ΣΧΟΛΗ

ΠΟΛΥΤΕΧΝΙΚΗ

ΤΜΗΜΑ

ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΚΩΝ & ΤΕΧΝΟΛΟΓΙΑΣ ΥΠΟΛΟΓΙΣΤΩΝ

ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

ΠΡΟΠΤΥΧΙΑΚΟ

ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

ECE_ΑK808

ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

8

ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ

ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων

ΕΒΔΟΜΑΔΙΑΙΕΣ
ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ

ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ

Διαλέξεις

3

Φροντιστήρια

1

Εργαστηριακές Ασκήσεις

0

Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.

6

ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

Υποβάθρου , Γενικών Γνώσεων, Επιστημονικής Περιοχής, Ανάπτυξης Δεξιοτήτων

Εξειδικευμένο μάθημα στην Τεχνητη Νοημοσύνη.

Επιλογής μάθημα στον Τομέα Τ&ΤΠ του Τμήματος Ηλεκτρολόγων Μηχανικών & Τεχνολογίας Υπολογιστών. Αναπτύσσονται ποικίλες δεξιότητες.

ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

Κανένα

ΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

Ελληνική.

ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

Οι φοιτητές του προγράμματος ΕΡΑΣΜΟΣ εξετάζονται στην Αγγλική.

ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

Μαθησιακά Αποτελέσματα

Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

Συμβουλευτείτε το Παράρτημα Α

·    Περιγραφή του Επιπέδου των Μαθησιακών Αποτελεσμάτων για κάθε ένα κύκλο σπουδών σύμφωνα με Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης.

·    Περιγραφικοί Δείκτες Επιπέδων 6, 7 & 8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης

και Παράρτημα Β

·    Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων

Στο τέλος αυτού του μαθήματος ο φοιτητής θα πρέπει να:

·      έχει εμπεδώσει όλη την αναγκαία επιστημονική γνώση που αφορά την Αναγνωριση προτύπων.

φοιτητής θα αναπτύξει δεξιότητες:

·        στην σχεδίαση συστημάτων Αναγνώρισης προτύπων

Γενικές Ικανότητες

Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

Προσαρμογή σε νέες καταστάσεις

Λήψη αποφάσεων

Αυτόνομη εργασία

Ομαδική εργασία

Εργασία σε διεθνές περιβάλλον

Εργασία σε διεπιστημονικό περιβάλλον

Παράγωγή νέων ερευνητικών ιδεών

Σχεδιασμός και διαχείριση έργων

Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα

Σεβασμός στο φυσικό περιβάλλον

Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου

Άσκηση κριτικής και αυτοκριτικής

Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

·        Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών.

·        Προσαρμογή σε νέες καταστάσεις

·        Λήψη αποφάσεων.

·        Αυτόνομη εργασία.

·        Ομαδική εργασία

·        Εργασία σε διεθνές περιβάλλον.

·        Παράγωγή νέων ερευνητικών ιδεών.

·        Σχεδιασμός και διαχείριση έργων

·        Άσκηση κριτικής.

Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

Μέθοδοι αναγνώρισης προτύπων. Όρια στην ακρίβεια μέτρησης της αξιοπιστίας αναγνώρισης. Κατευθυνόμενη εκπαίδευση και αυτοεκπαίδευση. Η αρχή του ελάχιστου μήκους περιγραφής συστήματος. Συναρτήσεις απόστασης. Αναγνώριση χρονικά μεταβαλλόμενων προτύπων. Ταξινόμηση με κριτήριο την μικρότερη απόσταση και τα Κ-κοντινότερα πρότυπα. Ο αλγόριθμος Κ-means. Γραμμικές και μη γραμμικές συναρτήσεις απόφασης. Ο αλγόριθμος Perceptron. Συναρτήσεις απόστασης για χρονικά μεταβαλλόμενα πρότυπα. Δυναμικός προγραμματισμός. Ταξινομητές Bayes και ταξινομητές Bayes ελαχίστου κόστους. Εκτίμηση της πυκνότητας πιθανότηταςπροτύπων: Μεγιστοποίηση εντροπίας, εκτιμητής Parzen, ορθοκανονικές συναρτήσεις, μέθοδοι των Robbins-Monro και Kiefer-Wolfowitz, LMS. Μοντέλο Markov και Κρυμμένο Μοντέλο Markov. Markov Random Fields. Νευρωνικά δίκτυα. Εκπαίδευση διόρθωσης λάθους, Hebbian και ανταγωνιστική εκπαίδευση. Πολυεπίπεδο perceptron. Οπισθοδρομική διάδοση του σφάλματος. Δίκτυα ακτινικών συναρτήσεων. Μηχανή Hopfield. Nευρωνικά δίκτυα με ανατροφοδότηση. Συντακτική αναγνώριση προτύπων. Προεπεξεργασία και επιλογή παραμέτρων. Μετασχηματισμός Karhunen-Leone.

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.

Παραδόσεις στην αίθουσα διδασκαλίας (4 ώρες ανά διδακτική εβδομάδα, όπου συμπεριλαμβάνονται 1 ώρα φροντιστήριο/σεμινάριο), μέσω PowerPoint ή με χρήση κιμωλίας (ή "marker") σε πίνακα (στο φροντιστήριο).

ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές

Το μάθημα έχει καταχωρηθεί στο eclass (σύστημα εξ αποστάσεως εκπαίδευσης) ως Ανοικτό Μάθημα.

ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ

Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας.

Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ.

Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Περιγραφή της διαδικασίας αξιολόγησης

Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική  ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες

Αναφέρονται  ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

Προαιρετικά γραπτές ή/και  προφορικές εξετάσεις που περιλαμβάνουν: (προαιρετική) Πρόοδο και Τελική Εξέταση.

Η βαθμολογία προκύπτει σύμφωνα με τον τύπο:

Τελικός Βαθμός = Max [ (Πρόοδος´30% + Τελική Εξέταση´50% + Project´20%), (Τελική Εξέταση) ].

-Προτεινόμενη Βιβλιογραφία :

1.     Σέργιος Θεοδωρίδης, Κωνσταντίνος Κουτρούμπας, Αναγνώριση προτύπων, ISBN 978-960-489-145-0

2.     Στρίντζης, Μιχάλης, Αναγνώριση προτύπων, ISBN-13: 978-960-343-290-6

-Συναφή επιστημονικά περιοδικά: