An alternative formulation of the artificial immune recognition system learning algorithm
| dc.contributor.advisor | Τσιχριντζής, Γεώργιος | |
| dc.contributor.author | Γιατζιτζόγλου, Δημήτρης | |
| dc.date.accessioned | 2018-11-20T10:41:29Z | |
| dc.date.available | 2018-11-20T10:41:29Z | |
| dc.date.issued | 2018-11-06 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/11587 | |
| dc.description.abstract | Ο AIRS είναι ένας αλγόριθμος μάθησης με επίβλεψη που έχει δείξει οτί μπόρει να πετύχει ανταγωνιστικά αποτελέσματα σε κάποια γνωστά σετ δεδομένων. Ο σκοπός αυτής της παρούσας εργασίας είναι η παρουσίαση μιας εναλλακτικής διαμόρφωσης του αλγορίθμου AIRS, συνοδευόμενη από μια συγκριτική μελέτη με έμφαση στη αξιολόγηση της ακρίβειας ταξινόμησης, της δυνατότητας μείωσης των δεδομένων και της αλγοριθμικής αποδοτικοτητάς, ακολουθούμενη από εκτίμηση, μέσω πειραματικών αποτελεσμάτων, της διαφοράς απόδοσης μεταξύ της προτεινόμενης εκδοχής του αλγορίθμου και του αυθεντικού AIRS ταξινομητη. Η σύγκριση υποδηλώνει οτί η προτεινόμενη εκδοχή έχει σημαντικό πλεονέκτημα απόδοσης σε σχέση με τον πρωτότυπο αλγόριθμο και περαιτέρω αναζήτηση της κύριας λειτουργικότητας του αλγορίθμου θα μπορούσε να εντοπίσει και να αντιμετωπίσει ανεπάρκειες του AIRS, βελτιώνοντας περαιτέρω την απόδοση του. | el |
| dc.format.extent | 58 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | An alternative formulation of the artificial immune recognition system learning algorithm | el |
| dc.title.alternative | Μια εναλλακτική διαμόρφωση του αλγόριθμου μάθησης AIRS | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | The Artificial Immune Recognition System (AIRS) is an immune-inspired supervised learning algorithm that has been shown to perform competitively on some common data sets. The purpose of this thesis is the presentation of an alternative formulation of the Artificial Immune Recognition System, followed by a comparative study with emphasis on classification accuracy, data reduction capability and algorithmic efficiency in order to evaluate the performance difference between the proposed version of AIRS and the original AIRS classifier. The comparison suggests that the proposed formulation holds significant performance advantages over the original AIRS algorithm and further exploration of the main functionality of the algorithm could identify and address deficiencies that leave AIRS lacking in future research. | el |
| dc.contributor.master | Πληροφορική | el |
| dc.subject.keyword | Classification | el |
| dc.subject.keyword | Artificial Immune Recognition System | el |
| dc.subject.keyword | AIRS | el |
| dc.subject.keyword | Machine learning | el |
| dc.subject.keyword | Artificial immune systems | el |
| dc.date.defense | 2018-11-07 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές