οµή δικτύου ΣΧΗΜΑ 8.1

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "οµή δικτύου ΣΧΗΜΑ 8.1"

Transcript

1 8. ίκτυα Kohonen Το µοντέλο αυτό των δικτύων προτάθηκε το 1984 από τον Kοhonen, και αφορά διαδικασία εκµάθησης χωρίς επίβλεψη, δηλαδή δεν δίδεται καµία εξωτερική επέµβαση σχετικά µε τους στόχους που πρέπει να εκπαιδευθεί να αναγνωρίζει ένα δίκτυο. Το χαρακτηριστικό του προτύπου αυτού είναι ότι µπορεί να ταξινοµεί διανύσµατα µε την βοήθεια ενός αλγόριθµου αυτόνοµης(χωρίς επίβλεψη) µάθησης. Το δίκτυο οργανώνει τον πίνακα των βαρών του w µε τέτοιο τρόπο ώστε αναγνωρίζει όποια κανονικότητα µπορεί να υπάρχει στα διανύσµατα εισόδου. Μία σηµαντική αρχή της οργάνωσης των αισθητηρίων οργάνων στον εγκέφαλο είναι ότι η κατανοµή των νευρώνων παρουσιάζει µια κανονικότητα που αντικατοπτρίζει κάποια ειδικά χαρακτηριστικά των εξωτερικών ερεθισµάτων που διαδίδονται σε αυτά. Έτσι τα δίκτυα Kohonen ακολουθούν κάποια χαρακτηριστικά των βιολογικών δικτύων. οµή δικτύου Το δίκτυο Kοhonen αποτελείται από δύο επίπεδα. Το πρώτο επίπεδο, όπως συνήθως, είναι το επίπεδο εισόδου. Το δεύτερο επίπεδο έχει το ιδιαίτερο χαρακτηριστικό ότι είναι οργανωµένο σε µορφή πλέγµατος, που µπορεί να έχει οποιαδήποτε διάσταση, π.χ µπορεί να έχουµε ένα δισδιάστατο πλέγµα, δηλ. µία επιφάνεια που έχει επάνω της m x m µονάδες (π.χ. µικρές τελίτσες) που αντιστοιχούν στους νευρώνες. Τα δύο αυτά επίπεδα έχουν πλήρη συνδεσµολογία, δηλαδή κάθε µονάδα εισόδου συνδέεται µε όλες τις µονάδες του επιπέδου. Το σχήµα 8.1 δείχνει την δοµή ενός τέτοιου δικτύου. Το σήµα εισόδου είναι ένα διάνυσµα µε n στοιχεία. Έτσι τελικά έχουµε n x m x m συνδέσεις. ΣΧΗΜΑ 8.1 Όταν παρουσιάζεται ένα πρότυπο στο επίπεδο εισόδου κάθε νευρώνας παίρνει την αντίστοιχη τιµή του εισερχόµενου σήµατος. Οι νευρώνες στο δεύτερο επίπεδο πραγµατοποιούν αλλαγές στα βάρη w µέχρις ότου το δίκτυο εκπαιδευτεί στα εισερχόµενα πρότυπα. Η προσαρµογή των βαρών γίνεται µε τέτοιο τρόπο, ώστε µετά την εκπαίδευση το δίκτυο να είναι σε θέση να 1

2 διεγείρει τον ίδιο πάντα νευρώνα εξόδου για διανύσµατα εισόδου που ανήκουν στην ίδια τάξη. Επειδή η εκπαίδευση γίνεται αυτόνοµα (χωρίς στόχους) δεν µπορούµε να γνωρίζουµε εκ των προτέρων σε ποια από τις τάξεις θα αντιστοιχεί ο κάθε ένας από τους νευρώνες εξόδου, µε αποτέλεσµα η αντιστοίχηση να γίνεται µόνο µετά την εκπαίδευσή τους. Όπως και σε άλλα δίκτυα, αρχικά οι τιµές των w είναι τυχαίες. Επιλέγονται, π.χ. από µία γεννήτρια τυχαίων αριθµών η οποία παράγει αριθµούς στο διάστηµα από 0.0 ως 1.0 µε οµαλή κατανοµή. Ένα πρότυπο λοιπόν που παρουσιάζεται στο επίπεδο εισόδου έχει την µορφή: ( ) S = s 1, s 2, s 3... s n (1) Τα βάρη w που συνδέουν το επίπεδο εισόδου µε την µονάδα i στο επίπεδο εξόδου δίδονται από: ( ) w w, w, w... w (2) i = i1 i2 i3 in Πρώτα υπολογίζουµε µία αντίστοιχη τιµή για κάθε νευρώνα στο επίπεδο εξόδου, η οποία δείχνει κατά πόσο τα βάρη αντιστοιχούν στις τιµές εισόδου. Η αντίστοιχη τιµή για τον νευρώνα i είναι: S (3) W i το οποίο είναι η απόσταση µεταξύ των διανυσµάτων S και W i και βρίσκεται από: d j = ( s j wij ) 2 j (4) Η µονάδα αυτή που έχει την µικρότερη αντίστοιχη τιµή είναι η πλέον κατάλληλη ανάµεσα σε όλες τις άλλες µονάδες, και έτσι επιλέγουµε την µονάδα αυτή, την οποία ονοµάζουµε c, και λέγουµε ότι: { } S W = min S W (5) c i όπου το min θεωρείται ότι λαµβάνεται σε όλες τις µονάδες i του επιπέδου εξόδου. Αν συµβεί δύο µονάδες να έχουν ακριβώς την ίδια τιµή, τότε παίρνουµε αυτή που έχει την µικρότερη τιµή του δείκτη i. Οι διπλές κάθετες γραµµές στις εξισώσεις υποδηλώνουν ότι έχουµε πράξεις µεταξύ διανυσµάτων, που πρέπει να γίνουν κανονικά, στοιχείο προς στοιχείο. ΣΧΗΜΑ 8.2 2

3 Ακολούθως, ορίζουµε την γειτονία γύρω από την µονάδα αυτή. Ως γειτονία θεωρούµε όλες τις µονάδες που είναι κοντά στην πλέον κατάλληλη µονάδα. Το µέγεθος της γειτονίας διαφέρει από περίπτωση σε περίπτωση. Όπως βλέπουµε στο σχήµα 8.2, σχηµατίζουµε ένα τετράγωνο µε κέντρο την µονάδα c, και το οποίο περιέχει N c µονάδες, ανάλογα βέβαια µε το µήκος της πλευράς του τετραγώνου. Στην αρχή της διαδικασίας εκπαίδευσης το N c είναι µεγάλο, και η γειτονία περιλαµβάνει ένα µεγάλο τετράγωνο. Κατά την διάρκεια όµως της διαδικασίας τα βάρη αλλάζουν τιµή, και έτσι συνεχώς η περιοχή της γειτονίας µικραίνει, ώσπου στο τέλος περιλαµβάνει µόνον τη µονάδα c. Η διόρθωση των βαρών w γίνεται µε την εξίσωση: w ij = a s j 0 w ij εάν η µονάδα i ανήκει στην γειτονία N c εάν η µονάδα i δεν ανήκει στην γειτονία N c Αφού βρούµε το w ij εύκολα αναπροσαρµόζουµε τα w ij. Αυτό έχει ως αποτέλεσµα η µονάδα c και οι µονάδες που ανήκουν στην γειτονία της να αλλάζουν και να µοιάζουν περισσότερο µε τα πρότυπα εισόδου. Για να προχωρήσουµε στην λύση του προβλήµατος πρέπει να ορισθούν η σταθερά α και το µέγεθος του N c. Η σταθερά α είναι ο ρυθµός εκπαίδευσης. Αρχικά έχει µία µεγάλη τιµή, αλλά κατά την διαδικασία εκπαίδευσης ελαττώνεται. Η εξίσωση της ελάττωσης αυτής δίδεται από: t α t = α o T 1 (6) όπου α ο είναι η αρχική τιµή του α. Τ είναι ο συνολικός αριθµός των κύκλων εκπαίδευσης που υφίσταται το δίκτυο, t είναι ο τρέχων κύκλος. Συνήθεις τιµές του α ο είναι 0.2< α ο <0.5, ενώ κατά την διάρκεια της εκπαίδευσης το α ελαττώνεται, και τελικά γίνεται 0. Η ελάττωση αυτή είναι γραµµική µε τον αριθµό των κύκλων (δηλαδή µε τον χρόνο). Ως προς το µέγεθος της γειτονίας, θεωρούµε την αρχική µονάδα µε συντεταγµένες (x c,y c ). Εάν d είναι η απόσταση από το c ως το τέλος της γειτονίας, τότε η γειτονία περιλαµβάνει όλα τα (x,y) για τα οποία: c-d<x<c+d c-d<y<c+d Αρχικά το d έχει µία τιµή d o. Το d o τίθεται αυθαίρετα, και πρέπει να είναι περί το 1/2 του µεγέθους ολοκλήρου του επιπέδου. Η ελάττωση του d καθώς προχωράει η εκπαίδευση γίνεται µε την εξίσωση: t d = do 1 (8) T όπου όπως βλέπουµε έχουµε µία εξίσωση ανάλογη µε την εξίσωση του α. Και εδώ η ελάττωση είναι γραµµική µε τον χρόνο, µέχρις ότου το d γίνει d=1. Συνοπτικά η διαδικασία εκπαίδευσης του δικτύου Kohonen είναι: (7) 3

4 ιαλέγουµε πρώτα τον νευρώνα στο επίπεδο εξόδου του οποίου τα βάρη ταιριάζουν καλύτερα µε το πρότυπο εισόδου. Μεταβάλλουµε τα βάρη w ij έτσι ώστε η αντιστοιχία αυτή να αυξάνεται. Σταδιακά ελαττώνουµε το µέγεθος της γειτονίας, καθώς επίσης και το µέγεθος της αλλαγής στα w, καθ' όσον το δίκτυο εκπαιδεύεται. Παράδειγµα αυτο-οργάνωσης Έστω ότι έχουµε ένα δίκτυο Kohonen µε 2 νευρώνες στο επίπεδο εισόδου και 8x8 νευρώνες στο επίπεδο εξόδου. Καθ όσον υπάρχουν δύο νευρώνες στην είσοδο τα πρότυπα που δίνονται προς εκπαίδευση θα είναι διανύσµατα µε δύο µόνο στοιχεία. Κάθε στοιχείο s έχει τιµή στο διάστηµα 0<s<1, και επιλέγεται τυχαία, από µία κατανοµή τυχαίων αριθµών. Τα βάρη w επιλέγονται επίσης τυχαία ως εξής: Ξεκινάµε από µία τιµή w ij =0.5, και προσθέτουµε έναν µικρό τυχαίο αριθµό στο διάστηµα -0.05< w<0.05. Έτσι οι αρχικές τιµές των βαρών θα είναι στο διάστηµα 0.45<w ij <0.55. Τα αρχικά βάρη φαίνονται στο σχήµα 8.3. ΣΧΗΜΑ 8.3 Κάθε νευρώνας στο επίπεδο εξόδου αντιστοιχεί µε ένα σηµείο στην γραφική παράσταση, στην οποία οι συντεταγµένες των σηµείων είναι οι τιµές των αρχικών βαρών. Βλέπουµε επίσης ότι δύο από τα σηµεία είναι ενωµένα µε µία µικρή γραµµή. Τα δύο αυτά σηµεία αντιστοιχούν σε δύο διπλανούς νευρώνες στο επίπεδο εξόδου και φαίνονται στο σχήµα

5 ΣΧΗΜΑ 8.4 Θα ενώνουµε όλους τους διπλανούς νευρώνες µε γραµµές, καθ' ότι αυτό θα µας επιτρέπει να βλέπουµε πως αλλάζει η δοµή των βαρών w µε την εκπαίδευση του δικτύου. Στο σχήµα 8.5 έχουµε την γραφική παράσταση των αρχικών βαρών, όµοια µε το σχήµα 8.3, αλλά εδώ οι άξονες έχουν τιµή από 0 εώς 1, και έτσι τα συσσωρευµένα σηµεία στη µέση του τετραγώνου είναι µία σµίκρυνση του σχήµατος 8.3. ΣΧΗΜΑ 8.5 Μετά από 1000 κύκλους το δίκτυο φαίνεται στο σχήµα 8.6, όπου βλέπουµε ότι αρχίζει σιγά-σιγά να φαίνεται η φυσική τοποθέτηση των νευρώνων. Οι συνδέσεις µεταξύ των νευρώνων είναι παραποιηµένες και διαστρεβλωµένες. Εν τούτοις παρατηρούµε ότι τα σηµεία αν και δίνουν την γραφική παράσταση των βαρών w, εν τούτοις οι νευρώνες διασυνδέονται µεταξύ τους σε µία δοµή πλέγµατος. Μετά από t=6000 κύκλους έχουµε το σχήµα 8.7, ενώ µετά από t=20000 κύκλους το σχήµα 8.8. Παρατηρούµε ότι όσο περνάει ο χρόνος, τόσο και το σχήµα γίνεται πιο κανονικό. 5

6 ΣΧΗΜΑ 8.6 ΣΧΗΜΑ 8.7 ΣΧΗΜΑ 8.8 ΣΧΗΜΑ 8.9 Στους υπολογισµούς αυτούς χρησιµοποιήθηκε α ο =0.2 και d o =4. Ο χρόνος t=20000 είναι ο τελικός χρόνος, κατά τον οποίο θεωρείται ότι το δίκτυο έχει εκπαιδευθεί. Θα κρατήσουµε τις τελικές τιµές των παραµέτρων και το σχήµα 8.8 και θα δούµε τώρα τι έχουµε πετύχει να κάνουµε µε την εκπαίδευση αυτή. Έστω ότι θέτουµε δύο νέα σηµεία µε συντεταγµένες (0.58, 0.69) και (0.23, 0.19), όπως στο σχήµα 8.9, και θέλουµε να δούµε ποιά θα είναι η απόκριση του δικτύου στις εισόδους αυτές. Θα επιλεχθεί τώρα ο νευρώνας που είναι πιο 6

7 κοντά σε κάθε ένα από τα σηµεία. Έτσι, κάθε σηµείο αναπαρίσταται από µία µονάδα του επιπέδου εξόδου που προτιµάται έναντι όλων των άλλων µονάδων. Για το πρώτο σηµείο είναι λοιπόν η µονάδα (3,5) και το δεύτερο (7,2) του πλέγµατος. Το δίκτυο κατορθώνει να συνδέει ένα άγνωστο πρότυπο που δίδεται στην είσοδο µε τον πιο κατάλληλο νευρώνα στο επίπεδο εξόδου. Θεωρούµε ότι το δίκτυο αυτό είναι ένα παράδειγµα αυτο-οργάνωσης, καθ' ότι το δίκτυο Kohonen µπορεί από µόνο του να εκπαιδευθεί, και αρχίζοντας από τυχαίες τιµές των βαρών w να καταλήξει σε µία οργανωµένη δοµή, όπως είδαµε στα προηγούµενα σχήµατα. Η όλη διαδικασία γίνεται µε το να απλωθούν οι νευρώνες του επιπέδου, έτσι ώστε κάθε νευρώνας να αποκρίνεται σε ίδιο αριθµό προτύπων που δίδονται στην είσοδο. ΣΧΗΜΑ 8.10 Τα δίκτυα αυτά παρατηρούµε ότι έχουν την ικανότητα να ελαττώνουν τον αριθµό των διαστάσεων που απαιτούνται για την εισαγωγή των προτύπων εισόδου. Στο σχήµα 8.10 βλέπουµε ένα δίκτυο µε δύο εισόδους, και επίπεδο εξόδου µε 40 µονάδες που είναι όλες σε µία ευθεία γραµµή. Οι δύο νευρώνες στην είσοδο επιτρέπουν να δώσουµε δισδιάστατα πρότυπα προς εκπαίδευση, και το δίκτυο θα πρέπει να τα αντιστοιχίσει µε την µονοδιάστατη αλυσίδα στην έξοδο. ίδουµε διαφορετικά πρότυπα για την εκπαίδευση του δικτύου τα οποία είναι τυχαίοι αριθµοί στο διάστηµα 0 ως 1. Στα σχήµατα βλέπουµε την χρονική εξέλιξη του συστήµατος: Στο 8.11 το δίκτυο είναι στην αρχή, στο 8.12 είναι σε µεσαίο χρόνο, και στο 8.13 στο τέλος µετά την εκπαίδευση. Παρατηρούµε ότι αρχικά η αλυσίδα είναι µαζεµένη και περιπλεγµένη µε πολλές επικαλύψεις. Ακολούθως όµως αρχίζει να απλώνεται και να ξετυλίγεται, και έχει λιγότερες επικαλύψεις (σχ. 8.12). Στο τέλος έχει απλωθεί και καλύπτει όλη την επιφάνεια του συστήµατος (σχ.8.13). 7

