ΠΕ1. Ακαδημαϊκή αναμόρφωση του Π.Π.Σ. - Δ.1.1 Δημιουργία τομέων

    
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ»
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ

Β' Ε.Π.Ε.Α.Ε.Κ.

«ΕΝΙΣΧΥΣΗ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΟ
ΜΕΤΡΟ 2.2 «ΑΝΑΜΟΡΦΩΣΗ ΠΡΟΓΡΑΜΜΑΤΩΝ ΣΠΟΥΔΩΝ – ΔΙΕΥΡΥΝΣΗ»
ΕΝΕΡΓΕΙΑ 2.2.2 «Ολοκλήρωση της διεύρυνσης και αναμόρφωση των προγραμμάτων σπουδών της τριτοβάθμιας εκπαίδευσης»
ΚΑΤΗΓΟΡΙΑ ΠΡΑΞΕΩΝ 2.2.2.γ
«Ενίσχυση των ΤΠΕ στην Τριτοβάθμια Εκπαίδευση»

ΠΕ1. Ακαδημαϊκή αναμόρφωση του Π.Π.Σ.

Δ.1.1Δημιουργία τομέων (κατευθύνσεων ειδικότητας)

 

5. Περιγράμματα μαθημάτων προτεινομένου Προγράμματος Σπουδών – Βιβλιογραφία

 

Τίτλος μαθήματος: Παιδαγωγικά (ΔΟΝΑ)

Εβδομαδιαίες ώρες διδασκαλίας: 3 θεωρία

Tυπικό εξάμηνο διδασκαλίας: Ζ΄

Διδασκαλία: Η διδασκαλία του μαθήματος έχει τη μορφή 15 διαλέξεων στο πλαίσιο των οποίων υπάρχει η δυνατότητα ανάληψης εργασιών.

Ενδεικτικά προαπαιτούμενα: -

Διδακτικές μονάδες: 3

 

Σκοπός και στόχοι του μαθήματος:

Το μάθημα αποσκοπεί στην παρουσίαση των σύγχρονων αντιλήψεων της παιδαγωγικής ως επιστήμης. Αντικείμενο είναι η αγωγή και η μόρφωση του αναπτυσσόμενου ατόμου και η συνολική και ισομερής ψυχοσωματική ανάπτυξη του οργανισμού του, με σκοπό την καλλιέργεια των διανοητικών ικανοτήτων και την διάπλαση του χαρακτήρα του ως μονάδος και ως μέλους της κοινωνίας. Παρουσιάζονται οι σύγχρονες θέσεις σχετικά με τις έμφυτες καταβολές του ατόμου και την εξέλιξη των νοητικών ικανοτήτων της μνήμης, της προσοχής της παρατηρητικότητας, της δημιουργικότητας της κρίσης κ.α.

 

Περίγραμμα μαθήματος:

  • Έννοια και αντικείμενο της παιδαγωγικής. Η παιδαγωγική ως επιστήμη

  • Μέθοδοι της παιδαγωγικής, αγωγή, μόρφωση, παιδεία, μαθητής και παιδαγωγός.

  • Κληρονομικότητα και περιβάλλον.

  • Παράγοντες αγωγής. Οικογένεια, σχολείο, κοινωνία, κράτος, επάγγελμα.

  • Μέσα αγωγής. Παράδειγμα, διδασκαλεία, συνήθειες, εργασία.

  • Προληπτικά παιδονομικά μέσα και πειθαρχεία.


 
Βασική Βιβλιογραφία:

  1. Ιωάννου Ν. Χαραλαμπόπουλου, ‘Γενική Παιδαγωγική’, Μαράσλειος Παιδαγωγική Ακαδημία

  2. Χρ. Π. Φράγκου, ‘Ψυχοπαιδαγωγική’, Εκδόσεις Παπαζήση

 

 

Τίτλος μαθήματος: Tεχνολογία Λογισμικού ΙI

Εβδομαδιαίες ώρες διδασκαλίας: 3 θεωρία + 2 εργαστήριο

Τυπικό εξάμηνο διδασκαλίας: Ζ΄ (Κατεύθυνση 1η )

Διδασκαλία: Η διδασκαλία του μαθήματος έχει τη μορφή 15 διαλέξεων και ισάριθμων εργαστηριακών ασκήσεων, στο πλαίσιο των οποίων θα παραδοθεί ένα πραγματικό έργο λογισμικού.

