Search

Copper catalysts are attractive candidates for Hg-free vinyl chloride monomer (VCM) production via acetylene hydrochlorination due to their non-toxic nature and high stability. However, the optimal architecture for Cu-based catalysts at the nanoscale is not yet fully understood. To address this gap, the metal precursor and the annealing temperature are modified to prepare copper nanoparticles or single atoms, either in chlorinated or ligand-free form, on an unmodified carbon support. Evaluation in the reaction reveals a remarkable convergence of the performance of all materials to the stable VCM productivity of the single-atom catalyst. In-depth characterization by advanced microscopy, quasi in situ and operando spectroscopy, and simulations uncover a reaction-induced formation of low-valent, single atom Cu(I)Cl site motif, regardless of the initial nanostructure. Various surface oxygen groups promote nanoparticle redispersion by stabilizing single-atom CuClx species. The anchoring site structure does not strongly influence the acetylene adsorption energy or the crucial role they play in stabilizing key reaction intermediates. A life-cycle assessment demonstrates the potential environmental benefits of copper catalysts over state-of-the-art alternatives. This work contributes to a better understanding of optimal metal speciation and highlights the sustainability of Cu-based catalysts for VCM production., Advanced Materials, ISSN:0935-9648, ISSN:1521-4095

In recent years there has been a great increase of interest around the field of smart phone application development growing to a $33B market. Applications that meet the various needs of customers are constantly evolving, leading to the development of online application marketplaces, such as Google Play. In this thesis, we examine the key drivers of app user ratings and propose four approaches to predict the ability of applications to be valued highly by their users within the app market, i.e. marketability. To develop these approaches, we leverage the predictive capacity of Machine Learning algorithms by formalizing the marketability prediction problem as a classification problem. In particular, we test and compare six Machine Learning algorithms --- i.e. Random Forests, Decision Trees, Multi-layer Perceptrons, k-Nearest Neighbor, Logistic Regression and Support Vector Machines --- for their ability to predict the ratings of app users based on a set of app features. By evaluating the algorithms against real data from Google play, we achieved up to 86% accuracy on marketability (i.e. user rating) prediction. The proposed solution can be extended to cover other domains, such as commercial capacity forecasting., Τα τελευταία χρόνια παρατηρείται μεγάλη αύξηση ενδιαφέροντος γύρω από τον τομέα της ανάπτυξης εφαρμογών. Εφαρμογές χρήσιμες για να καλύπτουν ανάγκες διαφόρων πτυχών αναπτύσσονται συνεχώς, με άμεση συνέπεια την ανάπτυξη ηλεκτρονικών αγορών, όπως το Google Play, αγορά αξίας 33 δισεκατομμυρίων δολαρίων. Στην παρούσα διπλωματική εργασία προτείνουμε προσεγγίσεις για την πρόβλεψη της δυνατότητας εμπορικής αξιοποίησης εφαρμογών που αναπτύσσονται για την προαναφερθείσα πλατφόρμα. Χρησιμοποιούμε το πλαίσιο της μηχανικής μάθησης (machine learning), το οποίο προσφέρει καινοτόμες μεθόδους εκμάθησης για την δημιουργία προβλέψεων. Αξιοποιούνται οι ευρείας χρήσεως αλγόριθμοι Random Forest, Decision Tree, Multi-layer Perceptron, k-Nearest Neighbor, Logistic Regression και Support Vector Machines μετατρέποντας το πρόβλημα της δυνατότητας πρόβλεψης εμπορικής δυναμικότητας σε πρόβλημα κατηγοριοποίησης (classification). Τα αποτελέσματα εξετάζονται και συγκρίνονται εφαρμόζοντας τεχνικές αξιολόγησης ως προς την απόδοση τους, επιτυγχάνοντας ως και 86% ακρίβεια. Θεωρούμε ότι η προτεινόμενη προσέγγιση συμβάλει στον βασικό της στόχο και θα μπορούσε να επεκταθεί στο μέλλον για προσαρμοστικές λύσεις σε περιπτώσεις πρόβλεψης εμπορικής δυναμικότητας, αξιοποιώντας ακόμα και την εναλλακτική προσέγγιση της μάθησης προτιμήσεων (preference learning).

This thesis investigates the preservation of Electroencephalogram’s (EEG) focal epileptic seizure’s information after compression and reconstruction of the signal through the Compressed Sensing (CS) technique and the effectiveness of Common Spatial Patterns (CSP) analysis of EEG signals on the automatic detection of focal epileptic seizures. Epilepsy is a neurological disorder characterized by an enduring predisposition to generate epileptic seizures with great neurological, cognitive, psychological and social consequences. According to the World Health Organization (WHO), it is estimated that in 2019, epilepsy affects around 50 million people worldwide which is quite common in childhood. In 2017, the prevalence and incidence of epilepsy are estimated to be 6.38 and 0.67 per 1000 persons respectively. In this thesis, we use the Discrete Cosine Transform (DCT) to have a sparse representation of the information, in order to be able to apply the CS technique. We further reduce the power of the EEG in order to have a sparser signal. After compressing the signals, we use the Basis Pursuit algorithm to reconstruct the sparse DCT signal and then the inverse Discrete Cosine transform to return to the time domain. Then we apply the Fourier transform and the Approximate Entropy to check the preservation of the original information of the seizure. CSP analysis has been frequently used in literature for multichannel EEG signal separation between -mainly- two states. In the present thesis, the EEG recordings from 10 subjects aged 6.8±5.9 years, including 63 seizures, were analyzed with respect to seizure detection and discrimination between inter-ictal and ictal signal periods. Machine learning techniques of feature selection and classification were used in the analysis., Η διπλωματική εργασία διερευνά τη διατήρηση των δεδομένων των εστιακών επιληπτικών κρίσεων του Ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) μετά από συμπίεση και ανακατασκευή του σήματος μέσω της τεχνικής συμπιεσμένης ανίχνευσης (Compressed Sensing) και την αποτελεσματικότητα της ανάλυσης κοινών χωρικών προτύπων (Common Spatial Patterns) των σημάτων ΗΕΓ στην αυτόματη ανίχνευση εστιακών επιληπτικών κρίσεων. Η επιληψία είναι μια νευρολογική διαταραχή που χαρακτηρίζεται από μια διαρκή προδιάθεση για τη δημιουργία επιληπτικών κρίσεων με μεγάλες νευρολογικές, γνωστικές, ψυχολογικές και κοινωνικές συνέπειες. Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας (WHO), εκτιμάται ότι το 2019, η επιληψία επηρεάζει περίπου 50 εκατομμύρια ανθρώπους παγκοσμίως, κάτι που είναι συνηθισμένο στην παιδική ηλικία. Το 2017, η επικράτηση και η επίπτωση της επιληψίας εκτιμάται ότι είναι 6,38 και 0,67 ανά 1000 άτομα αντίστοιχα. Σε αυτή την εργασία χρησιμοποιούμε το Discrete Cosine Transform (DCT) για να έχουμε μια αραιή αναπαράσταση των πληροφοριών για να μπορέσουμε να εφαρμόσουμε την τεχνική CS. Μειώνουμε περαιτέρω την ενέργεια του ΗΕΓ προκειμένου να έχουμε ένα πιο αραιό σήμα. Μετά τη συμπίεση των σημάτων, χρησιμοποιούμε τον αλγόριθμο Pursuit Basis για την ανακατασκευή του αραιού DCT σήματος και κατόπιν τον αντίστροφο Discrete Cosine μετασχηματισμό για να επιστρέψουμε στο πεδίο χρόνου. Στη συνέχεια, εφαρμόζουμε το μετασχηματισμό Fourier και την Approximate Entropy για να ελέγξουμε τη διατήρηση των αρχικών πληροφοριών της κρίσης. Η ανάλυση CSP έχει χρησιμοποιηθεί συχνά στη βιβλιογραφία για διαχωρισμό σήματος πολυκαναλικού ΗΕΓ μεταξύ - κυρίως - δύο κατηγοριών. Στην παρούσα διπλωματική εργασία, οι καταγραφές ΗΕΓ από 10 άτομα ηλικίας 6,8 ± 5,9 ετών, περιλαμβανομένων 63 επιληπτικών κρίσεων, αναλύθηκαν σε σχέση με την ανίχνευση κρίσεων και τη διάκριση μεταξύ inter-ictal και ictal χρονικών διαστημάτων σήματος. Τεχνικές Machine learning για την επιλογή και την ταξινόμηση χαρακτηριστικών χρησιμοποιήθηκαν στην ανάλυση.

Summarization: The purpose of this thesis is to showcase a practical implementation of a procedural side-quest generation system using graphs instead of strings, in the Unity3D game engine. The system contains a game world represented by a graph, the Interactables which represent the actual game entities of the game world, a generator which searches that graph for patterns in order to generate a side-quest by considering relationships between the player and the Interactables and an event broker who is handling events between those three components. Περίληψη: Ο τομέας της Διαδικαστικής Παραγωγής Αφήγησης γίνεται όλο και πιο δημοφιλής στη βιομηχανία της ανάπτυξης παιχνιδιών τις τελευταίες δυο δεκαετίες. Από τον AI Director του Left 4 Dead, που αποφασίζει που να τοποθετήσει εχθρούς, πυρομαχικά ή όπλα σύμφωνα με την κατάσταση και τις ικανότητες του παίκτη, μέχρι το Radiant AI του The Elder Scrolls: Skyrim το οποίο -ανάμεσα όλων- παράγει δυναμικά αποστολές και όλες τις οντότητες που χρειάζονται για να ολοκληρωθεί η εκάστοτε αποστολή, ενώ παράλληλα παροτρύνει τον παίκτη να εξερευνήσει νέες περιοχές. Ενώ συνήθως τέτοια συστήματα χρησιμοποιούν συμβολοσειρές για να παράγουν αποστολές, όπου κάθε χαρακτήρας αντιπροσωπεύει κάποιο γεγονός της αποστολής, έχουν προταθεί πιο πολύπλοκα συστήματα που βοηθούν του σχεδιαστές να βάλουν περισσότερο βάθος στα παιχνίδια τους. Ο σκοπός της διπλωματικής είναι η παρουσίαση μιας πρακτικής εφαρμογής ενός συστήματος διαδικαστικής παραγωγής πλευρικών αποστολών χρησιμοποιώντας γράφους αντί για συμβολοσειρές, με τη χρήση της μηχανής παραγωγής παιχνιδιών Unity3D. Το σύστημα περιέχει τον κόσμο του παιχνιδιού με τη μορφή ενός γράφου, τα Interactables που αντιπροσωπεύουν τις οντότητες του παιχνιδιού, έναν παραγωγό που ψάχνει τον κόσμο για μοτίβα, έτσι ώστε να δημιουργήσει αποστολές σύμφωνα με τις σχέσεις μεταξύ των οντοτήτων και του παίκτη, και έναν διαμεσολαβητή συμβάντων που διαχειρίζεται τα συμβάντα μεταξύ των επιμέρους στοιχείων του συστήματος. Για την υλοποίηση της διπλωματικής χρησιμοποιήθηκε η έκδοση 2019.4 της Unity3D καθώς και το .NET Standard 2.0 framework της C#.

Summarization: Interactive narrative is a form of digital entertainment where players can create or influence a storyline through actions, usually by controlling the role of one (or more) characters in a virtual world. In story-based games or any other interactive story system in general, a drama manager is an omniscient agent that acts to guide the user through the story space. While drama managers tend to improve user enjoyment, they do not take into account the user’s preferences. In this thesis, we present a drama manager that tries to tackle the sequential recommendation problem, while taking into account user preferences. In order to create and maintain user engagement, we present a recommendation approach using probabilistic topic modeling, intertwined with reinforcement learning. We use the Latent Dirichlet Allocation topic modeling algorithm, applied in a Choose Your Own Adventure (CYOA) book to capture its latent topics. The key aspect of our drama manager is that we model the user herself as an evolving document represented by its respective mixture of latent topics; and which is appropriately updated every time the user consumes an item. Also, inspired by reinforcement learning literature, we introduce the use of variable learning rate for drama managers, directly associated with the user model updating, and based on the well-known “Win of Learn Fast” reinforcement learning method. The algorithm is trained using all the Wikipedia articles referring to books. We also provide an efficient parser for Wikipedia articles. Experimental evaluation results are promising, showing that our drama manager is capable of providing efficient recommendations to the user. Περίληψη: Η διαδραστική αφήγηση (interactive narrative) είναι μία μορφή ψηφιακής ψυχαγωγίας όπου οι χρήστες δημιουργούν ή επηρεάζουν μία πλοκή. Αυτό συνήθως γίνεται μέσω του έλεγχου ενός (ή περισσότερων) χαρακτήρων σε έναν εικονικό κόσμο. Σε παιχνίδια βασισμένα στην πλοκή ή άλλα διαδραστικά συστήματα, ο διαχειριστής δράματος (drama manager) είναι ένας παντογνώστης πράκτορας που έχει σαν σκοπό να καθοδηγήσει τον χρήσει μέσα στον χώρο που δημιουργείται από όλες τις πιθανές πλοκές που μπορεί να προκύψουν (story space). Στα περισσότερα διαδραστικά συστήματα αφήγησης εώς τώρα, ένας διαχειριστής δράματος προσπαθεί να βελτιώσει την εμπειρία του χρήστη, χωρίς όμως να λαμβάνει υπόψη τις προτιμήσεις του. Σε αυτήν την διπλωματική εργασία, παρουσιάζουμε έναν διαχειριστή δράματος που προσπαθεί να λύσει το πρόβλημα της ακολουθιακής σύστασης (sequential recommendation problem) ενώ ταυτόχρονα λαμβάνει υπόψη τις προτιμήσεις του χρήστη. Το σύστημά μας πρέπει να δημιουργήσει και να διατηρήσει την ενασχόληση του χρήστη με αυτό. Οπότε, προτείνουμε μια προσέγγιση για προσωποποιημένες συστάσεις χρησιμοποιώντας πιθανοτικά μοντέλα (probabilistic topic models) μαζί με ενισχυτική μάθηση (reinforcement learning). Χρησιμοποιούμε τον αλγόριθμο πιθανοτικού συμπερασμού Latent Dirichlet Allocation (LDA), με εφαρμογή σε βιβλία Choose Your Own Adventure με απώτερο σκοπό να ανακαλυφθούν οι θεματολογίες που πραγματεύονται. Ο βασικός πυλώνας του διαχειριστή δράματος που προτείνουμε, είναι η μοντελοποίηση του χρήστη ώς ένα αναπτυσσόμενο (στον χρόνο) κείμενο, το οποίο αποτελείται από διάφορα θέματα σε διαφορετικά ποσοστά, και το οποίο ανανεώνεται κάθε φορά που ο χρήστης "καταναλώνει" ένα αντικείμενο που του έχει συσταθεί. Ακόμα, εμπνευσμένοι από τον τομέα της ενισχυτικής μάθησης προτείνουμε την χρήση μεταβλητού ρυθμού μάθησης (learning rate) σε διαχειριστές δράματος. Η τεχνική για μεταβλητό ρυθμό μάθησης που χρησιμοποιούμε βασίζεται στον γνωστό αλγόριθμο ενισχυτικής μάθησης “Κέρδισε ή Μάθε Γρήγορα" (Win or Learn Fast). Ο ρυθμός μάθησης είναι συνδεδεμένος με την ανανέωση του μοντέλου χρήστη. Ο αλγόριθμός μας εκπαιδεύτηκε χρησιμοποιώντας όλα τα άρθρα της Wikipedia που περιλαμβάνουν περιγραφές βιβλίων. Επίσης, παρέχουμε έναν ολοκληρωμένο αναλυτή κειμένου, για την σωστή αποθήκευση και επεξεργασία των κειμένων της Wikipedia. Η πειραματική αξιολόγηση της προσέγγισής μας είναι ενθαρρυντική, καθώς τα αποτελέσματά της δεικνύουν ότι ο διαχειριστής δράματος είναι ικανός να κάνει σωστές συστάσεις στον χρήστη.

