Νευρωνικά δίκτυα και αναγνώριση προτύπων

Abstract

Κατά τα τελευταία έτη η νευρωνική υπολογιστική έχει αναδειχθεί ως ένα πρακτικό της τεχνολογίας, με επιτυχημένες εφαρμογές σε πολλούς τομείς. Οι πλειοψηφίες αυτών των εφαρμογών ασχολείται με τα προβλήματα στην αναγνώριση προτύπων και να κάνουν χρήση feed forward αρχιτεκτονικών δικτύων όπως το perceptron πολλαπλών στρωμάτων και τα δίκτυα ακτινικών συναρτήσεων. Επίσης, έχει γίνει επίσης ευρέως γνωστό ότι οι επιτυχείς εφαρμογές των νευρωνικών απαιτούν μια προσέγγιση η οποία βασίζεται σε συγκεκριμένες αρχές και δεν είναι ad hoc. Σκοπός της παρούσας διπλωματικής εργασίας είναι να παρουσιάσει τη χρήση των νευρωνικών δικτύων η οποία αντανακλά της ως άνω εφαρμογές. Από την προοπτική της αναγνώρισης προτύπων, τα νευρωνικά δίκτυα μπορούν να θεωρηθούν ως επέκταση των πολλών συμβατικών τεχνικών που έχουν αναπτυχθεί κατά τη διάρκεια αρκετών δεκαετιών. Ιστορικά, πολλές έννοιες στο νευρικό υπολογισμό έχουν εμπνευστεί από τις μελέτες των βιολογικών δικτύων. Η προοπτικές της στατιστικής αναγνώρισης προτύπων, εντούτοις, προσφέρει έναν αμεσότερο δρόμο σε πολλές από τις ίδιες έννοιες. Η παρούσα διπλωματική εργασία αναπτύσσει τον τρόπο εφαρμογής της αναγνώρισης των προτύπων μέσω των νευρωνικών δικτύων. Αρχικά στο κεφάλαιο 2 γίνεται μια αναφορά στις βασικές έννοιες της στατιστικής αναγνώρισης των προτύπων στην αντιμετώπιση συγκεκριμένων προβλημάτων. Στην συνέχεια στο κεφάλαιο 3 αναφερόμαστε στον τρόπο που είναι δομημένα και λειτουργούν τα νευρωνικά δίκτυα. Στο κεφάλαιο 4 βλέπουμε την αναπαράσταση διαχωριστικών επιφανειών μέσω ενός δικτύου Perceptron Πολλαπλών Στρωμάτων. Στο κεφάλαιο 5 αναπτύσσεται ο τρόπος λειτουργίας των δικτύων ακτινικών συναρτήσεων ενώ στο κεφάλαιο 6 των Χεμπιανών Μοντέλων Μάθησης, ειδικές περιπτώσεις νευρωνικών δικτύων. Τέλος, στο κεφάλαιο 7 αναφέρεται στα μη εκπαιδεύομενα μοντέλα, στα δίκτυα Hopfield και Hamming.