Εισαγωγή στη θεωρία των Στοχαστικών Ανελίξεων, Αναπτύγματα σε σειρά στοχαστικών ανελίξεων (ανάπτυγμα Karhunen-Loeve, Spectral Representation, Polynomial Chaos series expansion), Ποσοτικοποίηση αβεβαιότητας με τη μεθόδο Monte Carlo, Τεχνικές υποκατάστατης μοντελοποίησης (surrogate models), Μοντελοποίηση με αναγωγή σε παραμετρικούς χώρους μειωμένης τάξεως (reduced order models), αρχιτεκτονικές νευρωνικών δικτύων (Feedforward neural networks, Convolutional neural networks, Autoencoders etc.), Μέθοδοι Μπεϋζιανής επικαιροποίησης, Δεδομένα από αισθητήρες (τύποι, χωρική και χρονική κάλυψη). Κατηγοριοποίηση δεδομένων και ανάκτηση πληροφορίας-Δομές συσχέτισης. Ανάλυση Fourier και ανάλυση κύριων συνιστωσών (Principal Component analysis). Ανάλυση δεδομένων από σταθερούς αισθητήρες. Ανάλυση δεδομένων από κινούμενους αισθητήρες. Επεξεργασία δεδομένων από αισθητήρες κινητών τηλεφώνων (smartphone orientation, data cleaning, filtering, fusion, dimensionality reduction, feature engineering). Εφαρμογές σε προβλήματα μηχανικού.
Περιγραφή
Διδάσκοντες
Εξάμηνο
Εαρινό Εξάμηνο
Κατηγορία
Επιλογής
Ώρες Θεωρίας
3 ώρες
Credits
5