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

Save this PDF as:
 WORD  PNG  TXT  JPG

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

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

Transcript

1 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 από perceptrons µε ένα κρυµµένο επίπεδο. Επιπλέον, διαφορετικά σχέδια σηµαίνουν διαφορετικές κλάσεις δεδοµένων (π.χ. άσπρα, µαύρα, γκρι, κλπ). ίνεται το ακόλουθο σύνολο δεδοµένων. Χ α. Πόσα perceptrons χρειαζόµαστε στο κρυµµένο επίπεδο και γιατί; Χ β. Αν χρησιµοποιήσουµε δύο () perceptrons στο επίπεδο εξόδου µπορούµε να κάνουµε διαχωρισµό και γιατί; γ. Ας υποθέσουµε πως µας ενηµερώνουν «µυστικά» ότι είµαστε υποχρεωµένοι να χρησιµοποιήσουµε 7 perceptrons στο κρυµµένο επίπεδο. Πόσο αλλάζει αυτό το σχεδιασµό µας για το επίπεδο εξόδου; Λύση α. (αφού µε γραµµές επιτυγχάνουµε διαχωρισιµότητα χρειάζεται βέβαια προσοχή στη σχεδίαση). β. Ναι, αφού έχουµε κλάσεις δεδοµένων, και perceptrons µπορούν να συνδυαστούν µε τροπους. γ. εν το αλλάζει. Κατά ένα σενάριο, πάντα µετά από εκπαίδευση, µπορούµε να καταλήξουµε σε perceptrons του κρυµµένου επιπέδου που θα συνδέονται µε µεγάλα βάρη (κατ απόλυτη τιµή) µε το επίπεδο εξόδου (ενώ τα υπόλοιπα 4 perceptrons µάλλον θα έχουν σχεδόν µηδενικές τιµές). Πάτρα 5//008

2 Πρόβληµα ο Έστω ότι θέλουµε να αποθηκεύσουµε τις παρακάτω βασικές µνήµες σε ένα δίκτυο Hopfiel µε 5 νευρώνες. [ ] [ ] [ ] Θεωρείστε ότι τα κατώφλια είναι ίσα µε το µηδέν. a. Εφαρµόστε τα βήµατα του αλγορίθµου εκπαίδευσης του δικτύου Hopfiel προκειµένου να αποθηκεύσετε τα παραπάνω διανύσµατα. b. Προσπαθήστε να ανακαλέσετε τη βασική µνήµη που αντιστοιχεί στο φθαρµένο διάνυσµα [ ] Τ και επαληθεύστε το αποτέλεσµα του παραδείγµατος. c. Ποιος είναι ο µέγιστος αριθµός διανυσµάτων που µπορούµε να αποθηκεύσουµε σε ένα τέτοιο δίκτυο Hopfiel µε 5 νευρώνες (δεν ενδιαφερόµαστε για την ικανότητα ανάκλασης).. Ποιος είναι ο µέγιστος αριθµός διανυσµάτων που µπορούµε να αποθηκεύσουµε στο δίκτυο αυτό εάν επιθυµούµε τα αποθηκευµένα διανύσµατα (βασικές µνήµες) να ανακαλούνται τέλεια χωρίς κανένα σφάλµα. Τ Τ Τ Λύση a. Αρχικά υπολογίζουµε τον πίνακα των βαρών του δικτύου Hopfiel: - M I I m m T T T T m Πάτρα 5//008

3 [ ] [ ] [ ] Εν συνεχεία ελέγχουµε αν τα τρία διανύσµατα αποθηκεύτηκαν σωστά: Εισάγουµε το διάνυσµα Χ : η Επανάληψη: Y (0) sign (0) sign( 0. ) sign( 4) ( -θ) η επανάληψη: Y () sign () sign( 0. ) sign( 6) ( -θ) Εισάγουµε το διάνυσµα Χ : η επανάληψη: Πάτρα 5//008

4 Y (0) sign (0) sign( 0 ) sign( 8) ( -θ) Εισάγουµε το διάνυσµα Χ : η επανάληψη: Y (0) sign (0) sign( 0 ) sign( 8) ( -θ) Παρατηρούµε ότι το δεν αποθηκεύτηκε σωστά αφού βάζοντας το ως είσοδο παράγεται το Χ. Αντίθετα τα Χ και Χ αποθηκεύτηκαν σωστά. b. Εισάγουµε στο δίκτυο το ΧΧ(0) και υπολογίζουµε τη βασική µνήµη στην οποία καταλήγει το δίκτυο. 0 0 Y (0) sign( (0) -θ) sign( 0. ) sign( 4) Y () sign( () -θ) sign( 0. ) sign( 8) Πάτρα 5//008 4

5 Παρατηρούµε ότι το δίκτυο ισορροπεί στην κατάσταση Χ και όχι στη Χ όπως αναµενόταν. Όπως όµως είδαµε και στο προηγούµενο ερώτηµα το διάνυσµα Χ δεν αποθηκεύτηκε σωστά. c. Ο µέγιστος αριθµός διανυσµάτων (βασικές µνήµες) που µπορούµε να αποθηκεύσουµε σε ένα δίκτυο Hopfiel 5 νευρώνων χωρίς να ενδιαφερόµαστε για την ικανότητα ανάκλησης (αν έχουµε λάθη ή όχι) είναι: n 5 M max 0.5 n Ο µέγιστος αριθµός διανυσµάτων (βασικές µνήµες) που µπορούµε να αποθηκεύσουµε σε ένα δίκτυο Hopfiel 5 νευρώνων εξασφαλίζοντας τέλεια ανάκληση (χωρίς κανένα λάθος) είναι: M max n n ln n 4 ln 5 Πρόβληµα ο Θεωρείστε ένα δίκτυο Kohonen µε τρεις εισόδους και δύο νευρώνες Kohonen. Θεωρείστε ότι υπάρχουν συνδέσεις µόνο µεταξύ των εισόδων και των νευρώνων Kohonen. Η δοµή του δικτύου αυτού απεικονίζεται στο παρακάτω σχήµα. Έστω ότι θέλουµε να εκπαιδεύσουµε το δίκτυο χρησιµοποιώντας τα ακόλουθα τέσσερα διανύσµατα εκπαίδευσης: , 0.9, 0.4, Έστω, επίσης, ότι τα αρχικά βάρη που ενώνουν τους νευρώνες εισόδου µε τους νευρώνες Kohonen είναι: και Θεωρείστε επίσης ότι η ακτίνα της γειτονιάς του νικητή νευρώνα είναι 0 (η γειτονιά περιλαµβάνει µόνο το νικητή νευρώνα) και ο ρυθµός µάθησης είναι 0.5. Πάτρα 5//008 5

6 Υπολογίστε τις µεταβολές και τις τιµές των συναπτικών βαρών κατά τη διάρκεια του πρώτου κύκλου εκπαίδευσης χρησιµοποιώντας τα διανύσµατα εισόδου µε τη σειρά µε την οποία δίνονται. Λύση Για το διάνυσµα υπολογίζουµε τις Ευκλείδειες αποστάσεις. Για τον ο νευρώνα Kohonen: Για τον ο νευρώνα Kohonen: ( ) ( ) ( ) 0.5 ( ) (0. 0.7) ( ) 0.65 Παρατηρούµε ότι ο νευρώνας είναι πλησιέστερα (µε βάση την Ευκλείδεια απόσταση) στο διάνυσµα Χ, οπότε αυτός είναι και ο νικητής νευρώνας σε αυτή την πρώτη φάση. Οπότε: ( 0 ) ( () ( ) - ( ) ) Οπότε µετά την παρουσίαση του διανύσµατος Χ τα συναπτικά βάρη του δικτύου έχουν ως εξής: Πάτρα 5//008 6

7 () 0.65 και () Παρουσιάζουµε το διάνυσµα Χ και υπολογίζουµε τις Ευκλείδειες αποστάσεις. Για τον ο νευρώνα Kohonen: Για τον ο νευρώνα Kohonen: ( ) ( ) ( ) 0.9 ( ) (0. 0.9) ( ) 0.8 Παρατηρούµε ότι ο νευρώνας είναι πλησιέστερα (µε βάση την Ευκλείδεια απόσταση) στο διάνυσµα Χ, οπότε αυτός είναι και ο νικητής νευρώνας σε αυτή τη δεύτερη φάση. Οπότε: ( ) ( ( ) ( ) - ( ) ) Οπότε µετά την παρουσίαση και του διανύσµατος Χ τα συναπτικά βάρη του δικτύου έχουν ως εξής: () και () Παρουσιάζουµε το διάνυσµα Χ και υπολογίζουµε τις Ευκλείδειες αποστάσεις. Για τον ο νευρώνα Kohonen: ( ) ( ) ( ) 0.8 Για τον ο νευρώνα Kohonen: (0.4 0.) (0. 0.4) (0.5 0.) 0.46 Πάτρα 5//008 7

8 Παρατηρούµε ότι αυτή τη φορά ο νευρώνας είναι αυτός που είναι πλησιέστερα (µε βάση την Ευκλείδεια απόσταση) στο διάνυσµα Χ, οπότε αυτός είναι και ο νικητής νευρώνας σε αυτή την τρίτη φάση. Οπότε: ( ) ( ) 0.5 ( - ( ) ) ( ) Οπότε µετά την παρουσίαση και του διανύσµατος Χ τα συναπτικά βάρη του δικτύου έχουν ως εξής: 0.65 () και () Παρουσιάζουµε το διάνυσµα Χ 4 και υπολογίζουµε τις Ευκλείδειες αποστάσεις. Για τον ο νευρώνα Kohonen: ( ) ( ) ( ) 0.96 Για τον ο νευρώνα Kohonen: (0.5 0.) (0. 0.) (0. 0.) 0. Παρατηρούµε ότι ο νευρώνας είναι αυτός που είναι πλησιέστερα (µε βάση την Ευκλείδεια απόσταση) στο διάνυσµα Χ 4, οπότε αυτός είναι και ο νικητής νευρώνας σε αυτή την τέταρτη φάση. Οπότε: 0. ( 4) ( ) 0.5 ( 4 - ( ) ) ( ) Οπότε µετά την παρουσίαση και του διανύσµατος Χ 4 (οπότε και έχουµε συµπληρώσει έναν κύκλο εκπαίδευσης) τα συναπτικά βάρη του δικτύου έχουν ως εξής: Πάτρα 5//008 8

9 0.65 (4) και (4) Πρόβληµα 4 ο Θεωρείστε ένα δίκτυο Kohonen µε δύο εισόδους και έξι νευρώνες Kohonen, στο οποίο υπάρχουν συνδέσεις µεταξύ των εισόδων και των νευρώνων Kohonen αλλά και πλήρεις παράπλευρες συνδέσεις. Η δοµή του δικτύου αυτού απεικονίζεται στο σχήµα. Σχήµα Έστω ότι θέλουµε να εκπαιδεύσουµε το δίκτυο χρησιµοποιώντας τα ακόλουθα τρία διανύσµατα εκπαίδευσης: 0.8, 0.7, Έστω, επίσης, ότι τα αρχικά βάρη που ενώνουν τους νευρώνες εισόδου µε τους νευρώνες Kohonen είναι:, , 0. 0., , , Θεωρείστε επίσης ότι η ακτίνα της γειτονιάς του νικητή νευρώνα καθορίζεται από τη σχέση (), όπου p είναι ο τρέχοντας κύκλος εκπαίδευσης και P ο συνολικός αριθµός των κύκλων εκπαίδευσης και (0). Επίσης ο ρυθµός µάθησης του δικτύου Kohonen καθορίζεται από τη σχέση () µε α(0)0.5. Πάτρα 5//008 9

10 p ( p) (0) * ( ) (σχέση ) P p a( p) a(0) * ( ) (σχέση ) P Υπολογίστε τις µεταβολές και τις τιµές των συναπτικών βαρών κατά τη διάρκεια των τριών κύκλων εκπαίδευσης χρησιµοποιώντας τα διανύσµατα εισόδου µε τη σειρά µε την οποία δίνονται και θεωρώντας ότι: κάθε διάνυσµα εισόδου αντιστοιχεί σε έναν κύκλο εκπαίδευσης και ότι η εκπαίδευση του δικτύου τερµατίζεται µε την παρουσίαση των διανυσµάτων. Λύση ο διάνυσµα ος κύκλος εκπαίδευσης (σύµφωνα µε εκφώνηση) Υπολογίζω,,., 6 µε βάση την Ευκλείδεια απόσταση του µε τα αρχικά βάρη: x w n i ( x i w ji ) Οπότε: ( ) ( ) 0.6 Οµοίως και τα υπόλοιπα Προκύπτει ότι το 4 είναι το µικρότερο, οπότε ενεργοποιείται ο νευρώνας 4 στο επίπεδο Kohonen. Βρίσκω την γειτονιά που θα ενεργοποιήσει τις παράπλευρες συνδέσεις µε τη σχέση (): (όπου p,p και (0)) ()(0)*(-/)*/. Άρα η ακτίνα της γειτονιάς είναι. Συνεπώς µεταβάλλονται τα βάρη του νευρώνα 4 και των γειτονικών του εκατέρωθεν (5,6 και,) Υπολογίζω και το α() µε τη σχέση (): α()α(0)*(-/)0. (όπου α(0)0.5) Πάτρα 5//008 0

11 Μένει να υπολογίσω τις ανανεώσεις των βαρών για τους νευρώνες,,4,5 και 6. ( ) (0) (το βάρος του νευρώνα παραµένει αναλλοίωτο) ( ) (0) a() * ( (0)) 0. * ( ) Οµοίως υπολογίζονται και τα υπόλοιπα: () , () 4, 0.7 () 0.4 5, 0.7 () ο διάνυσµα ος κύκλος εκπαίδευσης (σύµφωνα µε εκφώνηση) Υπολογίζω,,., 6 µε βάση την Ευκλείδεια απόσταση του µε τα ανανεωµένα βάρη (του κύκλου, δηλ. (), () κτλ: x w Προκύπτει: n i ( x i w ji ) Προκύπτει λοιπόν ότι το 5 είναι το µικρότερο, οπότε ενεργοποιείται ο νευρώνας 4 στο επίπεδο Kohonen. Βρίσκω την γειτονιά που θα ενεργοποιήσει τις παράπλευρες συνδέσεις µε τη σχέση (): (όπου p,p και (0)) ()(0)*(-/)*/. Άρα η ακτίνα της γειτονιάς είναι. Συνεπώς µεταβάλλονται τα βάρη του νευρώνα 5 και των αµέσως γειτονικών του (6 και 4). Υπολογίζω και το α() µε τη σχέση (): α()α(0)*(-/)0.67 (όπου α(0)0.5) Μένει να υπολογίσω τις ανανεώσεις των βαρών για τους νευρώνες 4,5 και 6. Πάτρα 5//008

12 ( ) (), ( ) () ( ) () Και αρχίζω τον υπολογισµό του νευρώνα ( ) 4 () a()*( 4 ()) 0.67 *( ) Οµοίως υπολογίζονται και τα υπόλοιπα: () , 0.77 () ο διάνυσµα ος κύκλος εκπαίδευσης (σύµφωνα µε εκφώνηση) Υπολογίζω,,., 6 µε βάση την Ευκλείδεια απόσταση του µε τα ανανεωµένα βάρη (του κύκλου, δηλ. (), () κτλ: x w Προκύπτει: n i ( x i w ji ) Προκύπτει λοιπόν ότι το είναι το µικρότερο, οπότε ενεργοποιείται ο νευρώνας στο επίπεδο Kohonen. Βρίσκω την γειτονιά που θα ενεργοποιήσει τις παράπλευρες συνδέσεις µε τη σχέση (): (όπου p,p και (0)) ()(0)*(-/)*00. Άρα η ακτίνα της γειτονιάς είναι 0. Συνεπώς µεταβάλλονται τα βάρη του νευρώνα µόνο. Υπολογίζω και το α() µε τη σχέση (): α()α(0)*(-/)0 (όπου α(0)0.5) Πάτρα 5//008

