ΕΠΛ Τεχνητή Νοηµοσύνη
|
|
- Καλλιστώ Κούνδουρος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 ΕΠΛ 604 Τεχνητή Νοηµοσύνη ***************** Κώστας Νεοκλέους, PhD Τηλέφωνο Γραφείου: Βοηθήµατα: ΕΠΛ Τεχνητή Νοηµοσύνη ************************** Arbib M. (1995). The Handbook of Brain Theory and Neural Networks. MA: MIT Press. Cichocki A. & Unbehauen R. (1993). Neural Networks for Optimization and Signal Processing. London: John Wiley and Sons Ltd. Eberhart R., Simpson P. & Dobbins R. (1996). Computational Intelligence PC Tools. MA: Academic Press. Fausett L. (1994). Fundamentals of Neural Networks. NJ: Prentice Hall. Ham F. & Kostanic I. (2001). Principles of Neurocomputing for Science and Engineering. NY, McGraw-Hill Co. Hassoun M. (1995). Fundamentals of Artificial Neural Networks. MA: MIT Press. Haykin S. (1994). Neural Networks: A Comprehensive Foundation. NY: Macmillan College Publishing Co. Hertz J., Krogh A. & Palmer R. (1991). Introduction to the Theory of Neural Computation. MA: Addison - Wesley Publishing Co. Rosenzeig M. & Leiman A. (1989). Physiological Psychology. NY: Random House. Rumelhart D. E., Hinton G. E. and McClelland J. L. (1986). In McClelland J. L., Rumelhart D. E. and the PDP Research Group (Eds.). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Vol. 1. Foundations. Cambridge, MA: MIT Press. Simpson P. (1990). Artificial Neural Systems: Foundations, Paradigms, Applications and Implementations. NY: Pergamon Press Inc. Zurada J. (1995). Introduction to Artificial Neural Systems. St. Paul: PWS Publishing Company.
2 ΕΠΛ 604 Τεχνητή Νοηµοσύνη ***************** Neural Networks Νευρωνικά ίκτυα Εισαγωγή ΕΠΛ 604 Τεχνητή Νοηµοσύνη Τεχνητά Νευρωνικά ίκτυα 3 ώρες την εβδοµάδα: ευτέρα στην αίθουσα Ε109 Πέµπτη στην αίθουσα Ε109 Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 4
3 ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (ΤΝ) (Artificial Intelligence - AI) Τι είναι η νοηµοσύνη; Είναι πολύ δύσκολο να προσδιοριστεί. εν υπάρχει καθολική συµφωνία για το τι είναι. εν χρειάζεται ακριβής ορισµός της νοηµοσύνης, όπως δεν χρειάζεται να ορίσουµε πολλές άλλες έννοιες για να τις αντιληφθούµε και να τις χρησιµοποιήσουµε. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 5 TI EINAI ΝΟΗΜΟΣΥΝΗ ; Ο Terman* εισηγείται ότι είναι η ικανότητα για αφαιρετική σκέψη. Οι περισσότεροι όµως ψυχολόγοι συµφωνούν ότι είναι η ικανότητα για αποτελεσµατική προσαρµογή προς το περιβάλλον που γίνεται µε αλλαγή στον οργανισµό, ή µε αλλαγή ή και δηµιουργία νέου περιβάλλοντος. Με την όρο αποτελεσµατική προσαρµογή εννοείται συνήθως η αλλαγή που δηµιουργεί πλεονέκτηµα, όπως παρουσιάζεται κυρίως µέσα από αντίληψη, µάθηση, µνήµη, λογική,... * Terman L. (1916). The uses of intelligence tests. Ιn The measurement of intelligence. Boston, Houghton Mifflin. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 6
4 ΟΡΙΣΜΟΣ ΤΗΣ ΝΟΗΜΟΣΥΝΗΣ Εποµένως, η νοηµοσύνη δεν καθορίζεται από ένα µόνο χαρακτηριστικό, αλλά από σύνολο, που όλα µαζί την προσδιορίζουν. Ένας πιο πρακτικός ορισµός θα µπορούσε να είναι: Η γενική ικανότητα που εκφράζεται µέσα από τις διαδικασίες υπολογισµών, λογικής, διακρίβωσης, µάθησης, χρήσης γλώσσας, αντίληψης του περιβάλλοντος σε διαφορετικούς βαθµούς λεπτοµέρειας, εξοικείωσης σε νέο περιβάλλον, και επινόησης. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 7 ΝΟΗΜΟΣΥΝΗ Βέβαια µε τους προηγούµενους ορισµούς, δηµιουργούνται άλλα ερωτήµατα όπως για παράδειγµα, τι εννοείται µε τις λέξεις υπολογισµός, λογική, διακρίβωση, µάθηση κλπ. Με βάση τα πιο πάνω, θα µπορούσαµε να πούµε ότι οι άνθρωποι είναι τα µόνα νοήµονα όντα στο πλανήτη γη. Οι άλλοι ζωντανοί οργανισµοί έχουν µειωµένη νοηµοσύνη στο βαθµό που ικανοποιούν µόνο µερικώς τα πιο πάνω χαρακτηριστικά. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 8
5 ΝΟΗΜΟΣΥΝΗ Ηνοηµοσύνη, όπως προσδιορίστηκε, είναι µια γενική (συλλογική) χαρακτηριστική ιδιότητα του ατόµου. Αυτή θα µπορούσε να συγκεκριµενοποιηθεί σε επί µέρους είδη νοηµοσύνης. Ο Gardner* του Πανεπιστηµίου Χάρβαρντ, στη θεωρία του για πολλαπλή νοηµοσύνη εισηγείται επτά διαφορετικά είδη νοηµοσύνης (γλωσσική, λογική-µαθηµατική, σωµατικήκιναισθητική, οπτική-χωρική, µουσική, διαπροσωπική, αυτογνωσιακή). * Gardner H. (1983). Frames of Mind: A Theory of Multiple Intelligences. New York. Basic Books, Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 9 ΒΙΟΛΟΓΙΚΗ και ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Ένα από τα πιο διαδεδοµένα µοντέλα που χρησιµοποιούνται για να εξηγήσουν τις ανώτερες πνευµατικές λειτουργίες (συµπεριλαµβανοµένης της νοηµοσύνης), είναι αυτό που θα ονοµάζαµε «σύστηµα κατανεµηµένης επεξεργασίας» (distributed representation and processing) ή «συνδετική υπόθεση» (connectionism) [(Rumelhart and McClelland, 1986); (Churchland and Sejnowski, 1992)]. Στο µοντέλο αυτό οι έννοιες δεν «υπάρχουν» σε κάποιο συγκεκριµένο µέρος του εγκεφάλου, αλλά είναι κατανεµηµένες σε πολλούς παράλληλους επεξεργαστές. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 10
6 ΒΙΟΛΟΓΙΚΗ και ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Πιστεύεται δηλαδή, ότι οι ανώτερες λειτουργίες θα µπορούσαν να µοντελοποιηθούν και µελετηθούν µε υπολογιστικάσυναρτησιακά συστήµατα (functional- computational intelligent systems), µέσα από κατανεµηµένες διαδικασίες. Οι ανώτερες πνευµατικές λειτουργίες θεωρούνται ότι είναι αναδυόµενες ιδιότητες (emerging properties), που πηγάζουν από σύνολο απλών επεξεργασιών, µέσα από ένα συστηµατικό και δυναµικό πλέγµα αλληλοεπιδράσεων. Οι έννοιες είναι παράλληλα κατανεµηµένες σε οµάδες επεξεργαστών, σε στοιβάδες ή στρώµατα (ή επίπεδα). Έτσι δηµιουργείται µια οικονοµία στη µνήµη και στην επεξεργασία, γιατί κάποιο στοιχείο µπορεί να συµβάλλει σε πολλές διαφορετικές έννοιες. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 11 ΒΙΟΛΟΓΙΚΗ και ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Λόγω της παραλληλικότητας, η επεξεργασία γίνεται πολύ γρήγορα, και η σταθερότητα (robustness) του συστήµατος είναι µεγάλη. Αυτό το µοντέλο είναι πιο συµβατό µε τη διαπίστωση ότι είναι αδύνατο να δώσουµε ακριβείς ορισµούς αντικειµένων και ιδεών, όχι µόνο γιατί είναι αδύνατο να προσδιορίσουµε τα όρια, αλλά και διότι είναι µια ατέρµονη διαδικασία όπου το κάθε τι θα πρέπει να οριστεί µε βάση άλλους όρους που ορίσθηκαν προηγουµένως κ.ο.κ. Φαίνεται ότι οι ασαφείς αντιλήψεις είναι σηµαντικές στην ανάπτυξη της νόησης. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 12
7 ΒΙΟΛΟΓΙΚΗ και ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Ένα πιο εξελιγµένο συνδετικό µοντέλο, είναι η µοντελοποίηση της αντίληψης ως δυναµικό σύστηµα. Σ αυτό, οι διαδικασίες προσοµοιάζονται σαν ένα σύστηµα από δυναµικά αλληλοεξαρτώµενους επεξεργαστές, που αλληλοεπηρεάζονται σε συνεχή χρόνο. Σε µαθηµατική προσοµοίωση, συνήθως χρησιµοποιούνται διαφορικές εξισώσεις για τη µελέτη του συστήµατος. Έτσι, οι εκδηλώσεις συµπεριφοράς (και νοηµοσύνης) θεωρούνται ότι προσοµοιάζονται από τη διαδροµή (ίχνος) στο χρόνο, του πολυ-παραµετρικού δυναµικού συστήµατος. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 13 ΒΙΟΛΟΓΙΚΗ και ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Τα προηγούµενα µοντέλα είναι πολύ διαφορετικά από το λεγόµενο «συµβολιστικό µοντέλο αντίληψης» ή «συµβολιστική υπόθεση» (physical systems symbol hypothesis) των Newell και Simon, όπου η γνώση και η νοηµοσύνη θεωρούνται ότι µπορούν να αναδυθούν µε τρόπους και διαδικασίες που µοιάζουν µε αυτές που προτείνονται για την ανάπτυξη της γλώσσας (language). Άλλοι σηµαντικότατοι ερευνητές που υποστήριξαν/ζουν αυτή τη θεωρία είναι οι Chomski, Minsky, Fodor και Pylyshyn). Αυτό το µοντέλο θεωρείται ότι είναι πιο κοντά στη κλασσική τεχνητή νοηµοσύνη. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 14
8 ΒΙΟΛΟΓΙΚΗ και ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Σύµφωνα µε αυτή τη θεωρία, χρησιµοποιώντας µερικές βασικές έννοιες και βασικές λογικές επεξεργασίες, µέσα από ακριβείς κανόνες και κατάλληλους συνδυασµούς, γίνεται η σύνθεση πολύπλοκων εννοιών και έτσι εκδηλώνεται αναδυόµενη νοηµοσύνη. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 15 ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (TN) Ασθενής προσέγγιση Ισχυρή προσέγγιση Πιστεύεται ότι η ανθρώπινη γνώση/νόηση ή ειδικές εκφάνσεις αυτής µπορεί να προσοµοιαστούν σε υπολογιστικά συστήµατα. Πιστεύεται ότι η ανθρώπινη γνώση/νόηση µπορεί να εκδηλωθεί αυτόµατα σε υπολογιστικά συστήµατα. Κλασσική υπολογιστική (symbolic AI) Όπως εκφράζεται µέσα από συµβολιστικές οντότητες, οι οποίες µπορούν να κωδικοποιηθούν σε απλά δυαδικά συστήµατα (και όχι µόνον). Μερικοί σηµαντικοί εκφραστές είναι οι Dennet, Newell και Simon, Chomski, Minsky, Fodor και Pylyshyn Συνδετική υπολογιστική (connectionism) Όπως εκφράζεται µέσα από µη-συµβολιστικές µεθόδους π.χ. τα ΤΝ. Οι γνωστικές εκδηλώσεις παρουσιάζονται σαν µια δυναµικά αναδυόµενη συµπεριφορά, κατανεµηµένη σε στρώµατα συνδεδεµένων κυττάρων, που εξελίσσεται και παρουσιάζεται σε συνάρτηση µε τις άµεσες ή/και έµµεσες εµπειρίες του ατόµου. Μερικοί σηµαντικοί εκφραστές είναι οι Smolensky και Hameroff. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 16
9 ΜΕΘΟ ΟΙ ΜΕΛΕΤΗΣ ΤΗΣ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ Τεχνητά νευρωνικά δίκτυα (Artificial neural networks) Εµπειρογνώµονα συστήµατα (Expert systems) Τεχνητή ζωή (Artificial life) Γενετικοί αλγόριθµοι (Genetic algorithms) Ασαφής λογική (Fuzzy logic) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 17 Βασικά φιλοσοφικά ερωτήµατα Μπορεί ο ανθρώπινος εγκέφαλος να κατανοήσει τον ίδιο τον εαυτό του; Μπορεί ένας βιολογικός εγκέφαλος να δηµιουργήσει τεχνητό εγκέφαλο και τεχνητή νοηµοσύνη; Μήπως αυτό που λέµε νοηµοσύνη είναι µια εντελώς υποκειµενική γνώση; Ποια η σχέση µε τη λογική, µνήµη, συνείδηση, αίσθηση,... Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 18
10 Βασικά φιλοσοφικά ερωτήµατα Πως ο εγκέφαλος επεξεργάζεται τις λογικές διαδικασίες; Πως δηµιουργείται η αντίληψη, αίσθηση, λογική, ευφυΐα,... Τι είναι η µνήµη; Μπορεί να υπάρχει συλλογική, εθνική µνήµη; Πως κωδικοποιούνται οι αριθµοί, οι λέξεις, οι έννοιες; Πως επεξεργάζεται ο εγκέφαλος µε την ίδια ευκολία ασαφείς και ακριβείς έννοιες; Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 19 ΕΙΣΑΓΩΓΗ ΣΤΑ ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ (ΤΝ ) Είναι ευέλικτα, µη-γραµµικά συστήµατα πολλών συνεργαζόµενων επεξεργαστών, που µεταξύ άλλων, βοηθούν στη: Μελέτη βιολογικών ιδιοτήτων. Επεξεργασία δεδοµένων. Αντιστοίχηση (mapping) και τη διακρίβωση σχέσεων µεταξύ µεταβλητών Πρόγνωση. Μελέτη δυναµικών συστηµάτων. Ανάπτυξη προσαρµοζόµενων συστηµάτων επεξεργασίας σήµατος και ελέγχου διαδικασιών. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 20
11 ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Επεξεργάζονται δεδοµένα εισόδου, συνήθως δυναµικά, και η συµπεριφορά τους προσοµοιάζει κάπως µε µερικές εκφάνσεις της λειτουργίας του ανθρώπινου εγκεφάλου. Ελπίζεται ότι µέσα από την αυτόνοµη ανάπτυξη αυτών των συστηµάτων, θα εκδηλωθεί κάποιας µορφής νοηµοσύνη, και σταδιακά ευφυία. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 21 ΜΕΡΙΚΕΣ ΧΡΗΣΙΜΕΣ Ι ΙΟΤΗΤΕΣ ΤΩΝ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Συνήθως εκπαιδεύονται µε διδασκαλία. Είναι ανεκτικά σε λάθη (fault tolerant). Μπορούν να προβούν σε συµπεράσµατα για κάτι που δεν έχουν διδαχτεί επαρκώς (γενίκευση). Αν τα δεδοµένα αλλάξουν τότε χρειάζονται επανεκπαίδευση (re-training). Μπορεί να γίνει ανάπτυξη πολλών µοντέλων για την ίδια εφαρµογή. Οι κανόνες είναι κωδικοποιηµένοι σε µια κατάσταση κατανοµής συνδέσεων και βαρών. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 22
12 Τεχνητά Νευρωνικά ίκτυα Οι κύριοι λόγοι για τη ραγδαία ανάπτυξη της έρευνας γύρω από ΤΝ είναι: Εφαρµογή τους σε ενδιαφέροντα θέµατα όπως: η επεξεργασία γνώσης ο αυτόµατος έλεγχος - robots η ταξινόµηση, η οµιλία (speech) η όραση (vision) κ.α. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 23 Μετρήστε τις µαύρες κουκίδες! Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 24
13 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Κατηγοριοποίηση εφαρµογών: (Classification of applications) Για ένα νευρωνικό σύστηµα που µοντελοποιείται όπως πιο κάτω: x(t) dy dt ( t ) = ψ(y(t), x(t), W(t)) Ανάλογα µε το τι είναι το επιδιωκόµενο y(t), το σύστηµα µπορεί να ταξινοµηθεί καταλλήλως. Τα διανύσµαταθασυµβολίζονται µε έντονα-µικρά σύµβολα (x, y,...) Οι πίνακες θα συµβολίζονται µε έντονα-κεφαλαία σύµβολα (W,...) Οι βαθµωτές µεταβλητές θα συµβολίζονται µε κυρτά-µικρά σύµβολα (t,...) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 25 y(t) όπου: x Є R nx1 y Є R qx1 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ x(t) dy dt ( t ) = ψ(y(t), x(t), W(t)) Εάν το επιδιωκόµενο είναι: να βρεθεί η ακριβής δυναµική (ή στατική) συσχέτιση µεταξύ εισόδουεξόδου, το σύστηµα θεωρείται ότι κάνει συναρτησιακή προσέγγιση (function approximation ή system identification) όπως για παράδειγµα σε προβλήµατα αυτοµάτου ελέγχου. να βρεθεί χαλαρή συσχέτιση µεταξύ δεδοµένων εισόδου-εξόδου, το σύστηµα θεωρείται ότι κάνει γενίκευση. να βρεθεί συσχέτιση µεταξύ δεδοµένων εισόδου-εξόδου ώστε η έξοδος να ταξινοµείται σε κατηγορίες, το σύστηµα θεωρείται ότι κάνει αναγνώριση προτύπων (pattern recognition) ή κατηγοριοποίηση (classification) ανάλογα µε το πεδίο εφαρµογής. y(t) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 26
