΕΟ 3.1 : Έκθεση καταγραφής χρήσεων γης

ΠΑΡΑΔΟΤΕΟ 3.1 : Έκθεση καταγραφής χρήσεων γης ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ, ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΘΡΗΣΚΕΥΜΑΤΩΝ ΕΙΔΙΚΗ ΥΠΗΡΕΣΙΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΑΙ ΕΦΑΡΜΟΓΗΣ ΤΩΝ ΔΡΑΣΕΩΝ ΘΡΗΣΚΕΥΜΑΤΩΝ ΤΟΥ ΥΠΟΥΡΓΕΙΟΥ ΠΑΙΔΕΙΑΣ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ ΚΑΙ ΣΤΟΥΣ ΤΟΜΕΙΣ ΤΗΣ

Διαβάστε περισσότερα

An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software Defined Radio

An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software Defined Radio C IEEJ Transactions on Electronics, Information and Systems Vol.133 No.5 pp.910 915 DOI: 10.1541/ieejeiss.133.910 a) An Automatic Modulation Classifier using a Frequency Discriminator for Intelligent Software

Διαβάστε περισσότερα

2002 Journal of Software /2002/13(08) Vol.13, No.8. , )

2002 Journal of Software /2002/13(08) Vol.13, No.8. , ) 000-985/00/3(08)55-06 00 Journal of Software Vol3, No8, (,00084) E-mal: yong98@malstsnghuaeducn http://netlabcstsnghuaeducn :,,, (proportonal farness schedulng, PFS), QoS, : ; ;QoS; : TP393 : A,,,,, (

Διαβάστε περισσότερα

/........... (talebnia@gmail.com) (roozbeh_hv@yahoo.com) : // : // : // : / /. NPV.» () «....» () «.. /. ()». «........ : ()». « () KONG «.». : /.. () Wolfe pike (DCF) (IRR). (NPV) NVP IRR.. (IRR) Jog»

Διαβάστε περισσότερα

Anomaly Detection with Neighborhood Preservation Principle

Anomaly Detection with Neighborhood Preservation Principle 27 27 Workshop on Information-Based Induction Sciences (IBIS27) Tokyo, Japan, November 5-7, 27. Anomaly Detection with Neighborhood Preservation Principle Tsuyoshi Idé Abstract: We consider a task of anomaly

Διαβάστε περισσότερα

A Method of Trajectory Tracking Control for Nonminimum Phase Continuous Time Systems

A Method of Trajectory Tracking Control for Nonminimum Phase Continuous Time Systems IIC-11-8 A Method of Trajectory Tracking Control for Nonminimum Phase Continuous Time Systems Takayuki Shiraishi, iroshi Fujimoto (The University of Tokyo) Abstract The purpose of this paper is achievement

Διαβάστε περισσότερα

HY118- ιακριτά Μαθηµατικά

HY118- ιακριτά Μαθηµατικά HY118- ιακριτά Μαθηµατικά Παρασκευή, 27/02/2015 Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr Το υλικό των διαφανειών έχει βασιστεί σε διαφάνειες του Kees van Deemter, από το University of Aberdeen 3/1/2015

Διαβάστε περισσότερα

Ταξινόμηση και διαχρονική παρακολούθηση των βοσκόμενων δασικών εκτάσεων στη λεκάνη απορροής του χειμάρρου Μπογδάνα Ν. Θεσσαλονίκης

Ταξινόμηση και διαχρονική παρακολούθηση των βοσκόμενων δασικών εκτάσεων στη λεκάνη απορροής του χειμάρρου Μπογδάνα Ν. Θεσσαλονίκης Ταξινόμηση και διαχρονική παρακολούθηση των βοσκόμενων δασικών εκτάσεων στη λεκάνη απορροής του χειμάρρου Μπογδάνα Ν. Θεσσαλονίκης Α. Αϊναλής 1, Ι. Μελιάδης 2, Π. Πλατής 3 και Κ. Τσιουβάρας 4 1 Διεύθυνση