13 Συνεπώς αν και κανονικά έπρεπε να µεταβληθεί το βάρος του νευρώνα, αφού ο ρυθµός εκπαίδευσης µηδενίστηκε, δεν θα µεταβληθεί ούτε αυτό το βάρος. Άρα τα βάρη των νευρώνων στον κύκλο είναι τα ίδια µε αυτά του κύκλου. Πάτρα 5//008

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 ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 7 Ιανουαρίου 2005 ιάρκεια εξέτασης: 5:00-8:00 Έστω ότι

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 ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Τετάρτη Ιουνίου 7 :-4: Κατασκευάστε έναν αισθητήρα (perceptron)

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

ΕΡΩΤΗΜΑΤΑ σε ΝΕΥΡΩΝΙΚΑ

ΕΡΩΤΗΜΑΤΑ σε ΝΕΥΡΩΝΙΚΑ ηµήτρης Ψούνης ΠΛΗ3, Απαντήσεις Quiz σε ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΕΡΩΤΗΜΑΤΑ σε ΝΕΥΡΩΝΙΚΑ Μάθηµα 3. ΕΡΩΤΗΜΑ Ένας αισθητήρας µπορεί να µάθει: a. εδοµένα που ανήκουν σε 5 διαφορετικές κλάσεις. b. εδοµένα που ανήκουν

Διαβάστε περισσότερα

4. Ο αισθητήρας (perceptron)

4. Ο αισθητήρας (perceptron) 4. Ο αισθητήρας (perceptron) Σκοπός: Προσδοκώµενα αποτελέσµατα: Λέξεις Κλειδιά: To µοντέλο του αισθητήρα (perceptron) είναι από τα πρώτα µοντέλα νευρωνικών δικτύων που αναπτύχθηκαν, και έδωσαν µεγάλη ώθηση

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 Πέµπτη 19 Ιουνίου 2008 11:00-14:00 Έστω το παρακάτω

Διαβάστε περισσότερα

Συσχετιστικές Μνήμες Δίκτυο Hopfield. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων

Συσχετιστικές Μνήμες Δίκτυο Hopfield. Τεχνητά Νευρωνικά Δίκτυα (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων Συσχετιστικές Μνήμες Δίκτυο Hopfield Συσχετιστική Μνήμη Η ανάκληση ενός γεγονότος σε μία χρονική στιγμή προκαλείται από τη συσχέτιση αυτού του γεγονότος με κάποιο ερέθισμα. Πολλές φορές επίσης καλούμαστε

Διαβάστε περισσότερα

οµή δικτύου ΣΧΗΜΑ 8.1

οµή δικτύου ΣΧΗΜΑ 8.1 8. ίκτυα Kohonen Το µοντέλο αυτό των δικτύων προτάθηκε το 1984 από τον Kοhonen, και αφορά διαδικασία εκµάθησης χωρίς επίβλεψη, δηλαδή δεν δίδεται καµία εξωτερική επέµβαση σχετικά µε τους στόχους που πρέπει

Διαβάστε περισσότερα

2 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 2 + 0.5 0 0.125 + 1 + 0.5 1 0.125 + 1 + 0.75 1 0.125 1/5

2 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 2 + 0.5 0 0.125 + 1 + 0.5 1 0.125 + 1 + 0.75 1 0.125 1/5 IOYNIOΣ 23 Δίνονται τα εξής πρότυπα: x! = 2.5 Άσκηση η (3 µονάδες) Χρησιµοποιώντας το κριτήριο της οµοιότητας να απορριφθεί ένα χαρακτηριστικό µε βάση το συντελεστή συσχέτισης. Γράψτε εδώ το χαρακτηριστικό

Διαβάστε περισσότερα

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange 64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από

Διαβάστε περισσότερα

1 Πολυωνυµική Παρεµβολή

1 Πολυωνυµική Παρεµβολή 1 Πολυωνυµική Παρεµβολή εδοµένων n + 1 ανά δύο διαφορετικών σηµείων x o, x 1, x,..., x n και των αντίστοιχων συναρτησιακών τιµών y o = f(x o ), y 1 = f(x 1 ), y = f(x ),...,y n (x n ) επιθυµούµε να προσεγγίσουµε

Διαβάστε περισσότερα

Επίλυση Γραµµικών Συστηµάτων

Επίλυση Γραµµικών Συστηµάτων Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n

Διαβάστε περισσότερα

Υπολογιστική Νοημοσύνη. Μάθημα 4: Μάθηση στον απλό τεχνητό νευρώνα (2)

Υπολογιστική Νοημοσύνη. Μάθημα 4: Μάθηση στον απλό τεχνητό νευρώνα (2) Υπολογιστική Νοημοσύνη Μάθημα 4: Μάθηση στον απλό τεχνητό νευρώνα (2) Ο κανόνας Δέλτα για συνεχείς συναρτήσεις ενεργοποίησης (1/2) Για συνεχείς συναρτήσεις ενεργοποίησης, θα θέλαμε να αλλάξουμε περισσότερο

Διαβάστε περισσότερα

Περίληψη ιπλωµατικής Εργασίας

Περίληψη ιπλωµατικής Εργασίας Περίληψη ιπλωµατικής Εργασίας Θέµα: Εναλλακτικές Τεχνικές Εντοπισµού Θέσης Όνοµα: Κατερίνα Σπόντου Επιβλέπων: Ιωάννης Βασιλείου Συν-επιβλέπων: Σπύρος Αθανασίου 1. Αντικείµενο της διπλωµατικής Ο εντοπισµός

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n

ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 3 Ο αλγόριθµος Gauss Eστω =,3,, µε τον όρο γραµµικά συστήµατα, εννοούµε συστήµατα εξισώσεων µε αγνώστους της µορφής: a x + + a x = b a x + + a x = b a

Διαβάστε περισσότερα

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής:

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής: ΣΕΙΡΕΣ TAYLOR Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων Πολυώνυµο είναι κάθε συνάρτηση της µορφής: p( ) = a + a + a + a + + a, όπου οι συντελεστές α i θα θεωρούνται

Διαβάστε περισσότερα

Το θεώρηµα πεπλεγµένων συναρτήσεων

Το θεώρηµα πεπλεγµένων συναρτήσεων 57 Το θεώρηµα πεπλεγµένων συναρτήσεων Έστω F : D R R µια ( τουλάχιστον ) C συνάρτηση ορισµένη στο ανοικτό D x, y D F x, y = Ενδιαφερόµαστε για την ύπαρξη µοναδικής και ώστε διαφορίσιµης συνάρτησης f ορισµένης

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 4

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΡΓΑΣΙΑ 4 ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ «ΠΛΗΡΟΦΟΡΙΚΗ» ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 4 Ηµεροµηνία αποστολής στον φοιτητή: 9 Φεβρουαρίου 5. Τελική ηµεροµηνία αποστολής από τον φοιτητή: Μαρτίου 5.

