Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
|
|
- Νικηφόρος Μαυρογένης
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Μάθημα 2ο Δρ. Ανέστης Γ. Χατζημιχαηλίδης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης
2 Ασαφή Συστήματα 2
3
4 Η ασαφής λογική προτάθηκε το 1965 από τον Prof. Lotfi Zadeh ο οποίος δήλωσε ότι οι άνθρωποι: Δεν μιλούν με ακρίβεια Δεν απαιτούν αριθμητική πληροφορία για να λειτουργήσουν Επεξεργάζονται δεδομένα με θόρυβο Επεξεργάζονται μη ακριβή δεδομένα 4
5 Βασικός στόχος της ασαφούς λογικής είναι η διαχείριση της αβεβαιότητας που υπεισέρχεται σε κάθε πρόβλημα μοντελοποίησης. Παραδείγματα λεξικής αβεβαιότητας: Ψηλοί άνθρωποι Ζεστές μέρες Πιθανόν θα έχουμε μία πετυχημένη επαγγελματική χρονιά 5
6 Είναι δυο διαφορετικές έννοιες: Η πιθανότητα εκφράζει γεγονότα τα οποία θα συμβούν ή δεν θα συμβούν. Δεν υπάρχει καθόλου ασάφεια. Η ασαφής λογική περιγράφει τον βαθμό αληθείας μίας κατάστασης. 6
7 Ένα ασαφές σύνολο Α του Ω ταυτίζεται με την χαρακτηριστική συνάρτησή του Α:Ω [0,1]. Η χαρακτηριστική συνάρτηση A(x) ενός ασαφούς συνόλου Α, εναλλακτικά, ονομάζεται συνάρτηση συμμετοχής του ασαφούς συνόλου Α. 7
8 Ένα ασαφές σύνολο Α αναπαριστάνεται ως ένα σύνολο διατεταγμένων ζευγών Α = {(x,a(x)) x Ω και A(x) [0,1]} όπου το A(x) δείχνει τον βαθμό κατά τον οποίο το x είναι μέλος του ασαφούς συνόλου Α. 8
9 Παράδειγμα Α Θεωρείστε το βασικό σύνολο Ω οπωρολαχανικών Ω = {μήλο, αχλάδι, κεράσι, μαρούλι, ντομάτα} Μπορούμε να ορίσουμε το ασαφές σύνολο Π: Ω [0,1] έτσι ώστε η χαρακτηριστική συνάρτηση Π(x) να δείχνει τον βαθμό κατά τον οποίο το οπωρολαχανικό x Ω είναι πράσινο. Συγκεκριμένα, το ασαφές σύνολο Π θα μπορούσε να είναι το ακόλουθο Π = {(μήλο,0.2), (αχλάδι,0.9), (κεράσι,0), (μαρούλι,1), (ντομάτα,0.2)}. 9
10 Ένα κλασικό σύνολο θεωρείται ως ειδική περίπτωση ασαφούς συνόλου όπου το πεδίο τιμών της χαρακτηριστικής συνάρτησης είναι το διμελές σύνολο αριθμών {0,1} αντί του κλειστού διαστήματος αριθμών [0,1]. 10
11 Παράδειγμα Β Θεωρείστε το ακόλουθο βασικό σύνολο Ω φοιτητών και φοιτητριών Ω = {Μαρία, Ελένη, Γιάννης, Κώστας, Νίκη, Γεωργία, Ανδρέας} Ένα κλασικό σύνολο Κ θα μπορούσε περιγραφικά να οριστεί ως το υποσύνολο εκείνο των φοιτητών και φοιτητριών του Ω που έχουν περάσει το μάθημα της Υπολογιστικής Νοημοσύνης. Η χαρακτηριστική συνάρτηση, έστω Κ(x), του συνόλου Κ λαμβάνει τιμές στο διμελές σύνολο {0, 1}. Έτσι, θα μπορούσε να είναι είτε Κ(Ελένη) = 1 είτε Κ(Ελένη) = 0, δηλ. είτε η Ελένη πέρασε το μάθημα «Υπολογιστική Νοημοσύνη» είτε η Ελένη δεν το πέρασε, αντίστοιχα, και οτιδήποτε άλλο αποκλείεται. 11
12 Η Ασαφής Λογική ξεκινάει με την παραδοχή ότι μια πρόταση μπορεί να μην είναι ούτε (απόλυτα) αληθής ούτε (απόλυτα) ψευδής, αλλά να χαρακτηρίζεται από κάποιο βαθμό αλήθειας/ψεύδους. Με άλλα λόγια, μπορεί η αλήθεια μιας πρότασης να μην ειναι δίτιμη στο διμελές σύνολο {0,1}, αλλά να είναι πλειότιμη στο απειροσύνολο (κλειστό) διάστημα [0,1]. 12
13 Degree of Membership 1.0 Crisp Sets Degree of Membership Fuzzy Sets Height, cm Height, cm 13
14 Αναπαράσταση με την χρήση κανόνων της μορφής: R: ΕΑΝ «πρόταση-αίτιο» ΤΟΤΕ «πρόταση-αποτέλεσμα» Παράδειγμα R: ΕΑΝ «ο άνθρωπος Α πέφτει στο νερό» ΤΟΤΕ «ο άνθρωπος Α βρέχεται» Ένα σύνολο κανόνων ονομάζεται ασαφής αλγόριθμος ή, εναλλακτικά, ασαφές σύστημα ή, εναλλακτικά, ασαφές μοντέλο και αποτελεί το υψηλότερο επίπεδο της ομιλούμενης γλώσσας που μοντελοποιείται εδώ στα πλαίσια της ασαφούς λογικής. 14
15 Ιδιότητες/Παραδοχές: 1. Έχει ύψος ίσο με 1 (κανονικό σύνολο) 2. Έχει κωδωνοειδή (κυρτή) μορφή 3. Είναι συνεχής 15
16 1. Υλοποιεί μια συνάρτηση 2. Aξιοποιεί την ανθρώπινη εμπειρία χρησιμοποιώντας όρους της ομιλούμενης γλώσσας προς υλοποίηση της συνάρτησης 16
17 Οι κανόνες ενός μοντέλου Mamdani απεικονίζουν ασαφείς αριθμούς σε ασαφείς αριθμούς Παράδειγμα RM: ΕΑΝ Χ = Α ΤΟΤΕ Υ = Β Ένα μοντέλο Mamdani χρησιμοποιείται σε εφαρμογές όπου υπάρχει διαθέσιμη γνώση εμπειρογνωμόνων 17
18 18
19 19
20 K1: EAN (η είσοδος1 είναι μικρή) ΚΑΙ (η είσοδος2 είναι κανονική) ΤΟΤΕ (η έξοδος1 είναι λίγη) K2: EAN (η είσοδος1 είναι μεγάλη) ΚΑΙ (η είσοδος2 είναι χαμηλή) ΤΟΤΕ (η έξοδος1 είναι αρκετή) K3: EAN (η είσοδος1 είναι μεσαία) ΚΑΙ (η είσοδος2 είναι υψηλή) ΤΟΤΕ (η έξοδος1 είναι πολλή) 20