Διαβάστε περισσότερα

Research on real-time inverse kinematics algorithms for 6R robots

Research on real-time inverse kinematics algorithms for 6R robots 25 6 2008 2 Control Theory & Applications Vol. 25 No. 6 Dec. 2008 : 000 852(2008)06 037 05 6R,,, (, 30027) : 6R. 6 6R6.., -, 6R., 2.03 ms, 6R. : 6R; ; ; : TP242.2 : A Research on real-time inverse kinematics

Διαβάστε περισσότερα

Estimating Time of a Simple Step Change in Nonconforming Items in High-Yield Processes

Estimating Time of a Simple Step Change in Nonconforming Items in High-Yield Processes Internatonal Journal of Industral Engneerng & Producton Management (22) March 22, Volume 22, Number 4 pp. 39-33 http://ijiepm.ust.ac.r/ Estmatng Tme of a Smple Step Change n Nonconformng Items n Hgh-Yeld

Διαβάστε περισσότερα

Probabilistic Approach to Robust Optimization

Probabilistic Approach to Robust Optimization Probabilistic Approach to Robust Optimization Akiko Takeda Department of Mathematical & Computing Sciences Graduate School of Information Science and Engineering Tokyo Institute of Technology Tokyo 52-8552,

Διαβάστε περισσότερα

Actual Chip Specification

Actual Chip Specification Actual Chip Specification May 12, 215 Nikos Moschopoulos, 2 Arithmetic Circuits Usage CPU: Fast GPU: Matrix Multiplication, MAC Crypto & PKC: modulo multiplication, addition SP: s, MAC NAN: Error Code

Διαβάστε περισσότερα

ΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. α = 1 δ. im( f (x) x ) = im - 2βx x = - 4β 8 = 4α - 32β =

ΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. α = 1 δ. im( f (x) x ) = im - 2βx x = - 4β 8 = 4α - 32β = ΑΠΑΝΤΗΣΕΙΣ ΙΟΥΛΙΟΥ 005 ΘΕΜΑ ο Α.. Θεωρία s s Α.. CV =, αν > 0, ενώ CV =, αν < 0. - Β. α. ΛΑΘΟΣ, β. ΣΩΣΤΟ, γ. ΣΩΣΤΟ, δ. ΛΑΘΟΣ, ε. ΣΩΣΤΟ, στ. ΣΩΣΤΟ. ΘΕΜΑ ο α. Πρέπει > 0, άρα A f = (0, + ). β. f () = (α

Διαβάστε περισσότερα

ΠΡΟΔΙΑΓΡΑΦΕΣ εξοπλισμού (17.320 )

ΠΡΟΔΙΑΓΡΑΦΕΣ εξοπλισμού (17.320 ) ΠΡΟΔΙΑΓΡΑΦΕΣ εξοπλισμού (17.320 ) ΟΜΑΔΑ 1 NETBOOKS (3 τεμ.) προϋπολογισμός 2100 Διαγώνιος Οθόνης 10.1" Τεχνολογία Οθόνης X-Black, LED Ανάλυση 1024 x 600 Τεχνολογία Επεξεργαστή Atom 1.83 GHz Μέγεθος Μνήμης

Διαβάστε περισσότερα

γ 1 6 M = 0.05 F M = 0.05 F M = 0.2 F M = 0.2 F M = 0.05 F M = 0.05 F M = 0.05 F M = 0.2 F M = 0.05 F 2 2 λ τ M = 6000 M = 10000 M = 15000 M = 6000 M = 10000 M = 15000 1 6 τ = 36 1 6 τ = 102 1 6 M = 5000

Διαβάστε περισσότερα

Proposal of Terminal Self Location Estimation Method to Consider Wireless Sensor Network Environment

Proposal of Terminal Self Location Estimation Method to Consider Wireless Sensor Network Environment 1 2 2 GPS (SOM) Proposal of Termnal Self Locaton Estmaton Method to Consder Wreless Sensor Network Envronment Shohe OHNO, 1 Naotosh ADACHI 2 and Yasuhsa TAKIZAWA 2 Recently, large scale wreless sensor

