Μονάδα:
Τομέας Υπολογιστικών Συστημάτων και ΕφαρμογώνΒιβλιοθήκη Σχολής Θετικών Επιστημών
Ημερομηνία κατάθεσης:
2015-07-02
Συγγραφέας:
Γιούλης Απόστολος
Στοιχεία επιβλεπόντων καθηγητών:
Αλωνιστιώτη Αθανασία Επίκ. Καθηγήτρια
Πρωτότυπος Τίτλος:
Μελέτη και πειραματική εκτίμηση των διαφόρων προσεγγίσεων βαθιάς μάθησης και σουίτες λογισμικού
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Study and experimental assessment of deep learning approaches and software suites
Περίληψη:
Η παρούσα εργασία έχει ως αντικείμενο την μελέτη του ανερχόμενου πεδίου
μηχανικής μάθησης γνωστό και ως Βαθιά Μάθηση (Deep Learning DL). Η εργασία έχει
επικεντρωθεί στην ανάλυση και μελέτη των παρακάτω αλληλένδετων υπο-κεφαλαίων
του πεδίου:
• Στην ανάλυση μεθόδων μάθησης που χρησιμοποιούνται για την εκπαίδευση
μοντέλων Deep Learning, δηλαδή της επιβλεπόμενης, μη-επιβλεπόμενης και
υβριδικής μάθησης, (με έμφαση στην επιβλεπόμενη μάθηση). Ιδιαίτερη έμφαση έχει
δοθεί και στην παρουσίαση του αλγορίθμου της Οπισθοδρομικής Διάδοσης Σφάλματος,
ο οποίος αποτελεί ακρογωνιαία λίθο των περισσότερων εκ των υπάρχοντών τεχνικών
μάθησης. Έμφαση έχει δοθεί επίσης και στις δυσκολίες που παρουσιάζονται κατά
την εκπαίδευση μοντέλων DL καθώς και σε διάφορες τεχνικές αντιμετώπισης τους.
• Στην παρουσίαση και ανάλυση πολλαπλών μοντέλων (νευρωνικών δικτύων)
που χρησιμοποιούνται στα πλαίσια της βαθιάς μάθησης.
• Στην παρουσίαση των βασικών χαρακτηριστικών, των πιο αξιόλογων και
ολοκληρωμένων λύσεων λογισμικού που έχει να προσφέρει η βιομηχανία.
Τέλος στο πρακτικό τμήμα της πτυχιακής έχουν κατασκευαστεί μοντέλα Βαθιάς
Μάθησης τόσο με χρήση της γλώσσας προγραμματισμού Python όσο και με χρήση
μερικών εκ των παρουσιασμένων λύσεων λογισμικού.
Λέξεις-κλειδιά:
Βαθιά Μάθηση, Βαθιά Νευρωνικά Δίκτυα
Αρ. σελίδων ευρετηρίου:
1-6
Αρ. βιβλιογραφικών αναφορών:
101
