Αναγνώριση της σημασίας συμβόλων σε μαθηματικά κείμενα με χρήση τεχνικών μηχανικής μάθησης
Στη γλώσσα Braille, την οποία διαβάζουν τα άτομα με προβλήματα όρασης, τα σύμβολα για την τελεία και την υποδιαστολή είναι διαφορετικά. Στα μαθηματικά κείμενα το σύμβολο για τα δύο παραπάνω είναι το ίδιο (.). Δεδομένου ότι η εύρεση σαφών κανόνων για την αυτόματη αναγνώριση της σημασίας του συμβόλου...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Language: | el_GR |
| Published: |
2023
|
| Subjects: | |
| Online Access: | http://hdl.handle.net/11610/25013 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1828461831194148864 |
|---|---|
| author | Πλατανίτη, Δήμητρα |
| author2 | Παπασαλούρος, Ανδρέας |
| author_sort | Πλατανίτη, Δήμητρα |
| collection | DSpace |
| description | Στη γλώσσα Braille, την οποία διαβάζουν τα άτομα με προβλήματα όρασης, τα σύμβολα για την τελεία και την υποδιαστολή είναι διαφορετικά. Στα μαθηματικά κείμενα το σύμβολο για τα δύο παραπάνω είναι το ίδιο (.). Δεδομένου ότι η εύρεση σαφών κανόνων για την αυτόματη αναγνώριση της σημασίας του συμβόλου της τελείας είναι δύσκολη, στο πλαίσιο αυτής της εργασίας, για την επίλυση του παραπάνω προβλήματος, μελετήθηκε η εφαρμογή τεχνικών μηχανικής μάθησης χρησιμοποιώντας επαναλαμβανόμενα νευρωνικά δίκτυα, τόσο σε θεωρητικό όσο και σε πρακτικό επίπεδο.
Για την πραγμάτωση του σκοπού μας, αρχικά έγινε μία εισαγωγή σε βασικές έννοιες της μηχανικής μάθησης και των τεχνητών νευρωνικών δικτύων. Στη συνέχεια, παρουσιάστηκαν σε βάθος τα επαναλαμβανόμενα νευρωνικά δίκτυα, ο τρόπος λειτουργίας, οι τεχνικές εκπαίδευσης, οι επεκτάσεις καθώς και οι εφαρμογές τους σε διάφορους τομείς για τις σημερινές ανάγκες του ανθρώπου. Έπειτα, αναφέρεται το πρόβλημα που αντιμετωπίζεται στα επαναλαμβανόμενα νευρωνικά δίκτυα και η αντιμετώπισή του με χρήση των δικτύων μακράς βραχύχρονης μνήμης. Με εφόδιο αυτές τις γνώσεις αναπτύσσεται ο κώδικας ο οποίος ταξινομεί τα δεδομένα εισόδου, δηλαδή χαρακτήρες και σημεία στίξης, σε τρεις κατηγορίες: τελεία, υποδιαστολή και λοιπούς χαρακτήρες, με ακρίβεια που φτάνει το 93.33%. Τέλος, γίνεται ανάλυση του κώδικα αυτού και των αποτελεσμάτων που δίνει. |
| id | oai:hellanicus.lib.aegean.gr:11610-25013 |
| institution | Hellanicus |
| language | el_GR |
| publishDate | 2023 |
| record_format | dspace |
| title | Αναγνώριση της σημασίας συμβόλων σε μαθηματικά κείμενα με χρήση τεχνικών μηχανικής μάθησης |
| topic | μηχανική μάθηση τεχνητή νοημοσύνη ταξινόμηση εποπτευόμενη μάθηση επαναλαμβανόμενα νευρωνικά δίκτυα δίκτυα μακράς βραχύχρονης μνήμης machine learning artificial intelligence classification supervised learning recurrent neural networks long short term networks Machine learning Artificial intelligence Supervised learning (Machine learning) Neural networks (Computer science) |
| url | http://hdl.handle.net/11610/25013 |
| work_keys_str_mv | AT platanitēdēmētra anagnōrisētēssēmasiassymbolōnsemathēmatikakeimenamechrēsētechnikōnmēchanikēsmathēsēs |