Μοντελοποίηση περιβάλλουσας ανάλυσης δεδομένων με τεχνητά νευρωνικά δίκτυα
| dc.contributor.author | Σωτήρος, Δημήτριος - Γεώργιος Π. | |
| dc.date.accessioned | 2011-07-15T10:44:12Z | |
| dc.date.available | 2011-07-15T10:44:12Z | |
| dc.date.issued | 2011-07-15T10:44:12Z | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/4154 | |
| dc.description.abstract | Η περιβάλλουσα ανάλυση δεδομένων αποτελεί μια από τις σπουδαιότερες μη-παραμετρικές τεχνικές εκτίμησης της αποδοτικότητας των μονάδων απόφασης σε ένα σύστημα. Παρόλα αυτά όταν χρησιμοποιείται σε σύνολα δεδομένων αρκετού μεγάλου πλήθους μονάδων απόφασης με πολλές μεταβλητές, η διαδικασία είναι αρκετά χρονοβόρα και απαιτεί αρκετούς υπολογιστικούς πόρους. Στην εργασία αυτή γίνεται μια προσπάθεια μοντελοποίησης της περιβάλλουσας ανάλυσης δεδομένων με τεχνητά νευρωνικά δίκτυα, τα οποία είναι επίσης μη-παραμετρικά. Σε αντίθεση όμως με την Περιβάλλουσα Ανάλυση Δεδομένων καταναλώνουν ελάχιστους υπολογιστικούς πόρους και έχουν την δυνατότητα της εκπαίδευσης και γενίκευσης. | |
| dc.language.iso | el | |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/deed.el | |
| dc.subject | Ηλεκτρονικοί υπολογιστές -- Δίκτυα | |
| dc.subject | Neural networks (Computer science) | |
| dc.subject | Προσομοίωση | |
| dc.title | Μοντελοποίηση περιβάλλουσας ανάλυσης δεδομένων με τεχνητά νευρωνικά δίκτυα | |
| dc.type | Master Thesis | |
| europeana.isShownAt | https://dione.lib.unipi.gr/xmlui/handle/unipi/4154 | |
| europeana.type | IMAGE | |
| dc.identifier.call | 005.8 ΣΩΤ | |
| dc.description.abstractEN | Data envelopment analysis is considered as one of the most important non-parametric techniques to evaluate the efficiency scores of decision making units. Nevertheless, in large datasets this process requires huge computer resources in terms of memory and CPU time. In this current work it is attempted to model data envelopment analysis on artifial neural networks which are also non-parametric. However they require much less computer resources and they have the ability of training and generalization. |
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:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 4.0 Διεθνές