8 ΣΧΗΜΑ 8.11 ΣΧΗΜΑ 8.12 ΣΧΗΜΑ

9 Ένα άλλο χαρακτηριστικό είναι ότι το δίκτυο Kohonen έχει καλύτερη ικανότητα να διακρίνει µεταξύ παροµοίων προτύπων όταν τα πρότυπα αυτά εµφανίζονται πιο συχνά. Το χαρακτηριστικό αυτό είναι ανάλογο µε τον κανόνα του Hebb που είδαµε στο κεφάλαιο 3. Αυτό έχει ως αποτέλεσµα το δίκτυο αυτό να µπορεί να διακρίνει πιο λεπτές φορές. Στο σχήµα 8.14 χρησιµοποιούµε µία δοµή εξόδου 8 x 8 και θεωρούµε µία γκρίζα περιοχή στην οποία δίνουµε πιο πολλά πρότυπα από τα αναλογώντα. Εδώ δίνουµε 42% των εισόδων στην περιοχή αυτή, ενώ το εµβαδόν που καλύπτει είναι περίπου το 14% του συνολικού. Τα υπόλοιπα 58% είναι από την λευκή περιοχή. Μετά από κύκλους στο σχήµα 8.15 παρατηρούµε ότι το δίκτυο έχει παραµορφώσει το πλέγµα που είχαµε προηγουµένως µε κανονικές συνθήκες. ίνει πιο πολλές εξόδους στην γκρίζα περιοχή, σε ίδια αναλογία όπως ήταν αρχικά οι είσοδοι. Αυτό έχει ως αποτέλεσµα το δίκτυο να διακρίνει πιο λεπτές διαφορές στο πρότυπο στην γκρίζα περιοχή από ότι στην λευκή περιοχή. Αυτό συµβαίνει διότι όταν ένα νέο σήµα πέσει στην γκρίζα περιοχή, εκεί υπάρχουν πιο πολλές µονάδες εξόδου, που είναι σε µικρότερη απόσταση µεταξύ τους, και έτσι διακρίνουν καλύτερα τις διαφορές. ΣΧΗΜΑ

10 ΣΧΗΜΑ 8.15 Παρατηρήσαµε ήδη ότι τα δίκτυα Kohonen έχουν την ικανότητα να αλλάζουν την διάσταση του συστήµατος που εξετάζεται. Το χαρακτηριστικό αυτό µπορεί να χρησιµοποιηθεί για να ελαττώσουµε την διάσταση των δεδοµένων, καθ ότι πάντοτε είναι ευκολότερα τα προβλήµατα µικρής διάστασης. Ως διάσταση στο πρότυπο εισόδου εννοούµε τον αριθµό των στοιχείων στο διάνυσµα εισόδου. Παρόµοια, στην έξοδο εννούµε τον αριθµό των διαστάσεων του πλέγµατος, δηλαδή ευθεία γραµµή, ένα επίπεδο, κ.λ.π. Από τα παραδείγµατα που είδαµε προηγουµένως το σχήµα 8.9 δείχνει ένα δίκτυο µε ίδια διάσταση στην είσοδο και έξοδο. Το σχήµα όµως 8.10 έχουµε διαφορετική διάσταση, καθ ότι τα πρότυπα στην είσοδο είναι δύο διαστάσεων, ενώ στην έξοδο έχουν µία διάσταση. 10

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

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

Διαβάστε περισσότερα

4. Ο αισθητήρας (perceptron)

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

Διαβάστε περισσότερα

Το άθροισµα των εισερχόµενων σηµάτων είναι:

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

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 2 Οκτωβρίου 23 ιάρκεια: 2 ώρες Έστω το παρακάτω γραµµικώς

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ

ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΘΕΜΑ ο (.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Πέµπτη 7 Ιανουαρίου 8 5:-8: Σχεδιάστε έναν αισθητήρα (perceptron)

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 2 Σεπτεµβρίου 2005 5:00-8:00 Σχεδιάστε έναν αισθητήρα ercetro

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο (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 περισσότερα

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

1)Βρείτε την εξίσωση για το επίπεδο που περιέχει το σηµείο (1,-1,3) και είναι παράλληλο προς το επίπεδο 3x+y+z=a όπου a ένας αριθµός.

1)Βρείτε την εξίσωση για το επίπεδο που περιέχει το σηµείο (1,-1,3) και είναι παράλληλο προς το επίπεδο 3x+y+z=a όπου a ένας αριθµός. 1)Βρείτε την εξίσωση για το επίπεδο που περιέχει το σηµείο (1,-1,3) και είναι παράλληλο προς το επίπεδο 3x+y+z=a όπου a ένας αριθµός. ( Καρτεσιανή ) επιλέχθηκε για το σχήµα. Ο αριθµός a δεν επιρρεάζει

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ

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

Διαβάστε περισσότερα

lim είναι πραγµατικοί αριθµοί, τότε η f είναι συνεχής στο x 0. β) Να εξετάσετε τη συνέχεια της συνάρτησης f (x) =

lim είναι πραγµατικοί αριθµοί, τότε η f είναι συνεχής στο x 0. β) Να εξετάσετε τη συνέχεια της συνάρτησης f (x) = Ερωτήσεις ανάπτυξης. ** α) Να αποδείξετε ότι αν τα όρια lim - f () - f - είναι πραγµατικοί αριθµοί, τότε η f είναι συνεχής στο. ( ) και β) Να εξετάσετε τη συνέχεια της συνάρτησης f () = lim + στο σηµείο

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΠΜΣΕ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΚΑΙ ΕΞΕΛΙΚΤΙΚΟΙ ΑΛΓΟΡΙΘΜΟΙ ΟΜΑ Α ΑΣΚΗΣΕΩΝ ΑΣΚΗΣΗ Στην εικόνα παρακάτω φαίνεται ένα νευρωνικό

Διαβάστε περισσότερα

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών 54 ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών ιαφόριση συναρτήσεων πολλών µεταβλητών Ένας στέρεος ορισµός της παραγώγισης για συναρτήσεις πολλών µεταβλητών ανάλογος µε τον ορισµό για συναρτήσεις µιας µεταβλητής

Διαβάστε περισσότερα

4.3. Γραµµικοί ταξινοµητές

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

Διαβάστε περισσότερα

Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ

Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ 8 Παραβολή Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Ορισµός Παραβολή είναι ο γεωµετρικός τόπος των σηµείων Μ του επιπέδου τα οποία ισαπέχουν από µια σταθερή ευθεία (δ) που λέγεται διευθετούσα της παραβολής και από

Διαβάστε περισσότερα

x - 1, x < 1 f(x) = x - x + 3, x

x - 1, x < 1 f(x) = x - x + 3, x Σελίδα από 4 ΠΡΑΓΜΑΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΧΡΗΣΙΜΕΣ ΕΠΙΣΗΜΑΝΣΕΙΣ ΣΤΙΣ ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ Του Αντώνη Κυριακόπουλου Εισαγωγή Στην εργασία αυτή παραθέτω χρήσιµες επισηµάνσεις στις βασικές έννοιες των πραγµατικών συναρτήσεων

Διαβάστε περισσότερα

ΑΠΟΚΡΙΣΗ ΙΚΤΥΟΥ R-L σε ΤΕΤΡΑΓΩΝΙΚΟ και ΤΡΙΓΩΝΙΚΟ ΠΑΛΜΟ

ΑΠΟΚΡΙΣΗ ΙΚΤΥΟΥ R-L σε ΤΕΤΡΑΓΩΝΙΚΟ και ΤΡΙΓΩΝΙΚΟ ΠΑΛΜΟ ΜΑΘΗΜΑ: ΑΝΑΛΥΣΗ ΣΥΣΤΗΜΑΤΩΝ ΕΙΣΑΓΩΓΗ ΣΤΑ Σ.Α.Ε. ΑΠΟΚΡΙΣΗ ΙΚΤΥΟΥ R- σε ΤΕΤΡΑΓΩΝΙΚΟ και ΤΡΙΓΩΝΙΚΟ ΠΑΛΜΟ ρ. Α. Μαγουλάς Μάρτιος 2017 1 1. Εισαγωγή Στο παρακάτω σχήµα φαίνεται ένα απλό δίκτυο R. ιέγερση (είσοδος)

