dc.contributor.advisor | Sotiropoulos, Dionisios | |
dc.contributor.advisor | Σωτηρόπουλος, Διονύσιος | |
dc.contributor.author | Tasioulis, Georgios | |
dc.contributor.author | Τασιούλης, Γεώργιος | |
dc.date.accessioned | 2023-01-16T10:48:54Z | |
dc.date.available | 2023-01-16T10:48:54Z | |
dc.date.issued | 2022-11 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/15001 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/2423 | |
dc.description.abstract | Η παρούσα μεταπτυχιακή διατριβή πραγματεύεται το ζήτημα της αναγνώρισης εικόνων με τη χρήση τεχνητών νευρωνικών δικτύων. Αρχικά γίνεται αναφορά στον τομέα της μηχανικής μάθησης και εξετάζεται ο αλγόριθμος της επικλινούς καθόδου που είναι βασικό συστατικό πολλών τεχνητών νευρωνικών δικτύων. Εν συνεχεία παρουσιάζεται η γενική δομή και λειτουργία των τεχνητών νευρωνικών δικτύων από τη στιγμή που τροφοδοτούνται με τα πρώτα δεδομένα έως το τελικό αποτέλεσμα που παράγουν. Ειδική αναφορά γίνεται στα τεχνητά νευρωνικά δίκτυα αισθητήρα, συνελικτικά, επαναλαμβανόμενα και παραγωγικά ανταγωνιστικά τεχνητά νευρωνικά δίκτυα. Τέλος γίνεται κατασκευή τεχνητού νευρωνικού δικτύου για κάθε μία από τις προαναφερθείσες κατηγορίες ώστε να εκπαιδευτεί, να δοκιμαστεί και να αξιολογηθεί σε πραγματικά δεδομένα εικόνων. | el |
dc.format.extent | 188 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
dc.title | Αναγνώριση εικόνων με τη χρήση τεχνητών νευρωνικών δικτύων | el |
dc.title.alternative | Image recognition with neural networks | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | The present thesis describes the issue of image recognition with the use of artificial neural networks. It starts with an introduction to machine learning and the algorithm of gradient descent which is a key element to many artificial neural networks. Afterwards, the general structure and function of artificial neural networks is presented from the moment of the first input data till the production of the outcome. Emphasis is shown on single and multi-layer perceptrons, convolutional and recurrent neural networks and generative adversarial neural networks. Finally, a network of each of the aforementioned categories is constructed, trained, tested and evaluated on real image data. | el |
dc.contributor.master | Πληροφορική | el |
dc.subject.keyword | Artificial neural networks | el |
dc.subject.keyword | Image recognition | el |
dc.subject.keyword | Machine learning | el |
dc.subject.keyword | Data science | el |
dc.subject.keyword | Single layer perceptron | el |
dc.subject.keyword | Multi-layer perceptron | el |
dc.subject.keyword | Convolutional neural network | el |
dc.subject.keyword | Recurrent neural network | el |
dc.subject.keyword | Generative adversarial neural network | el |
dc.subject.keyword | Gradient descent | el |
dc.subject.keyword | Activation function | el |
dc.subject.keyword | Loss function | el |
dc.subject.keyword | Normalisation | el |
dc.subject.keyword | Learning rate | el |
dc.subject.keyword | Τεχνητά νευρωνικά δίκτυα | el |
dc.subject.keyword | Αναγνώριση εικόνας | el |
dc.subject.keyword | Μηχανική μάθηση | el |
dc.subject.keyword | Επιστήμη δεδομένων | el |
dc.subject.keyword | Τεχνητό νευρωνικό δίκτυο αισθητήρα | el |
dc.subject.keyword | Επαναλαμβανόμενο τεχνητό νευρωνικό δίκτυο | el |
dc.subject.keyword | Παραγωγικό ανταγωνιστικό τεχνητό νευρωνικό δίκτυο | el |
dc.subject.keyword | Επικλινής κάθοδος | el |
dc.subject.keyword | Συνάρτηση ενεργοποίησης | el |
dc.subject.keyword | Συνάρτηση απώλειας | el |
dc.subject.keyword | Κανονικοποίηση | el |
dc.subject.keyword | Ρυθμός εκπαίδευσης | el |
dc.date.defense | 2022-11-11 | |