Χρήστου - Βαρσακέλης Δημήτριος
  • 2310 891.721
  • dcv uom.edu.gr
  • Γραφείο: Γ4, 432
  • 2310 891.290

    Χρήστου - Βαρσακέλης Δημήτριος

    Καθηγητής
    Τμήμα Εφαρμοσμένης Πληροφορικής

    Καθηγητής, Διδακτικό Προσωπικό (Π.Μ.Σ. στην Τεχνητή Νοημοσύνη και Αναλυτική Δεδομένων)


    Γνωστικό Αντικείμενο

    ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΑΙ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ

    Βιογραφικό
    Ακαδημαϊκοί Τίτλοι
    • B.S. Electrical Engineering and Computer Science, University of California Berkeley, U.S.A. (1992)
    • M.Sc. Electrical Engineering, Rensselaer Polytechnic Institute, U.S.A. (1994)
    • M.Sc. Applied Mathematics, Harvard University, U.S.A. (1997)
    • Ph. D. Engineering Sciences, Harvard University, U.S.A. (1999)

    Διδασκόμενα Μαθήματα


    • ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΑΙ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ
      (AIE802)

    Τύπος
    ΕΠΙΛΟΓΗΣ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    AIE802

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    Η

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΑΙ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ

    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

     

    3

    5

     

     

     

     

     

     

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

     

     

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    γενικού υποβάθρου,
    ειδικού υποβάθρου, ειδίκευσης

    γενικών γνώσεων, ανάπτυξης δεξιοτήτων

    ΕΙΔΙΚΟΥ ΥΠΟΒΑΘΡΟΥ

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ, ΜΑΘΗΜΑΤΙΚΗ ΑΝΑΛΥΣΗ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΗ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI185/

    ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    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 το Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης
    • Περιγραφικοί Δείκτες Επιπέδων 6, 7  8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης και το Παράρτημα Β
    • Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων

    Οι φοιτητές που ολοκληρώνουν με επιτυχία το μάθημα:

    Θα διαθέτουν προχωρημένες γνώσεις στην επιστημονική περιοχή της βελτιστοποίησης, της μαθηματικής μοντελοποίησης και της λήψης αποφάσεων, οι οποίες συνεπάγονται κριτική κατανόηση της αντίστοιχης θεωρίας και ευχέρεια χρήσης αντίστοιχων «εργαλείων» από τα εφαρμοσμένα μαθηματικά.

    Θα κατέχουν εξειδικευμένες δεξιότητες επίλυσης προβλημάτων λήψης αποφάσεων και βελτιστοποίησης, τις οποίες θα είναι σε θέση να χρησιμοποιήσουν στην εργασία τους ή στην έρευνα σε σχετικό αντικείμενο.

    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

    ……

    Άλλες…

    …….


    Μαθηματική μοντελοποίηση προβλημάτων λήψης αποφάσεων
    Κριτική/αναλυτική σκέψη
    Ποσοτική συλλογιστική
    Αυτόνομη εργασία
    Ανάλυση και σύνθεση δεδομένων και πληροφοριών
    Εργασία σε διεπιστημονικό περιβάλλον.

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]


    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    Εισαγωγή στη θεωρία αποφάσεων
    Θεωρία χρησιμότητας.
    Στοχαστικά υποδείγματα - Αλυσίδες Μαρκόβ
    Διαδικασίες Αποφάσεων Μαρκόβ
    Δυναμικός Προγραμματισμός  εφαρμογές
    Ενισχυτική Μάθηση
    Δέντρα αποφάσεων

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Διαλέξεις με φυσική παρουσία (πρόσωπο με πρόσωπο)

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

    Χρήση Τ.Π.Ε. στη Διδασκαλία
    Θα χρησιμοποιηθεί η γλώσσα Python και το λογισμικό MATLAB για την υλοποίηση παραδειγμάτων και ασκήσεων.

    Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
    Η  επικοινωνία με τους φοιτητές και η διαχείριση εργασιών θα γίνει μέσω διαδικτυακής πλατφόρμας υποστήριξης διδασκαλίας (Οpen Eclass).

    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 σύμφωνα με τις αρχές του ECTS

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    39

    Μελέτη

    75

    Εργασίες

    20

    ΣύνολοΜαθήματος

    134

     

    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.


    Γλώσσα αξιολόγησης: Ελληνική

    Η αξιολόγηση θα γίνεται μέσω α) εργασιών/ασκήσεων που θα εκπονηθούν στη διάρκεια του εξαμήνου (30%), και β) γραπτής εξέτασης (επίλυση προβλημάτων) (70%).

    Τα κριτήρια αξιολόγησης είναι προσβάσιμα από τους φοιτητές στην ιστοσελίδα του μαθήματος.