Διπλωματική Εργασία που υλοποιήθηκε στο τμήμα ΗΜΜΥ για τη λήψη διπλωματος Ηλεκτρολόγου Μηχανικού και Μηχανικού Υπολογιστών Summarization: This thesis presents a multimodal 3D serious game named "ADDventurous Rhythmical Planet". The goal is to exploit the benefits of music and rhythm helping children diagnosed with Attention Deficit Hyperactivity Disorder (ADHD) to overcome their psychosocial challenges. Music is shown to significantly help children maintain focused attention as well as offer a timed structure around their actions, involving melody and tempo. the advantages of music are exploited in this game, using a tin drum. This drum is used by the player to produce rhythm. The drum is connected through a board named Makey Makey to the computer. This board sends each drum knock as a mouse click signal to the computer. Using that, the player tries to reproduce a given beat, and subsequently synchronize with another player, and cooperatively produce an expected beat. That creates the connection between the real and the virtual world of the game. In order for the hero of the game to progress in the game, the player uses the tin drum to reproduce the rhythms that are requested. After completing the single-player mode, the player moves on to the multi-player mode. In this mode, the two players will have to hold hands and use the tin drum to collaboratively reproduce the requested beat. For the input management and comparison of rhythms, a novel algorithm was implemented. The algorithm takes the beat created by the player and compares it to the expected beat. The player completes the game level if the rhythm played is similar enough to the rythm heard. If not, the player uses the tin drum to play the beat again in order to achieve a more similar beat to the one heard. The player receives a visual representation of the beat played showing the correct knocks and the wrong ones. The benefit of music is demonstrated in order to enhance social skills and collaboration between children. Περίληψη: Αυτή η διπλωματική παρουσιάζει ένα πολυμεσικό 3D σοβαρό παιχνίδι με το όνομα "ADDventurousRhythmical Planet". Ο στόχος του παιχνιδιού είναι να εκμεταλλευτεί τα οφέλη της μουσικής και του ρυθμού βοηθώντας τα παιδιά που έχουν διαγνωστεί με Διαταραχή Ελλειμματικής Προσοχής και Υπερκινητικότητας (ΔΕΠΥ) να ξεπεράσουν τις ψυχοκοινωνικές τους προκλήσεις. Η μουσική αποδεικνύεται ότι βοηθά σημαντικά τα παιδιά να διατηρήσουν την εστίαση της προσοχής τους καθώς και να προσφέρουν μια δομημένη δομή γύρω από τις ενέργειές τους, περιλαμβάνοντας τη μελωδία και το ρυθμό. Τα πλεονεκτήματα της μουσικής επικοινωνούνται μέσω του παιχνιδιού, ενώ οι παίχτες χρησιμοποιούν ένα τύμπανο. Αυτό το τύμπανο χρησιμοποιείται από τον παίκτη για να παράγει ρυθμό. Το τύμπανο συνδέεται μέσω ενός board, που ονομάζεται MakeyMakey, στον υπολογιστή. Αυτός το board στέλνει κάθε χτύπημα τυμπάνου ως σήμα κλικ του ποντικιού στον υπολογιστή. Χρησιμοποιώντας αυτό, ο παίκτης προσπαθεί να αναπαραγάγει ένα δοσμένο ρυθμό και, στη συνέχεια, να συγχρονιστεί με έναν άλλο παίκτη και να παράγει συνεργατικά τον αναμενόμενο ρυθμό. Αυτό δημιουργεί τη σύνδεση μεταξύ του πραγματικού και του εικονικού κόσμου του παιχνιδιού. Για να προχωρήσει ο ήρωας του παιχνιδιού, ο παίκτης χρησιμοποιεί το τύμπανο για να αναπαραγάγει τους ρυθμούς που ζητούνται. Μετά την ολοκλήρωση του single-player κομματιού, το παιχνίδι προχωράει στη λειτουργία πολλαπλών παικτών. Σε αυτή τη λειτουργία, οι δύο παίκτες θα πρέπει να κρατήσουν τα χέρια και να χρησιμοποιήσουν το μεταλλικό τύμπανο για να αναπαράγουν συλλογικά το ζητούμενο ρυθμό. Για τη διαχείριση των εισροών και τη σύγκριση των ρυθμών, εφαρμόστηκε ένας νέος αλγόριθμος. Ο αλγόριθμος παίρνει το ρυθμό που δημιουργήθηκε από τον παίκτη και τον συγκρίνει με τον αναμενόμενο ρυθμό. Ο παίκτης ολοκληρώνει το επίπεδο του παιχνιδιού εάν ο ρυθμός που παίζεται είναι αρκετά παρόμοιος με τον ρυθμό που ακούγεται. Εάν όχι, ο παίκτης χρησιμοποιεί το τύμπανο για να παίξει ξανά το ρυθμό για να επιτύχει ένα πιο παρόμοιο ρυθμό με αυτό που ακούγεται. Ο παίκτης λαμβάνει μια οπτική αναπαράσταση του ρυθμού που έπαιξε, η οποία δείχνει τα σωστά χτυπήματα και τα λάθος. Το όφελος της μουσικής προβάλλεται με σκοπό την ενίσχυση των κοινωνικών δεξιοτήτων και της συνεργασίας μεταξύ των παιδιών.