Διαβάστε περισσότερα

Κεφάλαιο 7 Βάσεις και ιάσταση

Κεφάλαιο 7 Βάσεις και ιάσταση Κεφάλαιο 7: Βάσεις και ιάσταση Σελίδα από 9 Κεφάλαιο 7 Βάσεις και ιάσταση n Στο Κεφάλαιο 5 είδαµε την έννοια της βάσης στο και στο Κεφάλαιο 6 µελετήσαµε διανυσµατικούς χώρους. Στο παρόν κεφάλαιο θα ασχοληθούµε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Παρασκευή 9 Ιανουαρίου 2007 5:00-8:00 εδοµένου ότι η

Διαβάστε περισσότερα

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

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

Διαβάστε περισσότερα

Μάθηµα 1. Κεφάλαιο 1o: Συστήµατα. γ R παριστάνει ευθεία και καλείται γραµµική εξίσωση µε δύο αγνώστους.

Μάθηµα 1. Κεφάλαιο 1o: Συστήµατα. γ R παριστάνει ευθεία και καλείται γραµµική εξίσωση µε δύο αγνώστους. Μάθηµα 1 Κεφάλαιο 1o: Συστήµατα Θεµατικές Ενότητες: A. Συστήµατα Γραµµικών Εξισώσεων B. Συστήµατα 3x3 Α. ΣΥΣΤΗΜΑΤΑ ΓΡΑΜΜΙΚΩΝ ΕΞΙΣΩΣΕΩΝ Ορισµοί Κάθε εξίσωση της µορφής α x+β =γ, µε α, β, γ R παριστάνει

Διαβάστε περισσότερα

Ασκήσεις. Κεφάλαιο 6. a = a 0 + x 1 b 1 + x 2 b 2 + x 3 b 3, όπου b i = a i a 0, i = 1, 2, 3, P 2 = {(x, y, z) R 3 : x 2y + 3z = 2}.

Ασκήσεις. Κεφάλαιο 6. a = a 0 + x 1 b 1 + x 2 b 2 + x 3 b 3, όπου b i = a i a 0, i = 1, 2, 3, P 2 = {(x, y, z) R 3 : x 2y + 3z = 2}. Κεφάλαιο 6 Ασκήσεις 1. (αʹ) ώστε δράση του Χ R 2 στο αφινικό επίπεδο P = {(x, y, z) R 3 : x = 2}. Επίσης, δώστε µία αφινική ϐάση τριών σηµείων (a 0, a 1, a 2 ) και ϐρείτε τις ϐαρυκεντρικές συντεταγµένες

Διαβάστε περισσότερα

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων.

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων. 4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ Ο.Π. ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΥΝ ΥΑΣΤΙΚΑ ΘΕΜΑΤΑ. Γιάννης Ζαµπέλης Μαθηµατικός

ΜΑΘΗΜΑΤΙΚΑ Ο.Π. ΤΡΑΠΕΖΑ ΘΕΜΑΤΩΝ ΣΥΝ ΥΑΣΤΙΚΑ ΘΕΜΑΤΑ. Γιάννης Ζαµπέλης Μαθηµατικός ΣΥΝ ΥΑΣΤΙΚΑ ΘΕΜΑΤΑ 4 5 Γιάννης Ζαµπέλης Μαθηµατικός 867 (Αναρτήθηκε 8 4 ) ίνονται τα διανύσµατα a και b µε µέτρα, 6 αντίστοιχα και ϕ [, π] a b+ x+ a b y 5= () δίνεται η εξίσωση ( ) ( ) α) Να αποδείξετε

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

1.1.3 t. t = t2 - t1 1.1.4 x2 - x1. x = x2 x1 . . 1

1.1.3 t. t = t2 - t1 1.1.4  x2 - x1. x = x2 x1 . . 1 1 1 o Κεφάλαιο: Ευθύγραµµη Κίνηση Πώς θα µπορούσε να περιγραφεί η κίνηση ενός αγωνιστικού αυτοκινήτου; Πόσο γρήγορα κινείται η µπάλα που κλώτσησε ένας ποδοσφαιριστής; Απαντήσεις σε τέτοια ερωτήµατα δίνει

Διαβάστε περισσότερα

Ερωτήσεις κατανόησης σελίδας Κεφ. 1

Ερωτήσεις κατανόησης σελίδας Κεφ. 1 Ερωτήσεις κατανόησης σελίδας 50 5 Κεφ.. Ο όγκος του διπλανού ορθογωνίου παραλληλεπιπέδου εκφράζεται µε τη συνάρτηση V() = ( )( ). Το πεδίο ορισµού της συνάρτησης αυτής είναι το διάστηµα : A. [0, + ] B.

Διαβάστε περισσότερα

7.1 ΜΕΛΕΤΗ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ f(x) = αx 2

7.1 ΜΕΛΕΤΗ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ f(x) = αx 2 1 7.1 ΜΕΛΕΤΗ ΤΗΣ ΣΥΝΑΡΤΗΣΗΣ f() = α ΘΕΩΡΙΑ 1. Μορφή της συνάρτησης g() = (Παραβολή) O g( ) = Ιδιότητες Πεδίο ορισµού = R Είναι άρτια, άρα συµµετρική ως προς τον άξονα Είναι γν.φθίνουσα στο διάστηµα (,

Διαβάστε περισσότερα

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή. Η Αριθµητική Ανάλυση χρησιµοποιεί απλές αριθµητικές πράξεις για την επίλυση σύνθετων µαθηµατικών προβληµάτων. Τις περισσότερες φορές τα προβλήµατα αυτά είναι ή πολύ περίπλοκα ή δεν έχουν ακριβή αναλυτική

Διαβάστε περισσότερα

6. Στατιστικές μέθοδοι εκπαίδευσης

6. 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 περισσότερα

3.3 ΑΛΓΕΒΡΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ

3.3 ΑΛΓΕΒΡΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ . ΑΛΓΕΒΡΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΘΕΩΡΙΑ. Μέθοδοι επίλυσης : Οι βασικές µέθοδοι αλγεβρικής επίλυσης ενός γραµµικού συστήµατος δύο εξισώσεων µε δύο αγνώστους είναι δύο η µέθοδος της αντικατάστασης

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n

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

Διαβάστε περισσότερα

5.1 Ιδιοτιµές και Ιδιοδιανύσµατα

5.1 Ιδιοτιµές και Ιδιοδιανύσµατα Κεφάλαιο 5 Ιδιοτιµές και Ιδιοδιανύσµατα 5 Ιδιοτιµές και Ιδιοδιανύσµατα Αν ο A είναι ένας n n πίνακας και το x είναι ένα διάνυσµα στον R n, τότε το Ax είναι και αυτό ένα διάνυσµα στον R n Συνήθως δεν υπάρχει

Διαβάστε περισσότερα

ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΓΕΝΙΚΗ ΜΟΡΦΗ

ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΓΕΝΙΚΗ ΜΟΡΦΗ ΕΞΙΣΩΣΗ ΕΥΘΕΙΑΣ ΓΕΝΙΚΗ ΜΟΡΦΗ Κάθε εξίσωση της µορφής α + β = γ όπου α + β 0 ( α, β όχι συγχρόνως 0) παριστάνει ευθεία. (Η εξίσωση λέγεται : ΓΡΑΜΜΙΚΗ) ΕΙ ΙΚΑ γ Αν α = 0 και β 0έχουµε =. ηλαδή µορφή = c.

