Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Ορισµός του Προβλήµατος Ευθυγράµµιση : Εύρεση ενός γεωµετρικού µετασχηµατισµού που ϕέρνει κοντά δύο τρισδιάσ
|
|
- Κύμα Γιαννόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Αλγόριθµοι Ευθυγράµµισης Τρισδιάστατων Αντικειµένων Τµήµα Πληροφορικής και Τηλεπικοινωνιών Εθνικό & Καποδιστριακό Πανεπιστήµιο Αθηνών 20 Οκτωβρίου 2005
2 Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Ορισµός του Προβλήµατος Ευθυγράµµιση : Εύρεση ενός γεωµετρικού µετασχηµατισµού που ϕέρνει κοντά δύο τρισδιάστατα αντικείµενα. Εναλλακτικά : Εύρεση ενός γεωµετρικού µετασχηµατισµού που απεικονίζει ένα τρισδιάστατο αντικείµενο σε ένα άλλο. ιαφορετικές αναπαραστάσεις. Περιοριζόµαστε σε Στερεούς µετασχηµατισµούς. Αντικείµενα της ίδιας κλάσης (πρόσωπα).
3 Εφαρµογές Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Μόλις ϐρεθεί ένας τέτοιος µετασχηµατισµός πολλά προβλήµατα µπορούν να λυθούν χρησιµοποιώντας τις ευθυγραµµισµένες αναπαραστάσεις. Σύγκριση και συνένωση δεδοµένων από διαφορετικές µετρήσεις. Τρισδιάστατη αναγνώριση αντικειµένων. Παρακολούθηση της πόζας αντικειµένων σε πραγµατικό χρόνο. Συγχώνευση δεδοµένων από διαφορετικούς αισθητήρες.
4 Γενικό Πλαίσιο Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images Το πρόβληµα της ευθυγράµµισης αντιµετωπίζεται συνήθως σε δύο στάδια. 1 ηµιουργία αντιστοιχήσεων µεταξύ χαρακτηριστικών των δύο αντικειµένων. 2 Εύρεση του κατάλληλου µετασχηµατισµού που ϑα ϕέρει τα χαρακτηριστικά κοντά µεταξύ τους. Τα χαρακτηριστικά είναι συνήθως σηµεία στην επιφάνεια ενός πολυγωνικού µοντέλου. Αντικείµενο µοντέλο και αντικείµενο σκηνή.
5 Βασική Λύση Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images εδοµένων των αντιστοιχήσεων µεταξύ των σηµείων αναζητούµε ένα στερεό µετασχηµατισµό. Εξι ϐαθµοί ελευθερίας. ύο αντιστοιχήσεις αρκούν. Σφάλµατα στις µετρήσεις. Περισσότερες αντιστοιχήσεις. Λύση ελαχίστων τετραγώνων. ιάφορες µέθοδοι εύρεσης αναλυτικής λύσης.
6 Βασική Λύση Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images εδοµένων των αντιστοιχήσεων µεταξύ των σηµείων αναζητούµε ένα στερεό µετασχηµατισµό. Εξι ϐαθµοί ελευθερίας. ύο αντιστοιχήσεις αρκούν. Σφάλµατα στις µετρήσεις. Περισσότερες αντιστοιχήσεις. Λύση ελαχίστων τετραγώνων. ιάφορες µέθοδοι εύρεσης αναλυτικής λύσης.
7 Βασική Λύση Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images εδοµένων των αντιστοιχήσεων µεταξύ των σηµείων αναζητούµε ένα στερεό µετασχηµατισµό. Εξι ϐαθµοί ελευθερίας. ύο αντιστοιχήσεις αρκούν. Σφάλµατα στις µετρήσεις. Περισσότερες αντιστοιχήσεις. Λύση ελαχίστων τετραγώνων. ιάφορες µέθοδοι εύρεσης αναλυτικής λύσης.
8 Βασική Λύση (2) Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images Εστω m i τα σηµεία του µοντέλου και s i τα σηµεία της σκηνής Αναζητούµε περιστροφή R και µεταφορά t που ελαχιστοποιούν το Rm i + t s i 2 Horn 87: Λύση µε µοναδιαία quaternions. i 1 Κατασκευή ενός 4 4 πίνακα N από τις συντεταγµένες των m i, s i. 2 Εύρεση του ιδιοδιανύσµατος e της µεγαλύτερης ιδιοτιµής του πίνακα N. 3 Το e είναι το quaternion που αναπαριστά τη ϐέλτιστη περιστροφή. 4 Η ϐέλτιστη µεταφορά είναι η διαφορά του κέντρου ϐάρους της σκηνής από το κέντρο ϐάρους του περιστραµµένου µοντέλου. Επεκτείνεται εύκολα σε σταθµισµένη λύση. w i Rm i + t s i 2 i
9 Spin Images Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images Αποµένει τώρα η δηµιουργία αντιστοιχήσεων µεταξύ χαρακτηριστικών των δύο αντικειµένων. ύσκολο πρόβληµα. Spin Images προσφέρουν καλά αποτελέσµατα. Προσανατολισµένα σηµεία. Περιγραφή του σχήµατος στις 2 διαστάσεις µε ϐάση ένα προσανατολισµένο σηµείο.
10 Κατασκευή Ενός Spin Image CreateSpinImage(O,M) I = 0 for each point x in M (ρ, z) = S O (x) 0.5Support z ρ (a, b) =, BinSize BinSize (i, j) = ( a, b ) (u, v) = (a i, b j) I i,j += (1 u)(1 v) I i+1,j += u(1 v) I i,j+1 += (1 u)v I i+1,j+1 += uv Για κάθε προσανατολισµένο σηµείο O = (p, n) ορίζουµε τη συνάρτηση ( ) S O (x) = (ρ, z) = x p 2 (n (x p)) 2, n (x p) Το Spin Image I του O προκύπτει από τη ϱουτίνα CreateSpinImage. Το I είναι ένα διδιάστατο ιστόγραµµα της κατανοµής των (ρ, z).
11 Σύγκριση ύο Spin Images (1) Η απεικόνιση S O (x) παραµένει αναλλοίωτη σε στερεούς µετασχηµατισµούς. Το ίδιο και τα Spin Images. Εύρεση αντίστοιχων σηµείων µε σύγκριση Spin Images. Συντελεστής γραµµικής συσχέτισης δύο εικόνων P, Q: N p i q i p i qi R(P, Q) = ( N pi 2 ( p i ) 2) ( N qi 2 ( q i ) 2) Τι γίνεται όταν υπάρχει ϑόρυβος, ελλειπή δεδοµένα ;
12 Σύγκριση ύο Spin Images (2) ( ) 1 C(P, Q) = (atanh(r(p, Q))) 2 λ N 3
13 ιαδικασία Ευθυγράµµισης µε Spin Images Υπολογίζονται όλα τα Spin Images του µοντέλου. Για τυχαίο Spin Image της σκηνής υπολογίζονται όλες οι οµοιότητες µε τα Spin Images του µοντέλου. Πιθανές αντίστοιχήσεις: outliers στην κατανοµή των αποστάσεων. 5%-20% τυχαία σηµεία. Απόρριψη αντιστοιχήσεων µε οµοιότητα µικρότερη από τη µισή της µέγιστης λίγες άλλες γεωµετρικά συνεπείς αντιστοιχήσεις. Οµαδοποίηση αντιστοιχήσεων. Κάθε οµάδα έχει γεωµετρικά συνεπείς αντιστοιχήσεις σηµείων µε µεγάλες µεταξύ τους αποστάσεις. Κάθε οµάδα πληθικότητας 3 δίνει ένα υποψήφιο µετασχηµατισµό.