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία :
    1. Hillier  Lieberman, Εισαγωγή στην Επιχειρησιακή Έρευνα, εκδ. Τζιόλα
    2. Taha, Εισαγωγή στην Επιχειρησιακή Έρευνα, εκδ. Τζιόλα
    3. R. Sutton  A. Barton, Reinforcement Learning: An Introduction. MIT Press, 1998.

    - Συναφή επιστημονικά περιοδικά:
    1. Decision Support Systems, Elsevier
    2. European Journal of Operations Research
    • ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ
      (AIC602)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    AI

    Τμήμα
    ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    Περιγραφή

    ΓΕΝΙΚΑ

    ΣΧΟΛΗ

    ΕΠΙΣΤΗΜΩΝ ΠΛΗΡΟΦΟΡΙΑΣ

    ΤΜΗΜΑ

    ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

    ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ

    ΠΡΟΠΤΥΧΙΑΚΟ

    ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ

    AIC602

    ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ

    ΣΤ

    ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ

    ΕΠΙΧΕΙΡΗΣΙΑΚΗ ΕΡΕΥΝΑ

    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

     

    3

    5

     

     

     

     

     

     

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

     

     

    ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ

    γενικού υποβάθρου,
    ειδικού υποβάθρου, ειδίκευσης

    γενικών γνώσεων, ανάπτυξης δεξιοτήτων

    ΕΠΙΣΤΗΜΟΝΙΚΗΣ ΠΕΡΙΟΧΗΣ (ΕΙΔΙΚΟΥ ΥΠΟΒΑΘΡΟΥ)

    ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:

     

    ΑΛΓΟΡΙΘΜΟΙ, ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ, ΜΑΘΗΜΑΤΙΚΗ ΑΝΑΛΥΣΗ

    ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:

    ΕΛΛΗΝΙΚΗ

    ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS

    ΟΧΙ

    ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)

    https://openeclass.uom.gr/courses/DAI120/

    ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

    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 το Πλαίσιο Προσόντων του Ευρωπαϊκού Χώρου Ανώτατης Εκπαίδευσης
    • Περιγραφικοί Δείκτες Επιπέδων 6, 7  8 του Ευρωπαϊκού Πλαισίου Προσόντων Διά Βίου Μάθησης και το Παράρτημα Β
    • Περιληπτικός Οδηγός συγγραφής Μαθησιακών Αποτελεσμάτων


    Η Επιχειρησιακή Έρευνα (EE) αφορά τη χρήση μαθηματικών υποδειγμάτων, τεχνικών και αλγορίθμων με σκοπό την εύρεση ορθολογικών ή «βέλτιστων» λύσεων σε προβλήματα από τις οικονομικές και διοικητικές επιστήμες, τη βιο-πληροφορική, τις επιστήμες μηχανικής κ.α. Οι φοιτητές/τριες που ολοκληρώνουν με επιτυχία το μάθημα θα έχουν αποκτήσει:

    κατανόηση θεμελιωδών αρχών και αποτελεσμάτων που αφορούν σημαντικές κατηγορίες προβλημάτων βελτιστοποίησης,
     ικανότητα διαμόρφωσης και επίλυσης προβλημάτων βελτιστοποίησης χρησιμοποιώντας αναλυτικές και υπολογιστικές μεθόδους.
    ικανότητα χρήσης λογισμικού σε σύχρονες γλώσσες προγραμματισμού (π.χ. python) για την επίλυση προβλημάτων βελτιστοποίησης.

    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

    ……

    Άλλες…

    …….


    Το μάθημα αποσκοπεί στις ακόλουθες γενικές ικανότητες:
    Λήψη αποφάσεων
    Εργασία σε διεπιστημονικό περιβάλλον
    Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
    Παράγωγή νέων ερευνητικών ιδεών

    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ [Syllabus]