Διαβάστε περισσότερα

11 Το ολοκλήρωµα Riemann

11 Το ολοκλήρωµα Riemann Το ολοκλήρωµα Riem Το πρόβληµα υπολογισµού του εµβαδού οποιασδήποτε επιφάνειας ( όπως κυκλικοί τοµείς, δακτύλιοι και δίσκοι, ελλειπτικοί δίσκοι, παραβολικά και υπερβολικά χωρία κτλ) είναι γνωστό από την

Διαβάστε περισσότερα

Ονοµάζουµε παραβολή µε εστία σηµείο Ε και διευθετούσα ευθεία (δ) το γεωµετρικό τόπο των σηµείων του επιπέδου τα οποία ισαπέχουν από το Ε και τη (δ)

Ονοµάζουµε παραβολή µε εστία σηµείο Ε και διευθετούσα ευθεία (δ) το γεωµετρικό τόπο των σηµείων του επιπέδου τα οποία ισαπέχουν από το Ε και τη (δ) 3. Η ΠΑΡΑΒΟΛΗ ΘΕΩΡΙΑ. Ορισµός Ονοµάζουµε παραβολή µε εστία σηµείο Ε και διευθετούσα ευθεία (δ) το γεωµετρικό τόπο των σηµείων του επιπέδου τα οποία ισαπέχουν από το Ε και τη (δ). Εξίσωση παραβολής p, όπου

Διαβάστε περισσότερα

Ονοµατεπώνυµο:... 3 ο ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ. ραστηριότητα 1 η : (Γνωριµία µε το πρόγραµµα προσοµοίωσης)

Ονοµατεπώνυµο:... 3 ο ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ. ραστηριότητα 1 η : (Γνωριµία µε το πρόγραµµα προσοµοίωσης) Ονοµατεπώνυµο:.... Τάξη: ΕΠΑ.Λ Τµήµα:. Ηµεροµηνία:.. 3 ο ΦΥΛΛΟ ΕΡΓΑΣΙΑΣ ραστηριότητα 1 η : (Γνωριµία µε το πρόγραµµα προσοµοίωσης) Ανοίξτε την προσοµοίωση EOEK_a.ip, που βρίσκεται στο φάκελο µε τίτλο ιδακτική

Διαβάστε περισσότερα

[ ], σχηµατίζουµε το άθροισµα. Το άθροισµα αυτό είναι µια δυαδική πράξη η οποία αντιστοιχεί στις ακολουθίες f [ 1

[ ], σχηµατίζουµε το άθροισµα. Το άθροισµα αυτό είναι µια δυαδική πράξη η οποία αντιστοιχεί στις ακολουθίες f [ 1 ΚΕΦΑΛΑΙΟ 4 ΣΥΝΕΛΙΞΗ 4.. ΣΥΝΕΛΙΞΗ Στην προηγούµενη παράγραφο εισαγάγαµε την ιδέα της συνέλιξης από τα συµφραζόµενα των γραµµικών συστηµάτων. Σ' αυτήν την παράγραφο ορίζουµε τη συνέλιξη σαν µια πράξη η οποία

Διαβάστε περισσότερα

Εισαγωγή στην Ανάλυση και Προσοµοίωση Δυναµικών Συστηµάτων

Εισαγωγή στην Ανάλυση και Προσοµοίωση Δυναµικών Συστηµάτων Εισαγωγή στην Ανάλυση και Προσοµοίωση Δυναµικών Συστηµάτων Control Systems Laboratory Περιγραφή Δυναµικών Συστηµάτων Εξίσωση µεταβολής όγκου Η µεταβολή όγκου ισούται µε τη παροχή υγρού Q που σχετίζεται

Διαβάστε περισσότερα

3.1 Η ΕΝΝΟΙΑ ΤΗΣ ΓΡΑΜΜΙΚΗΣ ΕΞΙΣΩΣΗΣ

3.1 Η ΕΝΝΟΙΑ ΤΗΣ ΓΡΑΜΜΙΚΗΣ ΕΞΙΣΩΣΗΣ . Η ΕΝΝΙΑ ΤΗΣ ΓΡΑΜΜΙΚΗΣ ΕΞΙΣΩΣΗΣ ΘΕΩΡΙΑ. Εξίσωση πρώτου βαθµού µε αγνώστους και νοµάζεται κάθε εξίσωση της µορφής α + β = γ. Άγνωστοι είναι το και το. Τα α, β και γ λέγοντα συντελεστές. Ειδικότερα το γ

Διαβάστε περισσότερα

Παραδείγµατα : Έστω ότι θέλουµε να παραστήσουµε γραφικά την εξίσωση 6χ-ψ=3. Λύση 6χ-ψ=3 ψ=6χ-3. Άρα η εξίσωση παριστάνει ευθεία. Για να τη χαράξουµε

Παραδείγµατα : Έστω ότι θέλουµε να παραστήσουµε γραφικά την εξίσωση 6χ-ψ=3. Λύση 6χ-ψ=3 ψ=6χ-3. Άρα η εξίσωση παριστάνει ευθεία. Για να τη χαράξουµε Άλγεβρα υκείου επιµ.: άτσιος ηµήτρης ΣΣΤΗΜΤ ΜΜΩΝ ΞΣΩΣΩΝ Μ ΝΩΣΤΣ ΣΩΣ ΝΝΣ ρισµός: Μια εξίσωση της µορφής αχ+βψ=γ ονοµάζεται γραµµική εξίσωση µε δυο αγνώστους. ύση της εξίσωσης αυτής ονοµάζεται κάθε διατεταγµένο

Διαβάστε περισσότερα

EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalman

EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalman EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Φίλτρο Kalma Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Ακολουθιακή Επεξεργασία Τα δείγµατα

Διαβάστε περισσότερα

Μεθοδολογίες παρεµβολής σε DTM.

Μεθοδολογίες παρεµβολής σε DTM. Μάθηµα : Αλγοριθµικές Βάσεις στη Γεωπληροφορική ιδάσκων : Συµεών Κατσουγιαννόπουλος Μεθοδολογίες παρεµβολής σε DTM.. Μέθοδοι παρεµβολής. Η παρεµβολή σε ψηφιακό µοντέλο εδάφους (DTM) είναι η διαδικασία

Διαβάστε περισσότερα

ροµολόγηση πακέτων σε δίκτυα υπολογιστών

ροµολόγηση πακέτων σε δίκτυα υπολογιστών ροµολόγηση πακέτων σε δίκτυα υπολογιστών Συµπληρωµατικές σηµειώσεις για το µάθηµα Αλγόριθµοι Επικοινωνιών Ακαδηµαϊκό έτος 2011-2012 1 Εισαγωγή Οι παρακάτω σηµειώσεις παρουσιάζουν την ανάλυση του άπληστου

Διαβάστε περισσότερα

Κεφάλαιο 2. Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε

Κεφάλαιο 2. Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε Κεφάλαιο Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε. Εισαγωγή Η µέθοδος των πεπερασµένων διαφορών είναι από τις παλαιότερες και πλέον συνηθισµένες και διαδεδοµένες υπολογιστικές τεχνικές

Διαβάστε περισσότερα

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν

Διαβάστε περισσότερα

Να βρείτε ποιες από τις παρακάτω συναρτήσεις είναι γνησίως αύξουσες και ποιες γνησίως φθίνουσες. i) f(x) = 1 x. ii) f(x) = 2ln(x 2) 1 = (, 1] 1 x

Να βρείτε ποιες από τις παρακάτω συναρτήσεις είναι γνησίως αύξουσες και ποιες γνησίως φθίνουσες. i) f(x) = 1 x. ii) f(x) = 2ln(x 2) 1 = (, 1] 1 x . Ασκήσεις σχολικού βιβλίου σελίδας 56 57 A µάδας. Να βρείτε ποιες από τις παρακάτω συναρτήσεις είναι γνησίως αύξουσες και ποιες γνησίως φθίνουσες. i) () = ii) () = ln( ) iii) () = e + iv) () = ( ), i)

Διαβάστε περισσότερα

Μηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν

Μηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 7/5/2000 Μηχανική ΙI Μετασχηµατισµοί Legendre Έστω µια πραγµατική συνάρτηση. Ορίζουµε την παράγωγο συνάρτηση της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα).