14 Ο Αλγόριθµος ICP Βασική Ιδέα Οταν τα προς ευθυγράµµιση αντικείµενα είναι κοντά τότε είναι πιθανό το σηµείο της σκηνής το οποίο πραγµατικά αντιστοιχεί σε ένα σηµείο m του µοντέλου να είναι το κοντινότερο σηµείο της σκηνής στο m. Ορολογία M, S: ακολουθίες σηµείων µοντέλου και σκηνής. M = {m i }1 i N m S = {s j }1 j N s. 1 T = C(M, S): Τελεστής κοντινότερου σηµείου t i = argmin s m i s S m i M Υλοποιείται γρήγορα αν το S οργανωθεί σε kd-δέντρο. (A, d) = Q(M, T): Τελεστής ϐασικής λύσης d = 1 N m N m i=1 Am i t i 2 1 Οι σειρές των m i και s j είναι αυθαίρετες και ανεξάρτητες
15 ιατύπωση του Αλγορίθµου ίνονται τα αντικείµενα M και S και κατασκευάζεται το kd-δέντρο για το σύνολο των σηµείων του S. M 0 = M, A = I 4, k = 0. Το M k ϑα αντιπροσωπεύει την τρέχουσα ϑέση του µοντέλου. Τα παρακάτω ϐήµατα επαναλαµβάνονται µέχρι να επιτευχθεί σύγκλιση. 1 Υπολογισµός των κοντινότερων σηµείων : T k = C(M k, S) (κόστος O(N m log N s)) 2 Υπολογισµός του µετασχηµατισµού : (A, d k) = Q(M, T k) (κόστος O(N m)) 3 Εφαρµογή του µετασχηµατισµού : M k+1 = AM (κόστος O(N m)) 4 Ελεγχος σύγκλισης: Αν d k 1 d k < τ τότε ο αλγόριθµος σταµατά και επιστρέφει τον πίνακα A.
16 Παρατηρήσεις Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Βασική Λύση Spin Images ICP Depth Images Μονότονη σύγκλιση σε τοπικό ελάχιστο του d. Χρησιµοποιεί περισσότερες αντιστοιχήσεις από τα Spin Images. Επιβεβαίωση και ϐελτίωση των µετασχηµατισµών των Spin Images. Χαµηλή πολυπλοκότητα, γρήγορη σύγκλιση. Σχετικά ευθυγραµµισµένα αντικείµενα. Το M πρέπει να επικαλύπτεται από το S.
17 Τροποποιήσεις του ICP Μερική επικάλυψη : Απόρριψη αντιστοιχήσεων µε σηµεία στα σύνορα των επιφανειών. Ανοχή στο ϑόρυβο : Απόρριψη αντιστοιχήσεων µε τις µεγαλύτερες αποστάσεις. Χρήση της σταθµισµένης ϐασικής λύσης. Άλλες τροποποιήσεις (άλλα κριτήρια απόρριψης αντιστοιχήσεων και ανάθεσης ϐαρών, ελαχιστοποίηση διαφορετικής µετρικής, αναλλοίωτα χαρακτηριστικά).
18 Παράδειγµα εκτέλεσης του ICP Μετά την πρώτη επανάληψη.
19 Παράδειγµα εκτέλεσης του ICP Μετά την πέµπτη επανάληψη.
20 Παράδειγµα εκτέλεσης του ICP Μετά την δέκατη επανάληψη.
21 Παράδειγµα εκτέλεσης του ICP Μετά την εικοστή επανάληψη.
22 Παράδειγµα εκτέλεσης του ICP Μετά την τεσσαρακοστή επανάληψη.
23 Παράδειγµα εκτέλεσης του ICP Μετά την εξηκοστή επανάληψη.
24 Ευθυγράµµιση µε Εικόνες Βάθους Αν ϑέλουµε ακόµα ακριβέστερα αποτελέσµατα ; Ευθυγράµµιση επιφανειών των αντικειµένων. Εκµετάλλευση της µνήµης ϐάθους (z-buffer). Εικόνα ϐάθους: διακριτή περιγραφή της επιφάνειας. Ελαχιστοποίηση της διαφοράς της καµπυλότητας των επιφανειών. εδοµένα από range scanner µία εικόνα ϐάθους αρκεί.
25 Ευθυγράµµιση µε Εικόνες Βάθους ιάνυσµα παραµέτρων µετασχηµατισµού ω = [t x, t y, t z, φ, θ, ψ] Μετρική σφάλµατος ɛ d = 1 d 1 (x, y) A x S d 2(x, y) x Προβλήµατα από ασυνέχειες στις εικόνες. + d 1 (x, y) y Επιβολή άνω ορίου στις τιµές των παραγώγων. Εύρεση ϐέλτιστου ω µε enhanced simulated annealing. Ευαισθησία στις αρχικές συνθήκες. d 2(x, y) y ds
26 Ευθυγράµµιση µε Εικόνες Βάθους ιάνυσµα παραµέτρων µετασχηµατισµού ω = [t x, t y, t z, φ, θ, ψ] Μετρική σφάλµατος ɛ d = 1 d 1 (x, y) A x S d 2(x, y) x Προβλήµατα από ασυνέχειες στις εικόνες. + d 1 (x, y) y Επιβολή άνω ορίου στις τιµές των παραγώγων. Εύρεση ϐέλτιστου ω µε enhanced simulated annealing. Ευαισθησία στις αρχικές συνθήκες. d 2(x, y) y ds
27 Ευθυγράµµιση µε Εικόνες Βάθους ιάνυσµα παραµέτρων µετασχηµατισµού ω = [t x, t y, t z, φ, θ, ψ] Μετρική σφάλµατος ɛ d = 1 d 1 (x, y) A x S d 2(x, y) x Προβλήµατα από ασυνέχειες στις εικόνες. + d 1 (x, y) y Επιβολή άνω ορίου στις τιµές των παραγώγων. Εύρεση ϐέλτιστου ω µε enhanced simulated annealing. Ευαισθησία στις αρχικές συνθήκες. d 2(x, y) y ds
28 Ευθυγράµµιση µε Εικόνες Βάθους ιάνυσµα παραµέτρων µετασχηµατισµού ω = [t x, t y, t z, φ, θ, ψ] Μετρική σφάλµατος ɛ d = 1 d 1 (x, y) A x S d 2(x, y) x Προβλήµατα από ασυνέχειες στις εικόνες. + d 1 (x, y) y Επιβολή άνω ορίου στις τιµές των παραγώγων. Εύρεση ϐέλτιστου ω µε enhanced simulated annealing. Ευαισθησία στις αρχικές συνθήκες. d 2(x, y) y ds
29 Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Πειραµατικό Πλαίσιο Αναγνώριση προσώπων. FRGC2: 4007 τρισδιάστατα πρόσωπα µε εκφράσεις. Σύστηµα αναγνώρισης UR3D. Ευθυγράµµιση ενός γενικού µοντέλου προσώπου. Αξιολόγηση µε ϐάση καµπύλες ROC. Τρεις καθιερωµένες µάσκες του FRGC2.
30 Πρώτη Μάσκα Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Verification Rate icp icp opt+sa icp opt+icp nose spin + icp 0 1e False Acceptance Rate
31 εύτερη Μάσκα Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Verification Rate icp icp opt+sa icp opt+icp nose spin + icp 0 1e False Acceptance Rate
32 Τρίτη Μάσκα Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Verification Rate icp icp opt+sa icp opt+icp nose spin + icp 0 1e False Acceptance Rate
33 Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Μελλοντικές Κατευθύνσεις Σύγκριση µε άλλες τεχνικές ευθυγράµµισης. Άλλα αναλλοίωτα χαρακτηριστικά. Ευρωστία σε αρχικές συνθήκες. Ενσωµάτωση κανονικών διανυσµάτων στη ϐασική λύση. Βελτιώσεις στον ICP. (ανάλυση µοντέλων, κοντινότερα σηµεία) Άλλες µέθοδοι αναζήτησης στις εικόνες ϐάθους. Γεωµετρική συνέπεια ;
34 Τέλος Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Ευχαριστώ για την προσοχή σας. Περιµένω τις ερωτήσεις σας... Powered by LaTEX Beamer
35 Γεωµετρική Συνέπεια Γεωµετρική Συνέπεια Εστω δύο αντιστοιχήσεις C 1 = [s 1, m 1 ], C 2 = [s 2, m 2 ]. Υπολογίζοντας την ποσότητα d gc (C 1, C 2 ) = S m2 (m 1 ) S s2 (s 1 ) 0.5 ( S m2 (m 1 ) + S s2 (s 1 ) ) έχουµε µια µετρική για την συµβατότητα των C 1 και C 2. ύο αντιστοιχήσεις ϑεωρούνται γεωµετρικά συνεπείς αν max(d gc (C 1, C 2 ), d gc (C 2, C 1 )) < 0.25 Πίσω
Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας
Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Εισαγωγή στον Προγραµµατισµό Αριθµητική Ανάλυση (ή Επιστηµονικοί Υπολογισµοί) ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 8 εκεµβρίου 2014 Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Διαβάστε περισσότεραΑριθµητική Γραµµική ΑλγεβραΚεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών 2 Απριλίου και2015 Ιδιοδιανυσµάτων 1 / 50
Αριθµητική Γραµµική Αλγεβρα Κεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων ΕΚΠΑ 2 Απριλίου 205 Αριθµητική Γραµµική ΑλγεβραΚεφάλαιο 4. Αριθµητικός Υπολογισµός Ιδιοτιµών 2 Απριλίου και205
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 περισσότεραΣτατιστική περιγραφή τουπεδίουβαρύτητας
Στατιστική περιγραφή τουπεδίουβαρύτητας ΣΤΑΤΙΣΤΙΚΗ ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΠΕ ΙΟΥ ΒΑΡΥΤΗΤΑΣ Οι ανωµαλίες της βαρύτητας σε παγκόσµια κλίµακα θεωρούνται στατιστικά µεγέθη µε µέση τιµή µηδέν Τα στατιστικά χαρακτηριστικά
Διαβάστε περισσότεραΑριθµητική 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 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 περισσότεραα) Κύκλος από δύο δοσµένα σηµεία Α, Β. Το ένα από τα δύο σηµεία ορίζεται ως κέντρο αν το επιλέξουµε πρώτο. β) Κύκλος από δοσµένο σηµείο και δοσµένο ευ
ΕΙΣΑΓΩΓΗ ΣΤΟ ΛΟΓΙΣΜΙΚΟ SKETCHPAD ΜΕΡΟΣ Α Μιλώντας για ένα λογισµικό δυναµικής γεωµετρίας καλό θα ήταν να διακρίνουµε αρχικά 3 οµάδες εργαλείων µε τα οποία µπορούµε να εργαστούµε µέσα στο συγκεκριµένο περιβάλλον.
Διαβάστε περισσότεραΗδηµιουργία του στερεοσκοπικού µοντέλου περιλαµβάνει:
Προσανατολισµoί στερεοσκοπικών ζευγών Για να είναι δυνατή η συνεχής απόδοση στα φωτογραµµετρικά όργανα χρειάζεται κάποιο στάδιο προετοιµασίας του ζεύγους των εικόνων. Η προετοιµασία αυτή αφορά: A. Στη
Διαβάστε περισσότεραΕπιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και 31 Μαρτίου Ηµι-Επαναληπτικές Μέθοδο / 17
Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα) Επαναληπτικές µέθοδοι και Ηµι-Επαναληπτικές Μέθοδοι Πανεπιστήµιο Αθηνών 31 Μαρτίου 2017 Επιστηµονικοί Υπολογισµοί (Αρ. Γρ. Αλγεβρα)Επαναληπτικές µέθοδοι και
Διαβάστε περισσότερα5/3/2010. A. Στη δηµιουργία του στερεοσκοπικού µοντέλουέ B. Στη συσχέτισή του µε το γεωδαιτικό σύστηµα
5/3/ Για να είναι δυνατή η επεξεργασία στα φωτογραµµετρικά όργανα χρειάζεται κάποιο στάδιο προετοιµασίας του ζεύγους των εικόνων. Η προετοιµασία αυτή αφορά: A. Στη δηµιουργία του στερεοσκοπικού µοντέλουέ.
