Κατηγοριοποίηση πλοίων με την χρήση νευρωνικών δικτύων
| dc.contributor.advisor | Θεοδωρίδης, Ιωάννης | |
| dc.contributor.author | Ευθυμίου, Άγγελος Χρ. | |
| dc.date.accessioned | 2018-01-11T07:28:50Z | |
| dc.date.available | 2018-01-11T07:28:50Z | |
| dc.date.issued | 2017-11 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/10458 | |
| dc.description.abstract | Σκοπός της εργασίας είναι, η δημιουργία και η χρήση ενός νευρωνικού δικτύου, το οποίο θα χρησιμοποιείται για την κατηγοριοποίηση των πλοίων με βάση τον τρόπο κίνησης τους. Παρακάτω, παρουσιάζονται κάποιες από τις αρχιτεκτονικές των μοντέλων πρόβλεψης, που έχουν επικρατήσει τα τελευταία χρόνια. Επίσης, γίνεται εκτενής αναφορά στον Fuzzy means αλγόριθμο, που χρησιμοποιείται για τη δημιουργία του μοντέλου πρόβλεψης, καθώς επίσης και στον αλγόριθμο one vs all, που θα χρησιμοποιηθεί για την κατηγοριοποίηση των αποτελεσμάτων. Ακόμη, αναφέρεται ο τρόπος με τον οποίο θα δημιουργηθούν τα δεδομένα, όπως επίσης και ο τρόπος επεξεργασίας τους, προκειμένου να εμπεριέχουν όσο το δυνατόν καλύτερη πληροφορία, για να δημιουργηθεί η καλύτερη δυνατή συσχέτιση μεταξύ των δεδομένων εισόδου και εξόδου. Κατά τη διάρκεια της εργασίας, θα ασχοληθούμε με τους συντελεστές αποδοτικότητας του μοντέλου και με τις κινήσεις που θα κάνουμε, προκειμένου μέσα από την βελτίωση τους, να πετύχουμε τη σωστή λειτουργία του συστήματος. Τέλος, σε περίπτωση που τα αποτελέσματα του συστήματος παρουσιάσουν ικανοποιητική συμπεριφορά, θα προσπαθήσουμε να ελέγξουμε την ευρωστία του, μεταβάλλοντας κάποιες από τις παραμέτρους που έχουν δοθεί, για να προκύψει η βέλτιστη συμπεριφορά. Σε περίπτωση που και μετά την παραπάνω τροποποίηση, το σύστημα αποκρίνεται επιτυχώς, τότε μπορούμε να πούμε πως το δίκτυο έχει μάθει επιτυχώς τη συσχέτιση μεταξύ της εισόδου και της εξόδου. | el |
| dc.format.extent | 45 | 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 | Κατηγοριοποίηση πλοίων με την χρήση νευρωνικών δικτύων | el |
| dc.title.alternative | Ship classification with neural networks | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | The purpose of this paper is to create and use a neural network, which will be used to classify different types of ships, based on the characterized movement. Nowadays, many architectures of prediction models are used and we could have the opportunity to present them. Fuzzy means, which is a powerful algorithm and based on radial basis action of neural network architecture, will be the core component for the neural network. In order to achieve the correct results, we will use one vs all algorithm, which is used for classification problems, when we have more than two classes as outputs. All data have received from the University of Piraeus antenna, which can encapsulate data around the area of Argosaronikos sea. Firstly, we will train the neural network with all the available datasets, without any process of data. As inputs, we will give the transportation, the speed and the acceleration of every class. After that, we will try to improve the network by processing the input data, in order to get rid of the noise and then we will retrain the network. If the result is successful, we will check the robustness of the network via changing some of the parameters, in order to observe, if the response of the network, will remain in good rate. | el |
| dc.contributor.master | Πληροφορική | el |
| dc.subject.keyword | Αλγόριθμοι | el |
| dc.subject.keyword | Νευρωνικά δίκτυα | el |
| dc.subject.keyword | Πλοία | el |
| dc.subject.keyword | Αρχιτεκτονική ηλεκτρονικών υπολογιστών | el |
| dc.subject.keyword | Neural networks (Computer science) | el |
| dc.subject.keyword | Fuzzy | el |
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