Διαβάστε περισσότερα

Θέµατα Μαθηµατικών Θετικής Κατεύθυνσης Β Λυκείου 1999

Θέµατα Μαθηµατικών Θετικής Κατεύθυνσης Β Λυκείου 1999 Θέµατα Μαθηµατικών Θετικής Κατεύθυνσης Β Λυκείου 999 Ζήτηµα ο Α. Έστω a, ) και β, ) δύο διανύσµατα του καρτεσιανού επιπέδου Ο. α) Να εκφράσετε χωρίς απόδειξη) το εσωτερικό γινόµενο των διανυσµάτων a και

Διαβάστε περισσότερα

5 Γενική µορφή εξίσωσης ευθείας

5 Γενική µορφή εξίσωσης ευθείας 5 Γενική µορφή εξίσωσης ευθείας Α. ΑΠΑΡΑΙΤΗΤΕΣ ΓΝΩΣΕΙΣ ΘΕΩΡΙΑΣ Θεώρηµα Κάθε ευθεία έχει εξίσωση της µορφής: Ax + By +Γ= 0, µε Α 0 ηβ 0 () και αντιστρόφως κάθε εξίσωση της µορφής () παριστάνει ευθεία γραµµή.

Διαβάστε περισσότερα

Εισαγωγή στην Ανάλυση και Προσοµοίωση Δυναµικών Συστηµάτων

Εισαγωγή στην Ανάλυση και Προσοµοίωση Δυναµικών Συστηµάτων Εισαγωγή στην Ανάλυση και Προσοµοίωση Δυναµικών Συστηµάτων Control Systems Laboratory Περιγραφή Δυναµικών Συστηµάτων Εξίσωση µεταβολής όγκου Η µεταβολή όγκου ισούται µε τη παροχή υγρού Q που σχετίζεται

Διαβάστε περισσότερα

Στροβιλισµός πεδίου δυνάµεων

Στροβιλισµός πεδίου δυνάµεων Στροβιλισµός πεδίου δυνάµεων Θεωρείστε ένα απειροστό απλό χωρίο στο χώρο τόσο µικρό ώστε να µπορεί να θεωρηθεί ότι βρίσκεται σε ένα επίπεδο Έστω ότι το χωρίο αυτό περικλείει εµβαδόν µέτρου Το έργο που

Διαβάστε περισσότερα

Σηµειώσεις στις συναρτήσεις

Σηµειώσεις στις συναρτήσεις Σηµειώσεις στις συναρτήσεις 4 Η έννοια της συνάρτησης Ο όρος «συνάρτηση» χρησιµοποιείται αρκετά συχνά για να δηλώσει ότι ένα µέγεθος, µια κατάσταση κτλ εξαρτάται από κάτι άλλο Και στα µαθηµατικά ο όρος

Διαβάστε περισσότερα

Πανεπιστήµιο Κύπρου Πολυτεχνική Σχολή

Πανεπιστήµιο 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 περισσότερα

Συνάρτηση f, λέγεται η διαδικασία µε βάση την. Παρατηρήσεις - Σχόλια f

Συνάρτηση f, λέγεται η διαδικασία µε βάση την. Παρατηρήσεις - Σχόλια f Συνάρτηση f, λέγεται η διαδικασία µε βάση την οποία σε κάθε στοιχείο χ ενός συνόλου Α αντιστοιχούµε ακριβώς ένα στοιχείο ενός άλλου συνόλου Β. Το σύνολο Α λέγεται πεδίο ορισµού ( ή σύνολο ορισµού ) της

Διαβάστε περισσότερα

a 1d L(A) = {m 1 a m d a d : m i Z} a 11 a A = M B, B = N A, k=1

a 1d L(A) = {m 1 a m d a d : m i Z} a 11 a A = M B, B = N A, k=1 Α44 ΚΡΥΠΤΟΓΡΑΦΙΑ ΣΗΜΕΙΩΣΕΙΣ #12 ΘΕΟ ΟΥΛΟΣ ΓΑΡΕΦΑΛΑΚΗΣ 1 Πλεγµατα Εστω ο διανυσµατικός χώρος R d διάστασης d Ο χώρος R d έρχεται µε ένα εσωτερικό γινόµενο x, y = d i=1 x iy i και τη σχετική νόρµα x = x,

Διαβάστε περισσότερα

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

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

Διαβάστε περισσότερα

Αριθµητική Ανάλυση 1 εκεµβρίου / 43

Αριθµητική Ανάλυση 1 εκεµβρίου / 43 Αριθµητική Ανάλυση 1 εκεµβρίου 2014 Αριθµητική Ανάλυση 1 εκεµβρίου 2014 1 / 43 Κεφ.5. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ίνεται ένας πίνακας A C n n και Ϲητούνται να προσδιορισθούν οι

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 8

ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 8 ΘΕΩΡΙΑ ΑΡΙΘΜΩΝ Ασκησεις - Φυλλαδιο 8 ιδασκοντες: Ν. Μαρµαρίδης - Α. Μπεληγιάννης Ιστοσελιδα Μαθηµατος : http://users.uoi.gr/abeligia/numbertheory/nt2014/nt2014.html https://sites.google.com/site/maths4edu/home/14

Διαβάστε περισσότερα

Κεφάλαιο 6 Παράγωγος

Κεφάλαιο 6 Παράγωγος Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της

Διαβάστε περισσότερα

"Sorry, δεν είναι αυτό που νοµίζεις "

Sorry, δεν είναι αυτό που νοµίζεις "Sorry, δεν είναι αυτό που νοµίζεις " "...κάπου θα συναντηθούµε..." Στο παρακάτω σχήµα το µπλε και το κόκκινο αυτοκίνητο ξεκινούν την ίδια στιγµή από το Α. Κινούνται ελεύθερα το καθένα στη δική του τροχιά.

Διαβάστε περισσότερα

Κεφάλαιο 6. Εισαγωγή στη µέθοδο πεπερασµένων όγκων επίλυση ελλειπτικών και παραβολικών διαφορικών εξισώσεων

Κεφάλαιο 6. Εισαγωγή στη µέθοδο πεπερασµένων όγκων επίλυση ελλειπτικών και παραβολικών διαφορικών εξισώσεων Κεφάλαιο 6 Εισαγωγή στη µέθοδο πεπερασµένων όγκων επίλυση ελλειπτικών παραβολικών διαφορικών εξισώσεων 6.1 Εισαγωγή Η µέθοδος των πεπερασµένων όγκων είναι µία ευρέως διαδεδοµένη υπολογιστική µέθοδος επίλυσης

Διαβάστε περισσότερα

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων 4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές

Διαβάστε περισσότερα

ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗ. Εφαπτοµένη ευθεία

ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗ. Εφαπτοµένη ευθεία ΜΑΘΗΜΑ 5.. ΠΑΡΑΓΩΓΙΣΙΜΕΣ ΣΥΝΑΡΤΗΣΕΙΣ ΠΑΡΑΓΩΓΟΣ ΣΥΝΑΡΤΗΣΗ Εφαπτοµένη ευθεία Παράγωγος βασικών συναρτήσεων ΚΑΝΟΝΕΣ ΠΑΡΑΓΩΓΙΣΗΣ Αθροίσµατος γινοµένου - πηλίκου Θεωρία Σχόλια Μέθοδοι Ασκήσεις ΘΕΩΡΙΑ. Εξίσωση

Διαβάστε περισσότερα

ΕΠΙΤΑΧΥΝΣΗ- ΕΠΙΤΑΧΥΝΟΜΕΝΗ ΚΙΝΗΣΗ

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

Διαβάστε περισσότερα

ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 2001. + mu 1 2m. + u2. = u 1 + u 2. = mu 1. u 2, u 2. = u2 u 1 + V2 = V1

ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 2001. + mu 1 2m. + u2. = u 1 + u 2. = mu 1. u 2, u 2. = u2 u 1 + V2 = V1 ΛΥΣΕΙΣ ΔΙΑΓΩΝΙΣΜΑΤΟΣ ΦΕΒΡΟΥΑΡΙΟΥ 00 ΘΕΜΑ : (α) Ταχύτητα ΚΜ: u KM = mu + mu m = u + u Εποµένως u = u u + u = u u, u = u u + u = u u (β) Διατήρηση ορµής στο ΚΜ: mu + mu = mv + mv u + u = V + V = 0 V = V

Διαβάστε περισσότερα

Ορισµός: Μερική παράγωγος ως προς x (αντ. ως προς y) στο σηµείο x,y είναι η παράγωγος της f ως προς x στο x (αντ. ως προς y στο y ( + ) ( )

Ορισµός: Μερική παράγωγος ως προς x (αντ. ως προς y) στο σηµείο x,y είναι η παράγωγος της f ως προς x στο x (αντ. ως προς y στο y ( + ) ( ) 2 Έστω f: A, Α ανοικτό σύνολο και x,y A. 0 0 Ορισµός: Μερική παράγωγος ως προς x (αντ. ως προς y) στο σηµείο x,y είναι η παράγωγος της f ως προς x στο x (αντ. ως προς y στο y 0 0 ), όπου έχουµε κρατήσειτοy

Διαβάστε περισσότερα

Στροφορµή. υο παρατηρήσεις: 1) Η στροφορµή ενός υλικού σηµείου, που υπολογίζουµε µε βάση τα προηγούµενα, αναφέρεται. σε µια ορισµένη χρονική στιγµή.