Διαβάστε περισσότεραΔιπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»
Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πρόγραμμα Μεταπτυχιακών Σπουδών Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Αργυροπούλου Αιμιλία
Διαβάστε περισσότεραΑξιολόγηση Ευριστικών Αλγορίθµων
Προσεγγιστικοί Αλγόριθµοι Πολλές ϕορές η εύρεση της ϐέλτιστων λύσεων προβληµάτων ακέραιου γραµµικού προγραµµατισµού είναι µια χρονοβόρα διαδικασία (εκθετική πολυπλοκότητα) Προσεγγιστικοί Αλγόριθµοι Πολλές
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα
ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ 4. Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα Εστω R είναι ο γνωστός -διάστατος πραγµατικός διανυσµατικός χώρος. Μία απεικόνιση L :
Διαβάστε περισσότεραΑσκήσεις. 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 περισσότεραEΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων
EΦΑΡΜΟΓΕΣ ΤΗΣ ΨΗΦΙΑΚΗΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ Γραµµική Εκτίµηση Τυχαίων Σηµάτων Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Εκτίµηση Τυχαίων Σηµάτων othig i atue is adom A thig
Διαβάστε περισσότεραΑριθµητική Ανάλυση. 27 Οκτωβρίου Αριθµητική Ανάλυση 27 Οκτωβρίου / 72
Αριθµητική Ανάλυση 7 Οκτωβρίου 06 Αριθµητική Ανάλυση 7 Οκτωβρίου 06 / 7 Επαναληπτικές Μέθοδοι για την επίλυση Γραµµικών Συστηµάτων ίνεται το γραµµικό σύστηµα Ax = b όπου A R n n είναι µη ιδιάζων πίνακας
Διαβάστε περισσότεραΣτην ουσία η Φωτογραµµετρία: Χ, Υ, Ζ σηµείων Γραµµικό σχέδιο Εικονιστικό προϊόν
Στην ουσία η Φωτογραµµετρία: Χ, Υ, Ζ σηµείων Γραµµικό σχέδιο Εικονιστικό προϊόν Επεξήγηση Μηχανισµού Προσοµοίωση της ανθρώπινης όρασης B A C Μαθηµατική γεωµετρική περιγραφή ενός φυσικού φαινοµένου ΗΦωτογραµµετρική
Διαβάστε περισσότεραR n R 2. x 2. x 1. x: συντεταγµένες του z
Αναγνώριση Προσώπου µε Σύγκριση Υπερεπιφανειών Θανάσης Ζάγουρας.Π.Μ.Σ Η.Ε.Π, Τµήµα Φυσικής, Πανεπιστήµιο Πατρών Επιβλέποντες: Σπ. Φωτόπουλος Γ. Οικονόµου Ανάλυση Εικόνων Προσώπου Πεδία Αναγνώρισης Προτύπων
Διαβάστε περισσότεραΣυστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson
Ιαν. 009 Συστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson Έστω y, y,, yn παρατηρήσεις µιας m -διάστατης τυχαίας µεταβλητής µε συνάρτηση πυκνότητας πιθανότητας p( y; θ) η οποία περιγράφεται από ένα
Διαβάστε περισσότεραΜηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή. Αφφινικοί Μετασχηματισμοί Αναπαράσταση Γεωμετρικών Μορφών
Μηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή Γεωμετρικός Πυρήνας Γεωμετρικός Πυρήνας Αφφινικοί Μετασχηματισμοί Αναπαράσταση Γεωμετρικών Μορφών Γεωμετρικός Πυρήνας Εξομάλυνση Σημεία Καμπύλες Επιφάνειες
Διαβάστε περισσότεραΕργασία στο µάθηµα Ανάλυση εδοµένων
Μεταπτυχιακό Υπολογιστικής Φυσικής Εργασία στο µάθηµα Ανάλυση εδοµένων ηµήτρης Κουγιουµτζής E-mail: dkugiu@auth.gr 30 Ιανουαρίου 2018 Οδηγίες : Σχετικά µε την παράδοση της εργασίας ϑα πρέπει : Το κείµενο
Διαβάστε περισσότερα(2) Θεωρούµε µοναδιαία διανύσµατα α, β, γ R 3, για τα οποία γνωρίζουµε ότι το διάνυσµα
Πανεπιστηµιο Ιωαννινων σχολη θετικων επιστηµων τµηµα µαθηµατικων τοµεας αλγεβρας και γεωµετριας αναλυτικη γεωµετρια διδασκων : χρηστος κ. τατακης υποδειξεις λυσεων των θεµατων της 7.06.016 ΘΕΜΑ 1. µονάδες
Διαβάστε περισσότεραΕισαγωγή στα Προσαρµοστικά Συστήµατα
ΒΕΣ 06 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Εισαγωγή στα Προσαρµοστικά Συστήµατα Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π..407/80 Τµήµα Επιστήµη και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου
Διαβάστε περισσότεραΚλασικη ιαφορικη Γεωµετρια
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων, Τµηµα Μαθηµατικων, Τοµεας Γεωµετριας Κλασικη ιαφορικη Γεωµετρια Πρώτη Εργασία, 2018-19 1 Προαπαιτούµενες γνώσεις και ϐασική προετοιµασία
Διαβάστε περισσότεραΜορφές προϊόντων (1/3) Πλέγµα τριγώνων (polygon meshes) Εικόνες απόστασης (range images)
Μορφές προϊόντων (1/3) Νέφη σηµείων (point clouds) + Εύκολος τρόπος παρουσίασης στον Η/Υ + Ικανοποιητικό τελικό προϊόν για απλά σχήµατα / όψεις υσκολία ερµηνείας για αντικείµενα µε σύνθετες µορφές Απώλεια
Διαβάστε περισσότεραΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2. Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΚΑΙ ΜΑΘΗΜΑΤΙΚΗ ΔΙΑΤΥΠΩΣΗ, Διαλ. 2 Ανωτάτη Σχολή Παιδαγωγικής και Τεχνολογικής Εκπαίδευσης 8/4/2017 Αντικειμενικοί στόχοι Η μελέτη των βασικών στοιχείων που συνθέτουν ένα πρόβλημα βελτιστοποίησης
Διαβάστε περισσότεραΠΡΟΒΛΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ
ΠΡΟΒΛΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ Η ανάλυση προβλημάτων δύο διαστάσεων με τη μέθοδο των Πεπερασμένων Στοιχείων περιλαμβάνει τα ίδια βήματα όπως και στα προβλήματα μιας διάστασης. Η ανάλυση γίνεται λίγο πιο πολύπλοκη
Διαβάστε περισσότεραΠροσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων (RLS Recursive Least Squares)
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Προσαρµοστικοί Αλγόριθµοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδροµικός αλγόριθµος ελάχιστων τετραγώνων RLS Rcrsiv Last Sqars 27 iclas sapatslis
Διαβάστε περισσότεραΚλασικη ιαφορικη Γεωµετρια
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων, Τµηµα Μαθηµατικων, Τοµεας Γεωµετριας Κλασικη ιαφορικη Γεωµετρια Τρίτη Εργασία, 2018-19 Επιφάνειες Εξάσκηση µε ϐασικούς υπολογισµούς κινούµενης
Διαβάστε περισσότεραΠ Ο Λ Ι Τ Ι Κ Α Κ Α Ι Σ Τ Ρ Α Τ Ι Ω Τ Ι Κ Α Γ Ε Γ Ο Ν Ο Τ Α
Α Ρ Χ Α Ι Α Ι Σ Τ Ο Ρ Ι Α Π Ο Λ Ι Τ Ι Κ Α Κ Α Ι Σ Τ Ρ Α Τ Ι Ω Τ Ι Κ Α Γ Ε Γ Ο Ν Ο Τ Α Σ η µ ε ί ω σ η : σ υ ν ά δ ε λ φ ο ι, ν α µ ο υ σ υ γ χ ω ρ ή σ ε τ ε τ ο γ ρ ή γ ο ρ ο κ α ι α τ η µ έ λ η τ ο ύ
Διαβάστε περισσότεραπροβλήµατος Το φίλτρο Kalman διαφέρει από τα συνηθισµένα προβλήµατα ΜΕΤ σε δύο χαρακτηριστικά: παραµέτρων αγνώστων
Φίλτρα Kalman Εξαγωγή των εξισώσεων τους µε βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραµµα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 15 Ιουνίου 2009 1 / 26 Εισαγωγή Η ϑεωρία
Διαβάστε περισσότεραΜετασχηματισμοί Μοντελοποίησης (modeling transformations)
Μετασχηματισμοί Δ Μετασχηματισμοί Μοντελοποίησης (modeling trnformtion) Καθορισμός μετασχηματισμών των αντικειμένων Τα αντικείμενα περιγράφονται στο δικό τους σύστημα συντεταγμένων Επιτρέπει την χρήση
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΠΟΛΥΜΕΣΩΝ ΚΑΙ ΓΡΑΦΙΚΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΠΟΛΥΜΕΣΩΝ ΚΑΙ ΓΡΑΦΙΚΩΝ Εισαγωγή /4 Το σχήμα και το μέγεθος των δισδιάστατων αντικειμένων περιγράφονται με τις καρτεσιανές συντεταγμένες x, y. Με εφαρμογή γεωμετρικών μετασχηματισμών στο μοντέλο
Διαβάστε περισσότεραΕ ανάληψη. Α ληροφόρητη αναζήτηση
ΠΛΗ 405 Τεχνητή Νοηµοσύνη Το ική Αναζήτηση Local Search Τµήµα Ηλεκτρονικών Μηχανικών και Μηχανικών Υ ολογιστών Πολυτεχνείο Κρήτης Ε ανάληψη Α ληροφόρητη αναζήτηση σε πλάτος, οµοιόµορφου κόστους, σε βάθος,
Διαβάστε περισσότεραΣΤΟΙΧΕΙΑ ΙΑΝΥΣΜΑΤΙΚΟΥ ΛΟΓΙΣΜΟΥ
1 ΣΤΟΙΧΕΙΑ ΙΑΝΥΣΜΑΤΙΚΟΥ ΛΟΓΙΣΜΟΥ 3 1.1 Γενικά.......................... 3 1.2 Ορισµοί......................... 4 1.3 Στοιχειώδεις Πράξεις Μεταξύ ιανυσµάτων....... 8 1.3.1 Γινόµενο Αριθµού επί ιάνυσµα.........
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Τμηματοποίηση εικόνας Τμηματοποίηση εικόνας Γενικά Διαμερισμός μιας εικόνας σε διακριτές περιοχές
Διαβάστε περισσότεραΕπιστηµονικός Υπολογισµός Ι - Πρώτη εργαστηριακή άσκηση
Επιστηµονικός Υπολογισµός Ι - Πρώτη εργαστηριακή άσκηση Ηµεροµηνία επιστροφής : Τετάρτη 4/11/2010 18 Οκτωβρίου 2010 1 Γραµµική άλγεβρα (20 µονάδες) Η παράγωγος ενός µητρώου H ορίζεται ως η παράγωγος κάθε
Διαβάστε περισσότεραΕπίγειοι σαρωτές Laser - TLS
Οπτικές µέθοδοι συλλογής 3D Παθητικές πληροφορίας Τριγωνισµός (γεωµετρική) Στερεοσκοπικές/Φωτογραµµετρικές Σχήµα από σκίαση / υφή / ισοϋψείς Ενεργητικές Χρήση Laser :Time of flight Συµβολοµετρία Phase
Διαβάστε περισσότερα2η Οµάδα Ασκήσεων. ΑΣΚΗΣΗ 3 (Θεωρία-Αλγόριθµοι-Εφαρµογές)
ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟ ΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΤΟΜΕΑΣ ΘΕΩΡΗΤΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΑΘΗΜΑ : ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ 2η Οµάδα Ασκήσεων 1442008 ΑΣΚΗΣΗ 3 (Θεωρία-Αλγόριθµοι-Εφαρµογές)
Διαβάστε περισσότεραΚΒΑΝΤΙΚΗ ΜΗΧΑΝΙΚΗ ΙΙ - Κεφάλαιο 4
ιαλέξεις Κβαντικής Μηχανικής ΙΙ - Κεφάλαιο 4 Α. Λαχανας 1/ 45 ΚΒΑΝΤΙΚΗ ΜΗΧΑΝΙΚΗ ΙΙ - Κεφάλαιο 4 Α. Λαχανάς ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ, Τµήµα Φυσικής Τοµέας Πυρηνικής Φυσικής & Στοιχειωδών Σωµατιδίων ακαδηµαικό
Διαβάστε περισσότεραΑ Ρ Ι Θ Μ Ο Σ : 6.913
Α Ρ Ι Θ Μ Ο Σ : 6.913 ΠΡΑΞΗ ΚΑΤΑΘΕΣΗΣ ΟΡΩΝ ΔΙΑΓΩΝΙΣΜΟΥ Σ τ η ν Π ά τ ρ α σ ή μ ε ρ α σ τ ι ς δ ε κ α τ έ σ σ ε ρ ι ς ( 1 4 ) τ ο υ μ ή ν α Ο κ τ ω β ρ ί ο υ, η μ έ ρ α Τ ε τ ά ρ τ η, τ ο υ έ τ ο υ ς δ
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Ακμές και περιγράμματα Ακμές και περιγράμματα Γενικά Μεγάλο τμήμα της πληροφορίας που γίνεται αντιληπτή
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 περισσότεραΕπίλυση Γραµµικών Συστηµάτων
Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n
Διαβάστε περισσότεραΕπίλυση γεωµετρικών περιορισµών σε µικρά µόρια µε αλγεβρικές µεθόδους
