Τεχνητά Νευρωνικά Δίκτυα

• Βασικά χαρακτηριστικά νευρωνικών δικτύων, αρχιτεκτονικές, ορολογία, βιολογικός νευρώνας
• Αλγόριθμος perceptron, συναρτήσεις ενεργοποίησης, ροή πληροφορίας, βάρη, αντιμετώπιση υπερ-εκπαίδευσης, φθοράς βαρών
• Μάθηση, έλεγχος, πρόβλεψη
• Bιοµιµητικοί αλγόριθμοι, αλγόριθμοι αυτο-εκµάθησης
• Πολύ-επίπεδο (Multi-Layer) Perceptron, με πρόσθια τροφοδότηση και ανατροφοδότηση
• Αναδρομικά δίκτυα, δίκτυο Hopfield, δίκτυα radial basis function (RBF), αυτο-οργανωμένα δίκτυα (self-organized - SOM)
• Στατιστικά μοντέλα, κανόνας του Bayes
• Μάθηση κατανομών πιθανότητας και ομαδοποίηση
• Σύνδεση με στατιστική μηχανική: Αλυσίδα Markov, αλγόριθμος Metropolis, μηχανή Boltzmann
• Βαθιά μάθηση (Deep Learning)
• Εργαστηριακή υλοποίηση ΤΝΔ στο Matlab
• Εργαστηριακή υλοποίηση ΤΝΔ με Python
• Παραδείγματα εφαρμογών ΤΝΔ στην υπολογιστική επιστήμη υλικών.

[Σύντομα θα προστεθεί η σχετική πληροφορία]