14 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ x(t) dy dt ( t ) Εάν το επιδιωκόµενο είναι: = ψ(y(t), x(t), W(t)) να βρεθεί χαλαρή συσχέτιση µεταξύ δεδοµένων εισόδου-εξόδου ώστε το σύστηµα να κάνει επέκταση στο χώρο ή χρόνο, το σύστηµα θεωρείται ότι κάνει πρόβλεψη (prediction, forecasting). να βρεθεί η ακριβής συσχέτιση µεταξύ εισόδου-εξόδου ώστε q <<< n, το σύστηµα θεωρείται ότι κάνει οµαδοποίηση (clustering) ή συµπίεση δεδοµένων (compression). να βρεθεί συσχέτιση µεταξύ εισόδου-εξόδου ώστε να µεγιστοποιηθεί (ή ελαχιστοποιηθεί) κάποιο κατάλληλο κριτήριο, τότε το πρόβληµα µετατρέπεται σε βελτιστοποίηση (optimization). y(t) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 27 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ x(t) dy dt ( t ) = ψ(y(t), x(t), W(t)) y(t) Εάν το επιδιωκόµενο είναι να βρεθεί νέα συσχέτιση µεταξύ δεδοµένων εισόδου-εξόδου ώστε το σύστηµα να κάνει µακρινή και άγνωστη επέκταση στο χωροδιάστηµα, το σύστηµα θεωρείται ότι κάνει σύνθεση! Επιπρόσθετα οι εφαρµογές µπορεί να ταξινοµηθούν ως βασική (ή θεµελιώδης) έρευνα για τη κατανόηση στοιχείων της νόησης (µνήµη, αναγνώριση,...) ή της βιολογικής λειτουργίας του εγκεφάλου, καθώς και εφαρµοσµένη που στοχεύει σε πρακτικές εφαρµογές. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 28
15 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ΕΙ ΙΚΕΣ ΠΕΡΙΠΤΩΣΕΙΣ: Συνδυαστική µνήµη: (associative memory, pattern addressable memory) Μεγάλα αυτιά Μεγάλα µάτια Μεγάλα δόντια Καλός Ρυτιδωµένος Ωραίος ΛΥΚΟΣ ΓΙΑΓΙΑ ΞΥΛΟΚΟΠΟΣ Τρέξε µακριά Φώναξε για βοήθεια Βρες τον ξυλοκόπο Φιλί στο µάγουλο Προσέγγισε Πρόσφερε φαγητό Φλέρταρε Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 29 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Στις µηχανικές επιστήµες: Μοντελοποίηση µηχανολογικών διαδικασιών (ηλιακή ενέργεια, εστίες,...) Ροµποτική και αυτόνοµα οχήµατα (Robotics and autonomous vehicles) Αυτόµατος έλεγχος (Automatic control systems) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 30
16 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Αναγνώριση προτύπων: Αναγνώριση σήµατος, οµιλίας, γραφής, εικόνας, οµιλητή. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 31 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ιαγνωστική: Σε ECG, EEG, EMG, ιακρίβωση εκρηκτικών και στόχων: Αυτόµατα συστήµατα σε αεροδρόµια και στρατιωτικές εφαρµογές. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 32
17 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ιακρίβωση βλαβών: Σε µηχανές και συστήµατα. Ανάλυση σηµάτων: Σεισµικά, οπτικά, ακουστικά,... Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 33 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Τεχνητή ακοή, όραση: Ο Kovaks και οι συνεργάτες του, κατασκεύασαν µία διδιάστατη µικροηλεκτρική πλακέτα στην οποία έβγαλαν τρύπες διαµέτρου 8µm (µε λέιζερ). [Σηµ. Οι νευρίτες των νευρώνων έχουν διάµετρο περίπου 20µm]. Όταν αυτές τοποθετήθηκαν κοντά σε νευρικά κύτταρα, οι νευρίτες άπλωσαν µέσα στις τρύπες! Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 34
18 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Σύστηµα βοήθειας σε τετραπληγικούς: Με τη σκέψη τους µπορούν να κάνουν απλές εργασίες όπως άνοιγµα και κλείσιµο θύρας, έλεγχος φωτισµού, κ.α. Οµαδοποίηση δεδοµένων: (Data clustering and compression) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 35 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Πρόβλεψη (Prediction and forecasting): είκτες αγοράς και απάτες µε κάρτες Φορτία ενεργειακών δικτύων Πιθανές περιοχές µε πλούσια ορυκτά Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 36
19 ΕΦΑΡΜΟΓΕΣ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ Βελτιστοποίηση (Optimization): Στη λήψη αποφάσεων σε προβλήµατα διοίκησης. Πρόβληµα κίνησης πλασιέ (Traveling salesman problem - TSP) Σύνθεση: Σύνθεση µουσικής και οµιλίας ηµιουργία νέων υλικών Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 37 ΜΕΡΙΚΑ ΕΜΠΟΡΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΤΝ MATLAB Neural Network Toolbox Ward Systems Group (NeuroShell, etc.) SAS Enterprise Miner Software BrainMaker NeuralWorks NeuroForecaster Products of NESTOR, Inc. Neuralyst NeuFuz4 και πολλά άλλα Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 38
20 Έρευνα σχετικά µε Τεχνητά Νευρωνικά ίκτυα Πολλές δηµοσιεύσεις έχουν στρέψει τελευταίως τα βλέµµατα πολλών επιστηµόνων στα νευρωνικά δίκτυα. Παρουσιάζονται µεγάλες πηγές χρηµατοδότησης. Στις ΗΠΑ, για έρευνα και ανάπτυξη (R&D) σε νευρωνικά δίκτυα διατίθενται περίπου 1500 ανθρωποέτη από 350 πανεπιστήµια και εταιρείες. Περίπου στα ίδια επίπεδα κυµαίνεται και το R&D στην Ιαπωνία. Στην Ευρώπη συµµετέχουν 250 πανεπιστήµια και εταιρείες. Ο συνολικός προϋπολογισµός για έρευνα και ανάπτυξη στον τοµέα των τεχνητών νευρωνικών δικτύων ήταν ~$500Μ. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 39 Τεχνητά Νευρωνικά ίκτυα και Στατιστικές Μέθοδοι Σύγκριση ορολογίας Υπάρχει µια διάχυτη αντιπαράθεση µεταξύ στατιστικολόγων και νευροεπιστηµόνων. Προς το παρών φαίνεται ότι η καλύτερη προσέγγιση είναι να χρησιµοποιούνται στατιστικές µέθοδοι εκεί που έχουν µεγαλύτερο πλεονέκτηµα, όπως στη προεπεξεργασία και µετ-επεξεργασία των δεδοµένων εισόδου και εξόδου, ενώ τα τεχνητά νευρωνικά δίκτυα στην κυρίως επεξεργασία, ειδικότερα όταν το πρόβληµα είναι σύνθετο. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 40
21 Τεχνητά Νευρωνικά ίκτυα και Στατιστικές Μέθοδοι Πολλά από τα µοντέλα των τεχνητών νευρωνικών δικτύων, ειδικότερα τα µη-δυναµικά, έχουν οµοιότητες µε γνωστές στατιστικές µεθόδους όπως: Generalized linear models Polynomial regression Non-parametric regression Discriminant analysis Principal components Cluster analysis Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 41 Τεχνητά Νευρωνικά ίκτυα και Στατιστικές Μέθοδοι Σύγκριση ορολογίας ΣΤΑΤΙΣΤΙΚΗ Variables Independent variables Predicted values Dependent variables Residuals Estimation Estimation criterion Observations Parameter estimates Interactions Transformations Regression and discriminant analysis Data reduction Cluster analysis Interpolation and extrapolation ΤΝ Features Inputs Outputs Targets or training values Errors Training, learning, adaptation, or self-organization. Error function, Cost function, or Lyapunov function Patterns or training pairs (Synaptic) weights Higher-order neurons Functional links Supervised learning or heteroassociation Unsupervised learning, encoding, or autoassociation Competitive learning or adaptive vector quantization Generalization Οι στατιστικοί όροι sample και population δεν έχουν αντίστοιχους στα τεχνητά νευρωνικά δίκτυα. Συνήθως τα δεδοµένα χωρίζονται σε training set, test set for cross-validation, και σε verification set. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 42
22 Τέλος της εισαγωγής στα τεχνητά νευρωνικά δίκτυα Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 43 Ασαφή Συστήµατα (ΑΣ) (Fuzzy Systems - FS) Η ασαφής λογική (fuzzy logic) είναι ένα υπερσύνολο της λογικής Bool (Boolean logic) που επινοήθηκε κυρίως για να λογικοποιήσει τις µισοαλήθειες, τα παράδοξα, και γενικά τη δυνατότητα να έχουµε τιµές αληθείας (truth values) που να επεκτείνουν το κλασσικό δυαδικό σύστηµα (ορθό λάθος) σε µερικώς ορθό ή λίγο λάθος. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 44
23 Ασαφή Συστήµατα ιαφορά µεταξύ ασαφούς και σαφούς λογικής: Στη σαφή (ήδυαδική) λογική, το αποτέλεσµα µπορεί να είναι ορθό ή λάθος µόνο: π.χ. 1+1=2 Όµως ο κόσµος και οι µεταβλητές που τον περιγράφουν είναι κατά το πλείστον ασαφή π.χ. Κάνει/είναι κρύο, ΗΜαρίαείναιψηλή, Είναι πράσινο,... Υπάρχουν ασάφειες λόγω πιθανότητας και λόγω αδυναµίας προσδιορισµού διαχωριστικής γραµµής µεταξύ πραγµάτων και ιδεών. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 45 Ασαφή Συστήµατα Ηασαφής λογική επεκτείνει τη δυαδική λογική του: Ναι/Όχι, Σωστό/Λάθος, Μαύρο/Άσπρο, Πάνω/Κάτω,... ώστε να επιτρέπονται και άλλες τιµές. ίνεται υπερβάλλουσα σηµασία στη λέξη fuzzy γιατί βοηθά στις πωλήσεις. Από τους κύριους επινοητές ήταν ο πέρσης Lotfi Zadeh του Πανεπιστηµίου της Καλιφόρνιας στο Μπέρκλευ µε σηµαντική εργασία που έκανε το Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 46
24 Ασαφή Συστήµατα Παράδειγµα: Πότε είναι κάποιος/αψηλός/ή; Εάν P είναιτοσύνολοανθρώπωνκαιh το ύψος τους, το ασαφές υποσύνολο µ(h) που µπορεί να απαντήσει στη πιο πάνω ερώτηση είναι: µ(h) = 0 ( h 1,5) 0,7 1 εάν h < 1,5 m εάν 1,5 h 2,2 m εάν h > 2,2 m Όπου µ(h) είναι γνωστή ως συνάρτηση συµµετοχής ή µέλους (membership function) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 47 µ(h) 1 Ασαφή Συστήµατα Συναρτήσεις µέλους (membership functions): Ύψος, h [m] Τέτοιες συναρτήσεις µπορούν να κατασκευαστούν και για άλλες παραµέτρους και να δηµιουργηθεί ασαφές λογικό σύστηµα µε κανόνες όπως για παράδειγµα: Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 48
25 Ασαφή Συστήµατα Μερικές συναρτήσεις µέλους από το αρχείο της MATLAB: trapmf gbellmf trimf gaussmf gauss2mf smf zmf psigmf dsigmf pimf sigmf Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 49 Ασαφή Συστήµατα Ένας κανόνας ασαφούς λογικού συστήµατος: AND Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 50
26 Εφαρµογές: Ασαφή Συστήµατα Οι περισσότερες εφαρµογές των ασαφών συστηµάτων είναι σε συστήµατα αυτοµάτου ελέγχου, σε πληροφοριακά συστήµατα και σαν βοηθητικά στη λήψη αποφάσεων. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 51 Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 52
27 Εξελισσόµενα Συστήµατα (ΕΣ) (Evolutionary Systems ES) Είναι µια ειδική τεχνική που τελευταίως έχει πάρει µεγάλη ανάπτυξη. Συνήθως είναι είναι γνωστοί σαν Γενετικοί Αλγόριθµοι (ΓΑ) [Genetic Algorithms (GA)] Είναι αλγόριθµοι για βελτιστοποίηση και για αναζήτηση. (Algorithms for optimization and search) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 53 Γενετικοί Αλγόριθµοι Αρχικά µελετήθηκαν κυρίως από τον John Holland του Πανεπιστηµίου Μίσιγκαν στη δεκαετία του 70. Προσοµοιάζουν σε µεγάλο βαθµό τις διαδικασίες της φυσικής βιολογικής εξέλιξης. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 54
28 Γενετικοί Αλγόριθµοι Μεταξύ πολλών άλλων, χρησιµοποιούνται κυρίως σε: Βελτιστοποίηση συναρτήσεων Function optimization Επιχειρησιακή έρευνα Operations research Μάθηση τεχνητών νευρωνικών δικτύων Learning in artificial neural networks Εξέλιξη νέων τοπολογιών τεχνητών νευρωνικών δικτύων Evolution of new artificial neural network architectures Εξέλιξη ασαφών κανόνων Evolution of fuzzy rules Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 55 Γενετικοί Αλγόριθµοι Έχουν πάρει µεγάλην ανάπτυξη λόγω κυρίως της απλότητας τους, της εφαρµογής τους σε µεγάλα προβλήµατα βελτιστοποίησης, της ικανότητας τους να βρίσκουν καθολικές (global) λύσεις και της πληθώρας εφαρµογών. Σταδιακά εισήχθησαν και άλλες παρόµοιες τεχνικές από πολλούς άλλους επιστήµονες. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 56
29 Εξελισσόµενα Συστήµατα Γενικότεροι όροι είναι οι: Εξελισσόµενη υπολογιστική (Evolutionary Computation - EC) ή Εξελισσόµενοι αλγόριθµοι (Evolutionary Algorithms- EA) Περιλαµβάνουν τους: Γενετικούς Αλγορίθµους (Genetic Algorithms - GA) Γενετικό Προγραµµατισµό (Genetic Programming - GP) Εξελισσόµενο Προγραµµατισµό (Evolutionary Programming - EP) Εξελισσόµενο Υλισµικό (Evolutionary hardware - EHW) Εξελισσόµενες Στρατηγικές (Evolutionary Strategies - ES) Συστήµατα Μάθησης Προτύπων (Learning Classifier Systems - LCS) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 57 Γενετικοί Αλγόριθµοι- Εφαρµογές Σχεδιασµός µηχανικών συστηµάτων (Design of engineering systems) Βελτιστοποίηση περίπλοκων διαδικασιών (Optimization of complex processes) ιάγνωση σφαλµάτων (Fault diagnosis) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 58
30 Γενετικοί Αλγόριθµοι- Εφαρµογές Μάθηση τεχνητών νευρωνικών δικτύων (Learning in artificial neural networks) Ανίχνευση νέων αρχιτεκτονικών νευρωνικών δικτύων (Finding new architectures of artificial neural networks) Σύνθεση µουσικής (Music composition) Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 59 Συστήµατα Τεχνητής Ζωής (ΣΤΖ) (Artificial Life Systems ALS) Είναι υπεραπλουστευµένη προσοµοίωση απλών «ζωντανών» οργανισµών. Έχουν πολλά κοινά µε τα κυτταρικά αυτόµατα (cellular automata). Χρησιµοποιούν απλούς κανόνες για αυτοοργάνωση. π.χ. Παιγνίδι της ζωής του Conway Συχνά παρουσιάζονται προβλήµατα πολυπλοκότητας και χάους. Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 60
31 Συστήµατα Τεχνητής Ζωής Μπορεί να παρουσιάσουν αναδυόµενη συµπεριφορά. (emerging behaviour) ΧΡΗΣΙΜΟΠΟΙΟΥΝΤΑΙ ΣΕ: Προβλήµατα βελτιστοποίησης Μάθηση νευρωνικών δικτύων... Πανεπιστήµιο Κύπρου Τµήµα Πληροφορικής ΕΠΛ 604 Νευρωνικά ίκτυα Κ. Νεοκλέους, PhD 61 ΕΠΛ 604 Τεχνητή Νοηµοσύνη ***************** Τέλος Εισαγωγής Κώστας Νεοκλέους, PhD Τηλέφωνο Γραφείου:
Μάθημα 1: Εισαγωγή στην. Υπολογιστική Νοημοσύνη
Υπολογιστική Νοημοσύνη Μάθημα 1: Εισαγωγή στην Υπολογιστική Νοημοσύνη Εισαγωγή Ένας δυναμικά αναπτυσσόμενος κλάδος της Πληροφορικής είναι η Υπολογιστική Νοημοσύνη. Η Υπολογιστική Νοημοσύνη αποτελεί ένα
Διαβάστε περισσότεραΕισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
Εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα Τεχνητή Νοημοσύνη (Artificial Intelligence) Ανάπτυξη μεθόδων και τεχνολογιών για την επίλυση προβλημάτων στα οποία ο άνθρωπος υπερέχει (?) του υπολογιστή Συλλογισμοί
Διαβάστε περισσότεραΕισαγωγή στη Γνωστική Ψυχολογία. επ. Κωνσταντίνος Π. Χρήστου
Εισαγωγή στη Γνωστική Ψυχολογία Inside the black box για µια επιστήµη του Νου Επιστροφή στο Νου Γνωστική Ψυχολογία / Γνωσιακή Επιστήµη Inside the black box για µια επιστήµη του Νου Επιστροφή στο Νου Γνωστική
Διαβάστε περισσότεραΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ
ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ 1. ΓΕΝΙΚΑ ΣΧΟΛΗ ΤΜΗΜΑ ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Μηχανικών Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών Προπτυχιακό ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ Ζ.Γ.3 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 7 ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Υπολογιστική Νοημοσύνη
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: GP401 Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Τηλ: 22892239 Ηλ. Ταχ.: gmitsis@ucy.ac.cy Βιβλιογραφία C. M.