Επίλυση γεωµετρικών περιορισµών σε µικρά µόρια µε αλγεβρικές µεθόδους Επαµεινώνδας. Φριτζίλας Μ Ε Βιοπληροφορικής Τµήµα Βιολογίας ΕΚΠΑ 17 Φεβρουαρίου 2005 Τί σηµαίνει ο τίτλος ; γεωµετρικός περιορισµός:
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 28 Μαΐου 2015 1 / 17 Μέγιστη Κοινή Υπακολουθία
Διαβάστε περισσότεραΜάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας. Ένας αποδεκτός ορισμός της ακμής είναι ο ακόλουθος: «Το σύνορο μεταξύ δύο ομοιογενών περιοχών με
Διαβάστε περισσότεραΠοσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος
Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΕισαγωγή στον Προγραµµατισµό. Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί)
Εισαγωγή στον Προγραµµατισµό Αριθµητική Ανάλυση (ή Επιστηµονικοί Υπολογισµοί) ιδάσκοντες: Καθηγητής Ν. Μισυρλής, Επίκ. Καθηγητής Φ.Τζαφέρης ΕΚΠΑ 8 εκεµβρίου 04 Ανάλυση (ή Επιστηµονικοί8 Υπολογισµοί) εκεµβρίου
Διαβάστε περισσότεραΜάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα ένας ευρέως αποδεκτός ορισμός της ακμής. Εδώ θα θεωρούμε ως ακμή:
Διαβάστε περισσότεραΓραµµικοί Ταξινοµητές
ΚΕΣ 3: Αναγνώριση Προτύπων και Ανάλυση Εικόνας KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Γραµµικοί Ταξινοµητές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου 7 Ncolas sapatsouls
Διαβάστε περισσότεραΑναλυτική Φωτογραμμετρία
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑ ΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Αναλυτική Φωτογραμμετρία Ενότητα # 6: Βασικά Φωτογραμμετρικά προβλήματα II Καθηγήτρια Όλγα Γεωργούλα Τμήμα Αγρονόμων & Τοπογράφων Μηχανικών
Διαβάστε περισσότεραΓ. Κορίλη Αλγόριθµοι ροµολόγησης
- Γ. Κορίλη Αλγόριθµοι ροµολόγησης http://www.seas.upenn.edu/~tcom50/lectures/lecture.pdf ροµολόγηση σε ίκτυα εδοµένων Αναπαράσταση ικτύου µε Γράφο Μη Κατευθυνόµενοι Γράφοι Εκτεταµένα έντρα Κατευθυνόµενοι
Διαβάστε περισσότεραιαµέριση - Partitioning
ιαµέριση - Partitioning ιαµέριση ιαµέριση είναι η διαµοίραση αντικειµένων σε οµάδες µε στόχο την βελτιστοποίηση κάποιας συνάρτησης. Στην σύνθεση η διαµέριση χρησιµοποιείται ως εξής: Οµαδοποίηση µεταβλητών
Διαβάστε περισσότεραΓραµµική Αλγεβρα. Ενότητα 7 : Γραµµικοί Μετασχηµατισµοί. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Γραµµική Αλγεβρα Ενότητα 7 : Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons Για εκπαιδευτικό υλικό, όπως
Διαβάστε περισσότεραΧρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα
Χρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα - Ανακατασκευή του χώρου καταστάσεων παρατήρηση της πολυπλοκότητας / στοχαστικότητας / δομής του συστήματος - Εκτίμηση χαρακτηριστικών
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΗΜΟΚΡΑΤΙΑ ΕΛΛΗΝΙΚΟ ΑΝΟΙKΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΕΛΛΗΝΙΚΗ ΗΜΟΚΡΑΤΙΑ ΕΛΛΗΝΙΚΟ ΑΝΟΙKΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ ΩΝ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ ΜΑΘΗΜΑΤΙΚΑ Ι (ΘΕ ΠΛΗ ) ΕΡΓΑΣΙΑ 6 η Ηµεροµηνία Αποστολής στον Φοιτητή: 5 Mαίου 8 Ηµεροµηνία Παράδοσης της Εργασίας από
Διαβάστε περισσότεραΕνότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων
Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων Δειγµατοληψία και Κβαντισµός: Μια εικόνα (µπορεί να) είναι συνεχής τόσο ως προς τις συντεταγµένες x, y όσο και ως προς το πλάτος. Για να τη µετατρέψουµε
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 2 Σεπτεµβρίου 2005 5:00-8:00 Σχεδιάστε έναν αισθητήρα ercetro
Διαβάστε περισσότεραHeapsort Using Multiple Heaps
sort sort Using Multiple s. Λεβεντέας Χ. Ζαρολιάγκης Τµήµα Μηχανικών Η/Υ & Πληροφορικής 29 Αυγούστου 2008 sort 1 Ορισµός ify Build- 2 sort Πως δουλεύει Ιδιότητες 3 4 Προβλήµατα Προτάσεις Ανάλυση Κόστους
Διαβάστε περισσότεραΒΙΟΜΗΧΑΝΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ
ΒΙΟΜΗΧΑΝΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ Συµπληρωµατικές Σηµειώσεις Προχωρηµένο Επίπεδο Επεξεργασίας Εικόνας Σύνθεση Οπτικού Μωσαϊκού ρ. Γ. Χ. Καρράς Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Μηχανολόγων Μηχανικών Τοµέας Μηχανολογικών
Διαβάστε περισσότεραΒασική Εφικτή Λύση. Βασική Εφικτή Λύση
Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n µεταβλητών και m περιορισµών Εστω πραγµατικοί αριθµοί a ij, b j, c i R µε 1 i m, 1 j n Αλγεβρική Μορφή Γενική Μορφή Γραµµικού Προγραµµατισµού n
Διαβάστε περισσότεραΔΙΑΧΕΙΡΙΣΗ ΕΦΟΔΙΑΣΤΙΚΗΣ ΑΛΥΣΙΔΑΣ
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων ΔΙΑΧΕΙΡΙΣΗ ΕΦΟΔΙΑΣΤΙΚΗΣ ΑΛΥΣΙΔΑΣ Ενότητα 8: Μοντέλα χωροθέτησης και ανάθεσης δυναμικότητας - Μέρος ΙΙ Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative
Διαβάστε περισσότεραClustering. Αλγόριθµοι Οµαδοποίησης Αντικειµένων
Clustering Αλγόριθµοι Οµαδοποίησης Αντικειµένων Εισαγωγή Οµαδοποίηση (clustering): οργάνωση µιας συλλογής από αντικείµενα-στοιχεία (objects) σε οµάδες (clusters) µε βάση κάποιο µέτρο οµοιότητας. Στοιχεία
Διαβάστε περισσότεραΘεωρία Τελεστών. Ενότητα: Χώροι µε νόρµα - Χώροι Hilbert. Αριστείδης Κατάβολος. Τµήµα Μαθηµατικών
Ενότητα: Χώροι µε νόρµα - Χώροι Hilbert Αριστείδης Κατάβολος Τµήµα Μαθηµατικών Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΗμερολόγιο μαθήματος
ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ Α.Π.Θ. ΜΑΘΗΜΑ: ΚΛΑΣΙΚΗ ΔΙΑΦΟΡΙΚΗ ΓΕΩΜΕΤPΙΑ Ι ΑΚΑΔΗΜΑΪΚΟ ΕΤΟΣ 2018 19 Τμήμα Α Διδάσκων: Kαθηγητής Στυλιανός Σταματάκης Website URL: http://stamata.webpages.auth.gr/geometry/ Ημερολόγιο
Διαβάστε περισσότεραΜηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή. Μοντέλα Περιγραφής Τρισδιάστατων αντικειμένων
Μηχανολογικό Σχέδιο με τη Βοήθεια Υπολογιστή Γεωμετρικός Πυρήνας Γεωμετρικός Πυρήνας Μοντέλα Περιγραφής Τρισδιάστατων αντικειμένων 3Δ Αναπαράσταση Μοντέλα Περιγραφής Τρισδιάστατων αντικειμένων 1. Μοντέλα
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Επεξεργασία Ερωτήσεων ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήματος 1. Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασμός) 2. Προγραμματισμός (Σχεσιακή Άλγεβρα, SQL) ημιουργία/κατασκευή Εισαγωγή εδομένων
Διαβάστε περισσότεραΕπιστηµονικός Υπολογισµός Ι
Επιστηµονικός Υπολογισµός Ι Ενότητα 5 : Επίλυση Γραµµικών Συστηµάτων Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ
ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ ΠΕΡΣΕΦΟΝΗ ΠΟΛΥΧΡΟΝΙΔΟΥ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 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 περισσότεραΟ Μετασχηματισμός Ζ. Ανάλυση συστημάτων με το μετασχηματισμό Ζ
Ο Μετασχηματισμός Ζ Ανάλυση συστημάτων με το μετασχηματισμό Ζ Ο μετασχηματισμός Z (Ζ-Τransform: ZT) χρήσιμο μαθηματικό εργαλείο για την ανάλυση των διακριτών σημάτων και συστημάτων αποτελεί ό,τι ο μετασχηματισμός
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Επεξεργασία Ερωτήσεων Σ Β Βάση εδομένων Η ομή ενός ΣΒ Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 1 Βάσεις Δεδομένων 2006-2007 Ευαγγελία Πιτουρά 2 Εισαγωγή Εισαγωγή ΜΕΡΟΣ 1 (Χρήση Σ Β ) Γενική
Διαβάστε περισσότεραΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ
ΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ Παπαδάκης Χαράλαμπος 1, Παναγιωτάκης Κώστας 2, Παρασκευή Φραγκοπούλου 1 1 Τμήμα Μηχ/κών Πληροφορικής, ΤΕΙ Κρήτης 2 Τμήμα
Διαβάστε περισσότεραΜετασχηµατισµοί 2 & 3
Μετασχηµατισµοί & 3 Περιγράφονται σαν σύνεση βασικών: µετατόπιση αλλαγή κλίµακαςπεριστροφή στρέβλωση Χωρίζονται σε γεωµετρικούς (εδώ) και αξόνων (αντίστροφοι) Θέσεις αντικειµένων και φωτεινών πηγών Θέση
Διαβάστε περισσότεραΚεφάλαιο 1. Κβαντική Μηχανική ΙΙ - Περιλήψεις, Α. Λαχανάς
Κεφάλαιο 1 Κβαντική Μηχανική ΙΙ - Περιλήψεις, Α. Λαχανάς 2 Κβαντική Μηχανική ΙΙ - Περιλήψεις, Α. Λαχανάς 1.1 Ο Μονοδιάστατος Γραµµικός Αρµονικός Ταλαντωτής 1.1.1 Εύρεση των ιδιοτοµών και ιδιοσυναρτήσεων
Διαβάστε περισσότεραg (v + W ) = gv + W gv = 0.
Ασκήσεις #1 Σε ότι ακολουθεί, G είναι πεπερασμένη ομάδα και V είναι C-διανυσματικός χώρος πεπερασμένης διάστασης. 1. Δείξτε ότι η απεικόνιση G G G που ορίζεται θέτοντας g x = gxg 1 για g, x G αποτελεί
Διαβάστε περισσότερα14 η εβδομάδα (27/01/2017) Έγιναν οι ασκήσεις 39, 41 και 42. Έγινε επανάληψη και λύθηκαν ερωτήματα και απορίες.
14 η εβδομάδα (27/01/2017) Έγιναν οι ασκήσεις 39, 41 και 42. Έγινε επανάληψη και λύθηκαν ερωτήματα και απορίες. 13 η εβδομάδα (20/01/2017) Έγιναν οι ασκήσεις 31, 32, 33, 34, 36 και 37 11 η 12 η εβδομάδα
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 31 Μαΐου 2019 1 / 10 Ελάχιστα τετράγωνα
Διαβάστε περισσότεραΕιδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων
Ειδικά θέματα Αλγορίθμων και Δομών Δεδομένων (ΠΛΕ073) Απαντήσεις 1 ου Σετ Ασκήσεων Άσκηση 1 α) Η δομή σταθμισμένης ένωσης με συμπίεση διαδρομής μπορεί να τροποποιηθεί πολύ εύκολα ώστε να υποστηρίζει τις
Διαβάστε περισσότεραΜετασχηµατισµοί 2 &3
Μετασχηµατισµοί &3 Περιγράφονται σαν σύνθεση βασικών: µετατόπιση, αλλαγή κλίµακας,περιστροφή, στρέβλωση Χωρίζονται σε γεωµετρικούς (εδώ) και αξόνων (αντίστροφοι) Θέσεις αντικειµένων και φωτεινών πηγών
Διαβάστε περισσότεραΚεφάλαιο 1. Κβαντική Μηχανική ΙΙ - Περιλήψεις, Α. Λαχανάς
Κεφάλαιο 1 Κβαντική Μηχανική ΙΙ - Περιλήψεις, Α. Λαχανάς 2 Κβαντική Μηχανική ΙΙ - Περιλήψεις, Α. Λαχανάς 1.1 Κίνηση σε κεντρικά δυναµικά 1.1.1 Κλασική περιγραφή Η Χαµιλτωνιανή κλασικού συστήµατος που κινείται
Διαβάστε περισσότεραΜάθημα Επιλογής 8 ου εξαμήνου
EΘNIKO ΜEΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΙΙ: Ανάλυσης, Σχεδιασμού & Ανάπτυξης Διεργασιών & Συστημάτων Υπολογιστικές Μέθοδοι Ανάλυσης και Σχεδιασμού Μάθημα Επιλογής 8 ου εξαμήνου Διδάσκων:
Διαβάστε περισσότεραΑλγόριθµοι Οπισθοδρόµησης
Αλγόριθµοι Οπισθοδρόµησης Στην ενότητα αυτή θα µελετηθούν τα εξής επιµέρους θέµατα: Η οπισθοδρόµηση στο σχεδιασµό αλγορίθµων Το πρόβληµα των σταθερών γάµων και ο αλγόριθµος των Gale-Shapley Το πρόβληµα
Διαβάστε περισσότεραΠεριεχόµενα του µαθήµατος 1. στον προγραµµατισµό 2. Λογικά διαγράµµατα 3. Τα βασικά της FORTRAN 4. Μεταβλητές & παράµετροι 5. οµές επανάληψης 6. οµές
Φρ. Κουτελιέρης Επίκουρος Καθηγητής Παν/µίου Ιωαννίνων Τηλ. 2641074196 4196 E-mail fkoutel@cc.uoi.gr ΠΛΗΡΟΦΟΡΙΚΗ Ι ΒΑΣΙΚΕΣ ΑΡΧΕΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ & ΓΛΩΣΣΑ FORTRAN Πληροφορική Ι Ακαδ. Έτος 2008-9 1/24 Περιεχόµενα
Διαβάστε περισσότεραΜέθοδοι Αναπαράστασης Περιοχών
KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιοχών ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 28 Μαΐου 2015 1 / 45 Εισαγωγή Ο δυναµικός
Διαβάστε περισσότεραΑνάλυση αλγορίθμων. Χρόνος εκτέλεσης: Αναμενόμενη περίπτωση. - απαιτεί γνώση της κατανομής εισόδου
Ανάλυση αλγορίθμων Παράμετροι απόδοσης ενός αλγόριθμου: Χρόνος εκτέλεσης Απαιτούμενοι πόροι, π.χ. μνήμη, επικοινωνία (π.χ. σε κατανεμημένα συστήματα) Προσπάθεια υλοποίησης Ανάλυση της απόδοσης Θεωρητική
Διαβάστε περισσότεραΕπεξεργασία Ερωτήσεων
Εισαγωγή Σ Β Σύνολο από προγράμματα για τη διαχείριση της Β Επεξεργασία Ερωτήσεων Αρχεία ευρετηρίου Κατάλογος συστήματος Αρχεία δεδομένων ΒΑΣΗ Ε ΟΜΕΝΩΝ Σύστημα Βάσεων εδομένων (ΣΒ ) Βάσεις Δεδομένων 2007-2008
Διαβάστε περισσότεραΤΕΙ ΣΕΡΡΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΞΕΤΑΣΗ ΣΤΟ ΜΑΘΗΜΑ «ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ» ΔΕ. 11 ΙΟΥΝΙΟΥ 2012
ΔΕ. ΙΟΥΝΙΟΥ Δίνονται τα εξής πρότυπα: [ ] [ ] [ ] [ ] Άσκηση η ( μονάδες) Χρησιμοποιώντας το κριτήριο της ομοιότητας να απορριφθεί ένα χαρακτηριστικό με βάσει το συντελεστή συσχέτισης. (γράψτε ποιο χαρακτηριστικό
Διαβάστε περισσότεραΓραφικά με υπολογιστές. Διδάσκων: Φοίβος Μυλωνάς. Διαλέξεις #11-#12
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Χειμερινό εξάμηνο Γραφικά με υπολογιστές Διδάσκων: Φοίβος Μυλωνάς fmlonas@ionio.gr Διαλέξεις #-# Σύνθεση Δ Μετασχηματισμών Ομογενείς Συντεταγμένες Παραδείγματα Μετασχηματισμών
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΙΙ ιδάσκων : Ε. Στεφανόπουλος 12 ιουνιου 2017
Πανεπιστηµιο Πατρων Πολυτεχνικη Σχολη Τµηµα Μηχανικων Η/Υ & Πληροφορικης ΜΑΘΗΜΑΤΙΚΑ ΙΙ ιδάσκων : Ε. Στεφανόπουλος 12 ιουνιου 217 Θ1. Θεωρούµε την συνάρτηση f(x, y, z) = 1 + x 2 + 2y 2 z. (αʹ) Να ϐρεθεί
Διαβάστε περισσότεραΑριθµητική Ανάλυση. Ενότητα 4 Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων. Ν. Μ. Μισυρλής. Τµήµα Πληροφορικής και Τηλεπικοινωνιών,
Αριθµητική Ανάλυση Ενότητα 4 Αριθµητικός Υπολογισµός Ιδιοτιµών και Ιδιοδιανυσµάτων Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Καθηγητής: Ν. Μ. Μισυρλής Αριθµητική Ανάλυση - Ενότητα 4 1 / 48
Διαβάστε περισσότεραΜΕΤΡΗΣΕΙΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΥΨΗΛΩΝ ΤΑΣΕΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλεκτρικής Ισχύος Εργαστήριο Υψηλών Τάσεων ΜΕΤΡΗΣΕΙΣ ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΥΨΗΛΩΝ ΤΑΣΕΩΝ (Αριθμητικές μέθοδοι υπολογισμού
Διαβάστε περισσότεραΚατακερματισμός. 4/3/2009 Μ.Χατζόπουλος 1
Κατακερματισμός 4/3/2009 Μ.Χατζόπουλος 1 H ιδέα που βρίσκεται πίσω από την τεχνική του κατακερματισμού είναι να δίνεται μια συνάρτησης h, που λέγεται συνάρτηση κατακερματισμού ή παραγωγής τυχαίων τιμών
Διαβάστε περισσότεραΟ ΧΩΡΟΣ ΚΑΙ Ο ΧΡΟΝΟΣ
Ο ΧΩΡΟΣ ΚΑΙ Ο ΧΡΟΝΟΣ. Γενικές αρχές. Η αντιληπτική μας ικανότητα του Φυσικού Χώρου, μας οδηγεί στον προσδιορισμό των σημείων του, μέσω τριών ανεξαρτήτων παραμέτρων. Είναι, λοιπόν, αποδεκτή η απεικόνισή
Διαβάστε περισσότεραΣτο Κεφάλαιο 5 µελετώντας την προβολή του τρισδιάστατου χώρου στο επίπεδο της κάµερας εξετάστηκε
Κεφάλαιο 6 Αποκοπή (clipping) Στο Κεφάλαιο 5 µελετώντας την προβολή του τρισδιάστατου χώρου στο επίπεδο της κάµερας εξετάστηκε η διαδικασία προβολής µεµονωµένων σηµείων και µόνο προς το τέλος του κεφαλαίου
Διαβάστε περισσότεραΕλληνικό Ανοικτό Πανεπιστήµιο Σπουδές στην Πληροφορική. Φαινόµενα πολυπλοκότητας στα Μαθηµατικά και στη Φυσική: ύο όψεις του ίδιου νοµίσµατος;
Ελληνικό Ανοικτό Πανεπιστήµιο Σπουδές στην Πληροφορική Φαινόµενα πολυπλοκότητας στα Μαθηµατικά και στη Φυσική: ύο όψεις του ίδιου νοµίσµατος; Γιάννης Κ. Σταµατίου ΣΕΠ ΠΛΗ 10 Πάτρα, Ιουνιος 2003 οµή και
Διαβάστε περισσότερα