Γενικεύοντας την Προσαρμoγή Πεδίου: Χαλάρωση των Υποθέσεων & μία Εναλλακτική Συνάρτηση Κόστους για Μεθόδους με Αντιμαχόμενα Δίκτυα

Διπλωματική Εργασία uoadl:2884539 261 Αναγνώσεις

Μονάδα:
Κατεύθυνση / ειδίκευση Θεωρητική Πληροφορική (ΘΕΩ)
Πληροφορική
Ημερομηνία κατάθεσης:
2019-11-01
Έτος εκπόνησης:
2019
Συγγραφέας:
Πικραμένος Γεώργιος
Στοιχεία επιβλεπόντων καθηγητών:
Σταύρος Περαντώνης,
ΕΡΕΥΝΗΤΗΣ Α,
Ινστιτούτο Πληροφορικής και Τηλεπικοινωνιών,
ΕΚΕΦΕ ΔΗΜΟΚΡΙΤΟΣ
Πρωτότυπος Τίτλος:
Γενικεύοντας την Προσαρμoγή Πεδίου: Χαλάρωση των Υποθέσεων & μία Εναλλακτική Συνάρτηση Κόστους για Μεθόδους με Αντιμαχόμενα Δίκτυα
Γλώσσες εργασίας:
Αγγλικά
Μεταφρασμένος τίτλος:
Γενικεύοντας την Προσαρμoγή Πεδίου: Χαλάρωση των Υποθέσεων & μία Εναλλακτική Συνάρτηση Κόστους για Μεθόδους με Αντιμαχόμενα Δίκτυα
Περίληψη:
Οι τεχνικές επιβλεπόμενης μάθησης τυπικά λειτουργούν με την υπόθεση πως το σύνολοεκπαίδευσης και δοκιμής έχουν ληφθεί από μία κοινή κατανομή. Για αυτόν τον λόγο,η εκπαίδευση χρήσιμων μοντέλων με συμβατικές μεθόδους για επιβλεπόμενη μάθησηαπαιτούντουλάχιστονκάποιαδεδομέναμε ετικέτεςαπότοπρόβλημαπουμας ενδιαφέρει.Η εκτεταμένη έρευνα στο πεδίο της μάθησης μηχανής, και ειδικότερα στην βαθιά μάθηση,έχουναποφέρειπολύισχυρέςμεθόδουςγιατηναντιμετώπισηπροβλημάτωνεπιβλεπόμενηςμάθησης, ενώ οι εξελίξεις σε συστήματα διαχείρισης μεγάλων δεδομένων μας επιτρέπουννασυλλέγουμεκαιναοργανώνουμεακατέργασταδεδομέναμεταχύτατουςρυθμούς. Αυτήηπρόοδοςέχεισεμεγάλοβαθμόδειτο“κώλυμα”τηςδιαδικασίαςτηςμάθησηςναμεταφέρεταιαπό την μοντελοποίηση και την εκπαίδευση, στην συλλογή ετικετών. Υποστηρίζουμεπως για την πλήρη εκμετάλλευση της τεχνολογίας μας, πρέπει να ξεπεράσουμε αυτότο “κώλυμα” και να αναπτύξουμε μοντέλα που είναι ανθεκτικά σε διαφορές μεταξύ τωνκατανομών των συνόλων εκπαίδευσης και δοκιμής. Η προσαρμογή πεδίου είναι έναπλαίσιο το οποίο απευθύνεται στα παραπάνω θέματα και κάτω από ορισμένες υποθέσειςπροσφέρειεργαλείαγιατηνεπίλυσήτους. Σεαυτήντηνεργασία,θασυζητήσουμεβελτιώσειςσε υπάρχουσες τεχνικές για την προσαρμογή πεδίου που στηρίζονται σε αντιμαχόμενανευρωνικά δίκτυα. Εισάγουμε μία νέα συνάρτηση κόστους εμπνευσμένη από την πρόοδοσταgenerativeadversarialnetworks(GANs)καιτοπεδίοτηςβέλτιστηςμεταφοράς. Τέλος,προτείνουμε ένα νέο πλαίσιο, το οποίο καλούμε Αμφίδρομη Μερική Προσαρμογή Πεδίου,στο οποίο χαλαρώνουμε τις συνήθεις υποθέσεις που γίνονται στην απλή προσαρμογήπεδίου και παρουσιάζουμε έναν αλγόριθμο για την αντιμετώπιση προβλημάτων σε αυτότο νεό πλαίσιο.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
Μεταφερόμενη Γνώση, Προσαρμογή Πεδίου, Αντιμαχόμενα Νευρωνικά Δίκτυα
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
5
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
32
Αριθμός σελίδων:
84
GeorgePikramenosDissertation.pdf (1 MB) Άνοιγμα σε νέο παράθυρο