Βιβλιοθήκη νευρωνικού δικτύου

dc.contributor.authorΚυριώτη, Στεφανίαel
dc.contributor.authorΣαριπαπάζογλου, Ντομινίκel
dc.date.accessioned2014-08-25T13:46:26Z
dc.date.available2014-08-25T13:46:26Z
dc.date.issued2014-08-25
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/1284
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subjectΝευρωνικά δίκτυαel
dc.subjectΜάθησηel
dc.subjectΤαξινόμησηel
dc.subjectΓενίκευσηel
dc.subjectΠόλωση μοντέλωνel
dc.titleΒιβλιοθήκη νευρωνικού δικτύουel
heal.abstractΗ παρούσα διπλωματική εργασία έχει σαν στόχο της, την εισαγωγή σε βασικές έννοιες των Νευρωνικών Δικτύων. Ειδικότερα αναλύονται τα θέματα της μάθησης, της ταξινόμησης, γενίκευσης και της κατηγοριοποίησης. Στο προγραμματιστικό μέρος της εργασίας υλοποιήθηκαν δύο βιβλιοθήκες. Η πρώτη αφορά τον αλγόριθμο των κ-κοντινότερων γειτόνων και η δεύτερη τον αλγόριθμο του νευρωνικού δικτύου ενός επιπέδου. Για να δούμε και στην πράξη την λειτουργία τους, δημιουργήθηκαν παραδείγματα που αναδεικνύουν τις δυνατότητες και τα μειονεκτήματα των αντίστοιχων προγραμμάτων. Το πρώτο κεφάλαιο ξεκινάει με την παράθεση ορισμών που κατά καιρούς έχουν δοθεί για τα Νευρωνικά Δίκτυα. Στη συνέχεια, παρουσιάζονται οι ιδιότητες και ορισμένες εφαρμογές των δικτύων, καθώς και μία συνοπτική ιστορική αναδρομή. Η μάθηση είναι μια θεμελιώδης ιδιότητα των νευρωνικών δικτύων και είναι το αντικείμενο του δεύτερου κεφαλαίου. Η έννοια της μάθησης διακρίνεται σε δύο διαφορετικά είδη, την μάθηση με επίβλεψη και την μάθηση χωρίς επίβλεψη. Επίσης, παρουσιάζονται αναλυτικά και οι βασικοί τομείς της ταξινόμησης και γενίκευσης. Στο τρίτο κεφάλαιο αναπτύσσουμε την έννοια και τον τρόπο λειτουργίας του ταξινομητή των κ-κοντινότερων γειτόνων μέσα από πραγματικές εφαρμογές. Επίσης, υλοποιήθηκαν κάποια παραδείγματα από τα οποία εξάγαμε συμπεράσματα για την λειτουργία του αλγορίθμου. Στο κεφάλαιο που αναφέρεται στα νευρωνικά δίκτυα ενός επιπέδου, περιγράφεται ο αλγόριθμος εκπαίδευσης του δικτύου και τα προβλήματα στα οποία δίνουν λύσεις. Παράλληλα αναλύονται τα βασικά χαρακτηριστικά τους, όπως τα βάρη και η συνάρτηση ενεργοποίησης. Τα παραδείγματα που παραθέτονται δείχνουν την ικανότητα ή αδυναμία του δικτύου να γενικεύει. Η πρακτική αξιοποίηση αυτής της εργασίας μπορεί να γίνει και εάν χρησιμοποιήσουμε τα προγράμματα που αναπτύχθηκαν αυτούσια και πολύ περισσότερο με τον περαιτέρω εμπλουτισμό τους. Το πρόγραμμα των κ-κοντινότερων γειτόνων που δημιουργήσαμε στο πρώτο στάδιο αυτής της εργασίας, ταξινομεί νέα πρότυπα σε κατηγορίες με βάση τους κοντινότερους γείτονες του σημείου. Ο κώδικας αυτού του αλγορίθμου μπορεί να γίνει πολύ χρήσιμος στην αντιμετώπιση προβλημάτων, είτε αυτούσιος είτε με την υλοποίηση πιο σύνθετων συναρτήσεων για την εύρεση των κοντινότερων γειτόνων. Ανάλογα με την πολυπλοκότητα του προβλήματος, επιλέγουμε την κατάλληλη συνάρτηση η οποία αποδίδει καλύτερα. Από την άλλη, ο αλγόριθμος του νευρωνικού δικτύου ενός επιπέδου που αναπτύχθηκε επιτρέπει την περαιτέρω ανάπτυξη του με σκοπό την υλοποίηση μιας πιο σύνθετης εφαρμογής. Με άλλα λόγια το προγραμματιστικό μέρος της εργασίας μπορεί να χρησιμοποιηθεί στην ανάπτυξη νευρωνικών δικτύων ανώτερου επιπέδου (MLP, Hopfield, κ.α ). Βέβαια ο αλγόριθμος αυτός μπορεί να χρησιμοποιηθεί και στη μορφή που είναι ήδη, για την επίλυση προβλημάτων π.χ κατηγοριοποίησης. Πραγματικά δεδομένα απαλλαγμένα από θόρυβο θα επιτρέψουν στο δίκτυο να κατηγοριοποιήσει με ικανοποιητικά ποσοστά και να δώσει λύσεις σε πραγματικά προβλήματα.el
heal.academicPublisherΤ.Ε.Ι. Ηπείρου, Σχολή Διοίκησης και Οικονομίας, Τμήμα Τηλεπληροφορικής και Διοίκησηςel
heal.academicPublisherIDteiep
heal.accessfree
heal.advisorNameΤσούλος, Ιωάννηςel
heal.classificationΝευρωνικά δίκτυα (Πληροφορική)el
heal.dateAvailable2024-01-10T23:23:32Z
heal.fullTextAvailabilitytrue
heal.languageel
heal.numberOfPages88
heal.publicationDate2004-10
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.typebachelorThesis

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
tlp_000171.pdf
Μέγεθος:
927.56 KB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:
Πτυχιακή εργασία

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
3.54 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή: