Μηχανές μάθησης υψηλής απόδοσης για προβλήματα κατηγοριοποίησης - εφαρμογή στην ταξινόμηση κτιρίων σε ενεργειακές κλάσεις

Διπλωματική Εργασία uoadl:1319008 50 Αναγνώσεις

Μονάδα:
Κατεύθυνση / ειδίκευση Διαχείριση Πληροφορίας και Δεδομένων (ΔΕΔ)
Βιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2015-03-30
Έτος εκπόνησης:
2015
Συγγραφέας:
Κόκκινου Άννα
Στοιχεία επιβλεπόντων καθηγητών:
Παναγιώτης Σταματόπουλος Επίκ. Καθηγητής
Πρωτότυπος Τίτλος:
Μηχανές μάθησης υψηλής απόδοσης για προβλήματα κατηγοριοποίησης - εφαρμογή στην ταξινόμηση κτιρίων σε ενεργειακές κλάσεις
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Εxtreme Learning Machines and Classification Problems – Application categorizing buildings in energy classes
Περίληψη:
Στην εργασία αυτή μελετάται και αναλύεται ο αλγόριθμος Extreme Learning
Machine, καθώς και η εφαρμογή του σε προβλήματα κατηγοριοποίησης και
ταξινόμησης.
Τα νευρωνικά δίκτυα πρόσθιας τροφοδότησης, χρησιμοποιούνται κατά κόρον σε
προβλήματα ταξινόμησης, όμως η διαδικασία εκπαίδευσης τους με τους
παραδοσιακούς αλγόριθμους είναι εξαιρετικά αργή, πράγμα που οφείλεται στην
εκτεταμένη χρήση των αλγορίθμων που βασίζονται στην κλίση και στο ότι οι
παράμετροι των δικτύων υπολογίζονται σε κάθε επανάληψη.
Ο αλγόριθμος ELM διαφοροποιείται συγκριτικά με τους παραδοσιακούς αλγόριθμους
μάθησης στο ότι είναι εξαιρετικά γρήγορος, επιτυγχάνοντας ταυτόχρονα μεγάλη
ακρίβεια στην ταξινόμηση. Επιπλέον, οι παράμετροι του δικτύου επιλέγονται
τυχαία και δεν επαναϋπολογίζονται ξανά ως το πέρας της διαδικασίας εκπαίδευσης.
Παρουσιάζονται αρκετές παραλλαγές του αλγορίθμου ELM, με τις οποίες
ξεπερνιούνται κάποιες δυσκολίες και μειονεκτήματα του παραδοσιακού αλγορίθμου
και επιτυγχάνονται ακόμα καλύτεροι χρόνοι και ταξινόμηση, καθώς και κάποια
υβριδικά μοντέλα συνδυασμού του κλασικού αλγορίθμου ELM με κάποιον παραδοσιακό
αλγόριθμο μάθησης.
Επιπρόσθετα, αναφέρονται ενδεικτικά κάποιες εφαρμογές του αλγορίθμου ELM σε
προβλήματα ταξινόμησης που βρίσκουν εφαρμογή σε πολλαπλά επιστημονικά πεδία,
όπως στη βιοιατρική, στη μηχανική, στη βιολογία , καθώς και στη μουσική.
Στη συνέχεια, αναλύεται ένα πρόβλημα ταξινόμησης, που αφορά στην ταξινόμηση
κτιρίων στην ενεργειακή τους κλάση ανάλογα με το φορτίο θέρμανσης και ψύξης που
χρειάζονται. Περιγράφεται αναλυτικά πώς προκύπτει η συνολική πρωτογενής
καταναλισκόμενη ενέργεια από τα φορτία θέρμανσης και ψύξης και στη συνέχεια με
ποια μεθοδολογία προκύπτει η ενεργειακή κλάση για το κάθε κτίριο.
Τέλος, γίνεται πειραματική αξιολόγηση του αλγορίθμου για το συγκεκριμένο
πρόβλημα ταξινόμησης, συγκρίνοντας τον με άλλους αλγορίθμους κατηγοριοποίησης
δεδομένων.
Λέξεις-κλειδιά:
Αλγόριθμοι εκπαίδευσης, Ταξινόμηση δεδομένων, Ενεργειακή κλάση , Συνολική καταναλισκόμενη πρωτογενής ενέργεια, Φορτίο θέρμανσης
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
8-10
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
42
Αριθμός σελίδων:
66