Διαβάστε περισσότεραΣτοιχεία εισηγητή Ημερομηνία: 10/10/2017
Θέμα μεταπτυχιακής διατριβής: Λογισμικά μελέτης και σχεδίασης ρομποτικών συστημάτων - συγκρτική μελέτη και εφαρμογές. 1) Μελέτη των δημοφιλών λογισμικών σχεδίασης ρομποτικών συστημάτων VREP και ROS. 2)
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Εισαγωγή «Τεχνητή Νοημοσύνη (Artificial Intelligence) είναι ο τομέας της Επιστήμης
Διαβάστε περισσότερα4.3. 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 περισσότεραΜΑΘΗΜΑΤΑ ΤΜΗΜΑΤΟΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ ΠΑΡΑ ΟΣΕΙΣ ΑΣΚΗΣΕΙΣ ΚΑΘΗΓΗΤΕΣ/ΤΡΙΕΣ
Τεχνικές Προγραµµατισµού Εισαγωγή στον Προγραµµατισµό Γλώσσες Προγραµµατισµού, Θεωρία Γλωσσών Προγραµµατισµού 1999-2002 Θεωρία Γλωσσών 1996-2000, 2000-2002 Αρχές Γλωσσών Προγραµµατισµού 2002-2005 Τυπικές
Διαβάστε περισσότεραΕισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων
Σημειώσεις στα πλαίσια του μαθήματος: Βελτιστοποίηση Συστημάτων Υδατικών Πόρων Υδροπληροφορική Εισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων Ανδρέας Ευστρατιάδης, Χρήστος Μακρόπουλος
Διαβάστε περισσότεραΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ. 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ
ΜΑΘΗΜΑ: Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ 1 η ΘΕΜΑΤΙΚΗ ΕΝΟΤΗΤΑ: ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Στόχος Θεματικής Ενότητας Οι μαθητές να περιγράφουν τους βασικούς τομείς της Επιστήμης των Υπολογιστών και να μπορούν
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΤΝ)
Τεχνητή Νοημοσύνη (ΤΝ) (Artificial Intelligence (AI)) Η ΤΝ είναι ένα από τα πιο νέα ερευνητικά πεδία. Τυπικά ξεκίνησε το 1956 στη συνάντηση μερικών επιφανών επιστημόνων, όπως ο John McCarthy, ο Marvin
Διαβάστε περισσότεραΕργαστήριο Ιατρικής Φυσικής
Γενικές Πληροφορίες για Μέλη ΔΕΠ Ονοματεπώνυμο Αδάμ Αδαμόπουλος Βαθμίδα Επίκουρος Καθηγητής Γνωστικό Αντικείμενο Ιατρική Φυσική Εργαστήριο/Κλινική Εργαστήριο Ιατρικής Φυσικής Γραφείο Τηλέφωνο 25510 30501
Διαβάστε περισσότεραΕισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων
Σημειώσεις στα πλαίσια του μαθήματος: Βελτιστοποίηση Συστημάτων Υδατικών Πόρων Υδροπληροφορική Εισαγωγή στην υδροπληροφορική και βελτιστοποίηση συστημάτων υδατικών πόρων Ανδρέας Ευστρατιάδης, Χρήστος Μακρόπουλος
Διαβάστε περισσότεραΠανεπιστήµιο Κύπρου Πολυτεχνική Σχολή
Πανεπιστήµιο Κύπρου Πολυτεχνική Σχολή Τµήµα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών ΗΜΜΥ 795: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ Ακαδηµαϊκό έτος 2010-11 Χειµερινό Εξάµηνο Τελική εξέταση Τρίτη, 21 εκεµβρίου 2010,
Διαβάστε περισσότεραΑΝΑΠΤΥΞΗ ΜΕΘΟ ΟΛΟΓΙΑΣ ΕΚΠΑΙ ΕΥΣΗΣ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ΓΙΑ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΜΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΠΡΟΒΛΕΨΗ ΤΟΥ ΕΙΚΤΗ ΙΑΘΛΑΣΗΣ ΥΛΙΚΩΝ
ΑΝΑΠΤΥΞΗ ΜΕΘΟ ΟΛΟΓΙΑΣ ΕΚΠΑΙ ΕΥΣΗΣ ΝΕΥΡΩΝΙΚΩΝ ΙΚΤΥΩΝ ΓΙΑ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΜΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΜΕ ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΠΡΟΒΛΕΨΗ ΤΟΥ ΕΙΚΤΗ ΙΑΘΛΑΣΗΣ ΥΛΙΚΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΧΟΝ ΡΟ ΗΜΑ ΕΥΑΓΓΕΛΙΑ Επιβλέπων: Αλεξανδρίδης
Διαβάστε περισσότεραΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ Γλώσσες & Τεχνικές 4 ο Εξάμηνο. - Ενότητα 1 - Δημοσθένης Σταμάτης http://www.it.teithe.gr/~demos
Γλώσσες & Τεχνικές 4 ο Εξάμηνο - Ενότητα 1 - Εισαγωγή στην Τεχνητή Νοημοσύνη Δημοσθένης Σταμάτης http://www.it.teithe.gr/~demos Τμήμα Πληροφορικής A.T.E.I. ΘΕΣΣΑΛΟΝΙΚΗΣ Rethinking University Teaching!!!
Διαβάστε περισσότεραΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #12: Εισαγωγή στα Nευρωνικά Δίκτυα Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΜέθοδοι Μηχανών Μάθησης για Ευφυή Αναγνώριση και ιάγνωση Ιατρικών εδοµένων
Μέθοδοι Μηχανών Μάθησης για Ευφυή Αναγνώριση και ιάγνωση Ιατρικών εδοµένων Εισηγητής: ρ Ηλίας Ζαφειρόπουλος Εισαγωγή Ιατρικά δεδοµένα: Συλλογή Οργάνωση Αξιοποίηση Data Mining ιαχείριση εδοµένων Εκπαίδευση
Διαβάστε περισσότερακεφάλαιο Βασικές Έννοιες Επιστήμη των Υπολογιστών
κεφάλαιο 1 Βασικές Έννοιες Επιστήμη 9 1Εισαγωγή στις Αρχές της Επιστήμης των Η/Υ Στόχοι Στόχος του κεφαλαίου είναι οι μαθητές: να γνωρίσουν βασικές έννοιες και τομείς της Επιστήμης. Λέξεις κλειδιά Επιστήμη
Διαβάστε περισσότεραΜηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων
Μηχανική Μάθηση Μερωνυµιών για Αναγνώριση Γεγονότων Αναστάσιος Σκαρλατίδης 1,2 anskarl@iit.demokritos.gr επιβλέπων: Καθ. Βούρος Γ. 1 1 Τµήµα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστηµάτων Πανεπιστήµιο
Διαβάστε περισσότεραΠληροφορική 2. Τεχνητή νοημοσύνη
Πληροφορική 2 Τεχνητή νοημοσύνη 1 2 Τι είναι τεχνητή νοημοσύνη; Τεχνητή νοημοσύνη (AI=Artificial Intelligence) είναι η μελέτη προγραμματισμένων συστημάτων τα οποία μπορούν να προσομοιώνουν μέχρι κάποιο
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 18. 18 Μηχανική Μάθηση
ΚΕΦΑΛΑΙΟ 18 18 Μηχανική Μάθηση Ένα φυσικό ή τεχνητό σύστηµα επεξεργασίας πληροφορίας συµπεριλαµβανοµένων εκείνων µε δυνατότητες αντίληψης, µάθησης, συλλογισµού, λήψης απόφασης, επικοινωνίας και δράσης
Διαβάστε περισσότεραΤεχνητά νευρωνικά δίκτυα προσομοίωσης του ανθρωπίνου εγκεφάλου. Artificial neural networks simulating human brain
Τεχνητά νευρωνικά δίκτυα προσομοίωσης του ανθρωπίνου εγκεφάλου Artificial neural networks simulating human brain Αντωνία Πλέρου Ελληνικό Ανοικτό Πανεπιστήμιο Σχολή Θετικών Επιστημών και Τεχνολογίας Υποψήφια
Διαβάστε περισσότεραΣΧΕΔΙΑΣΜΟΣ ΚΙΝΗΣΗΣ ΚΑΙ ΧΡΟΝΟΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΑΣΙΩΝ ΣΕ ΒΙΟΜΗΧΑΝΙΚΑ ΠΕΡΙΒΑΛΛΟΝΤΑ
ΣΧΕΔΙΑΣΜΟΣ ΚΙΝΗΣΗΣ ΚΑΙ ΧΡΟΝΟΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΑΣΙΩΝ ΣΕ ΒΙΟΜΗΧΑΝΙΚΑ ΠΕΡΙΒΑΛΛΟΝΤΑ Ηλίας Κ. Ξυδιάς 1, Ανδρέας Χ. Νεάρχου 2 1 Τμήμα Μηχανικών Σχεδίασης Προϊόντων & Συστημάτων, Πανεπιστήμιο Αιγαίου, Σύρος
Διαβάστε περισσότεραΔιακριτικές Συναρτήσεις
Διακριτικές Συναρτήσεις Δρ. Δηµήτριος Τσέλιος Επίκουρος Καθηγητής ΤΕΙ Θεσσαλίας Τµήµα Διοίκησης Επιχειρήσεων Θερµικός χάρτης των XYZ ξενοδοχείων σε σχέση µε τη γεωγραφική περιοχή τους P. Adamopoulos New
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 5 Κατανομές πιθανότητας και εκτίμηση παραμέτρων Κατανομές πιθανότητας και εκτίμηση παραμέτρων δυαδικές τυχαίες μεταβλητές Διαχωριστικές συναρτήσεις Ταξινόμηση κανονικών
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
Διδάσκων: HMY 795: Αναγνώριση Προτύπων Γεώργιος Μήτσης Γραφείο: GP401 Ωρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Τηλ: 22892239 Ηλ. Ταχ.: gmitsis@ucy.ac.cy Βιβλιογραφία C. M. Bishop Pa#ern Recogni-on
Διαβάστε περισσότεραΠιο συγκεκριμένα, η χρήση του MATLAB προσφέρει τα ακόλουθα πλεονεκτήματα.
