Τεχνητά νευρωνικά δίκτυα και εφαρμογή

Η παρούσα πτυχιακή εργασία αποτελεί μια βιβλιογραφική ανασκόπηση του σύγχρονου επιστημονικού τομέα των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Στα δύο πρώτα κεφάλαια ο συγγραφέας παρουσιάζει τους επιστημονικούς κλάδους της Μηχανικής Μάθησης και των Τεχνητών Νευρωνικών Δικτύων . Στην συνέχεια, επικεντρώνε...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Πήτας, Δημήτριος
Άλλοι συγγραφείς:	Παπασαλούρος, Ανδρέας
Γλώσσα:	el_GR
Δημοσίευση:	2019
Θέματα:	Μηχανική Μάθηση Τεχνητά Νευρωνικά Δίκτυα Αλγόριθμος Back-Propagation Machine Learning Neural Networks Algorithm of Back-Propagation Machine learning (URL: http://id.loc.gov/authorities/subjects/sh85079324) Neural networks (Computer science) (URL: http://id.loc.gov/authorities/subjects/sh90001937)
Διαθέσιμο Online:	http://hdl.handle.net/11610/19590
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

_version_	1828462202059751424
author	Πήτας, Δημήτριος
author2	Παπασαλούρος, Ανδρέας
author_facet	Παπασαλούρος, Ανδρέας Πήτας, Δημήτριος
author_sort	Πήτας, Δημήτριος
collection	DSpace
description	Η παρούσα πτυχιακή εργασία αποτελεί μια βιβλιογραφική ανασκόπηση του σύγχρονου επιστημονικού τομέα των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Στα δύο πρώτα κεφάλαια ο συγγραφέας παρουσιάζει τους επιστημονικούς κλάδους της Μηχανικής Μάθησης και των Τεχνητών Νευρωνικών Δικτύων . Στην συνέχεια, επικεντρώνεται στην παράθεση βασικών εννοιών των Τεχνητών Νευρωνικών Δικτύων, όπως η δομή ,η λειτουργία και η αρχιτεκτονική τους. Επίσης, καταγράφει την συσχέτιση μεταξύ βιολογικών και τεχνητών νευρωνικών δικτύων. Ακόμα, παραθέτει διάφορους επιστημονικούς τομείς στους οποίους τα Τεχνητά Νευρωνικά Δίκτυα χρησιμοποιούνται,αναφέροντας πληθώρα χρήσιμων εφαρμογών τους. Στο τρίτο κεφάλαιο αναλύεται η διαχρονική εξέλιξη ενός από τα πρώτα Τεχνητά Νευρωνικά δίκτυα που ανακαλύφθηκαν το λεγόμενο δίκτυο Perceptron. Στο δίκτυο Perceptron επισημαίνονται οι διαφορές μεταξύ του απλού και του μεταγενέστερου πολυεπίπεδου μοντέλου. Επιπρόσθετα, το κείμενο πραγματεύεται τις διαδικασίες μάθησης των Τεχνητών Νευρωνικών Δικτύων, δίνοντας ιδιαίτερη έμφαση στον αλγόριθμο εκπαίδευσης Back-Propagation. Στο τέταρτο κεφάλαιο, παρουσιάζονται διάφορα ειδικά θέματα της εκπαίδευσης των Τεχνητών Νευρωνικών Δικτύων ,όπως η ικανότητα γενίκευσης που αναπτύσουν, το ζήτημα της υπερπροσαρμογής και η διαδικασία της κανονικοποίησης. Κλείνοντας, στο πέμπτο κεφάλαιο παρατίθεται ένα παράδειγμα ταξινόμησης δεδομένων με την χρήση ενός Τεχνητού Νευρωνικού Δικτύου και συγκεκριμένα μέσω της εφαρμογής Rapindminer.
id	oai:hellanicus.lib.aegean.gr:11610-19590
institution	Hellanicus
language	el_GR
publishDate	2019
record_format	dspace
spelling	oai:hellanicus.lib.aegean.gr:11610-195902019-11-13T08:50:04Z Τεχνητά νευρωνικά δίκτυα και εφαρμογή Πήτας, Δημήτριος Παπασαλούρος, Ανδρέας Μηχανική Μάθηση Τεχνητά Νευρωνικά Δίκτυα Αλγόριθμος Back-Propagation Machine Learning Neural Networks Algorithm of Back-Propagation Machine learning (URL: http://id.loc.gov/authorities/subjects/sh85079324) Neural networks (Computer science) (URL: http://id.loc.gov/authorities/subjects/sh90001937) Η παρούσα πτυχιακή εργασία αποτελεί μια βιβλιογραφική ανασκόπηση του σύγχρονου επιστημονικού τομέα των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Στα δύο πρώτα κεφάλαια ο συγγραφέας παρουσιάζει τους επιστημονικούς κλάδους της Μηχανικής Μάθησης και των Τεχνητών Νευρωνικών Δικτύων . Στην συνέχεια, επικεντρώνεται στην παράθεση βασικών εννοιών των Τεχνητών Νευρωνικών Δικτύων, όπως η δομή ,η λειτουργία και η αρχιτεκτονική τους. Επίσης, καταγράφει την συσχέτιση μεταξύ βιολογικών και τεχνητών νευρωνικών δικτύων. Ακόμα, παραθέτει διάφορους επιστημονικούς τομείς στους οποίους τα Τεχνητά Νευρωνικά Δίκτυα χρησιμοποιούνται,αναφέροντας πληθώρα χρήσιμων εφαρμογών τους. Στο τρίτο κεφάλαιο αναλύεται η διαχρονική εξέλιξη ενός από τα πρώτα Τεχνητά Νευρωνικά δίκτυα που ανακαλύφθηκαν το λεγόμενο δίκτυο Perceptron. Στο δίκτυο Perceptron επισημαίνονται οι διαφορές μεταξύ του απλού και του μεταγενέστερου πολυεπίπεδου μοντέλου. Επιπρόσθετα, το κείμενο πραγματεύεται τις διαδικασίες μάθησης των Τεχνητών Νευρωνικών Δικτύων, δίνοντας ιδιαίτερη έμφαση στον αλγόριθμο εκπαίδευσης Back-Propagation. Στο τέταρτο κεφάλαιο, παρουσιάζονται διάφορα ειδικά θέματα της εκπαίδευσης των Τεχνητών Νευρωνικών Δικτύων ,όπως η ικανότητα γενίκευσης που αναπτύσουν, το ζήτημα της υπερπροσαρμογής και η διαδικασία της κανονικοποίησης. Κλείνοντας, στο πέμπτο κεφάλαιο παρατίθεται ένα παράδειγμα ταξινόμησης δεδομένων με την χρήση ενός Τεχνητού Νευρωνικού Δικτύου και συγκεκριμένα μέσω της εφαρμογής Rapindminer. 2019-11-11T09:01:50Z 2019-11-11T09:01:50Z 2018-10-10 http://hdl.handle.net/11610/19590 el_GR Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές http://creativecommons.org/licenses/by-nc-sa/4.0/ 52 σ. application/pdf Σάμος
spellingShingle	Μηχανική Μάθηση Τεχνητά Νευρωνικά Δίκτυα Αλγόριθμος Back-Propagation Machine Learning Neural Networks Algorithm of Back-Propagation Machine learning (URL: http://id.loc.gov/authorities/subjects/sh85079324) Neural networks (Computer science) (URL: http://id.loc.gov/authorities/subjects/sh90001937) Πήτας, Δημήτριος Τεχνητά νευρωνικά δίκτυα και εφαρμογή
title	Τεχνητά νευρωνικά δίκτυα και εφαρμογή
title_full	Τεχνητά νευρωνικά δίκτυα και εφαρμογή
title_fullStr	Τεχνητά νευρωνικά δίκτυα και εφαρμογή
title_full_unstemmed	Τεχνητά νευρωνικά δίκτυα και εφαρμογή
title_short	Τεχνητά νευρωνικά δίκτυα και εφαρμογή
title_sort	τεχνητά νευρωνικά δίκτυα και εφαρμογή
topic	Μηχανική Μάθηση Τεχνητά Νευρωνικά Δίκτυα Αλγόριθμος Back-Propagation Machine Learning Neural Networks Algorithm of Back-Propagation Machine learning (URL: http://id.loc.gov/authorities/subjects/sh85079324) Neural networks (Computer science) (URL: http://id.loc.gov/authorities/subjects/sh90001937)
url	http://hdl.handle.net/11610/19590
work_keys_str_mv	AT pētasdēmētrios technētaneurōnikadiktyakaiepharmogē

Τεχνητά νευρωνικά δίκτυα και εφαρμογή

Παρόμοια τεκμήρια