Show simple item record

Χρήση εξελικτικών αλγορίθμων για την εκπαίδευση Τεχνητών Νευρωνικών Δικτύων

dc.contributor.advisorΠαναγιωτόπουλος, Θεμιστοκλής
dc.contributor.authorΑναστασίου, Νικόλαος-Σπυρίδων
dc.date.accessioned2016-03-18T08:40:50Z
dc.date.available2016-03-18T08:40:50Z
dc.date.issued2015-11
dc.identifier.urihttp://dione.lib.unipi.gr/xmlui/handle/unipi/8616
dc.description.abstractΗ παρούσα διπλωματική εργασία εξετάζει εξελικτικές τεχνικές για την εκπαίδευση Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ). Με τον όρο εξελικτική τεχνική αναφερόμαστε σε μια υποκατηγορία των μετα - ευριστικών τεχνικών. Οι εξελικτικοί αλγόριθμοι περιλαμβάνουν τεχνικές οι οποίες προσπαθούν να προσομοιώσουν συμπεριφορές πληθυσμών που απαντώνται στην φύση, όπως για παράδειγμα την διαδικασία της εξέλιξης των ειδών, την κίνηση των πουλιών από ένα σημείο σε ένα άλλο, την εύρεση τροφής από ένα κοπάδι ψαριών, κα. Ο συμβατικός τρόπος εκπαίδευσης ενός ΤΝΔ γίνεται με την χρήση του αλγορίθμου Οπισθοδιάδοσης του Σφάλματος ( BP – Back Propagation Error) . Στην παρούσα εργασία ο αλγόριθμος BP συγκρίνεται με 3 εξελικτικές τεχνικές: τον Γενετικό Αλγόριθμο ( ΓΑ ), τον αλγόριθμο PSO και μία υβριδική τους προσέγγιση η οποία ονομάζεται HGAPSO. Για την αποδοτική σύγκριση των 4 αλγορίθμων υλοποιήθηκε λογισμικό, το οποίο εφαρμόζει και τις 4 τεχνικές πάνω σε σύνολα δεδομένων. Τα σύνολα δεδομένων τα οποία χρησιμοποιήθηκαν ανακτήθηκαν από το UCI Machine Learning Repository (https://archive.ics.uci.edu/ml/datasets.html). Τα δεδομένα εκπαίδευσης μετασχηματίστηκαν κατάλληλα, σε ισοδύναμη μορφή, έτσι ώστε να είναι δυνατός ο χειρισμός τους από το λογισμικόel
dc.format.extent148el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΕκπαιδευτικό λογισμικόel
dc.titleΧρήση εξελικτικών αλγορίθμων για την εκπαίδευση Τεχνητών Νευρωνικών Δικτύωνel
dc.title.alternativeEvolutionary algorithms for training Neural Networksel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικήςel
dc.description.abstractENThe current thesis examines evolutionary techniques for the training of Artificial Neural Networks (ANN). The term evolutionary technique refers to a subset of post-heuristic techniques. Evolutionary algorithms include techniques which try to simulate behaviors of populations found in nature, such as the process of evolution of species , the movement of birds from one place to another , finding food in fish-swarm , and more . The conventional way of training an ANN is using the back-propagation algorithm ( BP - Back Propagation). In this work the algorithm BP is compared with 3 evolutionary techniques the Genetic Algorithm ( GA ), the PSO algorithm and a hybrid approach them called HGAPSO . For efficient comparison of these four algorithms we implemented a software which applies the four techniques on data sets . The data sets that were used were recovered from the UCI Machine Learning Repository ( https://archive.ics.uci.edu/ml/datasets.html). The training data properly transformed, in an equivalent form so as to be used by the software.el
dc.contributor.masterΠληροφορικήel
dc.subject.keywordΑλγόριθμοιel


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Contact Us
Send Feedback
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»