Στροφορµή. υο παρατηρήσεις: 1) Η στροφορµή ενός υλικού σηµείου, που υπολογίζουµε µε βάση τα προηγούµενα, αναφέρεται. σε µια ορισµένη χρονική στιγµή. Στροφορµή Έστω ένα υλικό σηµείο που κινείται µε ταχύτητα υ και έστω ένα σηµείο Ο. Ορίζουµε στροφορµή του υλικού σηµείου ως προς το Ο, το εξωτερικό γινόµενο: L= r p= m r υ Όπου r η απόσταση του υλικού σηµείου

Διαβάστε περισσότερα

T (K) m 2 /m

T (K) m 2 /m Ορθοί και λανθασµένοι τρόποι απεικονίσεως δεδοµένων σε διάγραµµα Από µετρήσεις σηµείου ζέσεως σειράς διαλυµάτων προκύπτουν τα εξής δεδοµένα: m /m.5..5..5.55.. Σύµφωνα µε την θεωρία τα δεδοµένα πρέπει να

Διαβάστε περισσότερα

5. Μέθοδοι αναγνώρισης εκπαίδευση χωρίς επόπτη

5. Μέθοδοι αναγνώρισης εκπαίδευση χωρίς επόπτη 5. Μέθοδοι αναγνώρισης εκπαίδευση χωρίς επόπτη Tο πρόβληµα του προσδιορισµού των συγκεντρώσεων των προτύπων, όταν δεν είναι γνωστό το πλήθος τους και η ταυτότητα των προτύπων, είναι δύσκολο και για την

Διαβάστε περισσότερα

+ cos(45 ) i + sin(45 ) j + cos(45 ) i sin(45 ) j +

+ cos(45 ) i + sin(45 ) j + cos(45 ) i sin(45 ) j + ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-112: Φυσική Ι Χειµερινό Εξάµηνο 2018 ιδάσκων : Γ. Καφεντζής Τέταρτο Φροντιστήριο Επιµέλεια : Αναστασία Πεντάρη Υποψήφια ιδάκτωρ Ασκηση 1. Πόση είναι η

Διαβάστε περισσότερα

Physics by Chris Simopoulos

Physics by Chris Simopoulos Στο παρακάτω σχήµα: ΛΥΜΕΝΕΣ ΑΣΚΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ Β ΓΥΜΝΑΣΙΟΥ ΠΑΡΑ ΕΙΓΜΑ ο α) Να ορίσετε τις θέσεις των σηµείων (Α), (Β) και (Γ). β) Να υπολογίσετε τη µετατόπιση (ΑΓ). γ) Να υπολογίσετε το διάστηµα (ΑΒΓ).

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ 1 ο (2,5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις Πέµπτη 19 Ιουνίου 2008 11:00-14:00 Έστω το παρακάτω

Διαβάστε περισσότερα

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ

ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ ΑΠΑΝΤΗΣΕΙΣ - ΥΠΟ ΕΙΞΕΙΣ ΣΤΙΣ ΕΡΩΤΗΣΕΙΣ 3 Κεφάλαιο ο: ΙΑΦΟΡΙΚΟΣ ΛΟΓΙΣΜΟΣ ο ΜΕΡΟΣ Απαντήσεις στις ερωτήσεις του τύπου Σωστό-Λάθος. Σ 6. Λ 8. Λ. Σ 7. Σ 9. Λ 3. Λ 8. Λ 3. Σ 4. Σ 9. Σ 3. α) Σ 5. Σ. Σ β) Σ 6.

Διαβάστε περισσότερα

Υπολογισµός των υδροστατικών δυνάµεων που ασκούνται στη γάστρα του πλοίου

Υπολογισµός των υδροστατικών δυνάµεων που ασκούνται στη γάστρα του πλοίου Παράρτηµα Β Υπολογισµός των υδροστατικών δυνάµεων που ασκούνται στη γάστρα του πλοίου 1. Πρόγραµµα υπολογισµού υδροστατικών δυνάµεων Για τον υπολογισµό των κοµβικών δυνάµεων που οφείλονται στις υδροστατικές

Διαβάστε περισσότερα

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ Παρουσίαση ΙΑΝΥΣΜΑΤΑ Παρουσίαση η Κάθετες συνιστώσες διανύσµατος Παράδειγµα Θα αναλύσουµε το διάνυσµα v (, ) σε δύο κάθετες µεταξύ τους συνιστώσες από τις οποίες η µία να είναι παράλληλη στο α (3,) Πραγµατικά

Διαβάστε περισσότερα

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

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο (2.5 µονάδες) ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 2 Ιουνίου 24 ιάρκεια: 2 ώρες Σχεδιάστε έναν αισθητήρα

Διαβάστε περισσότερα

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Κουγιουμτζής Δημήτρης Τμήμα Πολιτικών Μηχανικών Α.Π.Θ. Θεσσαλονίκη, Μάρτιος 4 Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Ευκλείδειοι Χώροι. Ορίζουµε ως R n, όπου n N, το σύνολο όλων διατεταµένων n -άδων πραγµατικών αριθµών ( x

Ευκλείδειοι Χώροι. Ορίζουµε ως R n, όπου n N, το σύνολο όλων διατεταµένων n -άδων πραγµατικών αριθµών ( x Ευκλείδειοι Χώροι Ορίζουµε ως R, όπου N, το σύνολο όλων διατεταµένων -άδων πραγµατικών αριθµών x, x,, x ) Tο R λέγεται ευκλείδειος -χώρος και τα στοιχεία του λέγονται διανύσµατα ή σηµεία Το x i λέγεται

Διαβάστε περισσότερα

14 Εφαρµογές των ολοκληρωµάτων

14 Εφαρµογές των ολοκληρωµάτων 14 Εφαρµογές των ολοκληρωµάτων 14.1 Υπολογισµός εµβαδών µε την µέθοδο των παράλληλων διατοµών Θεωρούµε µια ϕραγµένη επίπεδη επιφάνεια A µε οµαλό σύνορο, δηλαδή που περιγράφεται από µια συνεχή συνάρτηση.

Διαβάστε περισσότερα

Κεφάλαιο 4 ιανυσµατικοί Χώροι

Κεφάλαιο 4 ιανυσµατικοί Χώροι Κεφάλαιο 4 ιανυσµατικοί Χώροι 4 ιανυσµατικοί χώροι - Βασικοί ορισµοί και ιδιότητες ιανυσµατικοί Χώροι Ένας ιανυσµατικός Χώρος V (δχ) είναι ένα σύνολο από µαθηµατικά αντικείµενα (αριθµούς, διανύσµατα, πίνακες,

Διαβάστε περισσότερα

6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ

6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 6. Διανυσματικοί χώροι παραμέτρων και μετρήσεων. Θα δανειστούµε για µία ακόµη φορά έννοιες της Γραµµικής Άλγεβρας προκειµένου να δούµε πως µπορούµε να χειριστούµε

Διαβάστε περισσότερα

( ) 10 ( ) εποµ ένως. π π π π ή γενικότερα: π π. π π. π π. Άσκηση 1 (10 µον) Θεωρούµε το µιγαδικό αριθµό z= i.

( ) 10 ( ) εποµ ένως. π π π π ή γενικότερα: π π. π π. π π. Άσκηση 1 (10 µον) Θεωρούµε το µιγαδικό αριθµό z= i. http://elern.mths.gr/, mths@mths.gr, Τηλ: 697905 Ενδεικτικές απαντήσεις ης Γραπτής Εργασίας ΠΛΗ 00-0: Άσκηση (0 µον) Θεωρούµε το µιγαδικό αριθµό z= i. α) (5 µον) Βρείτε την τριγωνοµετρική µορφή του z.