21 Απόασαφοποίηση 21
22 Οι κανόνες ενός μοντέλου Sugeno απεικονίζουν ασαφείς αριθμούς σε πραγματικές συναρτήσεις Παράδειγμα RS: ΕΑΝ Χ = Α ΤΟΤΕ y = f(x) Ένα μοντέλο Mamdani χρησιμοποιείται σε εφαρμογές όπου υπάρχουν διαθέσιμες πολλές αριθμητικές μετρήσεις 22
23
24 Οδηγίες 24
25 Ο ελεγκτής τύπου Mamdani, ελέγχει την ταχύτητα περιστροφής ενός ανεμιστήρα στο θάλαμο εντατικής παρακολούθησης ενός νοσοκομείου, ώστε η θερμοκρασία και η σχετική υγρασία του θαλάμου να διατηρούνται σε επίπεδα σύμφωνα με τις υποδείξεις των γιατρών. Ο ελεγκτής διαθέτει αισθητήρα θερμοκρασίας που μετράει τη θερμοκρασία από 0 C έως 50 C, και αισθητήρα που μετράει τη σχετική υγρασία από 20% έως 100%. Η ταχύτητα περιστροφής του ανεμιστήρα κυμαίνεται από 120 έως 1200 RPM (Rotations Per Minute). 25
26 Οι γιατροί έχουν ορίσει τις παρακάτω 5 προδιαγραφές: 26
27 %% Αρχικοποίηση του περιβάλλοντος MATLAB clear all; close all; clc; %% Δημιουργία ασαφούς μοντέλου τύπου Mamdani model = newfis('mammodel','mamdani'); %% Ορισμός εισόδων, εξόδων του συστήματος model = addvar(model,'input','temp',[0 50]); model = addvar(model,'input','hum',[20 100]); model = addvar(model,'output','speed',[ ]); %% Ορισμός των συναρτήσεων συμμετοχής model = addmf(model,'input',1,'low','gaussmf',[7.5 0]); model = addmf(model,'input',1,'medium','gaussmf',[7.5 25]); model = addmf(model,'input',1,'high','gaussmf',[7.5 50]); model = addmf(model,'input',2,'low','gaussmf',[10 20]); model = addmf(model,'input',2,'medium','gaussmf',[10 60]); model = addmf(model,'input',2,'high','gaussmf',[10 100]); model = addmf(model,'output',1,'low','gaussmf',[ ]); model = addmf(model,'output',1,'medium','gaussmf',[ ]); model = addmf(model,'output',1,'high','gaussmf',[ ]); 27
28 % Προβολή των συναρτήσεων συμετοχής subplot(1,3,1);plotmf(model,'input',1); subplot(1,3,2);plotmf(model,'input',2); subplot(1,3,3);plotmf(model,'output',1); %% Ορισμός των κανόνων rule1 = [ ]; rule2 = [ ]; rule3 = [ ]; rule4 = [ ]; rulelist = [rule1;rule2;rule3;rule4]; model = addrule(model,rulelist); %Προβολή των κανόνων showrule(model) %% Προβολή του συστήματος figure; plotfis(model); %% Λειτουργία του συστήματος inputs = [8 20]; outputs = evalfis(inputs, model) 28
29 Ο ασαφής ελεγκτής τύπου Sugeno ελέγχει την παραγόμενη ποσότητα PAC σε μια βιομηχανική διαδικασία καθαρισμού νερού με βάση δύο μετρήσιμες μεταβλητές: 1) το PH του νερού, και 2) η αλκαλικότητα AL του νερού, οι οποίες καθορίζουν την ποσότητα χημικών ουσιών τύπου PAC που θα χρησιμοποιηθούν για τον καθαρισμό μιας ποσότητας νερού. Έστω x 1 είναι η ακριβής μετρούμενη τιμή του PH, x 2 είναι η ακριβής μετρούμενη τιμή του AL, και y είναι η ακριβής ποσότητα PAC που πρέπει να χρησιμοποιηθεί για τον καθαρισμό μιας ποσότητας νερού. Θα χρησιμοποιηθούν οι παρακάτω τρεις κανόνες: Κ1. Εάν PH είναι κανονικό και AL είναι χαμηλό τότε y= 2x 1 +x Κ2. Εάν PH είναι υψηλό και AL είναι μέτριο τότε y= x 1 +2x Κ3. Εάν PH είναι χαμηλό και AL είναι μέτριο τότε y= 2x 1 +3x 2-1. Σημειώνεται ότι τα πεδία τιμών των μεταβλητών PH και AL είναι [6,8] και [40,60] αντίστοιχα. 29
30 %% Αρχικοποίηση του περιβάλλοντος MATLAB clear all; close all; clc; %% Δημιουργία ασαφούς μοντέλου τύπου Mamdani model = newfis('sugmodel','sugeno'); %% Ορισμός εισόδων, εξόδων του συστήματος model = addvar(model,'input','ph',[6 8]); model = addvar(model,'input','al',[40 60]); model = addvar(model,'output','pac',[50 200]); %% Ορισμός των συναρτήσεων συμμετοχής model = addmf(model,'input',1,'low','trimf',[ ]); model = addmf(model,'input',1,'medium','trimf',[ ]); model = addmf(model,'input',1,'high','trimf',[ ]); model = addmf(model,'input',2,'low','trimf',[ ]); model = addmf(model,'input',2,'medium','trimf',[ ]); model = addmf(model,'input',2,'high','trimf',[ ]); model = addmf(model,'output',1,'low','linear',[2 1 1]); model = addmf(model,'output',1,'medium','linear',[1 2 3]); model = addmf(model,'output',1,'high','linear',[2 3-1]); 30
31 % Προβολή των συναρτήσεων συμετοχής subplot(1,2,1);plotmf(model,'input',1); subplot(1,2,2);plotmf(model,'input',2); %% Ορισμός των κανόνων rule1 = [ ]; rule2 = [ ]; rule3 = [ ]; rulelist = [rule1;rule2;rule3]; model = addrule(model,rulelist); %Προβολή των κανόνων showrule(model) %% Προβολή του συστήματος figure; plotfis(model); %% Λειτουργία του συστήματος inputs = [7 40]; outputs = evalfis(inputs, model) 31
32 gr Τηλ Γραφείο Β 1 22 (Κτήριο βιβλιοθήκης) 32
33
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Ασάφεια (Fuzziness) Ποσοτικοποίηση της ποιοτικής πληροφορίας Οφείλεται κυρίως
Βιομηχανικοί Ελεγκτές
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τ.Τ Βιομηχανικοί Ελεγκτές Ενότητα #7: Ευφυής Ελεγκτής Μέρος Α Κωνσταντίνος Αλαφοδήμος Τμήματος Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν
ΑΣΑΦΗΣ ΛΟΓΙΚΗ. Οικονόμου Παναγιώτης Δρ. Ε. Παπαγεωργίου 1
ΑΣΑΦΗΣ ΛΟΓΙΚΗ Ασαφή Σύνολα Συναρτήσεις Συμμετοχής Λεκτικοί Κανόνες Πράξεις Ασαφών Συνόλων Ασαφής Συνεπαγωγές Αποασαφοποίηση Παραδείγματα Ασαφών Συστημάτων Οικονόμου Παναγιώτης 1 Ασάφεια Έννοια που σχετίζεται
Κεφάλαιο 2: Ασαφή Συστήματα
Κεφάλαιο 2: Ασαφή Συστήματα Έχει διατυπωθεί η άποψη ότι η αποτελεσματικότητα της συνεργασίας των ανθρώπων μεταξύ τους οφείλεται στο γεγονός ότι οι άνθρωποι επικοινωνούν με ανακριβείς έννοιες μάλλον παρά
Ασαφής Λογική (Fuzzy Logic)
Ασαφής Λογική (Fuzzy Logic) Ασάφεια: έννοια που σχετίζεται με την ποσοτικοποίηση της πληροφορίας και οφείλεται κυρίως σε μη-ακριβή (imprecise) δεδομένα. Π.χ. "Ο Νίκος είναι ψηλός": δεν προσδιορίζεται με
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 6 ο Δρ. Ανέστης Γ. Χατζημιχαηλίδης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2017-2018 Διευρυμένη Υπολογιστική Νοημοσύνη (ΥΝ) Επεκτάσεις της Κλασικής ΥΝ. Μεθοδολογίες
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 5 ο Δρ. Ανέστης Γ. Χατζημιχαηλίδης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Διευρυμένη Υπολογιστική Νοημοσύνη (ΥΝ) Επεκτάσεις της Κλασικής ΥΝ. Μεθοδολογίες
Εισαγωγή στην Υπολογιστική Νοημοσύνη
Εισαγωγή στην Υπολογιστική Νοημοσύνη Η/Υ Δρ. ΒΑΣΙΛΕΙΟΣ ΚΑΜΠΟΥΡΛΑΖΟΣ Δρ. ΓΕΩΡΓΙΟΣ ΠΑΠΑΚΩΣΤΑΣ Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης _Περιεχόμενα_7 ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο :
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 4 ο Δρ. Ανέστης Γ. Χατζημιχαηλίδης Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Διευρυμένη Υπολογιστική Νοημοσύνη (ΥΝ) Επεκτάσεις της Κλασικής ΥΝ. Μεθοδολογίες
Η ασάφεια και τα Ασαφή Σύνολα ρ. Παναγιώτης Λ. Θεοδωρόπουλος Σχολικός Σύµβουλος κλάδου ΠΕ03 www.p-theodoropoulos.gr Εισαγωγή Η έννοια του ασαφούς συνόλου εισήχθη από τον Zadeh το 1965 και δηµιούργησε πραγµατική
ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #3: Αρχή της Επέκτασης - Ασαφείς Σχέσεις. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #3: Αρχή της Επέκτασης - Ασαφείς Σχέσεις Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης
ΚΕΦΑΛΑΙΟ 1. Ασαφή Συστήματα. 1.1 Ασαφή Σύνολα. x A. 1, x
ΚΕΦΑΛΑΙΟ 1 Ασαφή Συστήματα Η τεχνολογική πρόοδος των τελευταίων ετών επέβαλλε τη δημιουργία συστημάτων ικανών να εκτελέσουν προσεγγιστικούς συλλογισμούς, παρόμοιους με αυτούς του ανθρώπινου εγκέφαλου.
ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
K15 Ψηφιακή Λογική Σχεδίαση 4+5: Άλγεβρα Boole
K15 Ψηφιακή Λογική Σχεδίαση 4+5: Άλγεβρα Boole Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Ορισμός της δίτιμης άλγεβρας Boole Περιεχόμενα 1 Ορισμός της
Ανάκτηση Πληροφορίας
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Ανάκτηση Πληροφορίας Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #05 Ακρίβεια vs. Ανάκληση Extended Boolean Μοντέλο Fuzzy Μοντέλο 1 Άδεια χρήσης Το παρόν εκπαιδευτικό
ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης Δούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 8 ο Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
ΜΙΑ ΠΡΟΣΕΓΓΙΣΗ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ ΑΠΟ ΜΑΘΗΤΕΣ ΛΥΚΕΙΟΥ
ΜΙΑ ΠΡΟΣΕΓΓΙΣΗ ΤΗΣ ΑΣΑΦΟΥΣ ΛΟΓΙΚΗΣ ΑΠΟ ΜΑΘΗΤΕΣ ΛΥΚΕΙΟΥ Καραμολέγκος Πρόδρομος, Εφέντη Ιάσων, Καραγκιοζίδης Νίκος, Μαγριώτης Αντώνης, Θεοχάρους Μαριάνθη Ελένη Μαθητές Β Λυκείου, 1 ο ΓΕΛ Ξάνθης prokaramolegos@gmail.com,
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 7β Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2017-2018 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε.
ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε. Θέματα Εξετάσεων Εξεταστικής Σεπτεμβρίου στο μάθημα «ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ» ΔΙΔΑΣΚΩΝ: Δρ. Ηλ. Μηχ. & Τ.Υ. Αριστομένης Θανόπουλος Ημερομηνία: 12 / 2 / 2015
ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΡΑΡΤΗΜΑ ΚΑΣΤΟΡΙΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΑΣ Η/Υ ΠΙΘΑΝΟΤΗΤΕΣ - ΣΤΑΤΙΣΤΙΚΗ 1o ΜΑΘΗΜΑ Ι ΑΣΚΩΝ: ΒΑΣΙΛΕΙΑ ΗΣ ΓΕΩΡΓΙΟΣ Email: gvasil@math.auth.gr Ιστοσελίδες Μαθήματος: users.auth.gr/gvasil
Βασικές Έννοιες Ασαφών Συνόλων
Ασάφεια (Fuzziness) Έννοια που σχετίζεται με την ποσοτικοποίηση της πληροφορίας και οφείλεται κυρίως σε μη-ακριβή (imprecise) δεδομένα. "Ο Νίκος είναι ψηλός Το πρόβλημα οφείλεται στην αντίληψη που έχει
ΤΕΙ ΛΑΜΙΑΣ Τμήμα Ηλεκτρονικής
ΤΕΙ ΛΑΜΙΑΣ Τμήμα Ηλεκτρονικής Εργασία για το μάθημα: Εφαρμογές Ασαφούς Λογικής(Fuzzy Logic) Λέβητας Fuzzy Logic Εφαρμογή Ασαφούς Λογικής: Ένα Ασαφές Σύστημα Ελέγχου για Λέβητα-με χρήση και του MATLAB Σπουδαστές:
Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου. Θεωρία Υπολογισμού. Ενότητα 1 : Σύνολα & Σχέσεις (1/2) Αλέξανδρος Τζάλλας
1 Ελληνική Δημοκρατία Τεχνολογικό Εκπαιδευτικό Ίδρυμα Ηπείρου Θεωρία Υπολογισμού Ενότητα 1 : Σύνολα & Σχέσεις (1/2) Αλέξανδρος Τζάλλας 2 Ανοιχτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ηπείρου Τμήμα Μηχανικών Πληροφορικής
ΠΟΛΥΚΡΙΤΗΡΙΑ ΥΠΟΣΤΗΡΙΞΗ ΑΠΟΦΑΣΕΩΝ. Χάρης ούκας, Πάνος Ξυδώνας, Ιωάννης Ψαρράς
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και ιοίκησης ΠΟΛΥΚΡΙΤΗΡΙΑ
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
'Διερεύνηση αποτελεσματικότητας ασαφούς ελεγκτή για διαφορετικές θέσεις αισθητήρα-διεγέρτη'
'Διερεύνηση αποτελεσματικότητας ασαφούς ελεγκτή για διαφορετικές θέσεις αισθητήρα-διεγέρτη' ΟΝΟΜΑ ΦΟΙΤΗΤΗ: ΣΕΛΛΗΣ ΗΛΙΑΣ ΑΡΙΘΜΟΣ ΜΗΤΡΩΟΥ: 2004010054 ΤΜΗΜΑ: ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΒΛΕΠΩΝ ΚΑΘΗΓΗΤΗΣ
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 9 ο Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
17/10/2016. Στατιστική Ι. 3 η Διάλεξη
Στατιστική Ι 3 η Διάλεξη 1 2 Τυχαία μεταβλητή X στο δειγματικό χώρο Ω Μια πραγματική συνάρτηση που αντιστοιχίζει τα στοιχεία του δειγματικού χώρου Ω στο σύνολο των πραγματικών αριθμών τέτοια ώστε για κάθε
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 7 ο Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2016-2017 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
Κεφάλαιο 14. Ασάφεια. Τεχνητή Νοηµοσύνη - Β' Έκδοση. Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου
Κεφάλαιο 4 Ασάφεια Τεχνητή Νοηµοσύνη - Β' Έκδοση Ι. Βλαχάβας, Π. Κεφαλάς, Ν. Βασιλειάδης, Φ. Κόκκορας, Η. Σακελλαρίου Ασάφεια (Fuzziness) Έννοια που σχετίζεται µε την ποσοτικοποίηση της πληροφορίας και
K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων
K15 Ψηφιακή Λογική Σχεδίαση 3: Προτασιακή Λογική / Θεωρία Συνόλων Γιάννης Λιαπέρδος TEI Πελοποννήσου Σχολή Τεχνολογικών Εφαρμογών Τμήμα Μηχανικών Πληροφορικής ΤΕ Στοιχεία προτασιακής λογικής Περιεχόμενα
Εισαγωγή στην Κανονική Κατανομή. Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη
Εισαγωγή στην Κανονική Κατανομή Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη Ένα πρόβλημα Πρόβλημα: Ένας μαθητής είχε επίδοση στο τεστ Μαθηματικών 18 και στο τεστ
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή
Τεχνητή Νοημοσύνη (ΥΠ23) 6 ο εξάμηνο Τμήμα Πληροφορικής και Τηλεματικής Χαροκόπειο Πανεπιστήμιο Ουρανία Χατζή raniah@hua.gr 1 Αβεβαιότητα Με τον όρο αβεβαιότητα (uncertainty) εννοείται η έλλειψη ακριβούς
Προγραμματισμός ΙI (Θ)
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Κεντρικής Μακεδονίας - Σέρρες Τμήμα Μηχανικών Πληροφορικής Προγραμματισμός ΙI (Θ) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Μάρτιος 2017 Δρ. Δημήτρης Βαρσάμης Μάρτιος 2017
Πανεπιστήμιο Δυτικής Μακεδονίας. Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών. Διακριτά Μαθηματικά. Ενότητα 6: Προτασιακός Λογισμός
Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Διακριτά Μαθηματικά Ενότητα 6: Προτασιακός Λογισμός Αν. Καθηγητής Κ. Στεργίου e-mail: kstergiou@uowm.gr Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Άδειες
Αιτιολόγηση με αβεβαιότητα
Αιτιολόγηση με αβεβαιότητα Στα προβλήματα του πραγματικού κόσμου οι αποφάσεις συνήθως λαμβάνονται υπό αβεβαιότητα (uncertainty), δηλαδή έλλειψη επαρκούς πληροφορίας. Οι κυριότερες πηγές αβεβαιότητας είναι:
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
ΔΙΑΧΕΙΡΙΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ. Πολυκριτήρια Ανάλυση Αποφάσεων
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης ΔΙΑΧΕΙΡΙΣΗ
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 2. Σταύρος Παπαϊωάννου
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ Μαθηματικά Σταύρος Παπαϊωάννου Ιούνιος 015 Τίτλος Μαθήματος Περιεχόμενα Χρηματοδότηση... Error! Bookmark not defined. Σκοποί Μαθήματος (Επικεφαλίδα
Τυχαία μεταβλητή (τ.μ.)
Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως
Ημερομηνία: Τετάρτη 26 Οκτωβρίου 2016 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ
ΤΑΞΗ: ΜΑΘΗΜΑ: Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΑΕΠΠ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Ημερομηνία: Τετάρτη 26 Οκτωβρίου 2016 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α1. Να γράψετε στο τετράδιό σας το γράμμα κάθε πρότασης και δίπλα
Γιατί πιθανότητες; Γιατί πιθανότητες; Θεωρία πιθανοτήτων. Θεωρία Πιθανοτήτων. ΗΥ118, Διακριτά Μαθηματικά Άνοιξη 2017.
HY118-Διακριτά Μαθηματικά Τρίτη, 02/05/2017 Θεωρία πιθανοτήτων Αντώνης Α. Αργυρός e-mail: argyros@csd.uoc.gr 04-May-17 1 1 04-May-17 2 2 Γιατί πιθανότητες; Γιατί πιθανότητες; Στον προτασιακό και κατηγορηματικό
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ. Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις
ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ Έννοια Ορισμοί Τρόπος υπολογισμού Kατανομή πιθανότητας Ασκήσεις Έννοια τυχαίας μεταβλητής Κατά τον υπολογισμό πιθανοτήτων, συχνά συμβαίνει τα ενδεχόμενα που μας ενδιαφέρουν να μετρούν
ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ
ΜΕΡΟΣ ΙΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ 36 ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΔΙΑΚΡΙΤΩΝ ΕΝΑΛΛΑΚΤΙΚΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΣΧΕΔΙΑΣΜΟΥ ΚΑΙ ΣΥΝΘΕΣΗΣ ΔΙΕΡΓΑΣΙΩΝ Πολλές από τις αποφάσεις
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Θεωρία Συνόλων Σύνολο: Το σύνολο εκφράζει μία συλλογή διακριτών μονάδων οποιασδήποτε φύσης.
Χάραξης Ενεργειακών και Περιβαλλοντικών Πολιτικών
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΔΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Υποστήριξη
ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ. Ενότητα #5: Ασαφής Συλλογισμός. Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΥΦΥΗΣ ΕΛΕΓΧΟΣ Ενότητα #5: Ασαφής Συλλογισμός Αναστάσιος Ντούνης Τμήμα Μηχανικών Αυτοματισμού Τ.Ε. Άδειες Χρήσης Το παρόν εκπαιδευτικό
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Κ. Δεμέστιχας Εργαστήριο Πληροφορικής Γεωπονικό Πανεπιστήμιο Αθηνών Επικοινωνία μέσω e-mail: cdemest@aua.gr, cdemest@cn.ntua.gr 1 4. ΑΛΓΕΒΡΑ BOOLE ΛΟΓΙΚΗ ΣΧΕΔΙΑΣΗ ΜΕΡΟΣ Α 2 Άλγεβρα
P(n 1, n 2... n k ) = n 1!n 2! n k! pn1 1 pn2 2 pn k. P(N L, N R ) = N! N L!N R! pn L. q N R. n! r!(n r)! pr q n r, n! r 1!r 2! r k!
Ασκήσεις Πιθανοτήτων - Στατιστικής Πρόβλημα 1 (Η Πολυωνυμική Κατανομή). Στο πρόβλημα αυτό θα μελετήσουμε μία γενίκευση της διωνυμικής κατανομής που συναντήσαμε στο μάθημα. Συγκεκριμένα, θα δούμε τί συμβαίνει
β) 3 n < n!, n > 6 i i! = (n + 1)! 1, n 1 i=1
Κεφάλαιο 2: Στοιχεία Λογικής - Μέθοδοι Απόδειξης 1. Να αποδειχθεί ότι οι λογικοί τύποι: (p ( (( p) q))) (p q) και p είναι λογικά ισοδύναμοι. Θέλουμε να αποδείξουμε ότι: (p ( (( p) q))) (p q) p, ή με άλλα
Δρ. Βασίλειος Γ. Καμπουρλάζος Δρ. Ανέστης Γ. Χατζημιχαηλίδης
Μάθημα 7α Δρ. Βασίλειος Γ. Καμπουρλάζος Τμήμα Μηχανικών Πληροφορικής Τ.Ε. ΤΕΙ Ανατολικής Μακεδονίας και Θράκης 2017-2018 Μια Ενοποιητική Προσέγγιση στην ΥΝ Η Θεωρία Πλεγμάτων στην ΥΝ. Υπολογιστικές Μεθοδολογίες
Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές
Εισαγωγή στους Ηλεκτρονικούς Υπολογιστές 12 ο Μάθημα Λεωνίδας Αλεξόπουλος Λέκτορας ΕΜΠ E-mail: leo@mail.ntua.gr URL: http://users.ntua.gr/leo 1 GROUP I A Λ ΤΡΙΤΗ PC-Lab GROUP IΙ Μ Ω ΠΑΡΑΣΚΕΥΗ Central Κέντρο
Πιο 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
Σφάλματα Είδη σφαλμάτων
Σφάλματα Σφάλματα Κάθε μέτρηση ενός φυσικού μεγέθους χαρακτηρίζεται από μία αβεβαιότητα που ονομάζουμε σφάλμα, το οποίο αναγράφεται με τη μορφή Τιμή ± αβεβαιότητα π.χ έστω ότι σε ένα πείραμα μετράμε την
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΗ ΑΣΚΗΣΗ 3
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 231: Δομές Δεδομένων και Αλγόριθμοι Εαρινό Εξάμηνο 2013 ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΗ ΑΣΚΗΣΗ 3 Διδάσκων Καθηγητής: Παναγιώτης Ανδρέου Ημερομηνία Υποβολής: 05/04/2013 Ημερομηνία
Ανδρέας Παπαζώης. Τμ. Διοίκησης Επιχειρήσεων
Ανδρέας Παπαζώης Τμ. Διοίκησης Επιχειρήσεων Περιεχόμενα Εργ. Μαθήματος Εισαγωγή στην Τεχνητή Νοημοσύνη και τα Ευφυή Συστήματα Γνώση και αναπαράσταση γνώσης Παραδείγματα μετατροπής φυσικής γλώσσας 2/14
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά
Διακριτά Μαθηματικά ΙΙ Χρήστος Νομικός Τμήμα Μηχανικών Η/Υ και Πληροφορικής Πανεπιστήμιο Ιωαννίνων 2018 Χρήστος Νομικός ( Τμήμα Μηχανικών Η/Υ Διακριτά και Πληροφορικής Μαθηματικά Πανεπιστήμιο ΙΙ Ιωαννίνων
Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 3)
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον (Εργαστήριο 3) Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Δρ. Δημήτρης Βαρσάμης Αριθμητικές Μέθοδοι (E 3) Σεπτέμβριος 2015
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία. Υπεύθυνος: Δρ. Κολιός Σταύρος
Τ Ε Ι Ιονίων Νήσων Τμήμα Εφαρμογών Πληροφορικής στη Διοίκηση και την Οικονομία Υπεύθυνος: Δρ. Κολιός Σταύρος Κατανομές Πιθανότητας Ως τυχαία μεταβλητή ορίζεται το σύνολο των τιμών ενός χαρακτηριστικού
Ανάλυση, Στατιστική Επεξεργασία και Παρουσίαση Δεδομένων με χρήση Ανοικτών Λογισμικών Δρ. Φίλιππος Σοφός
Ανάλυση, Στατιστική Επεξεργασία και Παρουσίαση Δεδομένων με χρήση Ανοικτών Λογισμικών Δρ. Φίλιππος Σοφός ΠΕΡΙΓΡΑΜΜΑ ΠΑΡΟΥΣΙΑΣΗΣ Διερεύνηση αναγκών Επιλογή του Octave Χαρακτηριστικά και περιβάλλον εργασίας
Ευφυής Έλεγχος, Θεωρία και Εφαρμογές
Ευφυής Έλεγχος, Θεωρία και Εφαρμογές Διδακτικές Σημειώσεις Τμήματος Πληροφορικής και Επικοινωνιών Τομέας Αρχιτεκτονικής Υπολογιστικών και Βιομηχανικών εφαρμογών Δρ. Βολογιαννίδης Σταύρος email: svol@teiser.gr
Ας ξεκινήσουμε υπενθυμίζοντας τον ορισμό της συνέχειας σε μετρικούς χώρους. διατυπώνεται και με τον ακόλουθο τρόπο: για κάθε σφαίρα
33.4.Συνεχείς συναρτήσεις Η έννοια της συνεχούς συνάρτησης είναι θεμελιώδης και μελετάται κατ αρχήν για συναρτήσεις μιας και κατόπιν δύο ή περισσότερων μεταβλητών στα μαθήματα του Απειροστικού Λογισμού.
Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο
Πρόβλημα ο Ασκήσεις Φροντιστηρίου 5 o Φροντιστήριο Δίνεται το παρακάτω σύνολο εκπαίδευσης: # Είσοδος Κατηγορία 0 0 0 Α 2 0 0 Α 0 Β 4 0 0 Α 5 0 Β 6 0 0 Α 7 0 Β 8 Β α) Στον παρακάτω κύβο τοποθετείστε τα
Βασικοί τύποι δεδομένων (Pascal) ΕΠΑ.Λ Αλίμου Γ Πληροφορική Δομημένος Προγραμματισμός (Ε) Σχολ. Ετος Κων/νος Φλώρος
Βασικοί τύποι δεδομένων (Pascal) ΕΠΑ.Λ Αλίμου Γ Πληροφορική Δομημένος Προγραμματισμός (Ε) Σχολ. Ετος 2012-13 Κων/νος Φλώρος Απλοί τύποι δεδομένων Οι τύποι δεδομένων προσδιορίζουν τον τρόπο παράστασης των
ΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ ΜΕΤΑΒΛΗΤΩΝ ΣΕ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΕΝΕΡΓΕΙΑΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΠΟΛΙΤΙΚΗΣ. Μάθημα: ιαχείριση Ενέργειας και Περιβαλλοντική Πολιτική
Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Ηλεκτρολόγων Μηχανικών Και Μηχανικών Υπολογιστών ΤΟΜΕΑΣ ΗΛΕΚΤΡΙΚΩΝ ΒΙΟΜΗΧΑΝΙΚΩΝ ΙΑΤΑΞΕΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ ΑΠΟΦΑΣΕΩΝ Εργαστήριο Συστημάτων Αποφάσεων και ιοίκησης ΧΡΗΣΗ ΓΛΩΣΣΙΚΩΝ
Ενότητα 1: Εισαγωγή. ΤΕΙ Στερεάς Ελλάδας. Τμήμα Φυσικοθεραπείας. Προπτυχιακό Πρόγραμμα. Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο )
ΤΕΙ Στερεάς Ελλάδας Τμήμα Φυσικοθεραπείας Προπτυχιακό Πρόγραμμα Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο ) Ενότητα 1: Εισαγωγή Δρ. Χρήστος Γενιτσαρόπουλος Λαμία, 2017 1.1. Σκοπός και
Διπλωματική 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
Πρόβλημα είναι μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής.
Κεφάλαιο 2 - Πρόβλημα 2.1.1. Η έννοια του προβλήματος Πρόβλημα είναι μια κατάσταση η οποία χρήζει αντιμετώπισης, απαιτεί λύση, η δε λύση της δεν είναι γνωστή, ούτε προφανής. 2.1.2. Κατηγορίες προβλημάτων
Ευφυής Έλεγχος, Θεωρία και Εφαρμογές. Δρ. Βολογιαννίδης Σταύρος,
Ευφυής Έλεγχος, Θεωρία και Εφαρμογές Δρ. Βολογιαννίδης Σταύρος, (svol@teicm.gr) 9 Νοεμβρίου 24 Περιεχόμενα Εισαγωγή. Ευφυής έλεγχος......................... 2 Ασαφής έλεγχος 4 2. Ασαφή σύνολα - Βασικοί
ΑΝΑΛΥΣΗ 1 ΕΙΚΟΣΤΟ ΕΚΤΟ ΜΑΘΗΜΑ, Μ. Παπαδημητράκης.
ΑΝΑΛΥΣΗ ΕΙΚΟΣΤΟ ΕΚΤΟ ΜΑΘΗΜΑ, 5--3 Μ. Παπαδημητράκης. Είδαμε στο προηγούμενο μάθημα ότι για να έχει νόημα το όριο f(x) x ξ πρέπει το ξ να είναι σε κατάλληλη θέση σε σχέση με το πεδίο ορισμού A της συνάρτησης
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ & ΔΙΟΙΚΗΣΗΣ. Ρύθμιση παραμέτρων ασαφούς ελέγχου σε ευφυείς κατασκευές
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ & ΔΙΟΙΚΗΣΗΣ Εργαστήριο Υπολογιστικής Μηχανικής & Βελτιστοποίησης ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Ρύθμιση παραμέτρων ασαφούς ελέγχου σε ευφυείς κατασκευές Επιμέλεια: Βαλσαμόπουλος
xp X (x) = k 3 10 = k 3 10 = 8 3
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-7: Πιθανότητες - Χειµερινό Εξάµηνο 07 ιδάσκων : Π. Τσακαλίδης Φροντιστήριο 5 ιακριτές Τυχαίες Μεταβλητές ( ΙΙ ) Ασκηση. Ρίχνουµε ένα αµερόληπτο εξάεδρο
Τμήμα Λογιστικής και Χρηματοοικονομικής. Θεωρία Πιθανοτήτων. Δρ. Αγγελίδης Π. Βασίλειος
Τμήμα Λογιστικής και Χρηματοοικονομικής 1 Θεωρία Πιθανοτήτων Δρ. Αγγελίδης Π. Βασίλειος 2 Περιεχόμενα Έννοια πιθανότητας Ορισμοί πιθανότητας Τρόπος υπολογισμού Πράξεις πιθανοτήτων Χρησιμότητα τους 3 Πείραμα
ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2
ΠΛΗΡΟΦΟΡΙΚΗ Ι (MATLAB) Ενότητα 2 Σημειώσεις βασισμένες στο βιβλίο Το MATLAB στην Υπολογιστική Επιστήμη και Τεχνολογία Μια Εισαγωγή Έλεγχος συνθηκών - if Ας μελετήσουμε το πρόβλημα του υπολογισμού του ελάχιστου
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ ΚΕΦΑΛΑΙΟ 2 ο ΚΕΦΑΛΑΙΟ 7 ο ΕΡΩΤΗΣΕΙΣ ΓΕΝΙΚΑ ΠΕΡΙ ΑΛΓΟΡΙΘΜΩΝ
ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΑΛΓΟΡΙΘΜΩΝ ΚΕΦΑΛΑΙΟ 2 ο ΚΕΦΑΛΑΙΟ 7 ο ΕΡΩΤΗΣΕΙΣ ΓΕΝΙΚΑ ΠΕΡΙ ΑΛΓΟΡΙΘΜΩΝ 1. Έστω ότι ο καθηγητής σας δίνει δύο αριθμούς και σας ζητάει να του πείτε πόσο είναι το άθροισμά τους. Διατυπώστε
Τμήμα Μηχανικών Παραγωγής και Διοίκησης. Διπλωματική εργασία: Νευροασαφής έλεγχος σε ευφυή ράβδο
Πολυτεχνείο Κρήτης Τμήμα Μηχανικών Παραγωγής και Διοίκησης Καταγάς Μιχαήλ Α.Μ.:2006010074 Επιβλέπων καθηγητής: Σταυρουλάκης Γεώργιος Διπλωματική εργασία: Νευροασαφής έλεγχος σε ευφυή ράβδο Χανιά, Οκτώβριος
Υποθέσεις - - Θεωρήματα Υποθέσεις - Θεωρήματα Στα μαθηματικά και στις άλλες επιστήμες κάνουμε συχνά υποθέσεις. Οταν δείξουμε ότι μια υπόθεση είναι αλη
Υποθέσεις - - Θεωρήματα Μαθηματικά Πληροφορικής 1ο Μάθημα Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πανεπιστήμιο Αθηνών Υποθέσεις - - Θεωρήματα Υποθέσεις - Θεωρήματα Στα μαθηματικά και στις άλλες επιστήμες
Αν Α και Β είναι δύο ενδεχόμενα ενός δειγματικού χώρου να αποδείξετε ότι: Αν Α Β τότε Ρ(Α) Ρ(Β)
ΠΡΟΤΥΠΟ ΠΕΙΡΑΜΑΤΙΚΟ ΛΥΚΕΙΟ ΑΝΑΒΡΥΤΩΝ ΜΑΘΗΜΑΤΙΚΑ ΚΑΙ ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝΙΚΗΣ ΠΑΙΔΕΙΑΣ ΕΞΕΤΑΣΕΙΣ ΠΡΟΣΟΜΟΙΩΣΗΣ 04 ΘΕΜΑ ο Α. Πότε δύο ενδεχόμενα Α και Β ενός δειγματικού χώρου Ω ονομάζονται ασυμβίβαστα;
Μαθηματική Λογική και Λογικός Προγραμματισμός
Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων- Σημειώσεις έτους 2007-2008 Καθηγητής Γεώργιος Βούρος Μαθηματική Λογική και Λογικός Προγραμματισμός Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών
ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ. Μάθημα 2 ο : Βασικές έννοιες. Γεώργιος Πετάσης. Ακαδημαϊκό Έτος:
ΓΛΩΣΣΙΚΗ ΤΕΧΝΟΛΟΓΙΑ Μάθημα 2 ο : Βασικές έννοιες Γεώργιος Πετάσης Ακαδημαϊκό Έτος: 2012 2013 ΤMHMA MHXANIKΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ, Πανεπιστήμιο Πατρών, 2012 2013 Γλωσσική Τεχνολογία, Μάθημα 2 ο, Βασικές
07/11/2016. Στατιστική Ι. 6 η Διάλεξη (Βασικές διακριτές κατανομές)
07/11/2016 Στατιστική Ι 6 η Διάλεξη (Βασικές διακριτές κατανομές) 1 2 Δοκιμή Bernoulli Ένα πείραμα σε κάθε εκτέλεση του οποίου εμφανίζεται ακριβώς ένα από δύο αμοιβαία αποκλειόμενα δυνατά αποτελέσματα
ΕΡΓΑΣΤΗΡΙΑΚΕΣ ΑΣΚΗΣΕΙΣ C ΣΕΙΡΑ 1 η
Δημοκρίτειο Πανεπιστήμιο Θράκης Πολυτεχνική Σχολή Τμήμα Μηχανικών Παραγωγής & Διοίκησης Ακαδ. έτος 2015-2016 Τομέας Συστημάτων Παραγωγής Εξάμηνο Β Αναπληρωτής Καθηγητής Στέφανος Δ. Κατσαβούνης ΜΑΘΗΜΑ :
Εφαρμογές της Λογικής στην Πληροφορική
Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών Εθνικό Μετσόβιο Πολυτεχνείο Εφαρμογές της Λογικής στην Πληροφορική Ενότητα 2 Πέτρος Στεφανέας, Γεώργιος Κολέτσος Άδεια Χρήσης Το παρόν εκπαιδευτικό
Δομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 19 Hashing - Κατακερματισμός 1 / 23 Πίνακες απευθείας πρόσβασης (Direct Access Tables) Οι πίνακες απευθείας
ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2018 ΜΑΘΗΜΑΤΙΚΑ ΚΟΙΝΟΥ ΚΟΡΜΟΥ
ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ Στασίνου 6, Γραφείο 102, Στρόβολος 200, Λευκωσία Τηλέφωνο: 57 2278101, Φαξ: 57 2279122 cms@cms.org.cy, www.cms.org.cy ΠΑΓΚΥΠΡΙΕΣ ΕΞΕΤΑΣΕΙΣ 2018 ΜΑΘΗΜΑΤΙΚΑ ΚΟΙΝΟΥ ΚΟΡΜΟΥ Ημερομηνία:
Πληροφορική. Ενότητα 1: Α. Οργάνωση μαθήματος. Β. Στοιχεία Προγραμματισμού -Προγραμματιστικές Δομές, Πρόγραμμα, Γλώσσες.