    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
    Εισαγωγή – Βασικές έννοιες. Το μαθηματικό πρότυπο, Βασικές έννοιες και ορισμοί της γραμμικής βελτιστοποίησης, Εφαρμογές μορφοποίησης του γραμμικού προβλήματος, Λεκτική περιγραφή του γραμμικού προβλήματος, Μορφές του γραμμικού προβλήματος (κανονική, τυποποιημένη, γενική), Μετασχηματισμοί.
    Γεωμετρική επίλυση γραμμικού προβλήματος. Διανύσματα κίνησης, Βελτιώνουσες κατευθύνσεις, Γεωμετρική επίλυση στο χώρο των μεταβλητών, Ιδιότητες αντίστροφης μήτρας, Τρόποι υπολογισμού της αντίστροφης μήτρας, Χρήση Eta-μητρών.
    Αλγόριθμοι τύπου simplex. Γενικά χαρακτηριστικά αλγορίθμων τύπου simplex, Μεθοδολογία αλγορίθμων τύπου simplex, Ο αναθεωρημένος πρωτεύων αλγόριθμος simplex, Αιτιολόγηση του αλγόριθμου simplex, Ανάλυση διαφορετικών κανόνων περιστροφής, Επίλυση γενικών γραμμικών προβλημάτων (αλγόριθμος δυο φάσεων και αλγόριθμος του μεγάλου Μ).
    Δυϊκή θεωρία. Σχέσεις πρωτεύοντος και δυϊκού γραμμικού προβλήματος, Μετασχηματισμός από πρωτεύων σε δυϊκό, Ισχυρή δυϊκότητα, Θεώρημα συμπληρωματικής χαλαρότητας, Ο αναθεωρημένος δυϊκός αλγόριθμος simplex.
    Ανάλυση ευαισθησίας. Κλασσική ανάλυση ευαισθησίας, Αλλαγές στους συντελεστές κόστους, Αλλαγή στο δεξιό μέρος.
    Μη-γραμμικός προγραμματισμός. Βασικές έννοιες, μορφοποίηση το μη-γραμμικού προβλήματος. Μη-γραμμική βελτιστοποίηση με ισοτικούς περιορισμούς, μέθοδος πολλαπλασιαστών Lagrange, συνθήκες δεύτερης τάξης. Μη-γραμμική βελτιστοποίηση με ανισοτικούς περιορισμούς, θεώρημα ΚΚΤ.
    Ειδικές μορφές μη-γραμμικών προβλημάτων. Τετραγωνικός προγραμματισμός, διαχωρίσιμα προβλήματα, κυρτός προγραμματισμός, εφαρμογές.
    Πρόβλημα μεταφοράς. Περιγραφή του αλγορίθμου Simplex για το πρόβλημα μεταφοράς, αρχικοποίηση με τη μέθοδο της βορειοδυτικής γωνίας και εφαρμογές.
    Προβλήματα λήψης αποφάσεων υπό καθεστώς αβεβαιότητας. Κριτήρια αποφάσεων στη θεωρία αποφάσεων, αναμενόμενη αξία της πλήρους πληροφόρησης, θεωρία χρησιμότητας.
    Λήψη αποφάσεων με χρήση Η/Υ. Επίλυση προβλημάτων βελτιστοποίησης με τη χρήση του λογισμικού πακέτου SageMath.

    ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

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

    Διαλέξεις με φυσική παρουσία (πρόσωπο με πρόσωπο)

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

    Χρήση Τ.Π.Ε. στη Διδασκαλία
    Η διδασκαλία γίνεται αποκλειστικά με τη βοήθεια σύγχρονου λογισμικού παρουσιάσεων (power point), αλλά ενισχύεται, με τη χρήση state-of-the-art λογισμικών πακέτων βελτιστοποίησης (π.χ. SageMath  Glpk) καθώς και με τη χρήση της Python. Τα διδακτικά παραδείγματα είναι κατάλληλα προσαρμοσμένα στις ανάγκες διδασκαλίας του μαθήματος. Επίσης, χρησιμοποιούνται και ορισμένες ελεύθερες διαδικτυακές διδακτικές μικροθεάσεις (Java applets).

    Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
    Ανάρτηση εκπαιδευτικού υλικού (διαφάνειες, επιστημονικά άρθρα, ασκήσεις, case studies κτλ.) στην ιστοσελίδα του μαθήματος (open eclass). Χρήση ανακοινώσεων μέσω open eclass. Επίσης, υπάρχει επικοινωνία μέσω email, ενώ ακόμη παρέχεται η δυνατότητα επικοινωνίας μέσω Google Meet.

    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 σύμφωνα με τις αρχές του ECTS

    Δραστηριότητα

    Φόρτος Εργασίας Εξαμήνου

    Διαλέξεις

    39 ώρες

    Εκπόνηση μελέτης στο πλαίσιο της εργασίας

    39 ώρες

    Μελέτη / προετοιμασία για τις εξετάσεις

    62 ώρες

    Σύνολο Μαθήματος

    140 ώρες

     

    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.


    Γλώσσα αξιολόγησης: Ελληνική

    Η αξιολόγηση θα γίνεται μέσω α) εργασιών/ασκήσεων που θα εκπονηθούν στη διάρκεια του εξαμήνου (30%), και β) γραπτής εξέτασης (επίλυση προβλημάτων) στην Ελληνική γλώσσα (70%).

    Τα κριτήρια αξιολόγησης είναι προσβάσιμα από τους φοιτητές στην ιστοσελίδα του μαθήματος.

