Artificial neural networks: an overview and applications

Abstract

H παρούσα εργασία μελετά την έννοια των Τεχνητών Νευρωνικών Δικτύων στον τομέα της Προβλεπτικής Αναλυτικής στην Ιατρική και στην Αναγνώριση Xειρόγραφων Ψηφίων. Το Τεχνητό Νευρικό Δίκτυο είναι ένα μαθηματικό μοντέλο, εμπνευσμένο από βιολογικά νευρωνικά δίκτυα, χρησιμοποιείται αποτελεσματικά για να μοντελοποιήσει πολύπλοκες σχέσεις μεταξύ σημάτων εισόδου και εξόδων. Για το μέρος που αφορά τη διάγνωση καρκίνου, το μοντέλο που επιλέχθηκε είναι ένα Perceptron πολλαπλών επιπέδων, αποτελούμενο από ένα κρυφό επίπεδο, εκπαιδευμένο με αλγόριθμο οπίσθιας διάδοσης. Τροφοδοτώντας το νευρωνικό με μετρήσεις χαρακτηριστικών από τον πυρήνα κυττάρων, που παρέχεται από το σύνολο δεδομένων για τον καρκίνο του μαστού του Wisconsin, το εκπαιδευμένο μοντέλο μπορεί να ταξινομήσει με ακρίβεια το περιστατικό μεταξύ καλοήθους και κακοήθους. Χρησιμοποιώντας διαφορετικούς συνδυασμούς των παραμέτρων και αλλάζοντας τις συναρτήσεις ενεργοποίησης, το μοντέλο πέτυχε 97,35% ακρίβεια, δείχνοντας ότι μπορεί να προσφέρει μια ισοδύναμη ή ακόμα καλύτερη εναλλακτική λύση συγκριτικά με την ανθρώπινη διάγνωση. Για το μέρος της εργασίας που αφορά στην αναγνώριση χειρόγραφων ψηφίων, το MLP που εκπαιδεύτηκε με αλγόριθμο οπίσθιας διάδοσης πέτυχε 93,9% ακρίβεια. Το αξιοσημείωτο είναι ότι το δίκτυο δυσκολεύτηκε να διακρίνει ψηφία που συγχέονται συχνά και από γυμνό μάτι.