No description available.

Στα πλαίσια της βελτίωσης της εκπαιδευτικής διαδικασίας εστιάζοντας την προσοχή στο επιστημονικό αντικείμενο της τεχνητής νοημοσύνης, σχεδιάζονται και υλοποιούνται στα πλαίσια αυτής της διπλωματικής εργασίας ένα σύνολο από εκπαιδευτικές εφαρμογές ιστού. Πιο συγκεκριμένα, το αντικείμενο της διπλωματικής εργασίας είναι η δημιουργία και ένταξη ενός μαθησιακού υλικού με τη μορφή ασκήσεων εξάσκησης και ασκήσεων αξιολόγησης. Οι ασκήσεις εξάσκησης έχουν ως στόχο την εξοικείωση του φοιτητή με τις έννοιες της τεχνητής νοημοσύνης και διαβαθμίζονται με βάση τη βοήθεια που προσφέρουν για τη λύση του προβλήματος, ενώ οι ασκήσεις αξιολόγησης στοχεύουν στην βαθμολόγηση του επιπέδου γνώσης ενός φοιτητή. Οι ασκήσεις έχουν εγκατασταθεί σ’ ένα e-learning λογισμικό που ονομάζεται Ευφυές Σύστημα Διδασκαλίας Τεχνητής Νοημοσύνης το οποίο αποτελεί ένα σύστημα που περιέχει θέματα τεχνητής νοημοσύνης. Είναι ένα σύστημα που έχει ως στόχο να βοηθήσει το φοιτητή στη μελέτη του μαθήματος της τεχνητής νοημοσύνης Το υπόλοιπο της εργασίας ακολουθεί την παρακάτω δομή: Στο κεφάλαιο 2 γίνεται εισαγωγή στην εξ’ αποστάσεως εκπαίδευση, στο κεφάλαιο 3 παρουσιάζονται τα συστήματα E-learning, στη συνέχεια παρουσιάζονται τα Συστήματα Διαχείρισης Περιεχομένου, στο κεφάλαιο 4 γίνεται περιγραφή του σχεδιασμού διεπαφών, στη συνέχεια στο κεφάλαιο 5 περιγράφονται οι τεχνολογίες που χρησιμοποιήθηκαν καθώς επίσης και όλες οι ασκήσεις που υλοποιήθηκαν και τέλος το κεφάλαιο 6 ολοκληρώνει την εργασία με τα συμπεράσματα. / The work is based on creating exercises for search algorithms on intelligent system for teaching.

Motion estimation is the key issue in video compressing. Several methods for motion estimation based on the center biased strategy and minimum mean square error trend searching have been proposed, such as TSS, FSS, UCBDS and MIBAS, but these methods yield poor estimates or find local minima. Many other methods predict the starting point for the estimation, these can be fast but are inaccurate. This study addresses the causes of wrong estimates, local minima and incorrect predictions in the prior estimation methods. The Multiple Searching Trend (MST) is proposed to overcome the problems of ineffective searches and local minima, and the Adaptive Dilated Searching Field (ADSF) is described to prevent prediction from wrong location. Applying MST and ADSF to the listed estimating methods, such as UCBDS, a fast and accurate can be reached. For this this reason, the method is called CockTail Searching (CTS). In another proposed method, we try to define the new criteria used to determine a referent macro block within the search window in a referent frame, which matches the estimated current macro block in the current frame, in motion estimation process used in MPEG standard. The Prediction Error(PE) in the Pixel Difference(PD) between the referent macro block and the current macro block is defined to be a new criterion which can get better performance in compressed data length than the Mean Square Error(MSE) used by most of motion estimation methods. The other criterion combined PE and MSE is proposed to get better performance than the PE. Two new criteria is applied to a famous motion estimation method, UCBDS, to show the performance of the new criteria. The evaluation results show that using new criteria in UCBDS can get more 40% reduction in compressed data size than the UCBDS with MSE.