    Τα κριτήρια αξιολόγησης είναι αναρτημένα στην ιστοσελίδα του μαθήματος

    ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

    - Προτεινόμενη Βιβλιογραφία:
    Anderson D, Sweeney D., Williams T.  Martin K. (2010), An Introduction to Management Science, 13th ed., South-Western College Pub.
    Taha H.A. (2011), Operations Research: An Introduction, 9th ed., Pearson Education, Inc.
    Hillier F.  Lieberman G. (2009), Introduction to Operations Research, 9th ed., McGraw-Hill Science.

    - Συναφή επιστημονικά περιοδικά:
    European Journal of Operational Research, Elsevier (ISI-indexed),
    Computers  Operations Research, Elsevier, (ISI-indexed),
    Applied Mathematical Modelling, Elsevier (ISI-indexed),
    RAIRO - Operations Research, EDP Sciences (ISI-indexed).
    • ΜΑΘΗΜΑΤΙΚΑ
      (ΜΟΕ103)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    ΜΟΕ

    Τμήμα
    ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΗΝ ΟΙΚΟΝΟΜΙΚΗ ΕΠΙΣΤΗΜΗ

    Περιγραφή

    Η περιγραφή του μαθήματος δεν είναι διαθέσιμη

    • ΠΙΘΑΝΟΤΙΚΗ ΜΟΝΤΕΛΟΠΟΙΗΣΗ ΚΑΙ ΣΥΛΛΟΓΙΣΤΙΚΗ
      (AIDA101)

    Τύπος
    ΥΠΟΧΡΕΩΤΙΚΟ

    Κωδικός Τμήματος
    ΜΤΝΑΔ

    Τμήμα
    Π.Μ.Σ. ΣΤΗΝ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΔΕΔΟΜΕΝΩΝ

    Περιγραφή

    Τίτλος

    Πιθανοτική Μοντελοποίηση και Συλλογιστική

    (Probabilistic Modeling and Reasoning)

    Στόχοι

    Το μάθημα καλύπτει το απαραίτητο υποβαθρο απο τα εφαρμοσμένα μαθηματικά, τη θεωρία πιθανοτήτων και τη στατιστική (εστιάζοντας στην πιθανοτική μοντελοποίηση και συλλογιστική), το οποίο θα χρειαστούν οι φοιτητές/τριες α) για την επιτυχή ολοκλήρωση του ΠΜΣ αλλά και β) για να μπορέσουν να αναπτύξουν τα ερευνητικά τους ενδιαφέροντα σε πιό συγκεκριμένες περιοχές της Μηχανικής Μάθησης, της Τεχνητής Νοημοσύνης και της Επιστήμης Δεδομένων.

    Δεξιότητες

    Οι φοιτητές/τριες που ολοκληρώνουν με επιτυχία το μάθημα θα μπορουν να:

    1. Μοντελοποιούν και να επιλύουν προβλήματα συμπερασματικής ξεκινώντας απο βασικές αρχες
    2. Κατανοούν τις μεθόδους maximum likelihood και Bayesian για εκτίμηση παραμέτρων, και να παράγουν τις σχετικές εξισώσεις για συγκεκριμένα προβλήματα.
    3. Κατανοούν τις διαφορές ανάμεσα σε διάφορα μοντέλα λανθάνουσων μεταβλητών (latent variable) να κατασκευάζουν αντίστοιχες εξισώσεις ελάχιστης προσδοκίας (EM), και να εκτελούν τους κατάλληλους υπολογισμούς.
    4. Σχεδιάζουν, εκτιμούν και να αξιολογούν μοντέλα δικτύων πεποιθήσεων (belief network models).
    5. Εκτελούν πειραματικές διερευνήσεις δεδομένων και μοντέλων, και να εξάγουν συμπεράσματα απο αυτές.

    Προαπαιτήσεις

    Θεωρία πιθανοτήτων σε προπτυχιακό επίπεδο (διακριτές και συνεχείς τυχαίες μεταβλητές, αναμενόμενη τιμή, διακύμανση, από κοινοί και υπό συνθήκη κατανομές). Γραμμική Άλγεβρα και Ανάλυση (Εφ. Μαθηματικά 1 και 2 στο ΠΠΣ του Τμήματος). Βασικές γνώσεις προγραμματισμού.

    Πώς θα καλυφτούν οι προαπαιτήσεις

    Ο φοιτητής μπορεί (αλλά δεν είναι υποχρεωτικό) να παρακολουθήσει τα σχετικά μαθήματα του ΠΠΣ, τα οποία διδάσκονται στο χειμερινό εξάμηνο και στο εαρινό εξάμηνο του Τμ. Εφαρμοσμένης Πληροφορικής.

    Περιεχόμενο μαθήματος

    • Πιθανότητα (ενδεχόμενα, διακριτές τ. μεταβλητές, από κοινού και υπο συνθήκη κατανομές).
    • Διακριτά δίκτυα πεποιθήσεων, συμπερασματική
    • Εκτίμηση παραμέτρων: Μέγιστη Πιθανοφάνεια
    • Μοντέλα λανθάνουσων μεταβλητών (μίγματα μοντέλων, αλγόριθμος ΕΜ, Ανάλυση παραγόντων, Ανάλυση Ανεξάρτητων Συνιστωσών - ICA)
    • Δυναμικά μοντέλα λανθάνουσων μεταβλητών (κρυφά Μαρκοβιανά μοντέλα, φίλτρα Kalman)
    • Θεωρία Πληροφορίας: Εντροπία, αμοιβαία πληροφορία, κωδικοποίηση πηγής, Kullback-Leibler divergence
    • Προσεγγιστική συμπερασματική: MCMC, μέθοδοι μεταβολών (Variational Methods)
    • Μέθοδοι δειγματοληψίας
    • Μπεϋσιανές μέθοδοι για συμπερασματική παραμέτρων και σύγκριση υποδειγμάτων.

    Προτεινόμενα βιβλία

    “Bayesian Reasoning and Machine Learning”, David Barber, Cambridge University Press, 2012.

    Μέθοδοι αξιολόγησης

    Εργασίες & τελική γραπτή εξέταση

    Ιστοσελίδα μαθήματος

    Το μάθημα θα φιλοξενηθεί στο https://piazza.com/

    Δημοσιεύσεις


    • Βιβλία (4 εγγραφές)

    Περιλαμβάνει Βιβλία ή/και μονογραφίες σε διεθνείς ή ελληνικούς εκδοτικούς οίκους. Κεφάλαια ή άρθρα συλλογικών τόμων ή επιμέλεια τόμων σε διεθνείς ή ελληνικούς εκδοτικούς οίκους.

      2019

      • . P. Papadopoulou and D. Hristu-Varsakelis, “Tax evasion as an optimal solution to a partially observable Markov decision process”, in Approximation and Optimization: Algorithms, Complexity and Applications, I. Demetriou and P. Pardalos (eds.), Springer 2019. (Proc. Conference on Approximation and Optimization: Algorithms, Complexity and Applications).

      2009

      • S. B. Andersson, D. Hristu-Varsakelis, M. Lahijanian, "Observers in Language-Based Control", Communications in Information and Systems, v. 8, n. 2, p., 85-106, 2009

      2005

      • D. Hristu-Varsakelis, "Feedback Control with Communication Constraints",Handbook of Networked and Embedded Control Systems/, D.Hristu-Varsakelis and W. S. Levine (eds), p.575-599, Birkhaüser, 2005.
      • D. Hristu-Varsakelis and W. S. Levine, "Control of Single-Input Single-Output Systems" , to appear in the Handbook of Networked and Embedded Control Systems, D. Hristu-Varsakelis and W. S. Levine (eds.), Birkhauser, 2005.
      • Επιστημονικά Περιοδικά (25 εγγραφές)

      Περιλαμβάνει Άρθρα σε διεθνή ή ελληνικά επιστημονικά περιοδικά (με κριτές).

        2022

        • E. Myrovali, D. Hristu-Varsakelis, D. Tachmatzidis, A. Antoniadis, V. Vassilikos “Identifying patients with paroxysmal atrial fibrillation from sinus rhythm ECG using random forests”, Expert Systems with Applications, 118948, Oct. 2022.

          Προβολή Δημοσίευσης

        2020

        • C. Chalvatzis, D. Hristu-Varsakelis “High-performance stock index trading via neural networks and trees”, Applied Soft Computing, vol. 96, Nov. 2020

        2019

        • D. Papachristoudis, D. Hristu-Varsakelis, F. Baldimtsi, G. Stephanidis “Leakage Resilient Lattice-Based Partially Blind Signatures”, IET Information Security, July 2019

        2018

        • N. Goumagias, D. Hristu-Varsakelis, J. Assael “Using Deep Q-learning to understand the tax evasion behavior of risk-averse firms”, Expert Systems with Applications 101, 258-270, 2018

        2017

        • C. Kotsavasiloglou, N. Kostikis, D. Hristu-Varsakelis, M. Arnaoutoglou “Machine Learning-based Classification of Simple Drawing Movements in Parkinson's Disease”, Biomedical Signal Processing and Control, vol. 31, Jan. 2017, p. 174-180

        2015

        • N. Kostikis, D. Hristu-Varsakelis, M. Arnaoutoglou, and C. Kotsavasiloglou, “A Smartphone-based Tool for Assessing Parkinsonian Hand Tremor”, IEEE Journal of Biomedical and Health Informatics, 19(6) p. 1835-1842, 2015

        2013

        • N. Goumagias and D. Hristu-Varsakelis, “Tax evasion by risk-averse firms in Greece: a discrete Markov-based optimization Model”, Optimization, 62(8), p. 1153-1167, 2013

        2012

        • D. Hristu-Varsakelis, S. Karagianni, M. Pempetzoglou, A. Sfetsos, "Optimizing production in the Greek economy: Exploring the Interaction between Greenhouse Gas emissions and Solid Waste via Input-Output Analysis", Economic Systems Research, 24(1), p. 57-75, 2012
        • N. Goumagias, D. Hristu-Varsakelis, A. Saraidaris, “A Decision Support Model for Tax Revenue Collection in Greece”, Decision Support Systems vol. 53 (2012), p. 76-96.

