Courses

Pattern Recognition

2021-07-21T16:38:47+00:00

Εισαγωγή στην στατιστική αναγνώριση προτύπων με εφαρμογές σε αναγνώριση ήχων, οπτικών αντικειμένων, οπτικο-ακουστικών γεγονότων και άλλων χωρο-χρονικών αισθητηριακών ή συμβολικών δεδομένων. Bayesian θεωρία απόφασης και εκτίμησης. Κανόνας απόφασης του κοντινότερου γείτονα. Τεχνικές συγκέντρωσης (clustering) όπως k-means, και τεχνικές εκμάθησης χωρίς επίβλεψη. Δέντρα απόφασης. Μετασχηματισμοί και επιλογή χαρακτηριστικών στον χώρο προτύπων όπως ανάλυση σε πρωτεύουσες συνιστώσες (PCA), ανεξάρτητες συνιστώσες (ICA), κανονική συσχέτιση (CCA), διακριτική ανάλυση (LDA). Tεχνικές ταξινόμησης προτύπων με γραμμικές διακριτικές μηχανές τύπου Perceptron και Support Vector Machines. Κρυφά Μαρκοβιανά μοντέλα (HMMs), Μείγματα Γκαουσιανών (GMMs), αλγόριθμοι Expectation-Maximization και Viterbi. Δυναμικά Bayesian nets. Πιθανοτικά γραφικά μοντέλα. Τεχνικές Deep Learning. Εργαστηριακές ασκήσεις.

Pattern Recognition 2021-07-21T16:38:47+00:00

Robotics II: Intelligent Robotic Systems

2019-07-08T13:50:53+00:00

Analysis of Integrated Robotic Systems: control architectures, task modeling and planning, robot programming and supervision, robot sensing. Dexterous Robot Manipulation: redundant robot manipulators, cooperating robots, dexterous robot hands, kinematic/static analysis and control, manipulability, force/impedance control. Intelligent Mobile Robotics: elements of mechatronic design (locomotion, sensors), kinematic modeling, control architectures, environment representation, perception and localization, sensor fusion, path planning, robot learning. Telerobotics and Applications.

Robotics II: Intelligent Robotic Systems 2019-07-08T13:50:53+00:00

Computer Vision

2021-07-21T16:39:22+00:00

Introduction to the theory of fundamental problems in computer vision, synopsis of evidences from biological vision, mathematical models and computational algorithms for their solution, and description of selected applications. Visual sensors and image formation. Spatio-temporal processing of visual signals: Multidimensional linear filters and Fourier/Gabor analysis. Morphological operators and nonlinear filters. Multiscale image analysis with linear (Gaussian scale-space) and nonlinear methods (geometric diffusion). Detection of edges and other geometric features. Analysis of shape and texture. Motion estimation. Stereopsis and multiview geometry. Curve/surface evolution, active contours, and levelsets. Graph-theoretic methods. Image segmentation. 3D reconstruction. Object recognition. Applications in artificial intelligence, biomedicine, robotics, digital arts, and internet.

Computer Vision 2021-07-21T16:39:22+00:00

Robotics I: Analysis – Control – Laboratory

2019-07-08T13:53:16+00:00

Introduction to Robotics: Technological aspects, types of robots, application areas. Kinematic, static and dynamic analysis of robotic manipulators. Trajectory planning and control of robots. Linear local joint PID control, nonlinear computed-torque control, force/impedance control and hybrid control of robots. Introduction to adaptive and robust control of robots. Robot programming. Laboratory training: continuous and discrete control of a robot joint, linear and nonlinear control of an articulated inverted pendulum, programming of a robotic cell, programming and control of robotic manipulators (a serial linkage 6 dof manipulator and a SCARA-type robot).

Robotics I: Analysis – Control – Laboratory 2019-07-08T13:53:16+00:00

Digital Signal Processing

2021-07-21T16:39:45+00:00

Εισαγωγή στην θεωρία των θεμελιωδών προβλημάτων της ψηφιακής επεξεργασίας σηματων (digital signal processing - DSP), στα διακριτά συστήματα και υπολογιστικούς αλγορίθμους για την επίλυση τους, και σε επιλεγμένες εφαρμογές κυρίως σε ακουστικά σήματα (φωνή, μουσική) και συνοπτικά σε βιοϊατρικά σήματα.

Digital Signal Processing 2021-07-21T16:39:45+00:00

Circuit Theory

2018-05-21T12:19:26+00:00

Electric circuits, models and circuit elements. Generalized formulation of Kirchhoff's laws, graph theory, node analysis, loop analysis, tableau analysis, modified node analysis, state equations. Network functions, poles and zeros, equivalent representations, controllability, observability, passivity, stability, sensitivity. Time-domain and frequency domain response, sinusoidal steady-state analysis, Bode diagrams, Nyquist diagrams. Multiports and multiport networks. Two-ports: representations, conversions, terminated two-ports, interconnected two-ports, reciprocal and symmetric two-ports, two-port stability and passivity analysis. Switched capacitor circuits.

Circuit Theory 2018-05-21T12:19:26+00:00

Signals and Systems

2021-07-21T16:40:35+00:00

Βασικές έννοιες και ιδιότητες για σήματα και συστήματα συνεχούς και διακριτού χρόνου. Συνέλιξη και συσχέτιση σημάτων. Δειγματοληψία ημιτονοειδών και κβάντιση σημάτων. Εισαγωγικές έννοιες τυχαίων σημάτων για συσχέτιση και κβάντιση. Σειρές Fourier και Μετασχηματισμός Fourier συνεχούς χρόνου. Θεώρημα Δειγματοληψίας. Μετασχηματισμός Fourier διακριτού χρόνου. Γραμμικά χρονικά-αμετάβλητα συστήματα και ανάλυση τους στα πεδία χρόνου και συχνότητας. Μετασχηματισμός Laplace για συστήματα συνεχούς χρόνου. Εξισώσεις διαφορών και μετασχηματισμός Ζ για συστήματα διακριτού χρόνου. Συνάρτηση μεταφοράς και απόκριση συχνότητας συστημάτων. Ευστάθεια συστημάτων. Εισαγωγή στον Διακριτό Μετασχηματισμό Fourier. Περιγραφή σημάτων και συστημάτων από εφαρμογές, διάχυτη στα ανωτέρω θέματα.

Signals and Systems 2021-07-21T16:40:35+00:00