Ενδεικτικά προαπαιτούμενα: Τεχνολογία Λογισμικού Ι, Προγραμματισμός Ι – ΙΙ, Αντικειμενοστραφής Προγραμματισμός, Βάσεις Δεδομένων Ι – ΙΙ

Διδακτικές μονάδες: 7

 

Σκοπός και στόχοι του μαθήματος:

Το μάθημα αποτελεί συνέχεια της Τεχνολογίας Λογισμικού Ι και δίνει έμφαση στη διαχείριση έργων λογισμικού. Ως κύριοι άξονες λαμβάνονται η διαχείριση έργων, η εκτίμηση κόστους των έργων λογισμικού και η διαχείριση ποιότητας. Στόχοι είναι η κατανόηση των διαδικασιών που απαιτούνται για την υλοποίηση ενός έργου λογισμικού και η προσομοίωση της παραγωγής λογισμικού μέσω ενός πραγματικού προβλήματος.

 

Περίγραμμα μαθήματος:

  • Επισκόπηση της διαδικασίας παραγωγής λογισμικού.
  • Διαχείρηση έργων: σχεδιασμός έργου και χρονικός προγραμματισμός έργου, θέσπιση κριτηρίων αξιολόγησης για το έργο, μελέτη πραγματικών έργων λογισμικού.
  • Διαχείριση προσωπικού: επιλογή συνεργατών, διαχείριση ομάδων, μοντέλα διοίκησης έργου.
  • Τεχνικές κοστολόγησης έργων λογισμικού, πρακτική εφαρμογή κοστολόγησης.
  • Διαχείριση κινδύνων, πρακτική εφαρμογή σχεδίασης και διοίκησης πληροφοριακού συστήματος.
  • Τεκμηρίωση των απαιτήσεων: κατάρτιση του εγγράφου περιγραφής απαιτήσεων λογισμικού, επικύρωση απαιτήσεων, εφαρμογή σε πραγματικό πρόβλημα.
  • Εξέλιξη και συντήρηση λογισμικού, εκτίμηση του κόστους συντήρησης, εφαρμογή σε πραγματικό πρόβλημα.
  • Διαχείριση και διασφάλιση ποιότητας, μετρικές λογισμικού, μετρήσεις λογισμικού.
  • Προσομοίωση της διαδικασίας παραγωγής εμπορικού λογισμικού.


 
Βασική Βιβλιογραφία:

  1. D. Reifer, Software Management, Wiley-IEEE Press, 2002.

  2. S. Pfleeger, Τεχνολογία Λογισμικού, θεωρία και πράξη, Κλειδάριθμος, 2003.

  3. Ι. Sommerville, Software Engineering, Addison-Wesley, 2002.

 

ΣυμπληρωματικήΒιβλιογραφία:

  1. J. Keyes, Software Engineering Handbook, Auerbach Pub, 2002.

  2. K. Wiegers, Software Requirements, Microsoft Press, 2003.

  3. R. Hunter, R. Thayer, Software Process Improvement, Wiley-IEEE Press, 2002.

  4. R. Thayer, M. Dorfman, Software Engineering vol.1, The Development Process, Wiley-IEEE Press, 2002.

  5. R. Thayer, M. Dorfman, Software Engineering vol.2, The Supporting Process, Wiley-IEEE Press, 2002.

  6. Per Kroll, Philippe Krutchten, Philippe Kruchten, The Rational Unified Process Made Easy: A Practitioner's Guide to Rational Unified Process, Addison-Wesley, 2003.

 

 

Τίτλος μαθήματος: Εξελικτική Υπολογιστική

Εβδομαδιαίες ώρες διδασκαλίας: 2 θεωρία + 1 ασκήσεις πράξεις + 2 εργαστήριο

Tυπικό εξάμηνο διδασκαλίας: Ζ΄ (Κατεύθυνση 1η )

Διδασκαλία: Η διδασκαλία του μαθήματος έχει τη μορφή 15 διαλέξεων και ισάριθμων εργαστηριακών ασκήσεων, στο πλαίσιο των οποίων υπάρχει η δυνατότητα ανάληψης εργασιών.