        2011

        • D. Hristu-Varsakelis, S. Karagianni, A. Saraidaris “Equilibrium Conditions in Corporate Tax Competition and Foreign Direct Investment Flows", Economic Modeling, v. 28, (1-2), 2011, p. 13-21

        2010

        • D. Hristu-Varsakelis, S. Karagianni, M. Pempetzoglou, T. Sfetsos " Optimizing Production with energy and GHG emission constraints in Greece: An Input-Output Analysis", Energy Policy, (38): 3, 2010, p. 1566-1577.
        • Hristu-Varsakelis and C. Kyrtsou "Testing for Granger Causality in the presence of Chaotic Dynamics", Brussels Economic Review, (53): 2, 2010, p. 323-327.

        2008

        • D. Hristu-Varsakelis and L. Zhang, “LQG Control of Networked Control Systems with Access Constraints and Delays”, International Journal of Control, vol. 81, nr. 8, Aug. 2008, p. 1266-1280.
        • D. Hristu-Varsakelis and C. Kyrtsou, “Evidence for Nonlinear Asymmetric Causality in US Inflation, Metal and Stock returns”, Discrete Dynamics in Nature and Society, vol. 2008, Article ID 138547, May 2008.
        • D. Hristu-Varsakelis, “Short-Period Communication and the Role of Zero-Order Holding in Networked Control Systems”, IEEE Trans. Automatic Control, 53(5), p. 1285-1290, June 2008
        • D. Hristu-Varsakelis, K. Chalkias, and G. Stephanides, “A Versatile Secure Protocol for Anonymous Timed-Release Encryption”, Journal of Information Assurance and Security, vol. 3, no. 5, p. 80-89, June 2008.

        2007

        • D. Hristu-Varsakelis and C. Shao, "A Bio-Inspired Pursuit Strategy for Optimal Control with Partially-Constrained Final State", Automatica 43(7), July 2007.

        2006

        • L. Zhang and D. Hristu-Varsakelis, "Communication and Control Co-design for Networked Control Systems", Automatica, 42(6), p. 953-958, June 2006.
        • S. Andersson and D. Hristu-Varsakelis, "Symbolic Feedback Control for Navigation", IEEE Trans. Automatic Control, vol. 51 (6), p. 926-937, June 2006.

        2005

        • D. Hristu-Varsakelis and C. Shao. "Corrections to: Biologically-inspiredoptimal control: Learning from social insects", Int'l Journal ofControl, 78(2):157, Jan. 2005.
        • D. Hristu-Varsakelis and W. S. Levine, "An Undergraduate Laboratory for Networked Digital Control Systems", IEEE Control Systems Magazine, vol 25, no 1, p.60-62, Feb. 2005.

        2004

        • D. Hristu-Varsakelis and C. Shao, "Biologically-inspired optimal control: learning from social insects" , International Journal of Control, vol. 77, no. 18, p. 1549-1566, Dec. 2004.

        2002

        • D. Hristu-Varsakelis and R. W. Brockett, "Experimenting with Hybrid Control", IEEE Control Systems Magazine vol. 22 (1) p.82-95, Feb. 2002.

        2001

        • D. Hristu-Varsakelis, "The Dynamics of a Forced Sphere-Plate System", IEEE Trans. Automatic Control, (46) 5, April 2001, pp.678-687.

        1999

        • D. Hristu and K. Morgansen, "Limited Communication Control", Systems and Control Letters, 37 (4), p.193-205, July 1999.
        • Συνέδρια (41 εγγραφές)

        Περιλαμβάνει Άρθρα σε δημοσιευμένα πρακτικά διεθνών ή ελληνικών συνεδρίων (με κριτές).

          2022

          • 65. A. Lagopoulos and D. Hristu-Varsakelis, "Measuring the Left Ventricular Ejection Fraction using Geometric Features", IEEE 35th International Symposium on Computer-Based Medical Systems (CBMS), 2022, pp. 1-6, doi: 10.1109/CBMS55023.2022.00008.