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα

ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ 4. Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα Εστω R είναι ο γνωστός -διάστατος πραγµατικός διανυσµατικός χώρος. Μία απεικόνιση L :

Διαβάστε περισσότερα

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΚΕΣ 3: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ Ακαδημαϊκό Έτος 7 8, Χειμερινό Εξάμηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ Το παρόν

Διαβάστε 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 στη

Διαβάστε περισσότερα

ιακριτά Μαθηµατικά και Μαθηµατική Λογική ΠΛΗ20 Ε ρ γ α σ ί α 3η Θεωρία Γραφηµάτων

ιακριτά Μαθηµατικά και Μαθηµατική Λογική ΠΛΗ20 Ε ρ γ α σ ί α 3η Θεωρία Γραφηµάτων ιακριτά Μαθηµατικά και Μαθηµατική Λογική ΠΛΗ Ε ρ γ α σ ί α η Θεωρία Γραφηµάτων Α π α ν τ ή σ ε ι ς Ε ρ ω τ η µ ά τ ω ν Ερώτηµα. Στο παρακάτω γράφηµα µε βάρη, να βρεθεί το µήκος του µικρότερου µονοπατιού

Διαβάστε περισσότερα

Σηµειώσεις στις σειρές

Σηµειώσεις στις σειρές . ΟΡΙΣΜΟΙ - ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ Σηµειώσεις στις σειρές Στην Ενότητα αυτή παρουσιάζουµε τις βασικές-απαραίτητες έννοιες για την µελέτη των σειρών πραγµατικών αριθµών και των εφαρµογών τους. Έτσι, δίνονται συστηµατικά

Διαβάστε περισσότερα

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο Πρόβλημα ο Ασκήσεις Φροντιστηρίου 5 o Φροντιστήριο Δίνεται το παρακάτω σύνολο εκπαίδευσης: # Είσοδος Κατηγορία 0 0 0 Α 2 0 0 Α 0 Β 4 0 0 Α 5 0 Β 6 0 0 Α 7 0 Β 8 Β α) Στον παρακάτω κύβο τοποθετείστε τα

Διαβάστε περισσότερα

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο

Διαβάστε περισσότερα

Γνωριµία µε τη Microsoft Access

Γνωριµία µε τη Microsoft Access Γνωριµία µε τη Microsoft Access ηµιουργία νέας βάσης δεδοµένων Έναρξη - Προγράµµατα - Microsoft Access - ηµιουργία νέας βάσης δεδοµένων µε χρήση Κενής βάσης δεδοµένων - ΟΚ Επιλέγουµε Φάκελο και στο Όνοµα

Διαβάστε περισσότερα

Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων

Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων Ψηφιακή Επεξεργασία Σηµάτων 20 Ολοκληρωµένο Περιβάλλον Σχεδιασµού Και Επίδειξης Φίλτρων Α. Εγκατάσταση Αφού κατεβάσετε το συµπιεσµένο αρχείο µε το πρόγραµµα επίδειξης, αποσυµπιέστε το σε ένα κατάλογο µέσα

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3: Συνθήκες Αλυσίδων

ΚΕΦΑΛΑΙΟ 3: Συνθήκες Αλυσίδων ΚΕΦΑΛΑΙΟ 3: Συνθήκες Αλυσίδων Μελετάµε εδώ τη συνθήκη της αύξουσας αλυσίδας υποπροτύπων και τη συνθήκη της φθίνουσας αλυσίδας υποπροτύπων. Αυτές συνδέονται µεταξύ τους µε την έννοια της συνθετικής σειράς

Διαβάστε περισσότερα

Γραµµικοί Ταξινοµητές

Γραµµικοί Ταξινοµητές ΚΕΣ 3: Αναγνώριση Προτύπων και Ανάλυση Εικόνας KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Γραµµικοί Ταξινοµητές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου 7 Ncolas sapatsouls

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεµατική Ενότητα ΠΛΗ 21: Ψηφιακά Συστήµατα Ακαδηµαϊκό Έτος 2009 2010 Γραπτή Εργασία #3 Παράδοση: 28 Μαρτίου 2010 Άσκηση 1 (15 µονάδες) Ένας επεξεργαστής υποστηρίζει τόσο

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑ.Λ. Β 16 ΜΑΪΟΥ 2011 ΑΠΑΝΤΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑ.Λ. Β 16 ΜΑΪΟΥ 2011 ΑΠΑΝΤΗΣΕΙΣ ΘΕΜΑ Α ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑΛ Β 6 ΜΑΪΟΥ ΑΠΑΝΤΗΣΕΙΣ Α Θεωρία (Θεώρ Frmat) σχολικό βιβλίο σελ 6-6 Α Θεωρία (Ορισµός) σχολικό βιβλίο σελ 8 Α3 ΘΕΜΑ Β α β γ δ ε Σ Σ Λ Λ Σ B Έχουµε από υπόθεση

Διαβάστε περισσότερα

Κώδικας σχεδίασης Λογισµικής ιαγραµµατικής Οντολογίας

Κώδικας σχεδίασης Λογισµικής ιαγραµµατικής Οντολογίας Κώδικας σχεδίασης Λογισµικής ιαγραµµατικής Οντολογίας Αρχιµήδης ΙΙΙ Υποέργο 18 2013 Ενα µάγµα µπορεί να εξελιχθεί κάτω από την επίδραση τριών ειδών επιρροών. Την εξέλιξη αυτή συµβολίζουµε µε ένα απλό τόξο

Διαβάστε περισσότερα

Υπολογιστική Νοημοσύνη. Μάθημα 13: Αναδρομικά Δίκτυα - Recurrent Networks

Υπολογιστική Νοημοσύνη. Μάθημα 13: Αναδρομικά Δίκτυα - Recurrent Networks Υπολογιστική Νοημοσύνη Μάθημα 13: Αναδρομικά Δίκτυα - Recurrent Networks Γενικά Ένα νευρωνικό δίκτυο λέγεται αναδρομικό, εάν υπάρχει έστω και μια σύνδεση από έναν νευρώνα επιπέδου i προς έναν νευρώνα επιπέδου

Διαβάστε περισσότερα

QR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1)

QR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1) ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΟΛΟΓΙΣΜΟΣ I (22 Σεπτεµβρίου) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ 1ο ΘΕΜΑ 1. Αφού ορίσετε ακριβώς τι σηµαίνει πίσω ευσταθής υπολογισµός, να εξηγήσετε αν ο υ- πολογισµός του εσωτερικού γινοµένου δύο διανυσµάτων

Διαβάστε περισσότερα

Πρόβληµα 2 (15 µονάδες)

Πρόβληµα 2 (15 µονάδες) ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ: ΚΡΥΠΤΟΓΡΑΦΙΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ, 2013-2014 ΔΙΔΑΣΚΩΝ: Ε. Μαρκάκης Πρόβληµα 1 (5 µονάδες) 2 η Σειρά Ασκήσεων Προθεσµία Παράδοσης: 19/1/2014 Υπολογίστε

Διαβάστε περισσότερα

Κεφάλαιο 3β. Ελεύθερα Πρότυπα (µέρος β)

Κεφάλαιο 3β. Ελεύθερα Πρότυπα (µέρος β) Κεφάλαιο 3β Ελεύθερα Πρότυπα (µέρος β) Ο σκοπός µας εδώ είναι να αποδείξουµε το εξής σηµαντικό αποτέλεσµα. 3.3.6 Θεώρηµα Έστω R µια περιοχή κυρίων ιδεωδών, F ένα ελεύθερο R-πρότυπο τάξης s < και N F. Τότε

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 10. Ταλαντώσεις

ΚΕΦΑΛΑΙΟ 10. Ταλαντώσεις ΚΕΦΑΛΑΙΟ 0 Ταλαντώσεις Στο Παράδειγµα 9 είδαµε τη µελέτη της κίνησης υλικού σηµείου µάζας, που βρίσκεται στο ένα άκρο ελατηρίου µε το άλλο άκρο του ελατηρίου σταθερό Θα επανεετάσοµε το ίδιο πρόβληµα εδώ

Διαβάστε περισσότερα

3. O ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ PERCEPTRON

3. O ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ PERCEPTRON 3. O ΑΛΓΟΡΙΘΜΟΣ ΤΟΥ PERCEPRON 3. ΕΙΣΑΓΩΓΗ: Το Perceptron είναι η απλούστερη μορφή Νευρωνικού δικτύου, το οποίο χρησιμοποιείται για την ταξινόμηση ενός ειδικού τύπου προτύπων, που είναι γραμμικά διαχωριζόμενα.