Διαβάστε περισσότερα

ITU-R P ITU-R P (ITU-R 204/3 ( )

ITU-R P ITU-R P (ITU-R 204/3 ( ) 1 ITU-R P.530-1 ITU-R P.530-1 (ITU-R 04/3 ) (007-005-001-1999-1997-1995-1994-199-1990-1986-198-1978)... ( ( ( 1 1. 1 : - - ) - ( 1 ITU-R P.530-1..... 6.3. :. ITU-R P.45 -. ITU-R P.619 -. ) (ITU-R P.55

Διαβάστε περισσότερα

ITU-R BT.2033 (2013/01) / 0) ( )

ITU-R BT.2033 (2013/01) / 0) ( ) ITU-R BT. (/) & ' ( & " #$%! - ".,(UHF) ) * + (VHF) ( / ) ( ) BT ITU-R BT.8-9 ii.. (IPR) (ITU-T/ITU-R/ISO/IEC).ITU-R http://www.itu.int/itu-r/go/patents/en. (http://www.itu.int/publ/r-rec/en ) ( ) () BO

Διαβάστε περισσότερα

ΞΕΝΗ Ι. ΜΑΜΑΚΟΥ. Μέλος Ε.Τ.Ε.Π. Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Οικονομικού Πανεπιστημίου Αθηνών

ΞΕΝΗ Ι. ΜΑΜΑΚΟΥ. Μέλος Ε.Τ.Ε.Π. Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Οικονομικού Πανεπιστημίου Αθηνών ΞΕΝΗ Ι. ΜΑΜΑΚΟΥ Μέλος Ε.Τ.Ε.Π. Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων Οικονομικού Πανεπιστημίου Αθηνών Α. ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ Οικογενειακή Κατάσταση: Έγγαμη, 2 τέκνα Διεύθυνση:, Πατησίων 76, 104 34

Διαβάστε περισσότερα

ER-Tree (Extended R*-Tree)

ER-Tree (Extended R*-Tree) 1-9825/22/13(4)768-6 22 Journal of Software Vol13, No4 1, 1, 2, 1 1, 1 (, 2327) 2 (, 3127) E-mail xhzhou@ustceducn,,,,,,, 1, TP311 A,,,, Elias s Rivest,Cleary Arya Mount [1] O(2 d ) Arya Mount [1] Friedman,Bentley

Διαβάστε περισσότερα

Γεωργία Ακριβείας & Παρακολούθηση Φυσικού Περιβάλλοντος

Γεωργία Ακριβείας & Παρακολούθηση Φυσικού Περιβάλλοντος Γεωργία Ακριβείας & Παρακολούθηση Φυσικού Περιβάλλοντος Κωνσταντίνος Καράντζαλος karank @ central.ntua.gr http://users.ntua.gr/karank/ Εργαστήριο Τηλεπισκόπησης Εθνικό Μετσόβιο Πολυτεχνείο Market numbers

Διαβάστε περισσότερα

ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΤΟΠΟΛΟΓΙΑΣ ΚΟΜΒΩΝ ΚΑΙ ΡΑΒ ΩΝ ΣΕ ΙΚΤΥΩΜΑΤΑ

ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΤΟΠΟΛΟΓΙΑΣ ΚΟΜΒΩΝ ΚΑΙ ΡΑΒ ΩΝ ΣΕ ΙΚΤΥΩΜΑΤΑ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΤΟΠΟΛΟΓΙΑΣ ΚΟΜΒΩΝ ΚΑΙ ΡΑΒ ΩΝ ΣΕ ΙΚΤΥΩΜΑΤΑ Αθανάσιος Στάµος ρ. Πολιτικός Μηχανικός, ΕΕ ΙΠ Σχολή Πολιτικών Μηχανικών, Εθνικό Μετσόβιο Πολυτεχνείο Αθήνα, Ελλάδα e-mal: stamthan@central.ntua.gr