i Π Ρ Ο Λ Ο Γ Ο Σ Το βιβλίο αυτό αποτελεί μια εισαγωγή στα βασικά προβλήματα των αριθμητικών μεθόδων της υπολογιστικής γραμμικής άλγεβρας (computational linear algebra) και της αριθμητικής ανάλυσης (numerical
Διαβάστε περισσότεραΤυπικά θέματα εξετάσεων. ΠΡΟΣΟΧΗ: Οι ερωτήσεις που παρατίθενται ΔΕΝ καλύπτουν την πλήρη ύλη του μαθήματος και παρέχονται απλά ενδεικτικά
ΤΕΙ Κεντρικής Μακεδονίας Τμήμα Μηχανικών Πληροφορικής ΤΕ Μεταπτυχιακό Πρόγραμμα Τηλεπικοινωνιών & Πληροφορικής Μάθημα : 204a Υπολογιστική Ευφυία Μηχανική Μάθηση Καθηγητής : Σπύρος Καζαρλής Ενότηα : Εξελικτική
Διαβάστε περισσότεραΕυφυείς Τεχνολογίες - Πράκτορες
Ευφυείς Τεχνολογίες - Πράκτορες Δημοσθένης Σταμάτης demos@it.teithe.gr www.it.teithe.gr/~demos Αντώνης Σιδηρόπουλος asidirop@gmail.com www.it.teithe.gr/~asidirop 1 Τάσεις με καθοριστικό ρόλο στην Επιστήμη
Διαβάστε περισσότεραΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ MATLAB / FUZZY LOGIC TOOLBOX
ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΟΣ MATLAB / FUZZY LOGIC TOOLBOX Σε αυτό το εγχειρίδιο θα περιγράψουμε αναλυτικά τη χρήση του προγράμματος MATLAB στη λύση ασαφών συστημάτων (FIS: FUZZY INFERENCE SYSTEM
Διαβάστε περισσότεραΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ. Καραγιώργου Σοφία
ΧΑΡΟΚΟΠΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΜΑΤΙΚΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Καραγιώργου Σοφία Εισαγωγή Προσομοιώνει βιολογικές διεργασίες (π.χ. λειτουργία του εγκεφάλου, διαδικασία
Διαβάστε περισσότεραιοίκηση Παραγωγής και Υπηρεσιών
ιοίκηση Παραγωγής και Υπηρεσιών Προγραµµατισµός Παραγωγής Προβλήµατα µε πολλές µηχανές Γιώργος Ιωάννου, Ph.D. Αναπληρωτής Καθηγητής Σύνοψη διάλεξης Προβλήµατα Παράλληλων Μηχανών Ελαχιστοποίηση χρόνου ροής
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Εργαστηριακή και Βιομηχανική Ηλεκτρονική Ηλ. Αμφ. 2, 3. Γλώσσες Προγραμματισμού Ι. Ηλ. Αμφ. 1, 2, 3, 4, 5
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ Ακαδημαϊκό Έτος 2016-2017 Περίοδος Ιουνίου 2017 Έκδοση 08.06.2017 ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Αρχιτεκτονική Υπολογιστών Ηλ. Αιθ. 001, 002. Ηλ. Αιθ. 003, 004 Ηλεκτρονική ΙΙΙ Ηλ. αιθ. 003, 004. Θεωρία Δικτύων & Κυκλωμάτων
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ Ακαδημαϊκό Έτος 2017-2018 Περίοδος Ιουνίου 2018 v20180517 ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Data Mining - Classification
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Data Mining - Classification Data Mining Ανακάλυψη προτύπων σε μεγάλο όγκο δεδομένων. Σαν πεδίο περιλαμβάνει κλάσεις εργασιών: Anomaly Detection:
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ
ΘΕΜΑ ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 26 Ιανουαρίου 2004 ιάρκεια: 2 ώρες (9:00-:00) Στην παρακάτω
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Ηλ. Αιθ. 003, 004 Ηλεκτρονική ΙΙΙ Ηλ. αιθ. 003, 004
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2017-2018 Περίοδος Ιουνίου 2018 ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο ΕΞΑΜΗΝΟ 5ο-6ο ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΚΑΔΗΜΑΪΚΟΥ ΕΤΟΥΣ 2019 2020 Τίτλος μαθήματος ΩΡΕΣ Υ/Ε/Ξ.Γ. Κατεύθυνση ECTS 1ο εξάμηνο ΑΝΑΛΥΣΗ Ι // ANALYSIS I ΑΡΧΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ // INTRODUCTION TO PROGRAMMING ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ
Διαβάστε περισσότεραΑΝΤΑΓΩΝΙΣΤΙΚΗ ΜΑΘΗΣΗ ΔΙΚΤΥA LVQ και SOM. "Τεχνητά Νευρωνικά Δίκτυα" (Διαφάνειες), Α. Λύκας, Παν. Ιωαννίνων
ΑΝΤΑΓΩΝΙΣΤΙΚΗ ΜΑΘΗΣΗ ΔΙΚΤΥA LVQ και SOM Μάθηση χωρίς επίβλεψη (unsupervised learning) Σύνολο εκπαίδευσης D={(x n )}, n=1,,n. x n =(x n1,, x nd ) T, δεν υπάρχουν τιμές-στόχοι t n. Προβλήματα μάθησης χωρίς
Διαβάστε περισσότεραΠληροφοριακά Συστήματα & Περιβάλλον
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Πληροφοριακά Συστήματα & Περιβάλλον Ενότητα 8: Τεχνητά Νευρωνικά Δίκτυα Παναγιώτης Λεφάκης Δασολογίας & Φυσικού Περιβάλλοντος Άδειες Χρήσης
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Εισαγωγή στα Συστήματα Ηλεκτρικής Ενέργειας (ΣΗΕ) Ηλ. Αμφ. 1, 2, 3. Ηλεκτρομαγνητικά Πεδία Β. Ηλ. Αμφ.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ Ακαδημαϊκό Έτος 2018-19 Περίοδος Ιουνίου 2019 'Εκδοση 20/05/2019 03/06/2019 04/06/2019 05/06/2019 06/06/2019
Διαβάστε περισσότεραΗ ασάφεια και τα Ασαφή Σύνολα ρ. Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος κλάδου ΠΕ03 www.p-theodoropoulos.gr Εισαγωγή Η έννοια του ασαφούς συνόλου εισήχθη από τον Zadeh το 1965 και δηµιούργησε πραγµατική
Διαβάστε περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Εισαγωγή
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Εισαγωγή Συστάσεις Ι Ποιός είμαι εγώ: Email: tsap@cs.uoi.gr Γραφείο: Β.3 Προτιμώμενες ώρες γραφείου: 11:00-18:00 Ενδιαφέροντα Web mining, Social networks, User Generated Content Mobile
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Εισαγωγή στα Συστήματα Ηλεκτρικής Ενέργειας (ΣΗΕ) (επί πτυχίω) Ηλ. Αμφ. 1, 2, 3
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ Ακαδημαϊκό Έτος 2018-19 Περίοδος Ιουνίου 2019 Έκδοση 21/05/2019 03/06/2019 04/06/2019 05/06/2019 06/06/2019
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Εισαγωγή στα Συστήματα Ηλεκτρικής Ενέργειας (ΣΗΕ) (επί πτυχίω) Ηλ. Αμφ. 1, 2, 3
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ Ακαδημαϊκό Έτος 2018-19 Περίοδος Ιουνίου 2019 Έκδοση 24/05/2019 03/06/2019 04/06/2019 05/06/2019 06/06/2019
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2016-2017 Περίοδος Σεπεμβρίου 2017 ΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ Έκδοση 05.07.2017 ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 3-4ο
Διαβάστε περισσότεραΑνάκτηση Πληροφορίας. Διδάσκων: Φοίβος Μυλωνάς. Διάλεξη #01
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #01 Διαδικαστικά μαθήματος Εισαγωγικές έννοιες & Ορισμοί Συστήματα ανάκτησης πληροφορίας 1
Διαβάστε περισσότεραΒ Εξάµηνο Τίτλος Μαθήµατος Θ Φ Α.Π Ε Φ.E. Π.Μ Προαπαιτούµενα
ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε. ΣΥΝΟΠΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΑΝΑ ΕΞΑΜΗΝΟ Α Εξάµηνο Τίτλος Μαθήµατος Θ Φ Α.Π Ε Φ.Ε Π.Μ Προαπαιτούµενα Κ10 ΜΑΘΗΜΑΤΙΚΗ ΑΝΑΛΥΣΗ
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Στοχαστικά Συστήματα & Επικοινωνίες Ηλ. Αμφ. 1, 2 Ηλ. Αιθ. 001, 002. Γλώσσες Προγραμματισμού Ι Ηλ. Αμφ.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2015-2016 Περίοδος Ιουνίου 2016 ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο ΕΞΑΜΗΝΟ 5ο-6ο ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΑναγνώριση Προτύπων (Pattern Recognition) Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ
Αναγνώριση Προτύπων (Pattern Recognition) Π. Τσακαλίδης ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΕΠΙΣΤΗΜΗΣ ΥΠΟΛΟΓΙΣΤΩΝ Ενότητα 1: Εισαγωγικές Έννοιες Θεωρίας Εκµάθησης Αναγνώριση Προτύπων: Η επιστήµη που προσπαθεί να
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΟΡΘΗ ΕΠΑΝΑΛΗΨΗ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΟΡΘΗ ΕΠΑΝΑΛΗΨΗ Ακαδημαϊκό Έτος 2017-2018 Περίοδος Σεπτεμβρίου 2018 Έκδοση 17/07/2018 ΗΜΕΡΟΜΗΝΙΑ
Διαβάστε περισσότεραΤεχνητά Νευρωνικά Δίκτυα-Εξελικτική Προσέγγιση της Ανθρώπινης Νοημοσύνης
Τεχνητά Νευρωνικά Δίκτυα-Εξελικτική Προσέγγιση της Ανθρώπινης Νοημοσύνης Πλέρου Αντωνία Τμήμα Μαθηματικών Α.Π.Θ. Μεταπτυχιακές Σπουδές στα Μαθηματικά Ε.Α.Π. Email:tplerou@gmail.com Abstract This work deals
Διαβάστε περισσότεραBig Data/Business Intelligence
Big Data/Business Intelligence 5 8 Φεβρουαρίου 2018 ΓΕΝΙΚΑ Το μάθημα αποτελείται από δύο ενότητες, η πρώτη σε Big Data και Data Analytics και η δεύτερη σε Business Intelligence. Η πρώτη ενότητα παρέχει
Διαβάστε περισσότεραΟι τεχνικές της σύγχρονης επιστήμης μιμούνται και τις δύο αυτές μηχανές :
Σπύρος Καζαρλής Ποια είναι η πιο ισχυρή «μηχανή» αναζήτησης λύσεων, σύλληψης νέων ιδεών, θεωριών και εφευρέσεων στο σύμπαν? Α. Ο ανθρώπινος εγκέφαλος (που εφηύρε τον τροχό, την σύγχρονη επιστήμη τους υπολογιστές
Διαβάστε περισσότεραΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
ΤΕΙ Δυτικής Μακεδονίας ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ 2015-2016 Τεχνητή Νοημοσύνη Νευρώνας Perceptron Διδάσκων: Τσίπουρας Μάρκος Εκπαιδευτικό Υλικό: Τσίπουρας Μάρκος Τζώρτζης Γρηγόρης Περιεχόμενα Εισαγωγή
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Εφαρμοσμένος & Υπολογιστικός Ηλεκτρομαγνητισμός Ηλ. Αιθ. 012, 013. Στοχαστικά Συστήματα & Επικοινωνίες Ηλ. Αμφ.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2014-2015 Περίοδος Ιουνίου 2015 ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο ΕΞΑΜΗΝΟ 5ο-6ο ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Εφαρμοσμένος & Υπολογιστικός Ηλεκτρομαγνητισμός Ηλ. Αιθ. 012, 013. Εργαστήριο Ψηφιακών Συστημάτων Ηλ. Εργ.
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2014-2015 Περίοδος Ιουνίου 2015 ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο ΕΞΑΜΗΝΟ 5ο-6ο ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΠεριβαλλοντική πληροφορική - Ευφυείς εφαρµογές
Περιβαλλοντική πληροφορική - Ευφυείς εφαρµογές ρ. Ε. Χάρου Πρόγραµµα υπολογιστικής ευφυίας Ινστιτούτο Πληροφορικής & Τηλεπικοινωνιών ΕΚΕΦΕ ΗΜΟΚΡΙΤΟΣ http://www.iit.demokritos.gr/neural Περιβαλλοντικά προβλήµατα
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ Ακαδημαϊκό Έτος 2018-2019 Περίοδος Σεπεμβρίου 2019 Έκδοση 17/07/2019 26/08/2019 27/08/2019
Διαβάστε περισσότεραΕισαγωγή. Τμήμα Μηχανικών Σχεδίασης Προϊόντων και Συστημάτων, ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ. Παναγιώτης Κουτσαμπάσης
Αλληλεπίδραση λ Αθώ Ανθρώπου-Υπολογιστή Εισαγωγή γή Τμήμα Μηχανικών Σχεδίασης Προϊόντων και Συστημάτων, ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ Παναγιώτης Κουτσαμπάσης Αλληλεπίδραση η Ανθρώπου-Υπολογιστή «μελετά τη σχεδίαση,
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2015-2016 Περίοδος Σεπτεμβρίου 2016 ΠΡΟΓΡΑΜΜΑ ΕΠΑΝΑΛΗΠΤΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1-2o ΕΞΑΜΗΝΟ 3-4ο ΕΞΑΜΗΝΟ
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΤΕΛΙΚΩΝ ΕΞΕΤΑΣΕΩΝ
ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο ΕΞΑΜΗΝΟ 3ο ΕΞΑΜΗΝΟ 5ο ΕΞΑΜΗΝΟ 7ο ΕΞΑΜΗΝΟ 9ο ΕΞΑΜΗΝΟ 30/01/2017 31/01/2017 01/02/2017 02/02/2017 03/02/2017 Γραμμική Άλγεβρα Εισαγωγικό Εργαστήριο Ηλεκτρονικής και Τηλεπικοινωνιών Διαφορικές
Διαβάστε περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Διαδικαστικά
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Διαδικαστικά Συστάσεις Ι Ποιός είμαι εγώ: Email: tsap@cs.uoi.gr Γραφείο: Β.3 Προτιμώμενες ώρες γραφείου: 11:00-18:00 Ενδιαφέροντα Web mining, Social networks, User Generated Content Mobile
Διαβάστε περισσότεραΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1
ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 1 Βελτιστοποίηση Στην προσπάθεια αντιμετώπισης και επίλυσης των προβλημάτων που προκύπτουν στην πράξη, αναπτύσσουμε μαθηματικά μοντέλα,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ Τ Μ Η Μ Α Π Λ Η Ρ Ο Φ Ο Ρ Ι Κ Η Σ ΕΠΛ 035 - ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΓΙΑ ΗΛΕΚΤΡΟΛΟΓΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΚΑΙ ΜΗΧΑΝΙΚΟΥΣ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδηµαϊκό έτος 2017-2018 Υπεύθυνος εργαστηρίου: Γεώργιος
Διαβάστε περισσότεραΕφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία
Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ενότητα 2 : Εφαρμογές της Τεχνητής Νοημοσύνης στη Γεωργία Μελετίου Γεράσιμος 1 Ανοιχτά Ακαδημαϊκά
Διαβάστε περισσότεραΣχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Προπτυχιακό Πρόγραμμα Σπουδών 2018-2019 (ΓΣ 29.5.2018) ΣΗΜΜΥ ΕΜΠ, έκδοση 1.00-20190226 ΠΡΟΓΡΑΜΜΑ ΚΟΡΜΟΥ 1 ο ΕΞΑΜΗΝΟ Υποχρεωτικά
Διαβάστε περισσότερα4.2.1 Α εξάμηνο Β εξάμηνο Γ εξάμηνο 4.2. ΣΥΝΟΠΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΝΑ ΕΞΑΜΗΝΟ
4.2. ΣΥΝΟΠΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΑΝΑ ΕΞΑΜΗΝΟ 4.2.1 Α εξάμηνο Α εξάμηνο K10 Μαθηματική Ανάλυση Ι 2 2 5 K11 Φυσική Ι 2 2 5 K12 Προγραμματισμός Ι 2 2 5 K13 Γραμμική Άλγεβρα και Εφαρμογές 2 2 5 K16 Ηλεκτρικά
Διαβάστε περισσότεραΜ. Κλεισαρχάκης (Μάρτιος 2017)
Μ. Κλεισαρχάκης (Μάρτιος 2017) Οι Γνωστικές θεωρίες μάθησης αναγνωρίζουν ότι τα παιδιά, πριν ακόμα πάνε στο σχολείο διαθέτουν γνώσεις και αυτό που χρειάζεται είναι να βοηθηθούν ώστε να οικοδομήσουν νέες
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη. TMHMA ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ. Εξάμηνο 5ο Οικονόμου Παναγιώτης & Ελπινίκη Παπαγεωργίου. Νευρωνικά Δίκτυα.
Τεχνητή Νοημοσύνη. TMHMA ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ Εξάμηνο 5ο Οικονόμου Παναγιώτης & Ελπινίκη Παπαγεωργίου. Νευρωνικά Δίκτυα. 1 ΤΕΧΝΗΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ Χαρακτηριστικά Είδη εκπαίδευσης Δίκτυα
Διαβάστε περισσότεραΓνωστική Ψυχολογία και Μάθηση. Στέλλα Βοσνιάδου Πανεπιστήµιο Αθηνών
Γνωστική Ψυχολογία και Μάθηση Στέλλα Βοσνιάδου Πανεπιστήµιο Αθηνών Θεωρίες της επεξεργασίας πληροφοριών Η σκέψη είναι επεξεργασία πληροφοριών Περιγραφή των δοµικών χαρακτηριστικών (περιορισµών) της σκέψης
Διαβάστε περισσότεραΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ανάλυση Κυρίων Συνιστωσών (Principal-Component Analysis, PCA)
ΣΤΟΧΑΣΤΙΚΕΣ ΔΙΕΡΓΑΣΙΕΣ & ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ Αίθουσα 005 - Νέα Κτίρια ΣΗΜΜΥ Ε.Μ.Π. Ανάλυση Κυρίων Συνιστωσών (Principal-Coponent Analysis, PCA) καθ. Βασίλης Μάγκλαρης aglaris@netode.ntua.gr www.netode.ntua.gr
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1)
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΘΕΩΡΙΑ ΚΑΙ ΕΦΑΡΜΟΓΗ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΤΗ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ (1) 1 Προέλευση και ιστορία της Επιχειρησιακής Έρευνας Αλλαγές στις επιχειρήσεις Τέλος του 19ου αιώνα: βιομηχανική
Διαβάστε περισσότεραΠληροφοριακά Συστήματα Διοίκησης
Πληροφοριακά Συστήματα Διοίκησης Επιχειρηματική ευφυΐα ΠΜΣ Λογιστική Χρηματοοικονομική και Διοικητική Επιστήμη ΤΕΙ Ηπείρου Επιχειρηματική ευφυΐα Η πλειονότητα των ατόμων μιας επιχείρησης έχουν ανάγκη υποστήριξης
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ IΙ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ IΙ Ακαδ. Έτος 2018-2019 Διδάσκων: Β. ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegean.gr Τηλ: 2271035468
Διαβάστε περισσότεραΠρόλογος των Συγγραφέων
Πρόλογος των Συγγραφέων Τεχνητή Νοηµοσύνη (ΤΝ) είναι ο τοµέας της επιστήµης των υπολογιστών, που ασχολείται µε τη σχεδίαση ευφυών (νοηµόνων) υπολογιστικών συστηµάτων, δηλαδή συστηµάτων που επιδεικνύουν
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη Τ.Ν
Τεχνητή Νοημοσύνη Τ.Ν Artificial intelligence Α.Ι Θέμα Εργασίας:Τεχνητή Νοημοσύνη {Α.Ι} Ημερομηνία:27/4/18 ASIMO:The first robot made for your service Τεχνητή Νοημοσύνη Τ.Ν Artificial intelligence Α.Ι
Διαβάστε περισσότεραΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting
ΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting Διαδικτυακό OLAP Σύστημα Λήψης Αποφάσεων και δημιουργίας έξυπνων προσαρμοστικών γραφημάτων
Διαβάστε περισσότερα7. ΠΡΟΓΡΑΜΜΑ ΚΟΡΜΟΥ ο ΕΞΑΜΗΝΟ. Θεωρ. - Εργ.
7. ΠΡΟΓΡΑΜΜΑ ΚΟΡΜΟΥ 7.1. 1ο ΕΞΑΜΗΝΟ Υποχρεωτικά 9.2.32.1 Μαθηματική Ανάλυση (Συναρτήσεις μιας μεταβλητής) 5 0 9.2.04.1 Γραμμική Άλγεβρα 4 0 9.4.31.1 Φυσική Ι (Μηχανική) 5 0 3.4.01.1 Προγραμματισμός Ηλεκτρονικών
Διαβάστε περισσότεραΑντεστραμμένη Διδασκαλία (flipped classroom) και Τεχνητή Νοημοσύνη (Α.Ι.) στην εκπαίδευση
17 ο Ετήσιο Συνέδριο «Βελτίωση Μαθησιακών Αποτελεσμάτων στο δημόσιο σχολείο. Προτάσεις και Προοπτικές» Αντεστραμμένη Διδασκαλία (flipped classroom) και Τεχνητή Νοημοσύνη (Α.Ι.) στην εκπαίδευση ΕΚΠΑΙΔΕΥΤΙΚΟΣ
Διαβάστε περισσότεραΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ. Διατάξεις Ημιαγωγών. Ηλ. Αιθ. 013. Αριθμητικές Μέθοδοι Διαφορικών Εξισώσεων Ηλ. Αιθ. 013
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ακαδημαϊκό Έτος 2014-2015 Περίοδος Φεβρουαρίου 2015 ΠΡΟΓΡΑΜΜΑ ΕΞΕΤΑΣΕΩΝ ΗΜΕΡΟΜΗΝΙΑ ΩΡΑ 1ο-2ο ΕΞΑΜΗΝΟ 3ο-4ο ΕΞΑΜΗΝΟ 5ο-6ο
Διαβάστε περισσότεραEM 361: Παράλληλοι Υπολογισμοί
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ EM 361: Παράλληλοι Υπολογισμοί Ενότητα #2: Αρχιτεκτονική Διδάσκων: Χαρμανδάρης Ευάγγελος ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ
Διαβάστε περισσότεραΕρευνητικό Κέντρο Ευφυών Συστημάτων και Δικτύων Κοίος
Ερευνητικό Κέντρο Ευφυών Συστημάτων και Δικτύων Κοίος Μάριος Μ. Πολυκάρπου, PhD Διευθυντής, Ερευνητικό Κέντρο Κοίος Πρόεδρος, Κοίνότητα Υπολογιστικής Νοημοσύνης, IEEE Καθηγητής, Τμήμα Ηλεκτρολόγων Μηχανικών
Διαβάστε περισσότεραΔιοίκησης Επιχειρήσεων. ΠΡΟΓΡΑΜΜΑ eμβα ΚΩΔ. ΤΜΗΜΑ ΤΙΤΛΟΣ ΔΙΕΠ5 ΜΑΘΗΜΑΤΟΣ ΜΑΘΗΜΑΤΟΣ. Credits 6 ΕΞΑΜΗΝΟ 3 ος κύκλος ΟΝΟΜ/ΝΟ ΔΙΔΑΣΚΟΝΤΟΣ
ΤΜΗΜΑ Διοίκησης Επιχειρήσεων ΠΡΟΓΡΑΜΜΑ eμβα ΚΩΔ. ΤΙΤΛΟΣ Επιχειρησιακή ΔΙΕΠ5 ΜΑΘΗΜΑΤΟΣ ΜΑΘΗΜΑΤΟΣ Έρευνα Credits 6 ΕΞΑΜΗΝΟ 3 ος κύκλος ΟΝΟΜ/ΝΟ ΔΙΔΑΣΚΟΝΤΟΣ Βασίλης Αγγελής Ε-ΜAIL v.angelis@aegean.gr ΠΕΡΙΓΡΑΦΗ
Διαβάστε περισσότεραΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ HOPFIELD ΚΑΙ KOHONEN
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΓΝΩΡΙΣΗΣ ΠΡΟΤΥΠΩΝ ΣΥΜΠΛΗΡΩΜΑΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΝΕΥΡΩΝΙΚΑ
Διαβάστε περισσότεραΓενετικοί αλγόριθµοι - ΓΑ Genetic algorithms - GA
Γενετικοί αλγόριθµοι - ΓΑ Genetic algorithms - GA ΕΦΑΡΜΟΓΗ στην ΕΠΕΞΕΡΓΑΣIΑ ΣΗΜΑΤΟΣ και στην ΑΣΑΦΗ ΛΟΓIΚΗ Σ. Φωτόπουλος ΠΑΝΕΠ. ΠΑΤΡΩΝ Τµ. ΦΥΣΙΚΗΣ ΠΜΣ ΗΕΠ ΓΑ - Εισαγωγικά Γενετικοί αλγόριθµοι (Genetic algorithms)
Διαβάστε περισσότεραΓεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS)
Γεωγραφικά Πληροφοριακά Συστήµατα (Geographical Information Systems GIS) ρ. ΧΑΛΚΙΑΣ ΧΡΙΣΤΟΣ xalkias@hua.gr Χ. Χαλκιάς - Εισαγωγή στα GIS 1 Ορισµοί ΓΠΣ Ένα γεωγραφικό πληροφοριακό σύστηµα Geographic Information
Διαβάστε περισσότεραΟι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης.
Οι Εξελικτικοί Αλγόριθμοι (ΕΑ) είναι καθολικοί στοχαστικοί αλγόριθμοι βελτιστοποίησης, εμπνευσμένοι από τις βασικές αρχές της φυσικής εξέλιξης. Ένα από τα γνωστότερα παραδείγματα των ΕΑ είναι ο Γενετικός
Διαβάστε περισσότεραΜΙΑ ΠΡΟΣΕΓΓΙΣΗ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ ΑΠΟ ΜΑΘΗΤΕΣ ΛΥΚΕΙΟΥ
ΜΙΑ ΠΡΟΣΕΓΓΙΣΗ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ ΑΠΟ ΜΑΘΗΤΕΣ ΛΥΚΕΙΟΥ Καραμολέγκος Πρόδρομος, Εφέντη Ιάσων, Καραγκιοζίδης Νίκος, Μαγριώτης Αντώνης, Θεοχάρους Μαριάνθη Ελένη Μαθητές Β Λυκείου, 1 ο ΓΕΛ Ξάνθης prokaramolegos@gmail.com,
Διαβάστε περισσότερα6. Στατιστικές μέθοδοι εκπαίδευσης
6. Στατιστικές μέθοδοι εκπαίδευσης Μία διαφορετική μέθοδος εκπαίδευσης των νευρωνικών δικτύων χρησιμοποιεί ιδέες από την Στατιστική Φυσική για να φέρει τελικά το ίδιο αποτέλεσμα όπως οι άλλες μέθοδοι,
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων. Διαλέξεις 15-16
HMY 795: Αναγνώριση Προτύπων Διαλέξεις 15-16 Νευρωνικά Δίκτυα(Neural Networks) Fisher s linear discriminant: Μείωση διαστάσεων (dimensionality reduction) y Τ =w x s + s =w S w 2 2 Τ 1 2 W ( ) 2 2 ( ) m2
Διαβάστε περισσότεραΕισαγωγή στα συστήματα αναγνώρισης προτύπων
ΚΕΣ 03 Αναγνώριση προτύπων και ανάλυση εικόνας Εισαγωγή στα συστήματα αναγνώρισης προτύπων Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π.Δ.407/80 Τμήμα Επιστήμη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήμιο
Διαβάστε περισσότεραΑντίληψη. Αντίληψη είναι η γνωστική διεργασία που µας επιτρέπει να έχουµε µία εικόνα του εξωτερικού αλλά και του εσωτερικού περιβάλλοντος.
Αντίληψη Αντίληψη εί η γνωστική διεργασία που µας επιτρέπει να έχουµε µία εικόνα του εξωτερικού αλλά και του εσωτερικού περιβάλλοντος. Ηαντίληψηαποτελείκρίσιµη και αναγκαία προϋπόθεση για οποιαδήποτε γνωστική
Διαβάστε περισσότεραΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ
ΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Τμήμα Διοίκησης Συστημάτων Εφοδιασμού Μάθημα: Εισαγωγή στην Εφοδιαστική (Εργαστήριο) Ανάλυση του άρθρου με τίτλο: «Intelligent Decision Support Systems» των Stephanie Guerlain,
Διαβάστε περισσότεραΕφαρμογές Προσομοίωσης
Εφαρμογές Προσομοίωσης H προσομοίωση (simulation) ως τεχνική μίμησης της συμπεριφοράς ενός συστήματος από ένα άλλο σύστημα, καταλαμβάνει περίοπτη θέση στα πλαίσια των εκπαιδευτικών εφαρμογών των ΤΠΕ. Μπορούμε
Διαβάστε περισσότερα