Διαβάστε περισσότερα

Η ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές:

Η ακρίβεια ορίζεται σαν το πηλίκο των ευρεθέντων συναφών εγγράφων προς τα ευρεθέντα έγγραφα. Άρα για τα τρία συστήµατα έχουµε τις εξής τιµές: Πανεπιστήµιο Κρήτης, Τµήµα Επιστήµης Υπολογιστών HY463 - Συστήµατα Ανάκτησης Πληροφοριών 2005-2006 Εαρινό Εξάµηνο 1 η Σειρά Ασκήσεων (Αξιολόγηση Αποτελεσµατικότητας Ανάκτησης) Άσκηση 1 (4 βαθµοί) Θεωρείστε

Διαβάστε περισσότερα

ΠΑΡΑΛΛΗΛΗ ΕΠΕΞΕΡΓΑΣΙΑ

ΠΑΡΑΛΛΗΛΗ ΕΠΕΞΕΡΓΑΣΙΑ ΠΑΡΑΛΛΗΛΗ ΕΠΕΞΕΡΓΑΣΙΑ ΑΓΩΓΟΙ & ΙΑΝΥΣΜΑΤΙΚΟΙ ΥΠΟΛΟΓΙΣΤΕΣ ΣΥΓΚΡΟΥΣΕΙΣ ΣΕ ΑΓΩΓΟΥΣ & ΜΕΓΙΣΤΟΠΟΙΗΣΗ ΠΑΡΑΓΩΓΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΥΨΗΛΩΝ

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΜΣ «ΜΑΘΗΜΑΤΙΚΑ ΤΩΝ ΥΠΟΛΟΓΙΣΤΩΝ & ΤΩΝ ΑΠΟΦΑΣΕΩΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2006-2007 2η Σειρά Ασκήσεων ΑΠΑΝΤΗΣΕΙΣ 1. ίνεται το γνωστό πρόβληµα των δύο δοχείων: «Υπάρχουν δύο δοχεία

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

Μη γραµµικοί ταξινοµητές Νευρωνικά ίκτυα

Μη γραµµικοί ταξινοµητές Νευρωνικά ίκτυα KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μη γραµµικοί ταξινοµητές Νευρωνικά ίκτυα ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Πολυεπίπεδες Perceptron Οαλγόριθµος

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12)

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ 12) ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ η Ηµεροµηνία Αποστολής στον Φοιτητή: 5 Οκτωβρίου 006 Ηµεροµηνία παράδοσης της Εργασίας: 0 Νοεµβρίου 006.

Διαβάστε περισσότερα

ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ HOPFIELD ΚΑΙ KOHONEN

ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ HOPFIELD ΚΑΙ KOHONEN ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΓΝΩΡΙΣΗΣ ΠΡΟΤΥΠΩΝ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ

Διαβάστε περισσότερα

if(συνθήκη) {... // οµάδα εντολών } C: Από τη Θεωρία στην Εφαρµογή 5 ο Κεφάλαιο

if(συνθήκη) {... // οµάδα εντολών } C: Από τη Θεωρία στην Εφαρµογή 5 ο Κεφάλαιο C: Από τη Θεωρία στην Εφαρµογή Κεφάλαιο 5 ο Έλεγχος Προγράµµατος Γ. Σ. Τσελίκης Ν. Δ. Τσελίκας Η εντολή if (Ι) Η εντολή if είναι µία από τις βασικότερες δοµές ελέγχου ροής στη C, αλλά και στις περισσότερες

Διαβάστε περισσότερα

ΕΠΙΤΑΧΥΝΣΗ- ΕΠΙΤΑΧΥΝΟΜΕΝΗ ΚΙΝΗΣΗ

ΕΠΙΤΑΧΥΝΣΗ- ΕΠΙΤΑΧΥΝΟΜΕΝΗ ΚΙΝΗΣΗ ΕΠΙΤΑΧΥΝΣΗ- ΕΠΙΤΑΧΥΝΟΜΕΝΗ ΚΙΝΗΣΗ Η ταχύτητα συνήθως δεν παραµένει σταθερή Ας υποθέσουµε ότι ένα αυτοκίνητο κινείται σε ευθύγραµµο δρόµο µε ταχύτητα k 36. Ο δρόµος είναι ανοιχτός και ο οδηγός αποφασίζει

Διαβάστε περισσότερα

Άπληστοι Αλγόριθµοι (CLR, κεφάλαιο 17)

Άπληστοι Αλγόριθµοι (CLR, κεφάλαιο 17) Άπληστοι Αλγόριθµοι (CLR, κεφάλαιο 17) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Σχεδιασµός αλγορίθµων µε Άπληστους Αλγόριθµους Στοιχεία άπληστων αλγορίθµων Το πρόβληµα επιλογής εργασιών ΕΠΛ 232

Διαβάστε περισσότερα

Α. ΤΕΙ ΚΡΗΤΗΣ Τµήµα Εφαρµοσµένης Πληροφορικής και Πολυµέσων Εργαστήριο Νευρωνικών Δικτύων

Α. ΤΕΙ ΚΡΗΤΗΣ Τµήµα Εφαρµοσµένης Πληροφορικής και Πολυµέσων Εργαστήριο Νευρωνικών Δικτύων Α. ΤΕΙ ΚΡΗΤΗΣ Τµήµα Εφαρµοσµένης Πληροφορικής και Πολυµέσων Εργαστήριο Νευρωνικών Δικτύων 5 BACKPROPAGATION MULTILAYER FEEDFORWARD ΔΙΚΤΥΑ Α. ΕΙΣΑΓΩΓΗ Τα νευρωνικά δίκτυα που εξετάσαµε µέχρι τώρα είχαν

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 ΜΗ ΓΡΑΜΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ

ΚΕΦΑΛΑΙΟ 2 ΜΗ ΓΡΑΜΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ ΚΕΦΑΛΑΙΟ ΜΗ ΓΡΑΜΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ Η αδυναµία επίλυσης της πλειοψηφίας των µη γραµµικών εξισώσεων µε αναλυτικές µεθόδους, ώθησε στην ανάπτυξη αριθµητικών µεθόδων για την προσεγγιστική επίλυσή τους, π.χ. συν()

Διαβάστε περισσότερα

ÖÑÏÍÔÉÓÔÇÑÉÏ ÏÑÏÓÇÌÏ

ÖÑÏÍÔÉÓÔÇÑÉÏ ÏÑÏÓÇÌÏ ΘΕΜΑ Α ΜΑΘΗΜΑΤΙΚΑ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ & ΕΠΑΛ Β 6 ΜΑΪΟΥ ΑΠΑΝΤΗΣΕΙΣ Α Θεωρία (θεώρ Frmat) σχολικό βιβλίο, σελ 6-6 Α Θεωρία (ορισµός) σχολικό βιβλίο, σελ 8 Α3 ΘΕΜΑ Β α β γ δ ε Σ Σ Λ Λ Σ B Έχουµε από υπόθεση

Διαβάστε περισσότερα

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012

ΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ 2012 ΠΑ. 7 ΣΕΠΤΕΜΒΡΙΟΥ Δίνονται τα εξής πρότυπα: [ ] [ ] [ ] [ ] Άσκηση η (3 μονάδες) Χρησιμοποιώντας το κριτήριο της ομοιότητας να απορριφθεί ένα χαρακτηριστικό με βάση το συντελεστή συσχέτισης. (γράψτε ποιο

Διαβάστε περισσότερα

ΕΠΛ 232 Φροντιστήριο 2

ΕΠΛ 232 Φροντιστήριο 2 Πρόβληµα ΕΠΛ Φροντιστήριο Έχετε 0 και θέλετε να τις επενδύσετε για n µήνες. Tην πρώτη µέρα κάθε µήνα έχετε µόνο µια από τις παρακάτω τρεις επιλογές:. Να αγοράσετε ένα πιστοποιητικό αποταµίευσης από την

Διαβάστε περισσότερα

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone

ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone ΠροσδιορισµόςΒέλτιστης Λύσης στα Προβλήµατα Μεταφοράς Η µέθοδος Stepping Stone Hµέθοδος Stepping Stoneείναι µία επαναληπτική διαδικασία για τον προσδιορισµό της βέλτιστης λύσης σε ένα πρόβληµα µεταφοράς.

Διαβάστε περισσότερα

ιδασκοντες: x R y x y Q x y Q = x z Q = x z y z Q := x + Q Τετάρτη 10 Οκτωβρίου 2012

ιδασκοντες: x R y x y Q x y Q = x z Q = x z y z Q := x + Q Τετάρτη 10 Οκτωβρίου 2012 ιδασκοντες: Αλγεβρικες οµες Ι Ασκησεις - Φυλλαδιο 1 Ν. Μαρµαρίδης - Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/algebraicstructuresi/asi.html Τετάρτη 10 Οκτωβρίου 2012 Ασκηση 1.