Ενδεικτικά προαπαιτούμενα: Προγραμματισμός C, C++, Αλγόριθμοι και Δομές

Διδακτικές μονάδες: 6

 

Σκοπός και στόχοι του μαθήματος:

Το μάθημα αποσκοπεί στο να εισάγει τον φοιτητή στην θεωρία και την πρακτική της Εξελικτικής Υπολογιστικής, που αποτελεί ένα νέο αλλά εξελισσόμενο τομέα της Υπολογιστικής Νοημοσύνης, που περικλείει ένα σύνολο από ισχυρά εργαλεία βελτιστοποίησης και αναζήτησης λύσεων σε δύσκολα πραγματικά προβλήματα όπου δεν υπάρχουν αναλυτικές ή άλλες μέθοδοι επίλυσης. Αναλύονται οι αρχές λειτουργίας των εξελικτικών αλγορίθμων, η ιστορία τους και οι διαφορετικές τους μορφές. Περιγράφονται οι αρχές λειτουργίας και η θεωρία των Γενετικών Αλγορίθμων, τα δομικά τους στοιχεία, οι τεχνικές εφαρμογής τους σε πραγματικά προβλήματα (συνεχών παραμέτρων, συνδυαστικά, πολλαπλών στόχων, προβλήματα με περιορισμούς). Αναπτύσονται ειδικές εφαρμογές των Γ.Α. όπως τα Συστήματα Εκμάθησης Κανόνων, και οι Παράλληλοι Γενετικοί Αλγόριθμοι. Περιγράφονται άλλες εξελικτικές τεχνικές όπως οι Εξελικτικές Στρατηγικές, ο Εξελικτικός Προγραμματισμός, ο Γενετικός Προγραμματισμός, και το Εξελισσόμενο Υλικό. Τέλος αναλύονται οι αλγόριθμοι της Τεχνητής Ζωής και οι εφαμρογές τους.

 

Περίγραμμα μαθήματος:

  • Επιστημονική ταξινόμηση της Εξελ.Υπολ., Υπολογιστική Ευφυία, Εισαγωγή στις αρχές της Εξελικτικικής Υπολογιστικής, ιστορική εξέλιξη, διαφορετικές μορφές αλγορίθμων, στόχοι και πεδίο εφαρμογής,
  • Οι Γενετικοί Αλγόριθμοι, αρχές λειτουργίας, αντιστοιχία με τα βιολογικά συστήματα, συνάρτηση ποιότητας, κωδικοποίηση των λύσεων - είδη κωδικοποίησης, αλγόριθμοι επιλογής γονέων, βασικοί γενετικοί τελεστές (ανασυνδυασμός – crossover, μετάλλαξη – mutation), άλλοι γενετικοί τελεστές, συνδυαστικοί τελεστές, αναπαραγωγή λύσεων – παραγωγή πληθυσμού απογόνων, κριτηρια τερματισμού - σύγκλισης, άλλες τεχνικές (ελιτισμός, κλιμάκωση ποιότητας, προσαρμογή τελεστών, τελεστές αναρρίχησης, υβριδικά σχήματα, περιορισμοί ζευγαρώματος, ενίσχυση διασποράς),
  • Θεωρία σχημάτων, Εσωτερικός Παραλληλισμός, Θεωρήματα σύγκλισης, Εφαρμογή Γ.Α σε προβλήματα με περιορισμούς, μέθοδοι αντιμετώπισης περιορισμών, Εφαρμογή σε Δυναμικά Προβλήματα Βελτιστοποίησης, Εφαρμογές Γενετικών Αλγορίθμων (προβλήματα συνεχών παραμέτρων – συνδυαστικά προβλήματα), Βελτιστοποίηση Πολλαπλών Στόχων, Μικρογενετικοί Αλγόριθμοι, Μεμετικοί Αλγόριθμοι.
  • Συστήματα εκμάθησης κανόνων (GBML – Classifier Systems), αρχές λειτουργίας, ανιχνευτές και δράστες (detectors-effectors), αναπαράσταση κανόνων, αλγόριθμοι εκμάθησης κανόνων (Bucket Brigade Algorithm), Αντιστοιχία με Νευρωνικά Δίκτυα, Εφαρμογές Σ.Ε.Κ.
  • Παράλληλοι Γενετικοί Αλγόριθμοι, Μοντέλα Π.Γ.Α., Μοντέλο Χαμηλής Ανάλυσης, Μοντέλο Υψηλής Ανάλυσης, Υβριδικά Μοντέλα, Μοντέλα διαφορετικών εξελικτικών συμπεριφορών.
  • Εξελικτικές Στρατηγικές, αρχές λειτουργίας, κατηγοριοποίηση Ε.Σ., χρήση και αντικατάσταση γονέων, Εφαρμογές Ε.Π.
  • Εξελικτικός Προγραμματισμός, αρχές λειτουργίας, κωδικοποίηση πραγματικών αριθμών, πιθανοτική μετάλλαξη σε πραγματικούς, εφαρμογές Ε.Π.
  • Γενετικός Προγραμματισμός, αρχές λειτουργίας, κωδικοποίηση λύσεων ιεραρχικής και δενδροειδούς δομής, λύσεις μεταβλητού μήκους, ειδικοί τελεστές ανασυνδυασμού και μετάλλαξης δένδρων, εφαρμογές Γ.Π.
  • Εξελισσόμενο Υλικό (Evolutionary Hardware), αρχές λειτουργίας, περιγραφή υλικού – FPGAs, μέθοδοι κωδικοποίσης λύσεων, τελεστές ανασυνδυασμού και μετάλλαξης γράφων, εφαρμογές Ε.Υ.
  • Αλγόριθμοι Τεχνητής Ζωής (Artificial Life, Μulti Agent Systems, Ant Colony Optimization, Cultural Algorithms).


 
Βασική Βιβλιογραφία:

  1. «Εξελικτική Υπολογιστική», Τ.Ε.Ι. Σερρών, Σέρρες.
  2. D.E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, 1989.
  3. L Davis, K De Jong, G Vose, Evolutionary Algorithms, 1999, Springer Verlag,
  4. Th. Bäck, Evolutionary Algorithms in Theory and Practice, Oxford University Press, 1996
  5. D.B. Fogel, Evolutionary Computation, IEEE Press, 1995

  6. Συμπληρωματική Βιβλιογραφία:

  7. L. Davis, The Handbook of Genetic Algorithms, Van Nostrand & Reinhold, 1991
  8. T Baeck, D Fogel, Z Michalewicz, Handbook of Evolutionary Computation, 1997, Institute of Physics Publishing and Oxford University Press.
  9. Ζ. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer, 3rd ed., 1996
  10. J. Koza, Genetic Programming, MIT Press, 1992
  11. H.-P. Schwefel, Evolution and Optimum Seeking, Wiley & Sons, 1995
  12. D Fogel, Evolutionary Computation: The Fossil Record, 1998, IEEE Press

 

 

Τίτλος μαθήματος: Μεταγλωττιστές

Εβδομαδιαίες ώρες διδασκαλίας: 2 θεωρία + 1 ασκήσεις πράξεις + 2 εργαστήριο

Τυπικό εξάμηνο διδασκαλίας: Ζ΄ (Κατεύθυνση 1η )

Διδασκαλία: Η διδασκαλία του μαθήματος έχει τη μορφή 15 διαλέξεων και ισάριθμων εργαστηριακών ασκήσεων, στο πλαίσιο των οποίων υπάρχει η δυνατότητα ανάληψης εργασιών.

Ενδεικτικά προαπαιτούμενα: 6

Διδακτικές μονάδες:

 

Σκοπός και στόχοι του μαθήματος:

Το γνωστικό αντικείμενο περιλαμβάνει τη θεωρία κατασκευής – αξιολόγησης και ορθής χρήσης των μεταγλωττιστών στον προγραμματισμό. Συμπεριλαμβάνει πεδία από διάφορες άλλες γνωστικές περιοχές, όπως Γλώσσες Προγραμματισμού, Θεωρία Αυτομάτων και Τυπικών Γλωσσών, Software Engineering κ.α. Κατά συνέπεια, το μάθημα των μεταγλωττιστών συμπεριλαμβάνεται σε όλα σχεδόν τα τμήματα Πληροφορικής στα ΑΤΕΙ και τα ΑΕΙ, όπου διδάσκονται τα ακόλουθα:

Εισαγωγικά στις Γλώσσες προγραμματισμού, Ιστορικά στοιχεία, Κοινά σημεία των γλωσσών προγραμματισμού, εισαγωγή στους μεταγλωττιστές, ανάλυση και σύνθεση πηγαίου προγράμματος, συναφή εργαλεία, οι φάσεις της μεταγλώττισης, λεκτική ανάλυση, κανονικές εκφράσεις, αυτόματα και τυπικές γλώσσες, συντακτική ανάλυση, γραμματικές, top-down συντακτική ανάλυση, LP συντακτική ανάλυση, Μετάφραση καθοδηγούμενη από τη σύνταξη, έλεγχος τύπων, περιβάλλοντα εκτέλεσης, παραγωγή κώδικα, βελτιστοποίηση κώδικα..

 

Περίγραμμα μαθήματος:

  • Εισαγωγικά, γλώσσες προγραμματισμού, σύγκριση – αξιολόγηση, κατηγοριοποίηση.
  • Ιστορικά γλωσσών προγραμματισμού και κατασκευής μεταγλωττιστών, κοινά στοιχεία γλωσσών, κατηγορίες μεταγλωττιστών
  • Εισαγωγή στους μεταγλωττιστές, ορισμοί, ανάλυση και σύνθεση προγράμματος, συναφή εργαλεία.
  • Οι φάσεις της μεταγλώττισης – περιγραφή – ανάλυση, κατηγοριοποίηση (foreground – background).
  • Λεκτική ανάλυση, περιγραφή tokens, κανονικές εκφράσεις (regular expressions), άλγεβρα κανονικών εκφράσεων.
  • Αυτόματα. Γλώσσες και γραμματικές, χρήση διαγραμμάτων μετάβασης, σχεδιασμός λεκτικού αναλυτή.
  • Συντακτική ανάλυση, context free γραμματικές.
  • Top-down συντακτική ανάλυση, LP συντακτική ανάλυση.
  • Μετάφραση καθοδηγούμενη από τη σύνταξη (syntax directed translation).
  • Έλεγχος τύπων, περιβάλλοντα εκτέλεσης, παραγωγή ενδιάμεσου κώδικα.
  • Παραγωγή κώδικα, βελτιστοποίηση κώδικα.
  • Περιγραφή εφαρμογής σε πραγματική γλώσσα.


 
Βασική Βιβλιογραφία:

  1. Aho, Sethi, Ullman, «Compilers – Principles, Techniques and Tools», Addison Wesley,

  2. Grune, Bal, Jacobs, «Modern Compiler Design», J.Wiley & Sons, ISBN 0-471-97697-0.

  3. Λάζος, Κατσαρός, Καραΐσκος, «Μεταγλωττιστές Γλωσσών Προγραμματισμού Θεωρία και Πράξη», Θεσσαλονίκη 2003.

 

 

Εβδομαδιαίες ώρες διδασκαλίας: 2 θεωρία + 1 ασκήσεις πράξεις + 2 εργαστήριο

Τυπικό εξάμηνο διδασκαλίας: Ζ΄ (Κατεύθυνση 1η )

Διδασκαλία: Η διδασκαλία του μαθήματος έχει τη μορφή 15 διαλέξεων και ισάριθμων εργαστηριακών ασκήσεων, στο πλαίσιο των οποίων υπάρχει η δυνατότητα ανάληψης εργασιών.

Ενδεικτικά προαπαιτούμενα: Συστήματα Αυτομάτου Ελέγχου, Γραμμική Άλγεβρα, Θεωρία Πινάκων.

Διδακτικές μονάδες: 6

 

Σκοπός και στόχοι του μαθήματος:

Το μάθημα αυτό αποσκοπεί στο να εισάγει τον φοιτητή στις αρχές προσομοίωσης, μοντελοποίησης και αναγνώρισης συστημάτων. Συγκεκριμένα εμβαθύνει στο πώς μπορούμε να αναγνωρίσουμε ένα σύστημα βασιζόμενοι στις εισόδους, τις εξόδους και τις διαταραχές του, βασιζόμενοι σε παραμετρικές μεθόδους ελαχίστων τετραγώνων. Αναλύει θέματα όπως τα μοντέλα χώρου καταστάσεων, μοντέλα στο πεδίο του χρόνου και της συχνότητας, γραμμικά και μη-γραμμικά μοντέλα, μοντέλα διακριτού και συνεχούς χρόνου. Αναλύονται οι τεχνικές της γραμμικής παλινδρόμησης καθώς και μία σειρά μεθόδων ελαχίστων τετραγώνων για την υλοποίηση μοντέλων. Τέλος γίνεται μία εισαγωγή σε μη-γραμμικά μοντέλα και στη χρήση μεθόδων βαθμωτής κλίσης και υπολογιστικής ευφυίας, όπως Simulated Annealing, Petri-Nets, Ασαφή Συστήματα και Εξελικτικοί Αλγόριθμοι, για την εύρεση βέλτιστων μοντέλων συστημάτων. Το εργαστηριακό μέρος βασίζεται στη χρήση του Matlab και του Simulink, για την υλοποίηση των μεθόδων αναγνώρισης, μοντελοποίησης και προσομοίωσης συστημάτων.

 

Περίγραμμα μαθήματος:

  • Η διαδικασία σχεδίασης συστημάτων, ορισμοί μοντέλων, παραδείγματα συστημάτων που πρέπει να αναγνωριστούν, ανασκόπηση θεωρίας πινάκων, ανασκόπηση του Matlab και του Simulink, εισαγωγή στις μεθόδους ελαχίστων τετραγώνων.
  • Περιγραφή συστημάτων μέσω εισόδων, εξόδων και διαταραχών, προσάρτηση μοντέλλων στα δεδομένα εισόδου-εξόδου, Γραμμικά και Μη-Γραμμικά μοντέλα, τεχνικές γραμμικοποίησης, Εκτίμηση Παραμέτρων και αναγνώριση συστημάτων.
  • Μοντέλα χώρου καταστάσεων, Μοντέλα Πεδίου Συχνότητας, Μοντέλα διακριτού και συνεχούς χρόνου. Μοντελοποίηση και προσομοίωση μέσω εξισώσεων και μπλόκ-διαγραμμάτων, Γράφοι Bond (Bond Graphs), Γραμμικοί Γράφοι (Linear Graphs). Επαλήθευση και αξιολόγηση μοντέλων προσομοίωσης.
  • Γραμμική Παλινδρόμηση Ελαχίστων Τετραγώνων, Γενικευμένη Παλινδρόμηση Ελαχίστων τετραγώνων, ψευδο-αντιστροφή. Χρονο-σειρές, ανασκόπηση του τελεστή z (Μετασχηματισμός Ζ).
  • Μοντέλα FIR, AR, ARX, ARMA, ARMAX και παραλλαγές, αναδρομική μέθοδος ελαχίστων τετρατώνων RLS, λήμμα αντίστροφου πίνακα, RLS χωρίς υπολογισμό αντίστροφου πίνακα.
  • Αλγόριθμος απώλειας μνήμης (forgetting algorithm), ευαισθησία παρακολούθησης μεταβλητών, μεταβλητές οργάνων και άλλες μέθοδοι. Μοντέλα Κινητού Μέσου.
  • Επιλογή σημάτων εισόδου (βηματική, PRBS, λευκός θόρυβος, κ.λ.π.)
  • Μη-γραμμικές μέθοδοι, αριθμητικές μέθοδοι βελτιστοποίησης, συναρτήσεις κόστους, μέθοδοι βαθμωτής κλίσης, προσομοιωμένη ανόπτηση (simulated annealing)
  • Μέθοδοι υπολογιστικής ευφυίας, Γενετικοί Αλγόριθμοι, Petri-nets, Ασαφή μοντέλα.


 
Βασική Βιβλιογραφία:

  1. «Προσομοίωση και Αναγνώριση Συστημάτων», Τ.Ε.Ι. Σερρών, Σέρρες.

  2. A.Biran, M.Breiner, “MATLAB 6 για Μηχανικούς”, Εκδόσεις Τζιόλα

  3. Παρασκευόπουλος, «Αναγνώριση Συστημάτων και Προσαρμοστικός Έλεγχος», Εκδόσεις Παρασκευόπουλου, 1992.

  4. Bosch, “Modeling, Identification and Simulation of Dynamical Systems”, ISBN: 0849391814, (Παπασωτηρίου).

 
 
Συμπληρωματική Βιβλιογραφία:

  1. Haber, “Nonlinear system Identification – Input-Output Modeling Approach”, Παπασωτηρίου.

  2. Soderstrom T. and Stoica P, "System Identification", Prentice Hall, 1989.

  3. Wellstead and Zarrop, "Self-tuning systems", John Wiley and Sons, 1991.

  4. Eykhoff Pieter, "System identification: parameter and state estimation" , Wiley, (1987)

  5. K. Jensen, “Coloured Petri Nets” , Springer Verlag, 1997. 
  ΚΑΤΑΣΚΕΥΗ ΙΣΤΟΣΕΛΙΔΑΣ:
          Σάββας Πασχαλίδης		 ΕΠΙΣΤΗΜΟΝΙΚΟΙ ΥΠΕΥΘΥΝΟΙ: Αν. Μπαλουκτσής (από 1/4/2003 έως 9/10/2007), Χ. Στρουθόπουλος (από 10/10/2007 έως 31/8/2008)
ΟΜΑΔΑ ΕΡΓΑΣΙΑΣ: Σ. Καζαρλής, Π. Μαστοροκώστας, Ε. Ούτσιος, Α. Παπατσώρης, Ι. Ρέκανος, Σ. Τσίτσος, Δ. Χασάπης, Α. Νικολαΐδης, Κ. Χειλάς, Φ. Γκοδόση