Συνελικτικά νευρωνικά δίκτυα

Κωτσάκη, Γεωργία (2019) Συνελικτικά νευρωνικά δίκτυα. BSc thesis, ΤΕΙ Δυτικής Μακεδονίας.

[img] Text
EI28_2019.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB)

Abstract

Αντικείμενο της πτυχιακής εργασίας είναι η παρουσίαση, η μελέτη και η ανάλυση του επιστημονικού πεδίου των συνελικτικών νευρωνικών δικτύων στο ευρύτερο πλαίσιο της τεχνητής νοημοσύνης και της μηχανικής μάθησης. Ειδικότερος στόχος της εργασίας είναι το παρεχόμενο υλικό να είναι κατανοητό για εκπαιδευτικούς σκοπούς. Ιδιαίτερη προσπάθεια δόθηκε ώστε η δομή και η διάρθρωση του υλικού να είναι σεμιναριακού τύπου με πολλές επεξηγηματικές εικόνες και ενδεικτικά παραδείγματα. Τα συνελικτικά νευρωνικά δίκτυα είναι ιδιαίτερα χρήσιμα για την ταξινόμηση και την αναγνώριση εικόνας. Αποτελούνται από δύο κύρια μέρη: ένα σύστημα εξαγωγής χαρακτηριστικών και ένα σύστημα ταξινόμησης. Η κύρια εξειδικευμένη τεχνική στα ΣΝΔ είναι η συνέλιξη, όπου ένα φίλτρο ολισθαίνει πάνω από την είσοδο και συγχωνεύει την τιμή εισόδου με την τιμή φίλτρου στον χάρτη χαρακτηριστικών. Τελικός στόχος μας είναι να τροφοδοτήσουμε με νέες εικόνες το ΣΝΔ ώστε να μπορεί να δώσει μια πρόβλεψη με πιθανότητα για το αντικείμενο που πιστεύει ότι βλέπει στην εικόνα και να το περιγράψει με κείμενο. Η υλοποίηση των ΣΝΔ πραγματοποιείται σε ηλεκτρονικούς υπολογιστές κατά προτίμηση με κατάλληλο εξοπλισμό και σε γλώσσες προγραμματισμού που διαθέτουν ισχυρές μαθηματικές βιβλιοθήκες. Στην πτυχιακή χρησιμοποιείται η γλώσσα προγραμματισμού Python με τις βιβλιοθήκες Numpy και Keras για την εκπαίδευση υποδειγματικού συνελικτικού νευρωνικού δικτύου. H εργασία απαρτίζεται από τρια κεφάλαια. Το πρώτο κεφάλαιο αφόρα το θεωρητικό υπόβαθρο της τεχνητής νοημοσύνης, της μηχανικής μάθησης και των νευρωνικών δικτύων. Στο δεύτερο εμβαθύνουμε στα συνελικτικά νευρωνικά δίκτυα, στην αρχιτεκτονική τους, τις μεθόδους αναγνώρισης εικόνας και τις διαδικασίες εκπαίδευσης τους, αναλυτικά. Στο τελευταίο κεφάλαιο υλοποιούμε ένα μοντέλο συνελικτικού δικτύου.

Item Type: Thesis (BSc)
Corporate Creators: Μαυρατζάς Στυλιανός
Uncontrolled Keywords: Συνελικτικά νευρωνικά δίκτυα, Βαθειά μάθηση, Νευρώνες, Συνάψεις, Εκπαίδευση τεχνητών δικτύων, Python.
Subjects: Δ > Δίκτυα πληροφόρησης
Ε > Εκπαίδευση εξ΄ αποστάσεως
Γ > Γλώσσες προγραμματισμού (Ηλεκτρονικοί Υπολογιστές)
Π > Πληροφορική - Τεχνολογία
Τ > Τεχνητή νοημοσύνη
Divisions: Σχολή Τεχνολογικών Εφαρμογών > Τμήμα Μηχανικών Πληροφορικής ΤΕ (Καστοριά)
Depositing User: Προσωπικό Βιβλιοθήκης
Date Deposited: 16 Dec 2019 10:32
Last Modified: 16 Dec 2019 10:32
URI: http://anaktisis.uowm.gr/id/eprint/10185

Ενέργειες (απαιτείται σύνδεση)

View Item View Item

Created by  Elidoc

To Top