Διαβάστε περισσότερα

1. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι. β α. = [f (x) ηµx] - [f (x) συνx] β α. ( )

1. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι. β α. = [f (x) ηµx] - [f (x) συνx] β α. ( ) Ερωτήσεις ανάπτυξης. ** α) Αν η f είναι δυο φορές παραγωγίσιµη συνάρτηση, να αποδείξετε ότι β ( f () f () ) + α ηµ d β α = [f () ηµ] - [f () συν] β α. ( ) β) Αν f () = ηµ, να αποδείξετε ότι f () + f ()

Διαβάστε περισσότερα

ΗΠροσφορά. Μικροοικονοµική. Η Ισορροπία της Αγοράς 6. Η ΙΣΟΡΡΟΠΙΑΤΗΣΑΓΟΡΑΣ. 6η Εισήγηση

ΗΠροσφορά. Μικροοικονοµική. Η Ισορροπία της Αγοράς 6. Η ΙΣΟΡΡΟΠΙΑΤΗΣΑΓΟΡΑΣ. 6η Εισήγηση ΗΠροσφορά Όπως και στην περίπτωση της ζήτησης, δεδοµένης και σταθερής της τιµής του αγαθού, όταν µεταβάλλεται ένας ή περισσότεροι από τους λοιπούς προσδιοριστικούς παράγοντες της προσφοράς, τότε, µεταβάλλεται

Διαβάστε περισσότερα

Σχήµα 3.1: Εισαγωγή shift register σε βρόγχο for-loop.

Σχήµα 3.1: Εισαγωγή shift register σε βρόγχο for-loop. Η δοµή «Shift register» 1. Η δοµή «Shift register» εισάγεται στο βρόγχο for-loop αλλά και σε άλλους βρόγχους που θα δούµε στη συνέχεια, όπως ο βρόγχος «While loop». Ο τρόπος εισαγωγής και λειτουργίας της

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΛΥΣΗ ΣΤΗΝ ΕΥΤΕΡΗ ΑΣΚΗΣΗ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΛΥΣΗ ΣΤΗΝ ΕΥΤΕΡΗ ΑΣΚΗΣΗ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΛΥΣΗ ΣΤΗΝ ΕΥΤΕΡΗ ΑΣΚΗΣΗ ΜΑΘΗΜΑ ΒΑΣΕΙΣ Ε ΟΜΕΝΩΝ ΑΚΑ. ΕΤΟΣ 2012-13 Ι ΑΣΚΟΝΤΕΣ Ιωάννης Βασιλείου Καθηγητής, Τοµέας Τεχνολογίας

Διαβάστε περισσότερα

ιδάσκοντες :Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής,Τµήµα Β (Περιττοί) : Αριθµητική Επίκ.

ιδάσκοντες :Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής,Τµήµα Β (Περιττοί) : Αριθµητική Επίκ. Αριθµητική Ανάλυση ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ Μαρτίου 00 ιδάσκοντες:τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής,Τµήµα Β Αριθµητική

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ

ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ ΓΡΑΜΜΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΞΙΣΩΣΕΩΝ Θα ξεκινήσουµε την παρουσίαση των γραµµικών συστηµάτων µε ένα απλό παράδειγµα από τη Γεωµετρία, το οποίο ϑα µας ϐοηθήσει στην κατανόηση των συστηµάτων αυτών και των συνθηκών

Διαβάστε περισσότερα

[ ] και το διάνυσµα των συντελεστών:

[ ] και το διάνυσµα των συντελεστών: Μηχανική ΙΙ Τµήµα Ιωάννου-Απόστολάτου 8 Μαϊου 2001 Εσωτερικά γινόµενα διανυσµάτων µέτρο διανύσµατος- ορθογώνια διανύσµατα Έστω ένας διανυσµατικός χώρος V, στο πεδίο των µιγαδικών αριθµών Τα στοιχεία του

Διαβάστε περισσότερα

Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης

Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης Μάθημα 4 ο Δρ. Ανέστης Γ. Χατζημιχαηλίδης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Διευρυμένη Υπολογιστική Νοημοσύνη (ΥΝ) Επεκτάσεις της Κλασικής ΥΝ. Μεθοδολογίες

Διαβάστε περισσότερα

Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού

Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού Σελίδα 1 από Κεφάλαιο 7 Βασικά Θεωρήµατα του ιαφορικού Λογισµού Στο κεφάλαιο αυτό θα ασχοληθούµε µε τα βασικά θεωρήµατα του διαφορικού λογισµού καθώς και µε προβλήµατα που µπορούν να επιλυθούν χρησιµοποιώντας

Διαβάστε περισσότερα

Μαθηµατικά Θετικής & Τεχν/κής Κατεύθυνσης Β Λυκείου 2001

Μαθηµατικά Θετικής & Τεχν/κής Κατεύθυνσης Β Λυκείου 2001 Μαθηµατικά Θετικής & Τεχν/κής Κατεύθυνσης Β Λυκείου 00 Ζήτηµα ο Α.. Έστω α, β, γ ακέραιοι αριθµοί. Να δείξετε ότι ισχύουν οι επόµενες ιδιότητες: α. Αν α β, τότε α λβ για κάθε ακέραιο λ. β. Αν α β και α

Διαβάστε περισσότερα

400 = t2 (2) t = 15.1 s (3) 400 = (t + 1)2 (5) t = 15.3 s (6)

400 = t2 (2) t = 15.1 s (3) 400 = (t + 1)2 (5) t = 15.3 s (6) ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-112: Φυσική Ι Χειµερινό Εξάµηνο 2016 ιδάσκων : Γ. Καφεντζής Πρώτη Σειρά Ασκήσεων - Λύσεις Ασκηση 1. Θεωρούµε ως χρονικό σηµείο αναφοράς τη στιγµή που

Διαβάστε περισσότερα

Κεφάλαιο 5ο: Εντολές Επανάληψης

Κεφάλαιο 5ο: Εντολές Επανάληψης Χρήστος Τσαγγάρης ΕΕ ΙΠ Τµήµατος Μαθηµατικών, Πανεπιστηµίου Αιγαίου Κεφάλαιο 5ο: Εντολές Επανάληψης Η διαδικασία της επανάληψης είναι ιδιαίτερη συχνή, αφού πλήθος προβληµάτων µπορούν να επιλυθούν µε κατάλληλες

Διαβάστε περισσότερα

Οδηγίες για την κατασκευή του αρχείου «Ταυτότητα (α+β) 2» 1. Αποκρύπτουµε τους άξονες και το παράθυρο άλγεβρας: Παράθυρο προβολή

Οδηγίες για την κατασκευή του αρχείου «Ταυτότητα (α+β) 2» 1. Αποκρύπτουµε τους άξονες και το παράθυρο άλγεβρας: Παράθυρο προβολή Οδηγίες για την κατασκευή του αρχείου «Ταυτότητα (α+β) 2» 1. Αποκρύπτουµε τους άξονες και το παράθυρο άλγεβρας: Παράθυρο προβολή απο-επιλέγουµε άξονες και άλγεβρα 2. Από το εργαλείο κατασκευής πολυγώνων

Διαβάστε περισσότερα

Δραστηριότητα Εύρεση του π

Δραστηριότητα Εύρεση του π Δραστηριότητα Εύρεση του π Ανάµεσα σε πολλά πρωτότυπα και εντυπωσιακά επιτεύγµατα του Αρχιµήδη, η µέθοδός του για την εύρεση µιας αριθµητικής προσέγγισης για το π ξεχωρίζει για την κοµψότητα και την ασυνήθιστη

Διαβάστε περισσότερα

ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΚΑΙ

ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΚΑΙ 1.1.. ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΚΑΙ ΕΜΑ ΟΝ ΤΡΙΓΩΝΟΥ ΘΕΩΡΙΑ 1. Εξίσωση γραµµής C Μια εξίσωση µε δύο αγνώστους x, y λέγεται εξίσωση µιας γραµµής C, όταν οι συντεταγµένες των σηµείων της C, και µόνον αυτές, την επαληθεύουν..

