Μέτρα Της Οργάνωσης Και Της Ποιότητας Για Το Υβριδικό Νευρωνικό Δίκτυο Self-organizing Hidden Markov Model Map

Abstract

Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η ανάπτυξη και η μελέτη μέτρων της οργάνωσης και της ποιότητας για το υβριδικό νευρωνικό δίκτυο Self-Organizing Hidden Markov Model Map (SOHMMM). Αρχικά, μελετάται μια πλειάδα ήδη υπάρχοντων μέτρων για αλγόριθμους εύρεσης συστάδων. Στη συνέχεια, με βάση αυτά, αναπτύσσονται νέα μέτρα οργάνωσης εξειδικευμένα για το SOHMMM και τελικά διερευνάται η επίδοση και η λειτουργικότητά τους μέσω προσομοιώσεων με τεχνητά και πραγματικά σύνολα δεδομένων. Στόχος της ανάπτυξης των μέτρων αυτών είναι η παρακολούθηση της διαδικασίας εκπαίδευσης του δικτύου (για παράδειγμα σε λογικές πρόωρου τερματισμού)καθώς και ο προσδιορισμός μιας βέλτιστης παραμετροποίησης για το δίκτυο με βάση το συγκεκριμένο σύνολο δεδομένων.Στο Κεφάλαιο 1 πραγματοποιείται μια εισαγωγή στη μελέτη που έγινε καθώς και σε κάποιες βασικές έννοιες. Στα Κεφάλαια 2 και 3 παρουσιάζονται αντίστοιχα ο αυτο-οργανούμενος χάρτης (SOM) και το Hidden Markov Model που αποτελούν τα συστατικάμέρη του υβριδικού νευρωνικού δικτύου SOHMMM. Το τελευταίο παρουσιάζεται στο Κεφάλαιο 4. Στο Κεφάλαιο 5 γίνεται μια αναλυτική περιγραφή των μέτρων οργάνωσης που μελετήθηκαν. Παρουσιάζονται τα μέτρα με παράλληλη αναφορά στην αρχική μορφή και χρήση τους ενώ στη συνέχεια αναφέρονται οι τροποποιήσεις και προσαρμογές που έγιναν προκειμένου να χρησιμοποιηθούν στο SOHMMM. Για κάθε ένα από τα μέτρα δίνεται και η αναμενόμενη συμπεριφορά του κατά τη διάρκεια της διαδικασίας εκπαίδευσης ή ανάλογα με διαφορετικές παραμετροποιήσεις. Το Κεφάλαιο 6 αφορά στις πραγματοποιηθείσες προσομοιώσεις. Παρουσιάζονται τα αποτελέσματα και εξάγονται κάποια συμπεράσματα σχετικά με τις επιδόσεις και τη λειτουργικότητα του κάθε μέτρου.