Faruqui [7] WordNet [15] FrameNet [2] PPDB [8]
|
|
|
- Κύριλλος Παπακώστας
- 7 χρόνια πριν
- Προβολές:
Transcript
1 1,a) 1,b) 1,c) 2,d) 2,e) word2vec WordNet fine-tuning fine-tuning 1. [10] Faruqui [7] WordNet[15] fine-tuning Retrofitting Retrofitting WordNet[11] 1 2 a) taguchi-y2@asahi.com b) tamori-h@asahi.com c) hitomi-y1@asahi.com d) jiro.nishitoba@retrieva.jp e) ko.kikuta@retrieva.jp Faruqui [7] fine-tuning Sakaizawa [19], [24] Retrofitting [10] [3], [6], [13], [14], [17] word2vec WordNet [15] [5], [12], [21] Faruqui [7] WordNet [15] FrameNet [2] PPDB [8] fine-tuninng Retrofitting Retrofitting 1 c 2017 Information Processing Society of Japan 1
![3. fine-tuning Faruqui [7] Retrofitting fine-tuning Retrofitting (1) 1 ([7] ) [ V Ψ(Q) = α i q i ˆq i 2](/docs-images/81/84029477/images/2-1.jpg "+ ] β i,j q i q j 2")
2 3. fine-tuning Faruqui [7] Retrofitting fine-tuning Retrofitting (1) 1 ([7] ) [ V Ψ(Q) = α i q i ˆq i 2 + ] β i,j q i q j 2 (1) i=1 (i,j) E WordNet [9], [18], [22]. 2.2 word2vec *1 [13], [14] Glove *2 [17] Wikipedia word2vec 3 Wikipedia [26] word2vec Wikipedia Bojanowski [4] fasttext Wikipedia [25] 258 [1] word2vec Countinuous Bag-of-Words (CBOW) nwjc2vec [27] word2vec [13], [14] Glove [17] 2 Sakaizawa [19], [24] *1 *2 q i d Q R V d V d q i Q ˆq i ˆQ j : (i, j) E i *3 α β Faruqui [7] (2) j:(i,j) E q i = β i,jq j + α i ˆq i j:(i,j) E β (2) i,j + α i 4. Retrofitting 4.1 Sakaizawa [19], [24] word2vec [13], [14] Glove[17] 4.2 [26] 200 Wikipedia *4 Bojanowski [4] 300 fasttext *5 [25] 200 nwjc2vec *6 [25] word2vec[13], [14] Glove[17] *3 WordNet *4 vector/ *5 *6 jp/ c 2017 Information Processing Society of Japan 2
3 1 7,982,401(792 ) 86,556,288(8655 ) 2,361,591,403(23 ) 2 word2vec CBOW or skip-gram -cbow {0, 1} -size 300 -window 8 -negative 5 -hs 0 -sample 1e-5 -min-count 3 -iter 15 3 Glove VECTOR SIZE 300 WINDOW SIZE 8 VOCAB MIN COUN 3 MAX ITER 15 1 MeCab *7 IPADIC word2vec *8 CBOW Skip-gram word2vec 2 Glove * Retrofitting Faruqui [7] Retrofitting WordNet [15] Word- Net [11] WordNet * 10 * 11 11, 753 WordNet 160, 661 * 12 Retrofitting (2) Faruqui [7] 10 α = 1 β = S 1 (S ) 4.4 Sakaizawa [19], [24] *7 *8 *9 *10 *11 WordNet ver.1.0 *12 Japanese Wordnet and English WordNet in an sqlite3 database ALL * 13 MeCab 2 [24] v N w 1, w 2,, w N v (v1, v2) ( 3) D X Y N = 1 6 D 2 N 3 N (3) CBOW skip-gram Glove Wikipedia fasttext, nwjc2vec (ALL) Retrofitting Retrofitting Skip-gram Glove fasttext WordNet *13 JapaneseWordSimilarityDataset c 2017 Information Processing Society of Japan 3
4 ALL CBOW( ) CBOW( ) + Retrofitting( ) 36.7(+1.0) 38.0(±0) 32.4(+5.2) 18.9(+3.9) 29.8(+5.0) CBOW( ) + Retrofitting( ) 49.0(+11.3) 54.6(+16.6) 34.6(+7.4) 34.1(+19.1) 33.5(+8.7) Skip-gram( ) Skip-gram( )+ Retrofitting( ) 35.6(+2.3) 42.0(+0.2) 37.1(+4.5) 50.7(+1.1) 39.0(+5.8) Skip-gram( )+ Retrofitting( ) 48.6(+10.7) 58.1(+16.1) 31.8( 0.8) 41.6( 8.0) 37.7(+4.5) Glove( ) Glove( ) + Retrofitting( ) 29.0(±0) 30.2(±0) 37.2(+4.3) 27.2(+1.8) 39.6(+4.4) Glove( ) + Retrofitting( ) 44.7(+15.7) 50.6(+20.4) 39.0(+6.1) 37.3(+21.7) 44.2(+19.0) nwjc2vec[25] nwjc2vec[25] + Retrofitting( ) 34.2( 1.8) 55.5(+0.1) 37.9(+5.5) 47.9(+4.5) 33.7(+4.3) nwjc2vec[25] + Retrofitting( ) 48.3(+12.3) 63.3(+7.9) 35.9(+3.5) 42.4( 1.0) 36.1(+8.7) Wikipedia [26] Wikipedia [26] + Retrofitting( ) 34.0( 1.4) 28.7(+0.2) 35.1(+5.7) 49.0(+1.6) 30.8(+5.5) Wikipedia [26] + Retrofitting( ) 41.4(+5.7) 52.3(+23.7) 33.0(+3.6) 50.9(+3.5) 32.3(+7.0) fasttext[4] fasttext[4] + Retrofitting( ) -7.4(±0) 3.9(+0.2) 28.2(+6.1) 25.4(+0.8) 29.0(+5.8) fasttext[4] + Retrofitting( ) 22.0(+29.4) 42.6(+38.9) 23.4(+1.3) 20.2( 4.4) 31.2(+7.9) Retrofitting Retrofitting 6 Skip-gram Retrofitting( ) Skip-gram 5. WordNet Faruqui [7] Retrofitting WordNet Retrofitting WordNet [23] Bilingal Pivoting * 14 Faruqui [7] PPDB Retrofitting Tamori [20] Retrofitting Nikola [16] Fine-tuning [1] Asahara, M., Maekawa, K., Imada, M., Kato, S. and Konishi, H.: Archiving and Analysing Techniques of the Ultra-large-scale Web-based Corpus Project of NINJAL, Japan, Alexandria, Vol. 25, No. 1-2, pp (2014). [2] Baker, C. F., Fillmore, C. J. and Lowe, J. B.: The berke- *14 c 2017 Information Processing Society of Japan 4
5 ley framenet project, Proceedings of the 36th Annual Meeting of the Association for Computational Linguistics and 17th International Conference on Computational Linguistics-Volume 1, Association for Computational Linguistics, pp (1998). [3] Bengio, Y., Ducharme, R., Vincent, P. and Jauvin, C.: A neural probabilistic language model, Journal of machine learning research, Vol. 3, No. Feb, pp (2003). [4] Bojanowski, P., Grave, E., Joulin, A. and Mikolov, T.: Enriching Word Vectors with Subword Information, Transactions of the Association for Computational Linguistics, Vol. 5, pp (2017). [5] Chang, K.-W., Yih, W.-t. and Meek, C.: Multi- Relational Latent Semantic Analysis, Proceedings of the 2013 Conference on Empirical Methods in Natural Language Processing, pp (2013). [6] Collobert, R., Weston, J., Bottou, L., Karlen, M., Kavukcuoglu, K. and Kuksa, P.: Natural language processing (almost) from scratch, Journal of Machine Learning Research, Vol. 12, No. Aug, pp (2011). [7] Faruqui, M., Dodge, J., Jauhar, S. K., Dyer, C., Hovy, E. and Smith, N. A.: Retrofitting Word Vectors to Semantic Lexicons, Proceedings of the 2015 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Association for Computational Linguistics, pp (2015). [8] Ganitkevitch, J., Van Durme, B. and Callison-Burch, C.: PPDB: The Paraphrase Database., HLT-NAACL, pp (2013). [9] Grouin, C., Hamon, T., Névéol, A. and Zweigenbaum, P.: Proceedings of the Seventh International Workshop on Health Text Mining and Information Analysis, Proceedings of the Seventh International Workshop on Health Text Mining and Information Analysis (2016). [10] Harris, Z. S.: Distributional structure, Word, Vol. 10, No. 2-3, pp (1954). [11] Isahara, H., Bond, F., Uchimoto, K., Utiyama, M. and Kanzaki, K.: Development of the Japanese WordNet. (2008). [12] Kiela, D., Hill, F. and Clark, S.: Specializing Word Embeddings for Similarity or Relatedness., EMNLP, pp (2015). [13] Mikolov, T., Chen, K., Corrado, G. and Dean, J.: Efficient estimation of word representations in vector space, arxiv preprint arxiv: (2013). [14] Mikolov, T., Sutskever, I., Chen, K., Corrado, G. S. and Dean, J.: Distributed representations of words and phrases and their compositionality, Advances in neural information processing systems, pp (2013). [15] Miller, G. A.: WordNet: a lexical database for English, Communications of the ACM, Vol. 38, No. 11, pp (1995). [16] Mrkšic, N., OSéaghdha, D., Thomson, B., Gašic, M., Rojas-Barahona, L., Su, P.-H., Vandyke, D., Wen, T.-H. and Young, S.: Counter-fitting Word Vectors to Linguistic Constraints, Proceedings of NAACL-HLT, pp (2016). [17] Pennington, J., Socher, R. and Manning, C. D.: Glove: Global vectors for word representation., EMNLP, Vol. 14, pp (2014). [18] Roy, A., Park, Y. and Pan, S.: Learning Domain- Specific Word Embeddings from Sparse Cybersecurity Texts, arxiv preprint arxiv: (2017). [19] Sakaizawa, Y. and Komachi, M.: Construction of a Japanese Word Similarity Dataset, arxiv preprint arxiv: (2017). [20] Tamori, H., Hitomi, Y., Okazaki, N. and Inui, K.: Analyzing the Revision Logs of a Japanese Newspaper for Article Quality Assessment, Proceedings of the 2017 EMNLP Workshop: Natural Language Processing meets Journalism, Association for Computational Linguistics, pp (2017). [21] Yu, M. and Dredze, M.: Improving Lexical Embeddings with Semantic Knowledge., ACL (2), pp (2014). [22] Yu, Z., Wallace, B. C., Johnson, T. and Cohen, T.: Retrofitting Concept Vector Representations of Medical Concepts to Improve Estimates of Semantic Similarity and Relatedness, arxiv preprint arxiv: (2017). [23],, : Bilingual Pivoting, 231, Vol. 2017, No. 21, pp. 1 8 (2017). [24], :, 22 (2016). [25], : nwjc2vec:, 23 (2017). [26],,,, : Wikipedia, 22 (2016). [27] :, 221, Vol. 2015, No. 4, pp. 1 8 (2015). c 2017 Information Processing Society of Japan 5
[15], [16], [17] [6] [2] [5] Jiang [6] 2.1 [6], [10] Score(x, y) y ( 1) ( 1 ) b e ( 1 ) b e. O(n 2 ) 2.3. 2.2 Jiang [6] (word lattice reranking)
![[15], [16], [17] [6] [2] [5] Jiang [6] 2.1 [6], [10] Score(x, y) y ( 1) ( 1 ) b e ( 1 ) b e. O(n 2 ) 2.3. 2.2 Jiang [6] (word lattice reranking)](/thumbs/39/20145561.jpg "[15], [16], [17] [6] [2] [5] Jiang [6] 2.1 [6], [10] Score(x, y) y ( 1) ( 1 ) b e ( 1 ) b e. O(n 2 ) 2.3. 2.2 Jiang [6] (word lattice reranking)")
1,a) 1 2 10 1. [6] [1], [6], [8], [10], [11] 2 n n+1 C 2 O(n 2 ) 1 153-8505 4-6-1 a) kaji@tkl.iis.u-tokyo.ac.jp [10] [19], [23] [6] [6] (3 ) 10 (1) (2) 3 c 2012 Information Processing Society of Japan
Twitter 6. DEIM Forum 2014 A Twitter,,, Wikipedia, Explicit Semantic Analysis,
DEIM Forum 2014 A5-2 Twitter 565 0871 1 5 E-mail: {shirakawa.masumi,hara,nishio}@ist.osaka-u.ac.p 9 24 Twitter,,, Wikipedia, Explicit Semantic Analysis, 1. political leaning Twitter Cision 2013 1 90% 9
1530 ( ) 2014,54(12),, E (, 1, X ) [4],,, α, T α, β,, T β, c, P(T β 1 T α,α, β,c) 1 1,,X X F, X E F X E X F X F E X E 1 [1-2] , 2 : X X 1 X 2 ;
![1530 ( ) 2014,54(12),, E (, 1, X ) [4],,, α, T α, β,, T β, c, P(T β 1 T α,α, β,c) 1 1,,X X F, X E F X E X F X F E X E 1 [1-2] , 2 : X X 1 X 2 ;](/thumbs/91/107463875.jpg "1530 ( ) 2014,54(12),, E (, 1, X ) [4],,, α, T α, β,, T β, c, P(T β 1 T α,α, β,c) 1 1,,X X F, X E F X E X F X F E X E 1 [1-2] , 2 : X X 1 X 2 ;")
ISSN1000-0054 CN11-2223/N ( ) 2014 54 12 JTsinghuaUniv(Sci& Technol), 2014,Vol.54, No.12 4/20 1529-1533,, (,, (), 100084) [1-2] :,,,,,,,, :, 0.3~ [3] 0.8BLEU,, : ; ; [4], ; :TP391.2 :A, :1000-0054(2014)12-1529-05,
3: A convolution-pooling layer in PS-CNN 1: Partially Shared Deep Neural Network 2.2 Partially Shared Convolutional Neural Network 2: A hidden layer o
Sound Source Identification based on Deep Learning with Partially-Shared Architecture 1 2 1 1,3 Takayuki MORITO 1, Osamu SUGIYAMA 2, Ryosuke KOJIMA 1, Kazuhiro NAKADAI 1,3 1 2 ( ) 3 Tokyo Institute of
