Υπολογιστική Νοημοσύνη και Εφαρμογές


Η Υπολογιστική Νοημοσύνη είναι υποσύνολο της Τεχνητής Νοημοσύνης: Περί Ευφιίας, Ομοιότητες διαφορές Νόησης Ανθρώπου- Μηχανής, Ασαφής Λογική- Ασαφής Νόηση, Αναπαράσταση εννοιών του πραγματικού κόσμου με Ασαφή Λεκτικά, Ασαφείς Σχέσεις, Ευφυή Συστήματα Ελέγχου Ασαφούς Νόησης (Mamdani), Μηχανική Μάθηση – Αναπτύσσοντας και διδάσκοντας αντίγραφα του Ανθρώπινου εγκεφάλου, Κατευθυνόμενη Μηχανική Μάθηση Τεχνητά Νευρωνικά Δίκτυα (ΤΝΔ) Πολυεπίπεδα ΤΝΔ εμπρόσθιας τροφοδοσίας 2ης Γενιάς, Regression και Classification-Αναγνώριση Προτύπων, ΤΝΔ Ακίδας 3ης γενιάς Spiking Neural Networks για Classification, Έλεγχος – αξιολόγηση αποτελεσματικότητας ΤΝΔ Regression/Classification (Metrics), Πίνακες Σύγχισης, TP, TN, FP, FN, Sensitivity, Specificity, Accuracy, k-fold cross validation, Γενίκευση ΤΝΔ, Μη κατευθυνόμενη Μηχανική Μάθηση, Τεχνητά Νευρωνικά Δίκτυα Kochonen Αυτοοργανούμενων Χαρτών (Self Organizing Maps), Συνελικτικά Νευρωνικά Δίκτυα (Convolutional ANN)- Βαθειά Μάθηση, Ασαφής ανάλυση συστάδων (Fuzzy c-means Clustering), Μηχανές Διανύσματος Υποστήριξης SVM, Υλοποίηση σε MATLAB-Εφαρμογές στην Επιστήμη του Πολιτικού Μηχανικού, Ευφυείς Πράκτορες.