Η λειτουργία μηχανών σε «φυσικό» περιβάλλον τυπικά υποστηρίζεται από αριθμητικά μοντέλα. Ωστόσο, όπου εμπλέκεται ο άνθρωπος μπορεί να υπεισέλθουν μη-αριθμητικά δεδομένα…
Προσανατολισμός σε ανάπτυξη ποικίλων μηχανών που αλληλεπιδρούν με ανθρώπους σε εφαρμογές εκπαίδευσης, γεωργίας ακριβείας, περιπολίας στο φυσικό περιβάλλον κ.α.
Προσανατολισμός σε μετατροπή εργαστηριακών μας πρωτότυπων σε εμπορικά προϊόντα.
Y. Jamshidi, V.G. Kaburlasos, “gsaINknn: A GSA optimized, lattice computing knn classifier”, Engineering Applications of Artificial Intelligence, vol. 35, pp. 277-285, 2014.
G.A. Papakostas, V.G. Kaburlasos, “Lattice Computing (LC) meta-representation for pattern classification”, Proceedings of the World Congress on Computational Intelligence (WCCI) 2014, FUZZ-IEEE Program, Beijing, China, 6-11 July 2014, pp. 39-44.
J. Maiora, G.A. Papakostas, V.G. Kaburlasos, M. Graña, “A proposal of texture features for interactive CTA segmentation by active learning”, KES International Conference on Innovation in Medicine and Healthcare (InMed-14), San Sebastian, Spain, 9-11 July 2014, pp. 311-320.
G.A. Papakostas, A.G. Hatzimichailidis, V.G. Kaburlasos, “Distance and similarity measures between intuitionistic fuzzy sets: a comparative analysis from a pattern recognition point of view”, Pattern Recognition Letters, vol. 34, no. 14, pp. 1609-1622, 2013.
V.G. Kaburlasos, S.E. Papadakis, G.A. Papakostas, “Lattice computing extension of the FAM neural classifier for human facial expression recognition”, IEEE Transactions on Neural Networks and Learning Systems, vol. 24, no. 10, pp. 1526-1538, 2013.
English