Διαβάστε περισσότερα

ΙΑΝΥΣΜΑΤΑ ΘΕΩΡΙΑ ΘΕΜΑΤΑ ΘΕΩΡΙΑΣ. Τι ονοµάζουµε διάνυσµα; αλφάβητου επιγραµµισµένα µε βέλος. για παράδειγµα, Τι ονοµάζουµε µέτρο διανύσµατος;

ΙΑΝΥΣΜΑΤΑ ΘΕΩΡΙΑ ΘΕΜΑΤΑ ΘΕΩΡΙΑΣ. Τι ονοµάζουµε διάνυσµα; αλφάβητου επιγραµµισµένα µε βέλος. για παράδειγµα, Τι ονοµάζουµε µέτρο διανύσµατος; ΙΝΥΣΜΤ ΘΕΩΡΙ ΘΕΜΤ ΘΕΩΡΙΣ Τι ονοµάζουµε διάνυσµα; AB A (αρχή) B (πέρας) Στη Γεωµετρία το διάνυσµα ορίζεται ως ένα προσανατολισµένο ευθύγραµµο τµήµα, δηλαδή ως ένα ευθύγραµµο τµήµα του οποίου τα άκρα θεωρούνται

Διαβάστε περισσότερα

7. Ταλαντώσεις σε συστήµατα µε πολλούς βαθµούς ελευθερίας

7. Ταλαντώσεις σε συστήµατα µε πολλούς βαθµούς ελευθερίας 7 Ταλαντώσεις σε συστήµατα µε πολλούς βαθµούς ελευθερίας Συζευγµένες ταλαντώσεις Βιβλιογραφία F S Crawford Jr Κυµατική (Σειρά Μαθηµάτων Φυσικής Berkeley, Τόµος 3 Αθήνα 979) Κεφ H J Pai Φυσική των ταλαντώσεων

Διαβάστε περισσότερα

Δυναμική ενέργεια στο βαρυτικό πεδίο. Θετική ή αρνητική;

Δυναμική ενέργεια στο βαρυτικό πεδίο. Θετική ή αρνητική; ράφει το σχολικό βιβλίο: Δυναμική ενέργεια στο βαρυτικό πεδίο. Θετική ή αρνητική; Μια πρώτη ένσταση θα µπορούσε να διατυπωθεί, για την απουσία της δυναµικής ενέργειας από τον παραπάνω ορισµό. ιατί να µην

Διαβάστε περισσότερα

Thanasis Kehagias, 2009

Thanasis Kehagias, 2009 Μέρος II Αναλυτικη Γεωµετρια 33 34 Το παρον τευχος περιεχει συντοµη ϑεωρια, λυµενες και αλυτες ασκησεις Αναλυτικης Γεωµετριας. Κατα τη γνωµη µου, για τους περισσοτερους ανθρωπους, ο µονος τροπος εξοικειωσης

Διαβάστε περισσότερα

Είναι το ηλεκτρικό ρεύµα διανυσµατικό µέγεθος;

Είναι το ηλεκτρικό ρεύµα διανυσµατικό µέγεθος; Είναι το ηλεκτρικό ρεύµα διανυσµατικό µέγεθος; Για να εξετάσουµε το κύκλωµα LC µε διδακτική συνέπεια νοµίζω ότι θα πρέπει να τηρήσουµε τους ορισµούς που δώσαµε στα παιδιά στη Β Λυκείου. Ας ξεκινήσουµε

Διαβάστε περισσότερα

Σύνολα. 1) Με αναγραφή των στοιχείων π.χ. 2) Με περιγραφή των στοιχείων π.χ.

Σύνολα. 1) Με αναγραφή των στοιχείων π.χ. 2) Με περιγραφή των στοιχείων π.χ. Σύνολα Ορισµός συνόλου (κατά Cantor): Σύνολο είναι κάθε συλλογή αντικειµένων, που προέρχεται από το µυαλό µας ή την εµπειρία µας, είναι καλά ορισµένο και τα αντικείµενα ξεχωρίζουν το ένα από το άλλο, δηλαδή

Διαβάστε περισσότερα

Ερωτήσεις αντιστοίχισης

Ερωτήσεις αντιστοίχισης Ερωτήσεις αντιστοίχισης 1. ** Να αντιστοιχίσετε κάθε ευθεία που η εξίσωσή της βρίσκεται στη του πίνακα (Ι) µε τον συντελεστή της που βρίσκεται στη, συµπληρώνοντας τον πίνακα (ΙΙ) (α, β 0). 1. ε 1 : y =

Διαβάστε περισσότερα

Στην παράγραφο αυτή θα δούµε τις διάφορες µορφές εξισώσεων των κα- µπύλων του χώρου και των επιφανειών. ( )

Στην παράγραφο αυτή θα δούµε τις διάφορες µορφές εξισώσεων των κα- µπύλων του χώρου και των επιφανειών. ( ) ΚΕΦΑΛΑΙ 6 ΕΥΘΕΙΑ-ΕΠΙΠΕ 6 Γεωµετρικοί τόποι και εξισώσεις στο χώρο Στην παράγραφο αυτή θα δούµε τις διάφορες µορφές εξισώσεων των κα- µπύλων του χώρου και των επιφανειών ρισµός 6 Θεωρούµε τη συνάρτηση F:Α,

Διαβάστε περισσότερα

) = a ο αριθµός των µηχανών n ο αριθµός των δειγµάτων που παίρνω από κάθε µηχανή

) = a ο αριθµός των µηχανών n ο αριθµός των δειγµάτων που παίρνω από κάθε µηχανή Ανάλυση Συνδιακύµανσης Alsis of Covrice Η ανάλυση συνδιακύµανσης είναι µία άλλη τεχνική για να βελτιώσουµε την ακρίβεια της προσέγγισης του µοντέλου µας στο πείραµα. Ας υποθέσουµε ότι σ ένα πείραµα εκτός

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 Ο 3.2 Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η. (Σ) όπου α, β, α, β, είναι οι

ΚΕΦΑΛΑΙΟ 3 Ο 3.2 Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η. (Σ) όπου α, β, α, β, είναι οι ΚΕΦΑΛΑΙΟ 3 Ο ΣΥΣΤΗΜΑΤΑ ΓΡΑΜΜΙΚΩΝ ΕΞΙΣΩΣΕΩΝ 3. Η ΕΝΝΟΙΑ ΤΟΥ ΓΡΑΜΜΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΚΑΙ Η ΓΡΑΦΙΚΗ ΕΠΙΛΥΣΗ ΤΟΥ. Ποια είναι η μορφή ενός συστήματος δύο γραμμικών εξισώσεων, δύο αγνώστων; Να δοθεί παράδειγμα.

Διαβάστε περισσότερα

παράθυρα ιδακτικό υλικό µαθητή Πλήκτρα για να το παράθυρο Λωρίδα τίτλου Πλαίσιο παραθύρου

παράθυρα ιδακτικό υλικό µαθητή Πλήκτρα για να το παράθυρο Λωρίδα τίτλου Πλαίσιο παραθύρου ιδακτικό υλικό µαθητή παράθυρα Κατά τη διάρκεια της µελέτης µας γράφουµε και διαβάζουµε, απλώνοντας πάνω στο γραφείο τετράδια και βιβλία. Ξεκινώντας ανοίγουµε αυτά που µας ενδιαφέρουν πρώτα και συνεχίζουµε

Διαβάστε περισσότερα

Σηµειωσεις Αναλυτικης Γεωµετριας

Σηµειωσεις Αναλυτικης Γεωµετριας Σηµειωσεις Αναλυτικης Γεωµετριας Θ. Κεχαγιας Σεπτεµβρης 009, υ.0.96 Περιεχόµενα Εισαγωγη iv Επιπεδα στον Τρισδιαστατο Χωρο. Θεωρια..................................... Λυµενες Ασκησεις..............................

Διαβάστε περισσότερα

3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ

3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. Διαφορά μετρήσεων από εκτιμήσεις μετρήσεων. Όταν επιλύοµε ένα αντίστροφο πρόβληµα υπολογίζοµε ένα διάνυσµα παραµέτρων est m το οποίο αντιπροσωπεύει

Διαβάστε περισσότερα