Διαβάστε περισσότερα

ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΙΑΣ

ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΙΑΣ ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΙΑΣ ΤΙΤΛΟΣ : ΠΑΡΟΥΣΙΑΣΗ ΤΩΝ ΤΕΧΝΟΛΟΓΙΩΝ CAD/CAM ΚΑΙ ΕΦΑΡΜΟΓΗ ΜΕ ΧΡΗΣΗ ΜΟΝΑΔΑΣ HEIDENHAIN ΟΙ ΣΠΟΥΔΑΣΤΕΣ:ΔΗΜΗΤΡΙΑΔΗΣ

Διαβάστε περισσότερα

Το άτομο του Υδρογόνου

Το άτομο του Υδρογόνου Το άτομο του Υδρογόνου Δυναμικό Coulomb Εξίσωση Schrödinger h e (, r, ) (, r, ) E (, r, ) m ψ θφ r ψ θφ = ψ θφ Συνθήκες ψ(, r θφ, ) = πεπερασμένη ψ( r ) = 0 ψ(, r θφ, ) =ψ(, r θφ+, ) π Επιτρεπτές ενέργειες

Διαβάστε περισσότερα

Speeding up the Detection of Scale-Space Extrema in SIFT Based on the Complex First Order System

Speeding up the Detection of Scale-Space Extrema in SIFT Based on the Complex First Order System (MIRU2008) 2008 7 SIFT 572-8572 26-12 599-8531 1-1 E-mail: umemoto@ipc.osaka-pct.ac.jp, kise@cs.osakafu-u.ac.jp SIFT 1 ANN 3 1 SIFT 1 Speeding up the Detection of Scale-Space Extrema in SIFT Based on the

Διαβάστε περισσότερα

❷ s é 2s é í t é Pr 3

❷ s é 2s é í t é Pr 3 ❷ s é 2s é í t é Pr 3 t tr t á t r í í t 2 ➄ P á r í3 í str t s tr t r t r s 3 í rá P r t P P á í 2 rá í s é rá P r t P 3 é r 2 í r 3 t é str á 2 rá rt 3 3 t str 3 str ýr t ý í r t t2 str s í P á í t

Διαβάστε περισσότερα

ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ

ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΤΜ. ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 2018-2019 Επιβλέπουσα: Μπίμπη Ματίνα Ανάλυση της πλατφόρμας ανοιχτού κώδικα Home Assistant Το Home Assistant είναι μία πλατφόρμα ανοιχτού

Διαβάστε περισσότερα

Κατ οίκον Εργασία 2 Λύσεις

Κατ οίκον Εργασία 2 Λύσεις Κατ οίκον Εργασία 2 Λύσεις Άσκηση 1 Ακολουθεί η διατύπωση των προτάσεων στον προτασιακό λογισμό. (α) Κάθε ενεργός χρήστης είναι είτε διαχειριστής είτε κανονικός χρήστης του συστήματος. x [Ενεργός (x) Διαχειριστής(x)

Διαβάστε περισσότερα

ΤΕΧΝΙΚΕΣ ΑΥΞΗΣΗΣ ΤΗΣ ΑΠΟΔΟΣΗΣ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ I

ΤΕΧΝΙΚΕΣ ΑΥΞΗΣΗΣ ΤΗΣ ΑΠΟΔΟΣΗΣ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ I ΤΕΧΝΙΚΕΣ ΑΥΞΗΣΗΣ ΤΗΣ ΑΠΟΔΟΣΗΣ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ I MIPS Η MIPS (Microprocessor without Interlocked Pipeline Stages) είναι μία αρχιτεκτονική συνόλου εντολών (ISA) γλώσσας μηχανής που αναπτύχθηκε από την εταιρεία

Διαβάστε περισσότερα

ẋ = f(x) n 1 f i (i = 1, 2,..., n) x i (i = 1, 2,..., n) x(0) = x o x(t) t > 0 t < 0 x(t) x o U I xo I xo : α xo < t < β xo α xo β xo x(t) t β t α + x f(x) = 0 x x x x V 1 x x o V 1 x(t) t > 0 x o V 1

Διαβάστε περισσότερα