Η Τηλεϊατρική τα τελευταία χρόνια αναπτύσσεται ραγδαία. Η άσκηση και η παροχή ιατρικών υπηρεσιών από απόσταση με τη χρήση της πληροφορικής και των τηλεπικοινωνιακών τεχνολογιών μπορεί να αποβεί σωτήρια για την ανθρώπινη ζωή, κυρίως σε περιπτώσεις απομονωμένων περιοχών (π.χ. νησιά, ορεινά χωριά), όπου η πρόσβαση σε ιατρικές υπηρεσίες είναι χρονοβόρα ή ακόμη και ανέφικτη. Ισχυρές γλώσσες προγραμματισμού, όπως η JavaME, οι οποίες υποστηρίζονται από τα σύγχρονα κινητά τηλέφωνα, δίδουν τη δυνατότητα σχεδιασμού και ανάπτυξης χρήσιμων εφαρμογών Τηλεϊατρικής. Στην παρούσα εργασία θα παρουσιαστεί η τεχνογνωσία που απαιτείται προκειμένου να μετατραπεί το κινητό τηλέφωνο σε μια συσκευή καταγραφής, επεξεργασίας, απεικόνισης και αποστολής του ηλεκτροκαρδιογραφικού σήματος. Tο ηλεκτροκαρδιογραφικό σήμα μετατρέπεται σε ηχητικό, μέσω της διαμόρφωσης εύρους, προκειμένου να αναγνωρισθεί από το κινητό τηλέφωνο και έπειτα μετατρέπεται πάλι σε ηλεκτροκαρδιογραφικό, μέσω της αποδιαμόρφωσης, προκειμένου να απεικονισθεί και να επεξεργαστεί περαιτέρω από το κινητό τηλέφωνο. Τέλος, θα παρουσιαστεί το αντίστοιχο λογισμικό που κατασκευάστηκε ώστε να επιτελεσθούν οι παραπάνω λειτουργίες. Telemedicine is being rapidly developed. Practice and provision of medical services from distance via the use of information and telecommunication technology can prove lifesaving, especially in cases of isolated places (i.e. islands, mountainous villages), where access to medical services is time-consuming or infeasible. Powerful programming languages, such as JavaME, which are supported by the modern mobile phones, gives the possibility for designing and developing of useful telemedicine applications. In this thesis, it will be presented the know-how that is required in order to transform the mobile phone into a device able to capture, process, display and transmit the electrocardiographic signal. The electrocardiographic signal is transformed into a sound signal, through modulation, with a view to be recognizable by the mobile phone and then it is transformed again into an electrocardiographic signal, through demodulation, with a view to be further processed by the mobile phone. Also, it will be presented the software that has built so as to carry out these functions.

Σκοπός της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη και η εφαρμογή εξελιγμένων αλγορίθμων ανάλυσης ηλεκτροεγκεφαλογραφήματος ηρεμίας (rest EEG) και προκλητών δυναμικών (ERP) για την εξαγωγή νευροφυσιολογικών συμπερασμάτων σχετικά με νευρολογικές/ψυχιατρικές ασθένειες. Οι τεχνικές που αναπτύσσονται εφαρμόζονται τόσο σε συνθετικά σήματα όσο και σε πραγματικά σήματα μαρτύρων και ατόμων με δυσλεξία, που υποβάλλονται στην ακουστική δοκιμασία Wechsler. Αρχικά μελετούνται τα συμβατικά χαρακτηριστικά προκλητών δυναμικών που αποτελούνται από τα πλάτη των κορυφώσεων και τους λανθάνοντες χρόνους πραγματοποίησής τους μετά το ερέθισμα. Μέσω στατιστικών αναλύσεων αναδεικνύεται ότι τα άτομα με δυσλεξία παρουσιάζουν σημαντικά μικρότερο πλάτος κορύφωσης N100 το οποίο μάλιστα συσχετίζεται με την απόδοση μνήμης. Επίσης, ο προσυνειδητός χρόνος απόκρισης στα ηχητικά ερεθίσματα παρουσιάζεται σε συγκεκριμένα ηλεκτρόδια σημαντικά παρατεταμένος σε άτομα με δυσλεξία. Οι ενεργειακές διαφοροποιήσεις στα φάσματα EEG/ERP προσφέρουν σημαντική πληροφορία σχετικά με το βαθμό ενεργοποίησης των διαφόρων περιοχών του εγκεφάλου. Η ανάλυση ενεργειακών διαφοροποιήσεων πραγματοποιείται στο πεδίο χρόνου-συχνότητας, αναδεικνύοντας χρονικές μεταβολές του φασματικού περιεχομένου. Στο πλαίσιο αυτό, αξιολογούνται συγκριτικά τεχνικές αναπαράστασης χρόνου-συχνότητας τόσο δεύτερης τάξης όσο και προσαρμοστικές. Ο αλγόριθμος matching pursuit