Υπολογιστική Νοημοσύνη Ι

Εισαγωγή (Βασικά μοντέλα αναπαράστασης τεχνητού νευρώνα, είδη συναρτήσεων ενεργοποίησης, Βασικές αρχιτεκτονικές δομές των Νευρωνικών Δικτύων, Στοιχεία της αναπαράστασης της γνώσης και της τεχνητής νοημοσύνης, σε σχέση με τα Νευρωνικά Δίκτυα). Βασικοί αλγόριθμοι της διαδικασίας μάθησης (Βασικά παραδείγματα μάθησης και η στατιστική φύση της διαδικασίας μάθησης, Βασικά στοιχεία της Θεωρίας της Μάθησης). Αλγόριθμος του Perceptron (Θεμελίωση του αλγορίθμου, θεώρημα σύγκλισης και μέτρο απόδοσης του αλγορίθμου). Αλγόριθμος Ελάχιστου Μέσου Τετραγωνικού Λάθους (Εξισώσεις Wiener-Hopf, επίλυσή τους με τον αλγόριθμο απότομης καθόδου (steepest descent), μελέτη σύγκλισης, καμπύλη μάθησης και μεθοδολογία εκπαίδευσης στοιχείου ADALINE). Perceptrons πολλών επιπέδων. Περιορισμός ή επέκταση νευρωνικών δικτύων.