{takasu, Conditional Random Field
DEIM Forum 2016 C8-6 CRF 700 8530 3 1 1 700 8530 3 1 1 101 8430 2-1-2 E-mail: pobp52cw@s.okayama-u.ac.jp, ohta@de.cs.okayama-u.ac.jp, {takasu, adachi}@nii.ac.jp Conditional Random Field 1. Conditional
DEIM Forum 2013 A2-2 606 8501 E-mail: kato@dl.kuis.kyoto-u.ac.jp 1. 2. 1 4 A B C D A B C D A : B :: C : D : :: : : :: : A B C D A= B= C= D= D 3 Turney [20] A B C D A B C D Bollegala [5] Web SVM A B C D
(Statistical Machine Translation: SMT[1]) [2]
![(Statistical Machine Translation: SMT[1]) [2]](/thumbs/71/65378195.jpg "(Statistical Machine Translation: SMT[1]) [2]")
1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e) 2 1. (Statistical Machine Translation: SMT[1]) [2] [3] [4][5][6] 2 1 (a) 3 approach 1 Nara Institute of Science and Technology a) miura.akiba.lr9@is.naist.jp
1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)
![1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)](/thumbs/39/20145714.jpg "1 n-gram n-gram n-gram [11], [15] n-best [16] n-gram. n-gram. 1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e)")
1,a) Graham Neubig 1,b) Sakriani Sakti 1,c) 1,d) 1,e) 1. [11], [15] 1 Nara Institute of Science and Technology a) akabe.koichi.zx8@is.naist.jp b) neubig@is.naist.jp c) ssakti@is.naist.jp d) tomoki@is.naist.jp
DEIM Forum 2014 A8-1, 606 8501 E-mail: {tsukuda,ohshima,kato,tanaka}@dl.kuis.kyoto-u.ac.jp 1 2,, 1. Google 1 Yahoo 2 Bing 3 Web Web BM25 [1] HITS [2] PageRank [3] Web 1 [4] 1http://www.google.com 2http://www.yahoo.com
ER-Tree (Extended R*-Tree)
1-9825/22/13(4)768-6 22 Journal of Software Vol13, No4 1, 1, 2, 1 1, 1 (, 2327) 2 (, 3127) E-mail xhzhou@ustceducn,,,,,,, 1, TP311 A,,,, Elias s Rivest,Cleary Arya Mount [1] O(2 d ) Arya Mount [1] Friedman,Bentley
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems
2016 IEEE/ACM International Conference on Mobile Software Engineering and Systems Multiple User Interfaces MobileSoft'16, Multi-User Experience (MUX) S1: Insourcing S2: Outsourcing S3: Responsive design
Web DEIM Forum 2009 A7-1. Web. Web. Web. Web. 4 Wikipedia. Wikipedia. Web.
DEIM Forum 2009 A7-1 Web 606-8501 E-mail: {nakatani,adam,ohshima,tanaka}@dl.kuis.kyoto-u.ac.jp Web Web Web Web Wikipedia Web Wikipedia 1. Web Nakamura 2007 1000 [1] (46%) (ii) 40 (36.8%) 2 Web Web (i)
DEIM Forum 2012 D2-1 606 8501 150 0002 2-15-1 28F E-mail: {tsukuda,ohshima,tanaka}@dl.kuis.kyoto-u.ac.jp, {miyamamoto,hiwasaki}@d-itlab.co.jp 1 Wikipedia Wikipedia HITS 1. Web Web Web 1 3 Wikipedia 2 Web
The State of the Art and Difficulties in Automatic Chinese Word Segmentation
138 Vol. 17 No. 1 JOURNAL OF SYSTEM SIMULATION 1 2 1, ( 1 100080 2 100039) 1004-731X (2005) 01-0138-06 TP391 A The State of the Art and Difficulties in Automatic Chinese Word Segmentation ZHANG Chun-xia
Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+
Ερευνητική+Ομάδα+Τεχνολογιών+ Διαδικτύου+ Ερευνητικές,Δραστηριότητες,και, Ενδιαφέροντα,, Τμήμα,Μηχανικών,Η/Υ,&,Πληροφορικής, Τομέας,Λογικού,των,Υπολογιστών, Εργαστήριο,Γραφικών,,Πολυμέσων,και,Γεωγραφικών,
SocialDict. A reading support tool with prediction capability and its extension to readability measurement
SocialDict 1 2 2 2 Web SocialDict A reading support tool with prediction capability and its extension to readability measurement Yo Ehara, 1 Takashi Ninomiya, 2 Nobuyuki Shimizu 2 and Hiroshi Nakagawa
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕΣ» OSWINDS RESEARCH GROUP
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕΣ» OSWINDS RESEARCH GROUP 2015-2016 http://oswinds.csd.auth.gr/pms-theses201516 Ιδιωτικότητα και ανωνυμία σε ανοικτές πλατφόμες Privacy and anonymity
An Analysis of Problems in Grammatical Error Correction of ESL Writings Using a Large Learner Corpus of English
1,a) 1,b) 1,c) 2,d) 1,e) An Analysis of Problems in Grammatical Error Correction of ESL Writings Using a Large Learner Corpus of English Abstract: English as a Second Language (ESL) learners writings contain
DEIM Forum 2 D3-6 819 39 744 66 8 E-mail: kawamoto@inf.kyushu-u.ac.jp, tawara@db.soc.i.kyoto-u.ac.jp, {asano,yoshikawa}@i.kyoto-u.ac.jp 1.,, Amazon.com The Internet Movie Database (IMDb) 1 Social spammers
Εξόρυξη Γνώμης: Δημιουργία Ελληνικού Λεξικού Πόρου
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΦΙΛΟΣΟΦΙΚΗ ΣΧΟΛΗ- ΤΜΗΜΑ ΦΙΛΟΛΟΓΙΑΣ ΤΟΜΕΑΣ ΓΛΩΣΣΟΛΟΓΙΑΣ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΗΜΑΤΩΝ ΕΛΕΓΧΟΥ
(String-to-Tree ) KJ [11] best 1-best 2. SMT 2. [9] Brockett [2] Mizumoto [10] Brockett [2] [10] [15] ê = argmax e P(e f ) = argmax e M m=1 λ
![(String-to-Tree ) KJ [11] best 1-best 2. SMT 2. [9] Brockett [2] Mizumoto [10] Brockett [2] [10] [15] ê = argmax e P(e f ) = argmax e M m=1 λ](/thumbs/89/97909699.jpg "(String-to-Tree ) KJ [11] best 1-best 2. SMT 2. [9] Brockett [2] Mizumoto [10] Brockett [2] [10] [15] ê = argmax e P(e f ) = argmax e M m=1 λ")
1,a) 1,b) 2 2 Shared Task 4 n-best 1-best 1. Web SNS Lang-8 *1 GIN- GER *2 2 HOO 2011 2012 [7], [8] CoNLL Shared Task 2013 [14] 2014 CoNLL Shared Task 1 Rozovskaya and Roth [16] Tajiri [19] Rozovskaya
DEIM Forum 2018 F3-5 657 8501 1-1 657 8501 1-1 E-mail: yuta@cs25.scitec.kobe-u.ac.jp, eguchi@port.kobe-u.ac.jp, ( ) ( )..,,,.,.,.,,..,.,,, 2..., 1.,., (Autoencoder: AE) [1] (Generative Stochastic Networks:
Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]
![Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]](/thumbs/78/77313882.jpg "Re-Pair n. Re-Pair. Re-Pair. Re-Pair. Re-Pair. (Re-Merge) Re-Merge. Sekine [4, 5, 8] (highly repetitive text) [2] Re-Pair. Blocked-Repair-VF [7]")
Re-Pair 1 1 Re-Pair Re-Pair Re-Pair Re-Pair 1. Larsson Moffat [1] Re-Pair Re-Pair (Re-Pair) ( ) (highly repetitive text) [2] Re-Pair [7] Re-Pair Re-Pair n O(n) O(n) 1 Hokkaido University, Graduate School
Schedulability Analysis Algorithm for Timing Constraint Workflow Models
CIMS Vol.8No.72002pp.527-532 ( 100084) Petri Petri F270.7 A Schedulability Analysis Algorithm for Timing Constraint Workflow Models Li Huifang and Fan Yushun (Department of Automation, Tsinghua University,
Αντώνης Βεντούρης. Επίκουρος Καθηγητής Διδακτικής των Γλωσσών Τμήμα Ιταλικής Γλώσσας και Φιλολογίας Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Αντώνης Βεντούρης Επίκουρος Καθηγητής Διδακτικής των Γλωσσών Τμήμα Ιταλικής Γλώσσας και Φιλολογίας Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Δυσκολία κειμένων Δυσκολία ερωτημάτων (items) Ίση βαρύτητα πιστοποιητικών
CSJ. Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity
i-vector 1 1 1 1 i-vector CSJ i-vector Speaker clustering based on non-negative matrix factorization using i-vector-based speaker similarity Fukuchi Yusuke 1 Tawara Naohiro 1 Ogawa Tetsuji 1 Kobayashi
Topic Structure Mining based on Wikipedia and Web Search
DEWS2008 A7-5 Wikipedia Web AdamJatowt 606-8501 606-8501 E-mail: {nakatani,tezuka,adam,tanaka}@dl.kuis.kyoto-u.ac.jp Wikipedia Web Web Wikipedia Wikipedia Abstract Topic Structure Mining based on Wikipedia
A Method for Creating Shortcut Links by Considering Popularity of Contents in Structured P2P Networks
P2P 1,a) 1 1 1 P2P P2P P2P P2P A Method for Creating Shortcut Links by Considering Popularity of Contents in Structured P2P Networks NARISHIGE Yuki 1,a) ABE Kota 1 ISHIBASHI Hayato 1 MATSUURA Toshio 1
Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)
![Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)](/thumbs/85/92153760.jpg "Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] (P)")
( ) 1 ( ) : : (Differential Evolution, DE) (Particle Swarm Optimization, PSO) DE [1, 2, 3, 4] PSO [5, 6, 7, 8, 9, 10, 11] 2 2.1 (P) (P ) minimize f(x) subject to g j (x) 0, j = 1,..., q h j (x) = 0, j
(Statistical Machine Translation: SMT [1])
![(Statistical Machine Translation: SMT [1])](/thumbs/71/65378250.jpg "(Statistical Machine Translation: SMT [1])")
1,a) Graham Neubig 1,b) Michael Paul 2,c) 1,d) n-gram 1. (Statistical Machine Translation: SMT [1]) (Active Learning) [2][3][4][5][6][7] [2] 1 Nara Institute of Science and Technology 2 ATR-Trek a) miura.akiba.lr9@is.naist.jp
Text Mining using Linguistic Information
630-0101 8916-5 {taku-kukaoru-yayuuta-tmatsu}@isaist-naraacjp PrefixSpan : PrefixSpan Text Mining using Linguistic Information Taku Kudo Kaoru Yamamoto Yuta Tsuboi Yuji Matsumoto Graduate School of Information
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΤΜ. ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 2018-2019 Επιβλέπουσα: Μπίμπη Ματίνα Ανάλυση της πλατφόρμας ανοιχτού κώδικα Home Assistant Το Home Assistant είναι μία πλατφόρμα ανοιχτού
ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ
ΓΙΑΝΝΟΥΛΑ Σ. ΦΛΩΡΟΥ Ι ΑΚΤΟΡΑΣ ΤΟΥ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΜΑΚΕ ΟΝΙΑΣ ΑΝΑΠΛΗΡΩΤΡΙΑ ΚΑΘΗΓΗΤΡΙΑ ΤΟΥ ΤΜΗΜΑΤΟΣ ΛΟΓΙΣΤΙΚΗΣ ΤΟΥ ΤΕΙ ΚΑΒΑΛΑΣ ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΙΑΝΟΥΑΡΙΟΣ 2008 ΒΙΟΓΡΑΦΙΚΟ
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕς» OSWINDS RESEARCH GROUP
ΔΙΠΛΩΜΑΤΙΚΕΣ ΕΡΓΑΣΙΕΣ ΠΜΣ «ΠΛΗΡΟΦΟΡΙΚΗ & ΕΠΙΚΟΙΝΩΝΙΕς» OSWINDS RESEARCH GROUP 2015-2016 http://oswinds.csd.auth.gr/pms-theses201516 Ανάλυση επιπέδου προστασίας και ανωνυμοποίησηπροσωπικών δεδομένων κίνησης
Π20: Ανακοινώσεις επιστηµονικών εργασιών σε συνέδρια/περιοδικά
ΕΠΙΧΕΙΡΗΣΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΚΟΙΝΩΝΙΑ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΠΡΑΞΗ «ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΩΝ, ΗΧΟΥ ΚΑΙ ΓΛΩΣΣΑΣ» στο πλαίσιο του ΜΕΤΡΟΥ 3.3 «Έρευνα και Τεχνολογική Ανάπτυξη στην Κοινωνία της Πληροφορίας» ΕΡΓΟ - 9: ΙΑΤΡΟΛΕΞΗ
ELIXIR-GR / BiP! Finder
ELIXIR-GR / BiP! Finder Υπηρεσία εκτίμησης και ανάδειξης αντικτύπου των επιστημονικών δημοσιεύσεων Θανάσης Βεργούλης Επιστημονικός Συνεργάτης www.athenarc.gr Η κοινότητα ELIXIR ELIXIR: διακυβερνητικός
ΠΟΛΥΤΙΜΟ. Ερευνητικό έργο. της Ε. Γαλιώτου*
7 Ερευνητικό έργο ΠΟΛΥΤΙΜΟ «της Ε. Γαλιώτου* Σύστημα Επεξεργασίας, Δ ιαχείρισης και Παροχής Πρόσβασης στο Π εριεχόμενο Πολύτιμων Βιβλίων και Χειρογράφων της Ιεράς Μονής Ε υαγγελισμού της Θεοτόκου Σκιάθου.
Research on Economics and Management
36 5 2015 5 Research on Economics and Management Vol. 36 No. 5 May 2015 490 490 F323. 9 A DOI:10.13502/j.cnki.issn1000-7636.2015.05.007 1000-7636 2015 05-0052 - 10 2008 836 70% 1. 2 2010 1 2 3 2015-03
The Algorithm to Extract Characteristic Chord Progression Extended the Sequential Pattern Mining
1,a) 1,b) J-POP 100 The Algorithm to Extract Characteristic Chord Progression Extended the Sequential Pattern Mining Shinohara Toru 1,a) Numao Masayuki 1,b) Abstract: Chord is an important element of music
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ ΣΠΟΥΔΕΣ
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ ΕΠΩΝΥΜΟ: ΡΟΜΠΟΛΗΣ ΟΝΟΜΑ: ΛΕΩΝΙΔΑΣ ΟΝΟΜΑ ΠΑΤΡΟΣ: ΣΑΒΒΑΣ ΧΡΟΝΟΛΟΓΙΑ ΓΕΝΝΗΣΗΣ: 16/1/1977 ΤΟΠΟΣ ΓΕΝΝΗΣΗΣ: ΑΘΗΝΑ ΔΙΕΥΘΥΝΣΗ ΚΑΤΟΙΚΙΑΣ: ΟΙΚΟΝΟΜΟΥ 29, 16122, ΑΘΗΝΑ ΔΙΕΥΘΥΝΣΗ
Indexing Methods for Encrypted Vector Databases
Computer Security Symposium 2013 21-23 October 2013 305-0006 1-1-1 junpei.kawamoto@acm.org LSH LSH LSH Indexing Methods for Encrypted Vector Databases Junpei Kawamoto Faculty of Engineering, Information
No. 7 Modular Machine Tool & Automatic Manufacturing Technique. Jul TH166 TG659 A
7 2016 7 No. 7 Modular Machine Tool & Automatic Manufacturing Technique Jul. 2016 1001-2265 2016 07-0122 - 05 DOI 10. 13462 /j. cnki. mmtamt. 2016. 07. 035 * 100124 TH166 TG659 A Precision Modeling and
Why We All Need an AIDS Vaccine? : Overcome the Challenges of Developing an AIDS Vaccine in Japan
,**0 The Japanese Society for AIDS Research The Journal of AIDS Research Why We All Need an AIDS Vaccine? : Overcome the Challenges of Developing an AIDS Vaccine in Japan +, Miho KAWAHATSU + and Naoki
(Υπογραϕή) (Υπογραϕή) (Υπογραϕή)
(Υπογραϕή) (Υπογραϕή) (Υπογραϕή) (Υπογραϕή) F 1 F 1 RGB ECR RGB ECR δ w a d λ σ δ δ λ w λ w λ λ λ σ σ + F 1 ( ) V 1 V 2 V 3 V 4 V 5 V 6 V 7 V 8 V 9 V 10 M 1 M 2 M 3 F 1 F 1 F 1 10 M 1
Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία
Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ενότητα 12 : Θέματα διασφάλισης της πληροφορίας στον αγροτικό τομέα (3/3) Μελετίου Γεράσιμος 1 Ανοιχτά
Big 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
: Active Learning 2017/11/12
: Active Learning 2017/11/12 Contents 0.1 Introduction............................................ 2 0.2..................................... 2 0.2.1 Membership Query Synthesis..............................
Semantic Drift in Espresso-style Bootstrapping: Graph-theoretic Analysis and Evaluation in Word Sense Disambiguation
Original Paper Espresso Semantic Drift in Espresso-style Bootstrapping: Graph-theoretic Analysis and Evaluation in Word Sense Disambiguation 233 Mamoru Komachi Taku Kudo Masashi Shimbo Yuji Matsumoto Nara
Legal use of personal data to fight telecom fraud
Legal use of personal data to fight telecom fraud Dimitris Gritzalis May 2001 Ημερίδα Ελληνικού Φορέα Αντιμετώπισης Τηλεπικοινωνιακής Απάτης (ΕΦΤΑ) Tηλεπικοινωνιακή Απάτη: Μέθοδοι - Πρόληψη - Προεκτάσεις
Buried Markov Model Pairwise
Buried Markov Model 1 2 2 HMM Buried Markov Model J. Bilmes Buried Markov Model Pairwise 0.6 0.6 1.3 Structuring Model for Speech Recognition using Buried Markov Model Takayuki Yamamoto, 1 Tetsuya Takiguchi
Αξιολόγηση πληροφοριακών συστηµάτων και υπηρεσιών πληροφόρησης
Ιόνιο Πανεπιστήµιο Τµήµα Αρχειονοµίας Βιβλιοθηκονοµίας Μεταπτυχιακό πρόγραµµα σπουδών στην Επιστήµη της Πληροφορίας Αξιολόγηση πληροφοριακών συστηµάτων και υπηρεσιών πληροφόρησης 2006 2007 Μελέτες χρηστών
Τοποθέτηση τοπωνυµίων και άλλων στοιχείων ονοµατολογίας στους χάρτες
Τοποθέτηση τοπωνυµίων και άλλων στοιχείων ονοµατολογίας στους χάρτες Miroshnikov & Tchepine 1999 Ahn & Freeman 1984 Ένας σηµαντικός παράγοντας που επηρεάζει την αποτελεσµατικότητα ενός χάρτη ως µέσω επικοινωνίας
[2] T.S.G. Peiris and R.O. Thattil, An Alternative Model to Estimate Solar Radiation
![[2] T.S.G. Peiris and R.O. Thattil, An Alternative Model to Estimate Solar Radiation](/thumbs/74/71129035.jpg "[2] T.S.G. Peiris and R.O. Thattil, An Alternative Model to Estimate Solar Radiation")
References [1] B.V.R. Punyawardena and Don Kulasiri, Stochastic Simulation of Solar Radiation from Sunshine Duration in Srilanka [2] T.S.G. Peiris and R.O. Thattil, An Alternative Model to Estimate Solar
DEIM Forum 2016 G7-5 152-8565 2-12-1 152-8565 2-12-1 889-1601 5200 E-mail: uragaki.k.aa@m.titech.ac.jp,,,.,,,,,,, 1. 1. 1,,,,,,.,,,,, 1. 2 [1],,,,, [2] (, SPM),,,,,,,. [3],, [4]. 2 A,B, A B, B A, B, 2,,,
MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)
![MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)](/thumbs/93/113459486.jpg "MIDI [8] MIDI. [9] Hsu [1], [2] [10] Salamon [11] [5] Song [6] Sony, Minato, Tokyo , Japan a) b)")
1,a) 1,b) 1,c) 1. MIDI [1], [2] U/D/S 3 [3], [4] 1 [5] Song [6] 1 Sony, Minato, Tokyo 108 0075, Japan a) Emiru.Tsunoo@jp.sony.com b) AkiraB.Inoue@jp.sony.com c) Masayuki.Nishiguchi@jp.sony.com MIDI [7]
Αλεξάνδρα Παπάζογλου ΕΛΛΗΝΟΑΜΕΡΙΚΑΝΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ, ΨΥΧΙΚΟ, ΑΘΗΝΑ
Αλεξάνδρα Παπάζογλου ΕΛΛΗΝΟΑΜΕΡΙΚΑΝΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ, ΨΥΧΙΚΟ, ΑΘΗΝΑ Νέες υπηρεσίες ανάπτυξης και υποστήριξης δεξιοτήτων αναζήτησης και αξιολόγησης της πληροφορίας στην εποχή των ηλεκτρονικών δικτύων
From Secure e-computing to Trusted u-computing. Dimitris Gritzalis
From Secure e-computing to Trusted u-computing Dimitris Gritzalis November 2009 11 ο ICT Forum Αθήνα, 4-5 Νοέμβρη 2009 Από το Secure e-computing στο Trusted u-computing Καθηγητής Δημήτρης Γκρίτζαλης (dgrit@aueb.gr,
Anomaly Detection with Neighborhood Preservation Principle
27 27 Workshop on Information-Based Induction Sciences (IBIS27) Tokyo, Japan, November 5-7, 27. Anomaly Detection with Neighborhood Preservation Principle Tsuyoshi Idé Abstract: We consider a task of anomaly
Crowdsourcing and Machine Learning
1 Crowdsourcing and Machine Learning Hisashi Kashima Hiroshi Kajino Department of Mathematical Informatics, Graduate School of Information Science and Technology, The University of Tokyo {kashima, hiroshi
Ανάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589)
Ανάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589) Μεγαλοοικονόμου Βασίλειος Τμήμα Μηχ. Η/ΥκαιΠληροφορικής Επιστημονικός Υπεύθυνος Στόχος Προτεινόμενου Έργου Ανάπτυξη μεθόδων
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. WordNet
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ WordNet Σημασιολογικά Δίκτυα Ένα δίκτυο που αναπαριστά συσχετίσεις μεταξύ εννοιών. Οι κορυφές παριστάνουν έννοιες και οι ακμές σημασιολογικές
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ. Βιογραφικό Σημείωμα
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΠΑΤΗΣΙΩΝ 76 10434 ΑΘΗΝΑ Ε - ΜΑΙL : mkap@aueb.gr ΤΗΛ: 210-8203814, 6947-931643 ΚΑΠΕΤΗΣ ΧΡΥΣΟΣΤΟΜΟΣ Βιογραφικό Σημείωμα ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ Εθνικότητα: Ελληνική Ημερομηνία Γέννησης:
Automatic extraction of bibliography with machine learning
Automatic extraction of bibliography with machine learning Takeshi ABEKAWA Hidetsugu NANBA Hiroya TAKAMURA Manabu OKUMURA Abstract In this paper, we propose an extraction method of bibliography using support
Shortness Ambiguity TEAM Ungrammaticality
DEIM Forum 2017 D8-4 Twitter 305 8573 1 1 1 305 8573 1 1 1 E-mail: s.nagaki@kde.cs.tsukuba.ac.jp, kitagawa@cs.tsukuba.ac.jp Twitter Twitter 1 Twitter 1. Twitter Wikipedia 2 Twitter 1 1 Twitter [1] Twitter
Japanese Fuzzy String Matching in Cooking Recipes
1 Japanese Fuzzy String Matching in Cooking Recipes Michiko Yasukawa 1 In this paper, we propose Japanese fuzzy string matching in cooking recipes. Cooking recipes contain spelling variants for recipe
Πολιτισμός και ψυχοπαθολογία:
Πολιτισμός και ψυχοπαθολογία: Επιπτώσεις στη συμβουλευτική και ψυχοθεραπεία με μετανάστες και τις οικογένειές τους Βασίλης Παυλόπουλος Τομέας Ψυχολογίας, Πανεπιστήμιο Αθηνών vpavlop@psych.uoa.gr http://www.psych.uoa.gr/~vpavlop
ΝΕΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ, ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ, ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ, ΤΕΙ ΙΟΝΙΩΝ ΝΗΣΩΝ ΕΙΣΑΓΩΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ ΔΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ
Α' ΕΞΑΜΗΝΟ 1 Α.1010 Μικροοικονομική (Microeconomics) ΜΓΥ Υ 2 2 4 8 5 2 Α.1020 Χρηματοοικονομική Λογιστική (Financial Accounting) ΜΓΥ Υ 2 2 2 6 10 6 3 Α.1030 Αρχές Οργάνωσης και Διοίκησης Επιχειρήσεων (Principles
The Greek Data Protection Act: The IT Professional s Perspective
The Greek Data Protection Act: The IT Professional s Perspective Dimitris Gritzalis June 2001 Διημερίδα για την Ασφάλεια στις Τεχνολογίες των Πληροφοριών Λευκωσία, 15-16 Ιουνίου 2001 Ο Ελληνικός νόμος
Reading Order Detection for Text Layout Excluded by Image
19 5 JOURNAL OF CHINESE INFORMATION PROCESSING Vol119 No15 :1003-0077 - (2005) 05-0067 - 09 1, 1, 2 (11, 100871 ; 21IBM, 100027) :,,, PMRegion,, : ; ; ; ; :TP391112 :A Reading Order Detection for Text
HOSVD. Higher Order Data Classification Method with Autocorrelation Matrix Correcting on HOSVD. Junichi MORIGAKI and Kaoru KATAYAMA
DEIM Forum 2010 D1-4 HOSVD 191-0065 6-6 E-mail: j.morigaki@gmail.com, katayama@tmu.ac.jp Lathauwer (HOSVD) (Tensor) HOSVD Savas HOSVD Sun HOSVD,, Higher Order Data Classification Method with Autocorrelation
Τεχνητή Νοημοσύνη. 15η διάλεξη ( ) Ίων Ανδρουτσόπουλος.
Τεχνητή Νοημοσύνη 15η διάλεξη (2016-17) Ίων Ανδρουτσόπουλος http://www.aueb.gr/users/ion/ 1 Οι διαφάνειες αυτής της διάλεξης βασίζονται σε ύλη του βιβλίου Artificial Intelligence A Modern Approach των
Kenta OKU and Fumio HATTORI
DEIM Forum 2012 A1-3 525 8577 1 1 1 E-mail: oku@fc.ritsumei.ac.jp, fhattori@is.ritsumei.ac.jp Kenta OKU and Fumio HATTORI College of Information Science and Engineering, 1 1 1 Nojihigashi, Kusatsu-city,
Stabilization of stock price prediction by cross entropy optimization
,,,,,,,, Stabilization of stock prediction by cross entropy optimization Kazuki Miura, Hideitsu Hino and Noboru Murata Prediction of series data is a long standing important problem Especially, prediction
ΛΕΙΤΟΥΡΓΙΚΟΤΗΤΑΣ ΑΤΟΜΩΝ ΜΕ ΒΑΡΙΑ ΝΟΗΤΙΚΗ ΥΣΤΕΡΗΣΗ ΚΑΙ ΠΡΟΒΛΗΜΑΤΑ ΣΥΜΠΕΡΙΦΟΡΑΣ ΠΟΥ ΜΕΝΟΥΝ ΣΕ ΟΙΚΟΤΡΟΦΕΙΟ ΣΤΗΝ ΚΟΙΝΟΤΗΤΑ.
1 Η ΕΦΑΡΜΟΓΗ ΜΙΑΣ ΣΥΣΤΗΜΙΚΗΣ ΜΕΘΟΔΟΥ ΣΤΗ ΒΕΛΤΙΩΣΗ ΤΗΣ ΛΕΙΤΟΥΡΓΙΚΟΤΗΤΑΣ ΑΤΟΜΩΝ ΜΕ ΒΑΡΙΑ ΝΟΗΤΙΚΗ ΥΣΤΕΡΗΣΗ ΚΑΙ ΠΡΟΒΛΗΜΑΤΑ ΣΥΜΠΕΡΙΦΟΡΑΣ ΠΟΥ ΜΕΝΟΥΝ ΣΕ ΟΙΚΟΤΡΟΦΕΙΟ ΣΤΗΝ ΚΟΙΝΟΤΗΤΑ. Γεωργία Γκαντώνα, Νικόλαος
Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία
Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στην Γεωργία Ενότητα 3 : Εφαρμογές της Τεχνητής Νοημοσύνης στη Γεωργία (2/3) Μελετίου Γεράσιμος 1 Ανοιχτά Ακαδημαϊκά
HTML. Evaluating Effects of Similarities of HTML Structures in Splog Detection
HTML 1 2 1 3 4 ( ) HTML HTML DOM SVM Evaluating Effects of Similarities of HTML Structures in Splog Detection Taichi Katayama, 1 Takayuki Yoshinaka, 2 Takehito Utsuro, 1 Yasuhide Kawada 3 and Tomohiro
GPGPU. Grover. On Large Scale Simulation of Grover s Algorithm by Using GPGPU
GPGPU Grover 1, 2 1 3 4 Grover Grover OpenMP GPGPU Grover qubit OpenMP GPGPU, 1.47 qubit On Large Scale Simulation of Grover s Algorithm by Using GPGPU Hiroshi Shibata, 1, 2 Tomoya Suzuki, 1 Seiya Okubo
Vol. 31,No JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb
Ξ 31 Vol 31,No 1 2 0 0 1 2 JOURNAL OF CHINA UNIVERSITY OF SCIENCE AND TECHNOLOGY Feb 2 0 0 1 :025322778 (2001) 0120016205 (, 230026) : Q ( m 1, m 2,, m n ) k = m 1 + m 2 + + m n - n : Q ( m 1, m 2,, m
Ανάκτηση Πληροφορίας
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 8: Λανθάνουσα Σημασιολογική Ανάλυση (Latent Semantic Analysis) Απόστολος Παπαδόπουλος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό
Τα ανοικτά Δεδομένα στην Κοινωνία της Γνώσης
Τα ανοικτά Δεδομένα στην Κοινωνία της Γνώσης Δρ. Χαράλαμπος Μπράτσας, Πρόεδρος του Ιδρύματος Ανοικτής Γνώσης Ελλάδας Μαθηματικό ΑΠΘ @bratsas, @okfngr http://okfn.gr Ανοικτά δεδομένα; Ανοικτά είναι τα δεδομένα
Random Forests Leo. Hitoshi Habe 1
1 tree forestleo Breiman 2001 Random Forests Hitoshi Habe 1 Abstract: Random Forests is a machine learning framework that consists of many decision trees. It can be categorized as an ensemble classifier
[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1
![[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1](/thumbs/93/113995345.jpg "[4] 1.2 [5] Bayesian Approach min-max min-max [6] UCB(Upper Confidence Bound ) UCT [7] [1] ( ) Amazons[8] Lines of Action(LOA)[4] Winands [4] 1")
1,a) Bayesian Approach An Application of Monte-Carlo Tree Search Algorithm for Shogi Player Based on Bayesian Approach Daisaku Yokoyama 1,a) Abstract: Monte-Carlo Tree Search (MCTS) algorithm is quite
ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ
ΕΥΡΕΣΗ ΤΟΥ ΔΙΑΝΥΣΜΑΤΟΣ ΘΕΣΗΣ ΚΙΝΟΥΜΕΝΟΥ ΡΟΜΠΟΤ ΜΕ ΜΟΝΟΦΘΑΛΜΟ ΣΥΣΤΗΜΑ ΟΡΑΣΗΣ Νικόλαος Κυριακούλης *, Ευάγγελος Καρακάσης, Αντώνιος Γαστεράτος, Δημήτριος Κουλουριώτης, Σπυρίδων Γ. Μουρούτσος Δημοκρίτειο
Τα Ανοικτά Δεδομένα είναι αναγκαία συνθήκη για διαφάνεια, καινοτομία επιχειρηματικότητα. Είναι όμως και ικανή; (Πρέπει και Αρκεί)
Τα Ανοικτά Δεδομένα είναι αναγκαία συνθήκη για διαφάνεια, καινοτομία επιχειρηματικότητα. Είναι όμως και ικανή; (Πρέπει και Αρκεί) Δρ. Χαράλαμπος Μπράτσας, Πρόεδρος του Ιδρύματος Ανοικτής Γνώσης Ελλάδας
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Information Extraction
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Information Extraction Information Extraction Μορφή της πληροφορίας Δομημένα δεδομένα Relational Databases (SQL) XML markup Μη-δομημένα δεδομένα
ΠΡΟΓΡΑΜΜΑ ΚΑΡΑΘΕΟΔΩΡΗΣ 2008
ΠΡΟΓΡΑΜΜΑ ΚΑΡΑΘΕΟΔΩΡΗΣ 2008 ΤΙΤΛΟΣ ΕΡΓΟΥ: "Μελέτη της χρηματοοικονομικής αποτύπωσης περιβαλλοντικών πληροφοριών, της περιβαλλοντικής διαχείρισης, επίδοσης και αποτελεσματικότητας των ελληνικών επιχειρήσεων"
