ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ

Βασίλης Βιρβίλης

26 Ιανουαρίου 2005

• Όνομα: Βασίλης Βιρβίλης
• Εθνικότητα: Ελληνική
• Τόπος Γέννήσης: Αθήνα, Ελλάδα
• Ημερομηνία Γεννήσεως: 2 Αυγούστου 1971
• Διεύθυνση Κατοικίας: Σαχτούρη 27, Βρυώνη Πειραιάς Τ.Κ 18536
• Τηλέφωνο: 0030-210-4513481, 0030-6944-428447
• e-mail: vasvir@yahoo.gr

Ακαδημαϊκά διαπιστευτήρια

• Απόφοιτος του τμήματος Φυσικής της Σχολής Θετικών Επιστημών του Πανεπιστημίου Κρήτης (1994)
• Διδάκτορας του τμήματος Πληροφορικής του Πανεπιστημίου Αθηνών (2001)

Ακαδημαϊκές διακρίσεις

• Το 2004 έλαβα την υποτροφία του Ι.Κ.Υ για μεταδιδακτορική έρευνα, διάρκειας ενός έτους.
• Το 1994 κατόπιν εξετάσεων, τιμήθηκα με υποτροφία από το Ε.Κ.Ε.Φ.Ε. ΔΗΜΟΚΡΙΤΟΣ για την εκπόνηση της διδακτορικής μου διατριβής.
• Το 1994 αποφοίτησα από το τμήμα Φυσικής του Πανεπιστημίου Κρήτης με βαθμό λίαν καλώς (7.06), αφού πρώτα:
  • διακρίθηκα με τιμητική υποτροφία από το Πανεπιστήμιο Κρήτης για δύο συνεχόμενα έτη λόγω καλής επίδοσης.
  • απέκτησα δίπλωμα ειδίκευσης στην Υπολογιστική Φυσική.
  • ολοκλήρωσα τη διπλωματική μου εργασία με θέμα ``Συλλογή και επεξεργασία σήματος σε πραγματικό χρόνο''.
  • το καλοκαίρι του 1994 παρακολούθησα το θερινό σχολείο που οργάνωσε το Πανεπιστήμιο Κρήτης με θέμα ``Σχολείο προχωρημένης Φυσικής''.

Επαγγελματική Εμπειρία

• Από το Νοέμβριο του 2001 μέχρι και τον Μάρτιο του 2004 εργάστηκα σαν ο κύριος προγραμματιστής και σχεδιαστής στον τομέα των ρεαλιστικών τρισδιάστατων εξομοιώσεων πραγματικού χρόνου και αυτόνομων αντικειμένων, στην εταιρεία RDE (former STN-ATLAS) στη Βρέμη, Γερμανία.
• Τον Ιούνιο του 2000 συμμετείχα σε διεθνή διαγωνισμό (Software Carpentry) μέσω Internet που είχε στόχο την ανάπτυξη προγραμματιστικών εργαλείων. Η πρότασή μου ήταν ανάμεσα στις 4 καλύτερες στην υποκατηγορία που συμμετείχα και τιμήθηκα με το ποσό των 5000 δολλαρίων.
• Το χειμώνα του 1997 παρακολούθησα ένα εξειδικευμένο σχολείο στην Τεργέστη της Ιταλίας σε θέματα προγραμματισμού πραγματικού χρόνου και εμφωλιασμένων συστημάτων (Real Time Programming and Embedded Systems).
• Το χειμώνα του 1996 δίδαξα στα Ι.Ε.Κ. Ηλιούπολης εισαγωγικά μαθήματα Πληροφορικής.
• Ένας άλλος τομέας ενασχόλησης κατά τη διάρκεια της διδακτορικής μου διατριβής ήταν η ανάπτυξη λογισμικού προσομοίωσης νευρωνικών δικτύων, billnet, σύμφωνα με τα πρότυπα του ανοιχτού λογισμικού (open-source) το οποίο έχει προσελκύσει το ενδιαφέρον ξένων πανεπιστημίων.

Ερευνητική δραστηριότητα

Διατριβές

V. Virvilis.
Finite Training in Single Layer Perceptrons and Feature Extraction.
PhD thesis, University of Athens Department of Informatics, 1999.
In greek.

Δημοσιεύσεις σε περιοδικά

S. J. Perantonis and V. Virvilis.
Input feature extraction for multilayer perceptrons using supervised principal component analysis.
Neural Processing Letters, 10(3):243-252, 1999.

S. J. Perantonis and V. Virvilis.
Efficient perceptron learning using constrained steepest descent.
Neural Networks, 13(3):351-364, 2000.

S. J. Perantonis, N. Ampazis, and V. Virvilis.
A learning framework for neural networks using constrained optimization methods.
In Annals of Operations Research, volume 99, pages 385-401, 2000.

J. A. Kocher, C. Haldoupis, K. Schlegel, and V. Virvilis.
Simultaneous observations of e region coherent radar echoes at 2-m and 6-m ratio wavelengths at midlatitude.
Journal of Geophysical research, 102:17255-17265, 1997.

Δημοσιεύσεις σε συνέδρια

N. Vassilas, S. J. Perantonis, V. Virvilis, A. Rabavilas, and G. N. Christodoulou.
Multimodular erp classification using neural networks based feature selection.
In Proceedings of the IASTED international conference Artificial Intelligence and Applications, pages 26-29, Marbella, Spain, 2001.

S. J. Perantonis and V. Virvilis.
Dimensionality reduction using a novel neural network based feature extraction method.
Washington, DC, 1999.
Presented at International Joint Conference on Neural Networks. Best presentation award.

S. J. Perantonis and V. Virvilis.
Efficient linear discriminant analysis using a fast quadratic programming algorithm.
In International Workshop on Advanced Black-Box Techniques for Nonlinear Modeling, pages 164-169, Leuven, Belgium, 1998.

S. J. Perantonis, V. Virvilis, and N. Ampazis.
Recent advances in neural network training using constrained optimization.
In Proceedings of 4th International Conference on Applied Mathematical Programming and Modeling APMOD98, Limassol, Cyprus, 1998.

A. Agogino, J. Ghosh, S. J. Perantonis, V. Virvilis, S. Petridis, and Lisboa P. J. G.
The role of multiple linear-projection based visualization techniques in RBF based classification of high dimensional data.
In Proceedings of IEEE-INNS-ENNS IJCNN2000, volume 3, Como, Italy, 2000.

S. J. Perantonis, S. Petridis, and V. Virvilis.
Supervised principal component analysis using a smooth classifier paradigm.
In Proceedings of International Conference on Pattern Recognition, number 1572 in 0, Barcelona, Spain, 2000.

S. J. Perantonis, N. Ampazis, V. Virvilis, and S. Petridis.
Open issues in feedforward neural network training.
In LFTNC2001, Siena, Italy, 2001.

S. J. Perantonis, V. Virvilis, Ch. Papageorgiou, and A. Rabavilas.
Neural network based parameter selection for ERP analysis.
In Proceedings of X World Congress of Psychiatry, volume I, page 178, 1996.

Αναφορές

• S. J. Perantonis and V. Virvilis.
  Efficient perceptron learning using constrained steepest descent.
  Neural Networks, 13(3):351-364, 2000.
  1. I. Westerlund, G. Von Heijne, and O. Emanuelsson.
     Lumenp - a neural network predictor for protein localization in the thylakoid lumen.
     PROTEIN SCI, 12 (10):2360-2366, 2003.

  2. O. Emanuelsson, A. Elofsson, G. von Heijne, and et al.
     In silico prediction of the peroxisomal proteome in fungi, plants and animals.
     J MOL BIOL, 330 (2):443-456, 2003.

  3. C. Eitzinger and H. Plach.
     A new approach to perceptron training.
     IEEE Transactions on Neural Networks, 14 (1):216-221, 2002.

• S. J. Perantonis and V. Virvilis.
  Input feature extraction for multilayer perceptrons using supervised principal component analysis.
  Neural Processing Letters, 10(3):243-252, 1999.
  1. ZH. Xiong and H. Zhang.
     Modelling and optimal control of fed-batch processes using a novel control affine feedforward neural network.
     NEUROCOMPUTING, 61:317-340, 2004.

  2. JM. Torres-Moreno, JC. Aguilar, and Gordon MB.
     The minimum number of errors in the n-parity and its solution with an incremental neural network.
     NEURAL PROCESS LETT, 16 (3):201-210, 2002.

  3. N. Ampazis and S. J. Perantonis.
     Two highly efficient second-order algorithms for training feedforward networks.
     IEEE Transactions on Neural Networks, 13 (5):1064-1074, 2002.

  4. M. Lefik and D. Gawin.
     Application of neural networks for indentification of function describing heat and mass sources intensity dyring hardening of fresh concrete.
     In ECCM-2001 European Conference on Computational Mechanics, Cracow, Poland, 2001.

  5. AP. Engelbrecht.
     A new pruning heuristic based on variance analysis of sensitivity information.
     IEEE Transactions on Neural Networks, 12 (6):1386-1399, 2001.

• J. A. Kocher, C. Haldoupis, K. Schlegel, and V. Virvilis.
  Simultaneous observations of e region coherent radar echoes at 2-m and 6-m ratio wavelengths at midlatitude.
  Journal of Geophysical research, 102:17255-17265, 1997.
  1. MG. Meyer, JD Sahr, and A. Morabito.
     A statistical study of subauroral e-region coherent backscatter observed near 100 mhz with passive radar.
     J GEOPHYS RES-SPACE, 109 (A7):art. no. A07308, 2004.

  2. YH. Chu and CY. Wang.
     Plasma structures of 3-meter type 1 and type 2 irregularities in nighttime midlatitude sporadic e region.
     J GEOPHYS RES-SPACE, 107 (A12):art. no. 1447, 2002.

  3. C. Haldoupis, K. Schlegel, GC. Hussey, and et al.
     Radar observation of kinetic effects at meter scales for farley-buneman plasma wave.
     J GEOPHYS RES-SPACE, 107 (A10):art. no. 1272, 2002.

  4. RA. Makarevitch, AV. Koustov, Sofko GJ., and et al.
     Multifrequency measurements of hf doppler velocity in the auroral e region.
     J GEOPHYS RES-SPACE, 107 (A8):art. no. 1212, 2002.

  5. YH. Chu and CY. Wang.
     Three-dimensional spatial structures of midlatitude type 1 es irregularities.
     J GEOPHYS RES-SPACE, 107 (A8):art. no. 1182, 2002.

  6. JA. Koehler, C. Haldoupis, and E. Schlegel.
     Coherent backscatter cross-section ratio measurements in the midlatitude e region ionosphere.
     J GEOPHYS RES-SPACE, 104 (A3):4351-4359, 1999.

  7. YH. Chu and CY. Wang.
     First observations of type-1 sporadic e irregularities in the equatorial anomaly region using the chung-li vhf radar.
     GEOPHYS RES LETT, 25 (20):3779-3782, 1998.

• S. J. Perantonis and V. Virvilis.
  Efficient linear discriminant analysis using a fast quadratic programming algorithm.
  In International Workshop on Advanced Black-Box Techniques for Nonlinear Modeling, pages 164-169, Leuven, Belgium, 1998.
  1. C. Eitzinger and H. Plach.
     A new approach to perceptron training.
     IEEE Transactions on Neural Networks, 14 (1):216-221, 2002.

• A. Agogino, J. Ghosh, S. J. Perantonis, V. Virvilis, S. Petridis, and Lisboa P. J. G.
  The role of multiple linear-projection based visualization techniques in RBF based classification of high dimensional data.
  In Proceedings of IEEE-INNS-ENNS IJCNN2000, volume 3, Como, Italy, 2000.
  1. P.J.G. Lisboa, A. Vellido, and H. Wong.
     Outstanding issues for clinical decision support with neural networks.
     In Artificial Neural Networks in Medicine and Biology, Springer, London, 2000.

• S. J. Perantonis, N. Ampazis, and V. Virvilis.
  A learning framework for neural networks using constrained optimization methods.
  In Annals of Operations Research, volume 99, pages 385-401, 2000.
  1. G. Petasis, S. Petridis, G. Paliouras, V. Karkaletsis, S. Perantonis, and C.D. Spyropoulos.
     Advances in Computational Intelligence and Learning: Methods and Applications, chapter Symbolic and Neural Learning of Named-Entity Recognition and Classification Systems in Two Languages.
     H-J. Zimmermann, G. Tselentis, M. van Someren and G. Dounias (eds), Kluwer Academic Publishers, 2001.

  2. G. Petasis, S. Petridis, G. Paliouras, V. Karkaletsis, S. Perantonis, and C.D. Spyropoulos.
     Symbolic and neural learning for named-entity recognition.
     In Symposium on Computational Intelligence and Learning (COIL), 2000.

Ερευνητικά προγράμματα

• Συμμετοχή στο ευρωπαϊκό πρόγραμμα GEONICKEL (BRITE - EURAM) με συνεισφορά του κώδικα για τους supervised feed forward τύπους δικτύων (billnet-0.2).

• ΠΕΝΕΔ, ``Ανάπτυξη αλγορίθμων νευρωνικών δικτύων στη μελέτη και πρόβλεψη παραμέτρων πλάσματος σε αντιδραστήρες σύντηξης'' (συνεργασία του Εργαστηρίου Νευρωνικών δικτύων του Ινστιτούτου Πληροφορικής και του Ινστιτούτου Πυρηνικής Φυσικής).

• ΠΕΝΕΔ, ``Διερεύνηση φαινομένων ιονοσφαιρικής σκέδασης Η-Μ κυμάτων στα μέσα γεωμαγνητικά πλάτη'' (συνεργασία με το τμήμα Φυσικής του Πανεπιστημίου Κρήτης).
• ``Εφαρμογή ψυχοφυσικών μεθόδων για τη διάγνωση και προγνωστική αντιμετώπιση των ουσιοεξαρτημένων ατόμων'' (συνεργασία με το Αιγηνήτιο Νοσοκομείο και του Εργαστηρίου Νευρωνικών δικτύων του Ινστιτούτου Πληροφορικής).
• Πρόγραμμα παροχής υπηρεσιών (1998-1999), ``Προηγμένες μέθοδοι οπτικής αναγνώρισης χαρακτήρων''. Απευθείας ανάθεση προς το ΕΚΕΦΕ ``Δ'' από το Δημοσιογραφικό Οργανισμό Λαμπράκη.
• Πρόγραμμα παροχής υπηρεσιών (1999-2002), ``Μοντελοποίηση δεδομένων-εξαγωγή πληροφοριών με προηγμένες τεχνικές μηχανικής μάθησης''. Απευθείας ανάθεση προς ΕΚΕΦΕ ``Δ'' από τη Βρετανική Εταιρεία ερευνών αγοράς ``Millward Brown PLC''
• ΠΑΒΕ 97ΒΕ323 (1998-2000), ``Προγραμματιζόμενη Ευφυής Κάμερα για την Αναγνώριση Υφής'' (συνεργασία με την εταιρεία ανάπτυξης εμφωλιασμένων (embedded) εφαρμογών ΤΕΣΕΙΚ.
• ΠΕΝΕΔ 99ΕΔ124 (1999-2001) Έμπειρο σύστημα υποστήριξης διάγνωσης ψυχοπαθολογικών οντοτήτων και αποτίμησης θεραπευτικών παρεμβάσεων. Συνεργασία με ειδικό Ιατρείο Ψυχοσωματικών Διαταραχών, Ψυχιατρική Κλινική Αιγινητείου Νοσοκομείου του Πανεπιστημίου Αθηνών

Εμπειρία σε Υπολογιστές

Κατά τη διάρκεια των σπουδών μου, αλλά και κατά την εκπόνηση διάφορων επιδοτούμενων προγραμμάτων απέκτησα εμπειρία σε μια πληθώρα γλωσσών προγραμματισμού και βοηθητικών προγραμματιζόμενων εργαλείων, καθώς και εμπειρία διαχείρισης μεσαίων μεγέθους, μεταφέρσιμων (portable) project. Το billnet έχει περισσότερες από 40000 γραμμές κώδικα, τρέχει σε τέσσερις πλατφόρμες (Linux, Win32, Solaris, SunOS) και έχουν συνεισφέρει σ" αυτό πάνω από έξι προγραμματιστές

• C++ με εργαλειοθήκη διασύνδεσης QT.

• ANSI C

• Assembly, με την οποία έχω εμπειρία στην αρχιτεκτονική 80x86 της intel αλλά και στη σειρά TMS320 της Texas Instruments (TMS320C30).

• Προγραμματισμός εφαρμογών πραγματικού χρόνου σε εμφωλιασμένα συστήματα (Real Time Embedded Systems).

• Προγραμματιζόμενα εργαλεία του Unix όπως sh, sed, awk, m4, cron, κλπ.

• Μαθηματικές γλώσσες ανώτερου επιπέδου (MATLAB, octave).

• Python, μια αντικειμενοστραφής scripting γλώσσα.

• Tcl/Tk, μια scripting γλώσσα για γρήγορη ανάπτυξη εφαρμογών γραφικής διασύνδεσης (GUI).

• Εκπαιδευτικές γλώσσες όπως BASIC, PASCAL σε διάφορες παραλλαγές και υλοποιήσεις τους.

ενώ έχω προγραμματιστική εμπειρία με διάφορα λειτουργικά συστήματα όπως VMS, VM/SP, DOS, Win3.1/Win95/98/Me/NT/XP, Linux, RT-Linux, FreeBSD, SunOS, Solaris, και AIX.

About this document ...

ΒΙΟΓΡΑΦΙΚΟ ΣΗΜΕΙΩΜΑ

This document was generated using the LaTeX2HTML translator Version 2002-2-1 (1.70)

Copyright © 1993, 1994, 1995, 1996, Nikos Drakos, Computer Based Learning Unit, University of Leeds.
Copyright © 1997, 1998, 1999, Ross Moore, Mathematics Department, Macquarie University, Sydney.

The command line arguments were:
latex2html -init_file /home/bill/documents/support/l2h.conf cv_gr.tex

The translation was initiated by Vassilis Virvilis on 2005-02-01