Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης

Αυτή η πτυχιακή εργασία προτείνει μια νέα μέθοδο [29] που συνδυάζει ασαφή συσταδοποίηση και τη βέλτιστη ασαφή συσταδοποίηση για τον αποτελεσματικό σχεδιασμό νευρωνικών δικτύων συναρτήσεων ακτινικής βάσης. Πρώτα, θα εφαρμόσουμε την fuzzy c-means στο χώρο εισόδου-εξόδου με σκοπό να γίνει η προ-επεξ...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:
Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Λεβέντης, Γεώργιος
Άλλοι συγγραφείς: Τσεκούρας, Γεώργιος
Γλώσσα:Greek
Δημοσίευση: 2015
Θέματα:
Διαθέσιμο Online:https://catalog.lib.aegean.gr/iguana/www.main.cls?surl=search&p=ed763fb5-024d-4d04-a952-e71cbf110eaa#recordId=1.34184
http://hdl.handle.net/11610/10661
Ετικέτες: Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
_version_ 1828460443203534848
author Λεβέντης, Γεώργιος
author2 Τσεκούρας, Γεώργιος
author_facet Τσεκούρας, Γεώργιος
Λεβέντης, Γεώργιος
author_sort Λεβέντης, Γεώργιος
collection DSpace
description Αυτή η πτυχιακή εργασία προτείνει μια νέα μέθοδο [29] που συνδυάζει ασαφή συσταδοποίηση και τη βέλτιστη ασαφή συσταδοποίηση για τον αποτελεσματικό σχεδιασμό νευρωνικών δικτύων συναρτήσεων ακτινικής βάσης. Πρώτα, θα εφαρμόσουμε την fuzzy c-means στο χώρο εισόδου-εξόδου με σκοπό να γίνει η προ-επεξεργασία των διαθέσιμων στοιχείων. Οι προκύπτουσες ομάδες προβάλλονται στο χώρο εισόδου. Τα αντίστοιχα κέντρα συστάδων θεωρoύνται ως ένα νέο σύνολο δεδομένων, το οποίο στη συνέχεια αναλύεται περισσότερο, χρησιμοποιώντας τη βέλτιστη μέθοδο της ασαφούς συσταδοποίησης από πλευράς της σταθμισμένης (weighted) fuzzy c-means. Για να επιτευχθεί αυτό, αναπτύξαμε ένα νέο δείκτη εγκυρότητας, ο οποίος χρησιμοποιείται για να προσδιορίσει τον κατάλληλο αριθμό των κρυφών RBF κόμβων. Ο αλγόριθμος έχει εφαρμοστεί με επιτυχία σε γνωστές σειρές δεδομένων, όπου οι επιδόσεις του έχουν δοκιμαστεί και αξιολογηθεί.
id oai:hellanicus.lib.aegean.gr:11610-10661
institution Hellanicus
language Greek
publishDate 2015
record_format dspace
spelling oai:hellanicus.lib.aegean.gr:11610-106612025-02-07T14:14:56Z Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης Λεβέντης, Γεώργιος Τσεκούρας, Γεώργιος Νευρωνικά Δίκτυα Νευρώνας Συσταδοποίηση Αλγόριθμος Ακτινική Βάση Neurons Algorithm Radial Basis Function Neural networks Clustering Cluster Αυτή η πτυχιακή εργασία προτείνει μια νέα μέθοδο [29] που συνδυάζει ασαφή συσταδοποίηση και τη βέλτιστη ασαφή συσταδοποίηση για τον αποτελεσματικό σχεδιασμό νευρωνικών δικτύων συναρτήσεων ακτινικής βάσης. Πρώτα, θα εφαρμόσουμε την fuzzy c-means στο χώρο εισόδου-εξόδου με σκοπό να γίνει η προ-επεξεργασία των διαθέσιμων στοιχείων. Οι προκύπτουσες ομάδες προβάλλονται στο χώρο εισόδου. Τα αντίστοιχα κέντρα συστάδων θεωρoύνται ως ένα νέο σύνολο δεδομένων, το οποίο στη συνέχεια αναλύεται περισσότερο, χρησιμοποιώντας τη βέλτιστη μέθοδο της ασαφούς συσταδοποίησης από πλευράς της σταθμισμένης (weighted) fuzzy c-means. Για να επιτευχθεί αυτό, αναπτύξαμε ένα νέο δείκτη εγκυρότητας, ο οποίος χρησιμοποιείται για να προσδιορίσει τον κατάλληλο αριθμό των κρυφών RBF κόμβων. Ο αλγόριθμος έχει εφαρμοστεί με επιτυχία σε γνωστές σειρές δεδομένων, όπου οι επιδόσεις του έχουν δοκιμαστεί και αξιολογηθεί. 2015-11-17T10:38:56Z 2015-11-17T10:38:56Z 2011 https://catalog.lib.aegean.gr/iguana/www.main.cls?surl=search&p=ed763fb5-024d-4d04-a952-e71cbf110eaa#recordId=1.34184 http://hdl.handle.net/11610/10661 el application/pdf Μυτιλήνη
spellingShingle Νευρωνικά
Δίκτυα
Νευρώνας
Συσταδοποίηση
Αλγόριθμος
Ακτινική Βάση
Neurons
Algorithm
Radial Basis Function
Neural networks
Clustering
Cluster
Λεβέντης, Γεώργιος
Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
title Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
title_full Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
title_fullStr Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
title_full_unstemmed Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
title_short Ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
title_sort ανάπτυξη αλγορίθμου βέλτιστης ασαφούς συσταδοποίησης για την εκπαίδευση νευρωνικών δικτύων ακτινικής βάσης
topic Νευρωνικά
Δίκτυα
Νευρώνας
Συσταδοποίηση
Αλγόριθμος
Ακτινική Βάση
Neurons
Algorithm
Radial Basis Function
Neural networks
Clustering
Cluster
url https://catalog.lib.aegean.gr/iguana/www.main.cls?surl=search&p=ed763fb5-024d-4d04-a952-e71cbf110eaa#recordId=1.34184
http://hdl.handle.net/11610/10661
work_keys_str_mv AT lebentēsgeōrgios anaptyxēalgorithmoubeltistēsasaphoussystadopoiēsēsgiatēnekpaideusēneurōnikōndiktyōnaktinikēsbasēs