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Πληροφορική Ενότητα 1: Α. Οργάνωση μαθήματος. Β. Στοιχεία Προγραμματισμού -Προγραμματιστικές Δομές, Πρόγραμμα, Γλώσσες. Κωνσταντίνος Καρατζάς
ΔΙΑΓΩΝΙΣΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ:- Γ ΛΥΚΕΙΟΥ ΤΜΗΜΑΤΑ: ΓΟ4 ΓΟ7 (ΖΩΓΡΑΦΟΥ) ΓΟ5 ΓΟ6 (ΧΟΛΑΡΓΟΣ) HM/NIA: 15/1/2017
ΔΙΑΓΩΝΙΣΜΑ: ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΤΑΞΗ:- Γ ΛΥΚΕΙΟΥ ΤΜΗΜΑΤΑ: ΓΟ4 ΓΟ7 (ΖΩΓΡΑΦΟΥ) ΓΟ5 ΓΟ6 (ΧΟΛΑΡΓΟΣ) HM/NIA: 15/1/2017 ΘΕΜΑ Α (Α1) Δίνεται η παρακάτω ακολουθία εντολών αλγορίθμου:
ΛΥΣΕΙΣ ΕΞΕΤΑΣΗΣ ΣΤΟ ΜΑΘΗΜΑ «ΤΕΧΝΟΛΟΓΙΑ ΜΕΤΡΗΣΕΩΝ» ΗΜΕΡΟΜΗΝΙΑ: 28/01/2013
ΛΥΣΕΙΣ ΕΞΕΤΑΣΗΣ ΣΤΟ ΜΑΘΗΜΑ «ΤΕΧΝΟΛΟΓΙΑ ΜΕΤΡΗΣΕΩΝ» ΗΜΕΡΟΜΗΝΙΑ: 8/0/0 ΘΕΜΑ ο ( μονάδες) H διάταξη του παρακάτω σχήματος χρησιμοποιείται για τη μέτρηση της θερμοκρασίας σε ηλεκτρικό φούρνο και περιλαμβάνει
Κεφάλαιο 7 ο Βασικές Έννοιες Προγραμματισμού (σελ )
Κεφάλαιο 7 ο Βασικές Έννοιες Προγραμματισμού (σελ. 147 159) Για τις γλώσσες προγραμματισμού πρέπει να έχουμε υπόψη ότι: Κάθε γλώσσα προγραμματισμού σχεδιάζεται για συγκεκριμένο σκοπό, δίνοντας ιδιαίτερη
Μέρος ΙΙ. Τυχαίες Μεταβλητές
Μέρος ΙΙ. Τυχαίες Μεταβλητές Ορισμοί Συναρτήσεις κατανομής πιθανότητας και πυκνότητας πιθανότητας Διακριτές τυχαίες μεταβλητές Ειδικές κατανομές διακριτών τυχαίων μεταβλητών Συνεχείς τυχαίες μεταβλητές
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι
ΤΕΧΝΟΛΟΓΙΑ ΛΟΓΙΣΜΙΚΟΥ Ι κ. ΠΕΤΑΛΙΔΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΤΕ 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται
Ο είκτης Συσχέτισης. Υπάρχουν πολλές οι έρευνες στις οποίες µας ενδιαφέρει να µελετήσουµε αν υπάρχει ΑΛΛΗΛΕΞΑΡΤΗΣΗ µεταξύ δύο µεταβλητών
Κεφάλαιο 8 Ο είκτης Συσχέτισης 1 Η έννοια της Αλληλεξάρτησης Υπάρχουν πολλές οι έρευνες στις οποίες µας ενδιαφέρει να µελετήσουµε αν υπάρχει ΑΛΛΗΛΕΞΑΡΤΗΣΗ µεταξύ δύο µεταβλητών ηλαδή, µας ενδιαφέρει να
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ & ΔΙΟΙΚΗΣΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ. Ασυνέπειες της ασαφούς λογικής ΒΑΚΟΥΛΗ ΑΝΤΙΓΟΝΗ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ & ΔΙΟΙΚΗΣΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Ασυνέπειες της ασαφούς λογικής ΒΑΚΟΥΛΗ ΑΝΤΙΓΟΝΗ Επιβλέπων Καθηγητής: ΒΑΣΙΛΕΙΟΣ ΚΟΥΪΚΟΓΛΟΥ Χανιά, 005 ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ...
Εισαγωγή στο MATLAB. Κολοβού Αθανασία, ΕΔΙΠ,
Εισαγωγή στο MATLAB Κολοβού Αθανασία, ΕΔΙΠ, akolovou@di.uoa.gr Εγκατάσταση του Matlab Διανέμεται ελεύθερα στα μέλη του ΕΚΠΑ το λογισμικό MATLAB με 75 ταυτόχρονες (concurrent) άδειες χρήσης. Μπορείτε να
Προσαρμοστικό Σύστημα Νευρο-ασαφούς Συμπερασμού ANFIS (Adaptive Network based Fuzzy Inference System)
ΔΗΜΟΚΡΙΤΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΡΑΚΗΣ Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών DEMOCRITUS UNIVERSITY OF THRACE SCHOOL OF ENGINEERING Department of Civil Engineering Προσαρμοστικό Σύστημα Νευρο-ασαφούς Συμπερασμού