Διαβάστε περισσότερα

ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ. Άρτια και περιττή συνάρτηση. Παράδειγµα: Η f ( x) Παράδειγµα: Η. x R και. Αλγεβρα Β Λυκείου Πετσιάς Φ.- Κάτσιος.

ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ. Άρτια και περιττή συνάρτηση. Παράδειγµα: Η f ( x) Παράδειγµα: Η. x R και. Αλγεβρα Β Λυκείου Πετσιάς Φ.- Κάτσιος. ΜΕΛΕΤΗ ΣΥΝΑΡΤΗΣΗΣ Πριν περιγράψουµε πως µπορούµε να µελετήσουµε µια συνάρτηση είναι αναγκαίο να δώσουµε µερικούς ορισµούς. Άρτια και περιττή συνάρτηση Ορισµός : Μια συνάρτηση fµε πεδίο ορισµού Α λέγεται

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

Το άθροισµα των εισερχόµενων σηµάτων είναι:

Το άθροισµα των εισερχόµενων σηµάτων είναι: 7. ίκτυα Hopfeld Σε µία πολύ γνωστή εργασία το 982 ο Hopfeld παρουσίασε µια νέα κατηγορία δικτύων, τα οποία έχουν µεγάλες υπολογιστικές ικανότητες και είναι χρήσιµα σε δύο κατηγορίες προβληµάτων. Πρώτα,

Διαβάστε περισσότερα

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΑΝΩ ΕΡΙΦΥΛΗ ΜΟΣΧΟΝΑ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΤΟΥ ΜΑΘΗΜΑΤΟΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ Πρόβληµα µεταφοράς Η ανάπτυξη και διαµόρφωση του προβλήµατος µεταφοράς αναπτύσσεται στις σελίδες 40-45 του βιβλίου των

Διαβάστε περισσότερα

Θα λύσετε ένα από τα έξι πακέτα ασκήσεων που ακολουθούν, τα οποία είναι αριθµηµένα από 0 έως5. Ο κάθε φοιτητής βρίσκει το πακέτο που του αντιστοιχεί

Θα λύσετε ένα από τα έξι πακέτα ασκήσεων που ακολουθούν, τα οποία είναι αριθµηµένα από 0 έως5. Ο κάθε φοιτητής βρίσκει το πακέτο που του αντιστοιχεί Θα λύσετε ένα από τα έξι πακέτα ασκήσεων που ακολουθούν, τα οποία είναι αριθµηµένα από 0 έως5. Ο κάθε φοιτητής βρίσκει το πακέτο που του αντιστοιχεί από τον αριθµό µητρώου του. Συγκεκριµένα υπολογίζει

Διαβάστε περισσότερα

Θέµατα Μαθηµατικών & Στ. Στατ/κής Γενικής Παιδείας Γ Λυκείου 2000

Θέµατα Μαθηµατικών & Στ. Στατ/κής Γενικής Παιδείας Γ Λυκείου 2000 Θέµατα Μαθηµατικών & Στ. Στατ/κής Γενικής Παιδείας Γ Λυκείου 000 ΕΚΦΩΝΗΣΕΙΣ Ζήτηµα ο Α.α) ίνεται η συνάρτηση F() f() + g(). Αν οι συναρτήσεις f, g είναι παραγωγίσιµες, να αποδείξετε ότι: F () f () + g

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΘΕΜΑ 1 ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τελικές εξετάσεις 20 Ιανουαρίου 2005 ιάρκεια: 3 ώρες (15:00-18:00)

Διαβάστε περισσότερα

Μηχανική ΙI Αδιαβατικά αναλλοίωτα

Μηχανική ΙI Αδιαβατικά αναλλοίωτα Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 20/5/2000 Μηχανική ΙI Αδιαβατικά αναλλοίωτα Είδαµε ότι όταν η Χαµιλτονιανή συνάρτηση δεν εξαρτάται άµεσα από το χρόνο τότε αυτή διατηρείται κατά την κίνηση και εποµένως

Διαβάστε περισσότερα

ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ

ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΣΤΟΧΑΣΤΙΚΑ ΣΗΜΑΤΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ Ακαδηµαϊκό Έτος 007-008 ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών Τµήµα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής 1η Εργαστηριακή Άσκηση Αναγνώριση

Διαβάστε περισσότερα

Νευρωνικά ίκτυα και Εξελικτικός. Σηµερινό Μάθηµα. επανάληψη Γενετικών Αλγορίθµων 1 η εργασία Επανάληψη νευρωνικών δικτύων Ασκήσεις εφαρµογές

Νευρωνικά ίκτυα και Εξελικτικός. Σηµερινό Μάθηµα. επανάληψη Γενετικών Αλγορίθµων 1 η εργασία Επανάληψη νευρωνικών δικτύων Ασκήσεις εφαρµογές Νευρωνικά ίκτυα και Εξελικτικός Προγραµµατισµός Σηµερινό Μάθηµα επανάληψη Γενετικών Αλγορίθµων η εργασία Επανάληψη νευρωνικών δικτύων Ασκήσεις εφαρµογές Κωδικοποίηση Αντικειµενική Συνάρτ Αρχικοποίηση Αξιολόγηση

Διαβάστε περισσότερα

Κεφάλαιο 4. Στο προηγούµενο κεφάλαιο ορίσαµε την ισορροπία κατά Nash και είδαµε ότι µια ισορροπία

Κεφάλαιο 4. Στο προηγούµενο κεφάλαιο ορίσαµε την ισορροπία κατά Nash και είδαµε ότι µια ισορροπία Κεφάλαιο 4 Στο προηγούµενο κεφάλαιο ορίσαµε την ισορροπία κατά Nash και είδαµε ότι µια ισορροπία κατά Nash είναι: (α) ένα διάνυσµα από στρατηγικές, έτσι ώστε δεδοµένων των υπολοίπων στρατηγικών, ο παίκτης

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΚΡΥΠΤΟΛΟΓΙΑ ΣΗΜΕΙΩΣΕΙΣ #6 ΘΕΟ ΟΥΛΟΣ ΓΑΡΕΦΑΛΑΚΗΣ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΚΡΥΠΤΟΛΟΓΙΑ ΣΗΜΕΙΩΣΕΙΣ #6 ΘΕΟ ΟΥΛΟΣ ΓΑΡΕΦΑΛΑΚΗΣ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΚΡΥΠΤΟΛΟΓΙΑ ΣΗΜΕΙΩΣΕΙΣ #6 ΘΕΟ ΟΥΛΟΣ ΓΑΡΕΦΑΛΑΚΗΣ 1. Το προβληµα του διακριτου λογαριθµου Στο µάθηµα αυτό ϑα δούµε κάποιους αλγόριθµους για υπολογισµό διακριτών λογάριθµων. Θυµίζουµε ότι στο

Διαβάστε περισσότερα

Οικονοµικό Πανεπιστήµιο Αθηνών. Τµήµα Πληροφορικής. Φθινοπωρινό Εξάµηνο 2015. Δοµές Δεδοµένων - Εργασία 2. Διδάσκων: E. Μαρκάκης

Οικονοµικό Πανεπιστήµιο Αθηνών. Τµήµα Πληροφορικής. Φθινοπωρινό Εξάµηνο 2015. Δοµές Δεδοµένων - Εργασία 2. Διδάσκων: E. Μαρκάκης Οικονοµικό Πανεπιστήµιο Αθηνών Τµήµα Πληροφορικής Φθινοπωρινό Εξάµηνο 2015 Δοµές Δεδοµένων - Εργασία 2 Διδάσκων: E. Μαρκάκης Ταξινόµηση και Ουρές Προτεραιότητας Σκοπός της 2 ης εργασίας είναι η εξοικείωση

Διαβάστε περισσότερα

4. ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ. φ για την εφαρµογή της µεθόδου Galerkin δεν

4. ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ. φ για την εφαρµογή της µεθόδου Galerkin δεν . ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ Η επιλογή των συναρτήσεων βάσης ( ) φ για την εφαρµογή της µεθόδου Galrkn δεν είναι τόσο απλή, και στην γενική περίπτωση είναι µία δύσκολη διαδικασία.

Διαβάστε περισσότερα

5.1 Θεωρητική εισαγωγή

5.1 Θεωρητική εισαγωγή ΨΗΦΙΑΚΑ ΚΥΚΛΩΜΑΤΑ - ΕΡΓΑΣΤΗΡΙΑΚΗ ΑΣΚΗΣΗ 5 ΚΩ ΙΚΟΠΟΙΗΣΗ BCD Σκοπός: Η κατανόηση της µετατροπής ενός τύπου δυαδικής πληροφορίας σε άλλον (κωδικοποίηση/αποκωδικοποίηση) µε τη µελέτη της κωδικοποίησης BCD

Διαβάστε περισσότερα

Απαντήσεις στα Θέµατα Ιουνίου 2012 (3 και 4)

Απαντήσεις στα Θέµατα Ιουνίου 2012 (3 και 4) -- Αριθµητική Ανάλυση και Περιβ. Υλοποίησης Απαντήσεις στα Θέµατα Ιουνίου (3 και 4) Θέµα 3 [6µ] Θεωρούµε ότι κατά την επίλυση ενός προβλήµατος προσέγγισης προέκυψε ένα γραµµικό σύστηµα Αxb, µε αγνώστους,

Διαβάστε περισσότερα

Αλγόριθµοι Εκτίµησης Καθυστέρησης και

Αλγόριθµοι Εκτίµησης Καθυστέρησης και Αλγόριθµοι Εκτίµησης Καθυστέρησης και Βελτιστοποίησης Εισαγωγή Το κύριο πρόβληµα στην σχεδίαση κυκλωµάτων είναι η επίτευξη της µέγιστης απόδοσης για την δεδοµένη τεχνολογία. Μεγιστοποίηση απόδοσης: (α)

Διαβάστε περισσότερα

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 )

Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ. 3.1 Η έννοια της παραγώγου. y = f(x) f(x 0 ), = f(x 0 + x) f(x 0 ) Κεφάλαιο 3 ΠΑΡΑΓΩΓΟΣ 3.1 Η έννοια της παραγώγου Εστω y = f(x) µία συνάρτηση, που συνδέει τις µεταβλητές ποσότητες x και y. Ενα ερώτηµα που µπορεί να προκύψει καθώς µελετούµε τις δύο αυτές ποσοτήτες είναι

Διαβάστε περισσότερα

4 η Εργασία (Ηµεροµηνία Παράδοσης: 10-5-2004)

4 η Εργασία (Ηµεροµηνία Παράδοσης: 10-5-2004) Άσκηση (Μονάδες ) 4 η Εργασία (Ηµεροµηνία Παράδοσης: -5-4) Α) Αστροναύτης µάζας 6 Κg βρίσκεται µέσα σε διαστηµόπλοιο που κινείται µε σταθερή ταχύτητα προς τον Άρη. Σε κάποιο σηµείο του ταξιδιού βρίσκεται

Διαβάστε περισσότερα

ΗΜΙΟΥΡΓΙΑ ΙΣΤΟΣΕΛΙ ΑΣ ΣΤΟ MICROSOFT WORD

ΗΜΙΟΥΡΓΙΑ ΙΣΤΟΣΕΛΙ ΑΣ ΣΤΟ MICROSOFT WORD ΗΜΙΟΥΡΓΙΑ ΙΣΤΟΣΕΛΙ ΑΣ ΣΤΟ MICROSOFT WORD Σε ορισµένες περιπτώσεις είναι ιδιαίτερα χρήσιµη η δηµιουργία ιστοσελίδων ενηµερωτικού περιεχοµένου οι οποίες στη συνέχεια µπορούν να δηµοσιευθούν σε κάποιο τόπο

Διαβάστε περισσότερα

Αριθµητική Ανάλυση. ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης. 25 Μαΐου 2010 ΕΚΠΑ

Αριθµητική Ανάλυση. ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης. 25 Μαΐου 2010 ΕΚΠΑ Αριθµητική Ανάλυση Κεφάλαιο 9. Αριθµητική Ολοκλήρωση ιδάσκοντες: Τµήµα Α ( Αρτιοι) : Καθηγητής Ν. Μισυρλής, Τµήµα Β (Περιττοί) : Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 5 Μαΐου 010 ιδάσκοντες:τµήµα Α ( Αρτιοι)

Διαβάστε περισσότερα

ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ

ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Γιώργος Πρέσβης ΜΑΘΗΜΑΤΙΚΑ B ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ ΚΕΦΑΛΑΙΟ Ο : ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΕΠΑΝΑΛΗΨΗ Φροντιστήρια Φροντιστήρια ΜΕΘΟΔΟΛΟΓΙΑ ΑΣΚΗΣΕΩΝ 1η Κατηγορία : Εξίσωση Γραμμής 1.1 Να εξετάσετε

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ 6. Βέλτιστες προσεγγίσεις σε ευκλείδειους χώρους Στο κεφάλαιο αυτό θα ασχοληθούµε µε προσεγγίσεις που ελαχιστοποιούν αποστάσεις σε διανυσµατικούς χώρους, µε νόρµα που προέρχεται

Διαβάστε περισσότερα

Προσδιορισµός της φασµατικής ισχύος ενός σήµατος

Προσδιορισµός της φασµατικής ισχύος ενός σήµατος Προσδιορισµός της φασµατικής ισχύος ενός σήµατος Το φάσµα ενός χρονικά εξαρτώµενου σήµατος µας πληροφορεί πόσο σήµα έχουµε σε µία δεδοµένη συχνότητα. Έστω µία συνάρτηση µίας µεταβλητής, τότε από το θεώρηµα

Διαβάστε περισσότερα

ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΕΠΙΛΟΓΗΣ ΓΙΑ ΟΛΕΣ ΤΙΣ ΚΑΤΕΥΘΥΝΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2002

ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΕΠΙΛΟΓΗΣ ΓΙΑ ΟΛΕΣ ΤΙΣ ΚΑΤΕΥΘΥΝΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ 2002 ΑΡΧΕΣ ΟΙΚΟΝΟΜΙΚΗΣ ΘΕΩΡΙΑΣ ΕΠΙΛΟΓΗΣ ΓΙΑ ΟΛΕΣ ΤΙΣ ΚΑΤΕΥΘΥΝΣΕΙΣ Γ ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΕΚΦΩΝΗΣΕΙΣ Μονάδες ΟΜΑ Α Α Στις προτάσεις από Α µέχρι και Α, να γράψετε στο τετράδιό σας τον αριθµό της καθεµιάς και

Διαβάστε περισσότερα

2.2.3 Η εντολή Εκτύπωσε

2.2.3 Η εντολή Εκτύπωσε 2.2.3 Η εντολή Εκτύπωσε Η εντολή Εκτύπωσε χρησιµοποιείται προκειµένου να εµφανίσουµε κάτι στην οθόνη του υπολογιστή. Για τον λόγο αυτό ονοµάζεται και εντολή εξόδου. Ισοδύναµα µπορεί να χρησιµοποιηθεί και

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΣΗΜΕΙΩΣΕΙΣ ΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΣΗΜΕΙΩΣΕΙΣ ΥΝΑΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ Επιµέλεια Σηµειώσεων : Βασιλειάδης Γεώργιος Θεσσαλονίκη 2012 2 Περιεχόµενα 1 υναµικός

Διαβάστε περισσότερα

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Σύνθεση Πανοράµατος Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ II ΕΚΦΩΝΗΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ II ΕΚΦΩΝΗΣΕΙΣ ΜΑΘΗΜΑΤΙΚΑ II ΕΠΑΛ (ΟΜΑ Α Β ) ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α A Έστω f µια συνάρτηση ορισµένη σε ένα διάστηµα Αν F είναι µια παράγουσα της f στο, τότε να αποδείξετε ότι: όλες οι συναρτήσεις της µορφής G() F() + c, c

Διαβάστε περισσότερα