αποδεικνύεται ιδιαίτερα αποτελεσματικός στη μείωση των διαγώνιων όρων και στην ανάδειξη ενεργειακών κορυφών. Για τη στατιστική αποτίμηση των ενεργειακών διαφορών στις ζώνες συχνοτήτων δ (0-4 Hz), θ (5-7 Hz), α (8-13 Hz), β (14-30 Hz), προτείνεται μεθοδολογία βασισμένη στο συνδυασμό μεθόδων κανονικοποίησης και διόρθωσης πολλαπλών συγκρίσεων. Η ύπαρξη σημαντικών ενεργειακών διαφοροποιήσεων ενδεχόμενα είναι απόρροια του διαφορετικού τρόπου λειτουργικής συνδεσιμότητας μεταξύ των δύο μελετούμενων ομάδων (μαρτύρων, ατόμων με δυσλεξία). Για το σκοπό αυτό, υπολογίζονται μεγέθη συνδεσιμότητας και αιτιότητας μεταξύ ηλεκτροεγκεφαλογραφικών καταγραφών, με χρήση του μοντέλου πολλαπλής παλινδρόμησης σε συνδυασμό με τις μεθόδους εκτίμησης Yule-Walker, Burg και Least Squares, καταδεικνύοντας την ανωτερότητα των δύο τελευταίων όσον αφορά στην ακρίβεια πρόβλεψης. Μετά από εκτεταμένη συγκριτική αξιολόγηση των μεγεθών αιτιότητας, προτείνεται ένα νέο μέγεθος ανάδειξης των άμεσων ροών δραστηριότητας, το οποίο βασίζεται στο συνδυασμό της μη κανονικοποιημένης κατευθυνόμενης συνάρτησης μεταφοράς και της μερικής κατευθυνόμενης συμφωνίας. Το μέγεθος αυτό αποδεικνύεται ιδιαίτερα αποδοτικό στη μείωση ψευδών ή μη άμεσων ροών και παρουσιάζει φασματικές ιδιότητες παρόμοιες με αυτές των εμπλεκόμενων κυματομορφών. Η εφαρμογή του σε ηλεκτροεγκεφαλογράφημα ηρεμίας, όπου ικανοποιείται η συνθήκη στασιμότητας, οδηγεί στην ανάδειξη διαφοροποιήσεων σε συγκεκριμένες ροές δραστηριότητας. Στην περίπτωση μη στάσιμων χρονοσειρών, όπως είναι τα προκλητά δυναμικά, χρησιμοποιείται δυναμικό μοντέλο πολλαπλής παλινδρόμησης για την εκτίμηση των μεγεθών σύζευξης. Μελετάται η ικανότητας αναπαράστασης γρήγορα μεταβαλλόμενων αιτιακών σχέσεων, με χρήση τόσο της προσέγγισης μικρού χρονικού παραθύρου όσο και προσαρμοζόμενων φίλτρων Kalman. Η μελέτη περιλαμβάνει την επίδραση του επιπέδου θορύβου, του συντελεστή προσαρμογής και της χρονικής μεταβολής των συνδέσεων του προτύπου συνδεσιμότητας. Το φίλτρο Kalman αποδεικνύεται ιδιαίτερα ακριβές στην εκτίμηση της χρονικής εξέλιξης των συντελεστών του μοντέλου τόσο σε συνθετικά όσο και σε πραγματικά ηλεκτροεγκεφαλογραφικά δεδομένα. Επιπλέον, μελετήθηκε η προβλεψιμότητα/πολυπλοκότητα των χρονοσειρών, με χρήση μεγεθών φασματικής και προσεγγιστικής εντροπίας. Η φασματική εντροπία και οι παραλλαγές της αποτελούν μεγέθη που αναδεικνύουν τη φασματική πολυπλοκότητα μιας χρονοσειράς και σχετίζονται με φαινόμενα συγχρονισμού και επικράτησης συγκεκριμένων ζωνών συχνοτήτων. Επειδή χρειάζεται να μελετηθεί η χρονική εξέλιξη της πολυπλοκότητας αυτής, τα μεγέθη αυτά υπολογίζονται τόσο με χρήση μετασχηματισμού κυματιδίου όσο και με χρήση βέλτιστου πυρήνα, καταδεικνύοντας την ανωτερότητα του τελευταίου στο διαχωρισμό μεταξύ των δύο ομάδων (μαρτύρων, ατόμων με δυσλεξία). Η αναπαράσταση με χρήση βέλτιστου πυρήνα επιτρέπει την προσαρμογή του πυρήνα σε κάθε υπό ανάλυση σήμα, κάτι το οποίο έχει ιδιαίτερη σημασία σε περιπτώσεις που παρατηρείται έντονη διακύμανση μεταξύ των καταγραφών. Τέλος, μέσω της προσεγγιστικής εντροπίας μελετάται η ύπαρξη όμοιων προτύπων παρατηρήσεων κατά μήκος των χρονοσειρών τόσο σε συγκεκριμένα ηλεκτρόδια όσο και μεταξύ ηλεκτροδίων. Οι μέθοδοι που παρουσιάζονται στο πλαίσιο της παρούσας διδακτορικής διατριβής συμβάλλουν στην πιο αντικειμενική και αξιόπιστη μελέτη συγχρονισμού, αιτιακών σχέσεων και πολυπλοκότητας κατά την ανάλυση ηλεκτροεγκεφαλογραφικών καταγραφών. The purpose of the present Ph.D. thesis is to develop and apply advanced algorithms for EEG/ERP signal analysis in order to study neurophysiological alterations associated with dyslexia. The used methods aim at a reliable analysis of synchronization, causal connectivity and complexity of EEG/ERP signals and are evaluated on both synthetic and real EEG/ERP signals of dyslexics and controls, acquired during Wechsler auditory test. First, the conventional components of ERP waveforms (peak amplitudes, latencies) are studied. Statistical analysis points out that dyslexics’ signals present significantly lower N100 amplitudes which are known to be associated with memory performance. An important parameter in dyslexia is the pre-attentive reaction time to auditory stimuli which is reflected through P50 latency and is found to be significantly prolonged at specific electrodes. Energy differentiations in time-frequency between the two groups (dyslexics and controls) are examined, enabling study of the temporal changes of ERP content. Various second order and adaptive time-frequency methods are comparatively assessed in terms of their accuracy in representing temporally changing spectra. Matching pursuit is proved to be quite effective in cross terms suppression and representation of energy peaks. Significant energy differentiations at delta (0-4 Hz), theta (5-7 Hz), alpha (8-13 Hz) and beta (14-30 Hz) frequency bands are detected, through a methodology of statistical evaluation based on normalization and multiple comparisons correction methods. The presence of significant energy differentiations may be the result of differing functional connectivity patterns between the two groups (controls, dyslexics). In order to study causal connectivity patterns, the multivariate autoregressive model is estimated using the Yule-Walker, Burg and Least Squares methods, with Burg and Least Squares proved to provide superior performance in terms of prediction error. A new measure for the estimation of direct causal interactions is proposed, which is based on the combination of the full frequency directed transfer function and the partial directed coherence, exhibiting spectral properties similar with those of the involved signals, and increased efficiency in suppressing false and non direct flows. Study of rest EEG connectivity patterns, by means of the new connectivity measure, revealed differentiations in specific activity flows between the two groups under study (controls and dyslexics). In order to calculate coupling measures of non-stationary signals, like ERP, the dynamic autoregressive model is used and its ability to accurately represent rapid changes of causal interactions is assessed using short window and adaptive Kalman filter approaches. The superiority of the Kalman filter approach in terms of the accuracy provided in the estimation of the model’s autoregressive parameters is demonstrated on both synthetic and real EEG/ERP signals. Furthermore, the predictability/complexity of EEG/ERP time-series of dyslexics versus controls was studied, using measures of spectral and approximate entropy. Spectral entropy and its modifications quantify the spectral complexity of time-series and are related with synchronization and dominance of specific frequency bands. In order to study the temporal evolution of signals’ spectral complexity, wavelet transform and optimal kernel approaches were used, and the superiority of the latter concerning its ability to discriminate the two groups was demonstrated. The representation through optimal kernel permits the adjustment to each analyzed signal, a property that is quite important in analyzing data characterized by intense variability. Finally, through approximate entropy, the presence of differentiations in predictability of EEG time series related with single electrodes or pairs of electrodes is studied, demonstrating that dyslexics’ signals are characterized by more predictable patterns.