Παρουσίαση/Προβολή

Εικόνα επιλογής

ΜΕΘΟΔΟΙ ΕΠΙΛΥΣΗΣ ΜΕ Η/Υ

(CE0570) -  ΒΑΣΙΛΕΙΟΣ ΜΟΥΣΑΣ

Περιγραφή Μαθήματος

Παρουσιάζονται προηγμένες τεχνικές προγραμματισμού και οι εφαρμογές τους (ΑΙ) στη μοντελοποίηση, στην προσομοίωση και στη βελτιστοποίηση δυναμικών διεργασιών & διαδικασιών, για την επίλυση προβλημάτων της ειδικότητας του Πολιτικού Μηχανικού. Ιδιαίτερη έμφαση δίνεται στο χειρισμό/επεξεργασία δεδομένων και περιληπτικών ή αναλυτικών μοντέλων των φυσικών προβλημάτων, στην αναγνώριση και ταξινόμηση τους, στην προσομοίωση και πρόβλεψη της στοχαστικής ή μη συμπεριφοράς τους, και στη εξαγωγή βέλτιστων λύσεων ή αποφάσεων. Η υλοποίηση γίνεται σε περιβάλλον MatLab ή Python.

 

Άρθρο: Τεχνητή Νοημοσύνη: Ο Βοηθός της Φυσικής μας Νοημοσύνης και ο Προστάτης από τη Φυσική μας Ανοησία

Ημερομηνία δημιουργίας

Σάββατο 19 Οκτωβρίου 2019

Σελίδα μαθήματος
  • Περίγραμμα

    Περιεχόμενο μαθήματος

    Εισαγωγή - Βασικά, Γραμμική Άλγεβρα, Πίνακες, Αβεβαιότητα, Πιθανότητες, Τυχαίες Μεταβλητές, Τυχαίοι Αριθμοί, Σφάλματα, στοιχεία MatLab/Python, Δεδομένα, Δείγματοληψία, Στατιστικά στοιχεία/παράμετροι, Συσχέτιση, Επεξεργασία Δεδομένων & Εξαγωγή Πληροφορίας (Data Processing, Information Extraction), Εισαγωγή σε Αναγνώριση Προτύπων, Μηχανική Μάθηση, Τεχνητή Νοημοσύνη, και Χρησιμότητα τους. Προσομοίωση, Μοντέλα προσομοίωσης, Προσομοίωση Monte Carlo, Μοντελοποίηση, (Models & Simulation), Μορφές/Κατηγορίες μοντέλων: Γραμμικά (LR), Μή-Γραμμικά (NLR), Καταστατικά (State-Space), Στοχαστικά (Kalman), Χρονοσειρές (AR-ARMA), Νευρωνικά Δικτυα (ANN), Ασαφή (Fuzzy), Markov chain, κλπ. Ταυτοποίηση μοντέλου, Εκτίμηση κατάστασης, Μελλοντική Πρόβλεψη, Λείανση (Identification, Estimation, Forecasting, Smoothing), Ταξινόμηση, Ομαδοποίηση Καταστάσεων και Προτύπων, Μάθηση (Clustering, Classification, Pattern Recognition, Learning) (N-Neighbor, K-fold, sup/unsupervised), Αναζήτηση/Εύρεση, Βελτιστοποίηση Λύσεων (Heuristic Search, Optimization) (GA, Ants, Bees, κλπ., Bayesian), Λήψη Αποφάσεων (Decision) (Criteria, Statistical Games, Trees, Bayesian, Confusion Matrices), με εφαρμογές στο αντικείμενο του Πολιτικού Μηχανικού και σε περιβάλλον MatLab/Python.

    Βιβλιογραφία

    James-A. Goulet, Probabilistic Machine Learning for Civil Engineers, MIT Press, Cambridge, Mass., 2020

    Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2011

    Ι. Βλαχάβας, "Τεχνητή Νοημοσύνη", Εκδόσεις Παν. Μακεδονίας, 2020.