            Προβολή Δημοσίευσης

          2021

          • Ketsetsis, A.P., Giannoutakis, K.M., Spanos, G., Samaras, N., Hristu-Varsakelis, D., Thomas, D., and Tzovaras, D., A Comparative Study of Deep Learning Techniques for Financial Indices Prediction. AIAI 2021. IFIP Advances in Information and Communication Technology, vol 627. Springer, Cham, 2021.

            Προβολή Δημοσίευσης

          2014

          • D. Hristu-Varsakelis, S. Karagianni, M. Pempetzoglou and A. Sfetsos, “Optimizing Production in Greece under Particulate Pollution Constraints with cross-Regional Transport Effects”, in 14th Input-Output Conference, 2014.
          • N. Kostikis and D. Hristu-Varsakelis and M. Arnaoutoglou and C. Kotsavasiloglou, “Smartphone-based Evaluation of Movement Disorders: Quantitative Measurements vs Clinical Assessment Scores”, IEEE Conf. on Engineering in Medicine and Biology, 2014

          2012

          • D. Hristu-Varsakelis, S. Karagianni, M. Pempetzoglou, A. Sfetsos, “Regional optimization of air pollution in Greece via input-output analysis”, Proc. XIX Int’l Input-Output Conference, June 2012
          • N. Goumagias and D. Hristu-Varsakelis, “A Markov-based Decision Model of Tax evasion by risk-averse firms in Greece”, in Optimization Theory, Decision Making and Operations Research Application, Springer Proceedings in Mathematics v.31, (Proceedings of BALCOR 2011), 2012.

          2011

          • N. Kostikis, D. Hristu-Varsakelis, M. Arnaoutoglou, C. Kotsavasiloglou, and S. Baloyiannis, “Towards Remote Evaluation of Movement Disorders via Smartphones”, IEEE Engineering in Medicine and Biology Confrence, 2011.

          2009

          • D. Hristu-Varsakelis, S. Karagianni, M. Pempetzoglou, A. Sfetsos, “Optimizing Production in Greece under GHG emission reduction constraints: a comparison of objective functions”, XVII Int’l Input-Output Conference, July 2009.

          2008

          • K. Chalkias, S. T. Halkidis, D. Hristu-Varsakelis, G. Stephanides, and A. Alexiadis, "A Provably Secure One-Pass Two-Party Key Establishment Protocol", Information Security and Cryptology, 3rd International SKLOIS Conference, INSCRYPT, 2007, LNCS vol. 4990, p. 108-122, Springer, 2008
          • K. Chalkias , F. Mpaldimtzi, D. Hristu-Varsakelis, and G. Stephanides, “An Implementation Infrastructure for Server-Passive Timed-Release Cryptography”, Proc. of the Intl’ Symposium on Information Assurance and Security (IAS), p. 89-94, 2008.
          • K. Chalkias, F. Baldimtsi, D. Hristu-Varsakelis, G. Stephanides, "Mathematical Problems and Algorithms for Timed-Release Encryption”,  9ème Colloque Franco-Roumain de Mathématiques Appliquées, Braşov, Romanie, 2008

          2007

          • D. Hristu-Varsakelis, “On the Period of Communication Policies for Networked Control Systems, and the Question of Zero-Order Holding”, Proc. of the 46th IEEE Conf. On Decision and Control, pp. 38-43, 2007.
          • K. Chalkias, F. Baldimtzi, D. Hristu-Varsakelis and G. Stephanides, “On the Key-Compromise Impersonation vulnerability of One-pass key establishment protocols”, Int’l Conf. on Security and Cryptography (SECRYPT) 2007, pp.222-228
          • D. Hristu-Varsakelis, K. Chalkias and G. Stephanides, “Low-cost Anonymous Timed-Release Encryption”, Proc. of the Intl’ Symp. on Information Assurance and Security (IAS), p. 77 - 82, 2007
          • K. Chalkias, D. Hristu-Varsakelis and G. Stephanides, “Improved Anonymous Timed-Release Encryption”, Proc. of the 12th European Symposium On Research In Computer Security (ESORICS) LNCS Vol. 4734, pp. 311-326, Springer, 2007
          • D. Hristu-Varsakelis, N. Samaras and C. Shao, "Local pursuit as a Bio-inspired Computational Optimal Control Tool", Proceedings of the European Control Conference, July 2-5, 2007 (to appear).

          2006

          • W. S. Levine and D. Hristu-Varsakelis, "Some uses for Computer-Aided Control System Design Software in Control Education", Proc. IEEE Int'l Symposium on Intelligent Control, pp. 2281-2285, Oct. 2006.
          • D. Hristu-Varsakelis, "Stabilization of Networked Control Systems with Access Constraints and Delays", Proc. of the 45th IEEE Conference on Decision and Control, Dec. 2006.

          2005

          • L. Zhang and D. Hristu-Varsakelis, "Stabilization of Networked Control Systems under Feedback-based Communication", Proc. of the American Control Conference, p.2933- 2938, June 2005.
          • L. Zhang and D. Hristu-Varsakelis, "Stabilization of Networked Control Systems: Communication and Controller co-design", Proc. of the IFAC World Congress, 2005.
          • C. Shao and D. Hristu-Varsakelis, "Optimal control through biologically inspired pursuit", Proc. of the IFAC World Congress, 2005.
          • C. Shao and D. Hristu-Varsakelis, "Bio-inspired optimal control via intermittent cooperation", Proc. of the American Control Conference, p.1060- 1065, June 2005.
          • S. Andersson and D. Hristu-Varsakelis, "Language-based Feedback Control using Monte Carlo Sensing" , Proc. of the IEEE Int'l Conference on Robotics and Automation, 2005, p. 3047- 3052.
          • L. Zhang and D. Hristu-Varsakelis, "LQG Control under Limited Communication", Proc. of the 44th IEEE Conference on Decision and Control and the European Control Conference, p.185 - 190, Dec. 2005.
          • L. Zhang and D. Hristu-Varsakelis, "Stabilization of Networked Control Systems under Feedback-based Communication", 2005 American Control Conference
          • L. Zhang and D. Hristu-Varsakelis, "Stabilization of Networked Control Systems: Communication and Controller co-design", 2005 IFAC World Congress.
          • C. Shao and D. Hristu-Varsakelis, "Optimal control through biologically inspired pursuit", 2005 IFAC World Congress.
          • C. Shao and D. Hristu-Varsakelis, "Biologically-inspired optimal control via intermittent cooperation", 2005 American Control Conference.
          • S. Andersson and D. Hristu-Varsakelis, "Language-based Feedback Control using Monte Carlo Sensing" , IEEE Int'l Conference on Robotics and Automation, 2005.

          2003

          • S. Andersson and D. Hristu-Varsakelis, "Stochastic Language-based Motion Control" , IEEE Conference on Decision and Control, p. 3313-8, Dec. 2003.
          • D. Hristu-Varsakelis, M. Egerstedt and P. S. Krishnaprasad, "On the Complexity of the Motion Description Language MDLe" in IEEE Conference on Decision and Control, p. 3360-5, Dec. 2003.

          2002

          • D. Hristu-Varsakelis and S. Andersson, "Directed Graphs and Motion Description Languages for Robot Navigation and Control", IEEE Conference on Robotics and Automation, p. 2689-94 vol.3, 2002.
          • M. Egerstedt and D. Hristu-Varsakelis, "Observability and Policy Optimization for Mobile Robots". IEEE Conference on Decision and Control, 2002, p. 3596-3601.
          • D. Hristu-Varsakelis and P. R. Kumar, "Interrupt-based feedback control over a shared communication medium", IEEE Conference on Decision and Control, 2002, p. 3223-8.

          2001

          • D. Hristu-Varsakelis, "Feedback Control Systems as Users of a Shared Network: Communication Sequences that Guarantee Stability". IEEE Conference on Decision and Control, p. 3631-6 vol.4, 2001.

          2000

          • D. Hristu, "Stabilization of LTI systems with communication constraints" American Control Conference, 2000, p. 2342-6 (Best presentation in session award).
          • D. Hristu-Varsakelis, "Robot Formations: Learning minimum-length Paths on Uneven Terrain", IEEE Mediterranean Conference on Control and Automation 2000.
          • D. Hristu, N.J. Ferrier and R. W. Brockett, "The performance of a deformable-membrane tactile sensor: basic results on geometrically-defined tasks", IEEE Int'l Conf. on Robotics and Automation, 2000, p. 508-13 vol.1.

          1999

          • D. Hristu, "Generalized Inverses for Finite-horizon Tracking". Proc. of the 1999 IEEE CDC, p. 1397-402 vol 2.

          1996

          • D. Hristu, D. Kontarinis and R. D. Howe, 'A Comparison of Delay and Bandwidth Limitations in Tele-manipulation' , Proc. Int' l Federation for Automatic Control, p. 331-6, June 1996.

          1994

          • D. Hristu, J. Babb, H. Singh and S. N. Gottschlich, 'Position/Force Control of a Multi-fingered Hand: A Comparison of Fuzzy Logic to Traditional PID Control' , IEEE Conference on Intelligent Robots and Systems, p. 1391-8, 1994.
          Wheelchair Blue
          Accessibility Tools
          Fonts PlusIncrease Text
          Fonts MinusDecrease Text
          ContrastHigh Contrast
          GrayscaleGrayscale
          Readable FontReadable Font