Query by Phrase (QBP) (Music Information Retrieval, MIR) QBH QBP / [1, 2] [3, 4] Query-by-Humming (QBH) QBP MIDI [5, 6] [8 10] [7]
![Query by Phrase (QBP) (Music Information Retrieval, MIR) QBH QBP / [1, 2] [3, 4] Query-by-Humming (QBH) QBP MIDI [5, 6] [8 10] [7]](/thumbs/78/77208006.jpg "Query by Phrase (QBP) (Music Information Retrieval, MIR) QBH QBP / [1, 2] [3, 4] Query-by-Humming (QBH) QBP MIDI [5, 6] [8 10] [7]")
Query by Phrase: a 2 2 Query by Phrase QBP QBP GaP-NMF GaP-NMF GaP-NMF QBP. Music Information Retrieval MIR [ 2] [3 4]Query-by-Humming QBH MIDI [5 6] [7] Waseda University 2 National Institute of Advanced
E-mail: nakayama@ci.i.u-tokyo.ac.jp Abstract (C C (FWM C 1 (deep learning [12, 17] (convolutional neural networks, C [25, 30, 19] [5, 21, 23] C [18] C C GPU [5, 21] C C [11] [16] [2] C (FWM FWM FWM 2 (FWM
Wiki. Wiki. Analysis of user activity of closed Wiki used by small groups
Wiki Wiki Wiki Wiki qwikweb Wiki Wiki Wiki Analysis of user activity of closed Wiki used by small groups Satoshi V. Suzuki, Koichiro Eto, Keiki Shimada, Shinobu Shibamura and Takuichi Nishimura Wikis are
Quick algorithm f or computing core attribute
24 5 Vol. 24 No. 5 Cont rol an d Decision 2009 5 May 2009 : 100120920 (2009) 0520738205 1a, 2, 1b (1. a., b., 239012 ; 2., 230039) :,,.,.,. : ; ; ; : TP181 : A Quick algorithm f or computing core attribute
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ. Τεχνικές NLP Σχεδιαστικά Θέματα
ΔΙΑΧΕΙΡΙΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΠΑΓΚΟΣΜΙΟΥ ΙΣΤΟΥ ΚΑΙ ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ Τεχνικές NLP Σχεδιαστικά Θέματα Natural Language Processing Επεξεργασία δεδομένων σε φυσική γλώσσα Κατανόηση φυσικής γλώσσας από τη μηχανή
Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT
![Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT](/thumbs/91/105754605.jpg "Fourier transform, STFT 5. Continuous wavelet transform, CWT STFT STFT STFT STFT [1] CWT CWT CWT STFT [2 5] CWT STFT STFT CWT CWT. Griffin [8] CWT CWT")
1,a) 1,2,b) Continuous wavelet transform, CWT CWT CWT CWT CWT 100 1. Continuous wavelet transform, CWT [1] CWT CWT CWT [2 5] CWT CWT CWT CWT CWT Irino [6] CWT CWT CWT CWT CWT 1, 7-3-1, 113-0033 2 NTT,
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ Σημασιολογική Συσταδοποίηση Αντικειμένων Με Χρήση Οντολογικών Περιγραφών.
Εφαρμογή Υπολογιστικών Τεχνικών στη Γεωργία
Ελληνική ημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Εφαρμογή Υπολογιστικών Τεχνικών στη Γεωργία Ενότητα 6 : Συστήματα Λήψης Αποφάσεων στην Γεωργία (2/3) Μελετίου Γεράσιμος 1 Ανοιχτά Ακαδημαϊκά Μαθήματα
A multipath QoS routing algorithm based on Ant Net
3 4 Vol. 3. 4 2008 8 CAA I Transactions on Intelligent System s Aug. 2008 AntNet QoS, (, 200237) : AntNet,, QoS, AntNet QoS. QoS,, AntNet QoS,, QoS : ; ; QoS; : TP393 : A : 67324785 (2008) 0420349206 A
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΤΙΤΛΟΙ ΣΠΟΥΔΩΝ ΑΔΕΙΕΣ ΑΣΚΗΣΕΩΣ ΕΠΑΓΓΕΛΜΑΤΟΣ. ΗΜΕΡΟΜΗΝΙΑ ΓΕΝΝΗΣΗΣ: 30 Μαρτίου 1982 ΟΙΚΟΓΕΝΕΙΑΚΗ ΚΑΤΑΣΤΑΣΗ:
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΕΠΩΝΥΜΟ: Βρανάκης ΟΝΟΜΑ: Στέργιος ΠΑΤΡΩΝΥΜΟ: Κωνσταντίνος ΗΜΕΡΟΜΗΝΙΑ ΓΕΝΝΗΣΗΣ: 30 Μαρτίου 1982 ΟΙΚΟΓΕΝΕΙΑΚΗ ΚΑΤΑΣΤΑΣΗ: Έγγαμος ΥΠΗΚΟΟΤΗΤΑ: Ελληνική ΣΤΡΑΤΙΩΤΙΚΕΣ ΥΠΟΧΡΕΩΣΕΙΣ: Εκπληρωμένες
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ ΣΠΟΥΔΕΣ
ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ ΠΡΟΣΩΠΙΚΑ ΣΤΟΙΧΕΙΑ ΕΠΩΝΥΜΟ: ΡΟΜΠΟΛΗΣ ΟΝΟΜΑ: ΛΕΩΝΙΔΑΣ ΟΝΟΜΑ ΠΑΤΡΟΣ: ΣΑΒΒΑΣ ΧΡΟΝΟΛΟΓΙΑ ΓΕΝΝΗΣΗΣ: 16/1/1977 ΤΟΠΟΣ ΓΕΝΝΗΣΗΣ: ΑΘΗΝΑ ΔΙΕΥΘΥΝΣΗ ΚΑΤΟΙΚΙΑΣ: ΟΙΚΟΝΟΜΟΥ 29, 16122, ΑΘΗΝΑ ΔΙΕΥΘΥΝΣΗ
EM Baum-Welch. Step by Step the Baum-Welch Algorithm and its Application 2. HMM Baum-Welch. Baum-Welch. Baum-Welch Baum-Welch.
Baum-Welch Step by Step the Baum-Welch Algorithm and its Application Jin ichi MURAKAMI EM EM EM Baum-Welch Baum-Welch Baum-Welch Baum-Welch, EM 1. EM 2. HMM EM (Expectationmaximization algorithm) 1 3.
Maxima SCORM. Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup Approach. Jia Yunpeng, 1 Takayuki Nagai, 2, 1
Maxima SCORM 1 2, 1 Muhammad Wannous 1 3, 4 2, 4 Maxima Web LMS MathML HTML5 Flot jquery JSONP JavaScript SCORM SCORM Algebraic Manipulations and Visualizing Graphs in SCORM contents by Maxima and Mashup
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ ΔΟΥΒΛΕΤΗΣ ΧΑΡΑΛΑΜΠΟΣ ΕΠΙΒΛΕΠΟΝΤΕΣ ΚΑΘΗΓΗΤΕΣ Μαργαρίτης Κωνσταντίνος Βακάλη