Ενσωμάτωση Μεθόδων Αναπαράστασης Γνώσης Και Τεχνικών Μηχανικής Μάθησης Σε Νέες Αρχιτεκτονικές Ταξινόμησης Πληροφοριών

Abstract

Στη διπλωματική αυτή εργασία παρουσιάζονται μέθοδοι της αιχμής της τεχνολογίας, οι οποίες συνδυάζουν τεχνικές αναπαράστασης γνώσης - εστιάζοντας σε εκφραστικές περιγραφικές λογικές - και τεχνικές μηχανικής μάθησης, δίνοντας έμφαση σε τεχνητά νευρωνικά δίκτυα. Η πλέξη αυτή των τεχνικών γίνεται στο πλαίσιο μιας αρχιτεκτονικής που προσομοιώνει ένα νευρωνικο-συμβολικό κύκλο επεξεργασίας, κυρίως για προβλήματα ταξινόμησης πληροφοριών. Η περιγραφόμενη αρχιτεκτονική αποτελεί τη βάση για ανάπτυξη συστημάτων που έχουν τη δυνατότητα να ενσωματώνουν διαθέσιμες οντολογίες και βάσεις γνώσης και να προσαρμόζουν τη γνώση τους σε προβλήματα του πραγματικού κόσμου, όπως είναι μεταβλητές συνθήκες χρήσης και περιβάλλοντος, διαφορετικοί χρήστες και εννοιολογικό πλαίσιο αλληλεπίδρασης. Στην παρούσα εργασία ο στόχος αυτός επιτυγχάνεται με μεταφορά της γνώσης, μέσω μεθόδων πυρήνα (kernels), στην λειτουργία του αλγορίθμου μηχανικής μάθησης μιας δομής διανυσμάτων υποστήριξης (support vectors) ή μιας μορφής kernel (multilayer) perceptrons. Η προσαρμογή της γνώσης γίνεται στο - υποσυμβολικό - επίπεδο των μεθόδων μηχανικής μάθησης και μπορεί να εξαχθεί, στη συνέχεια, στο υποσύστημα αναπαράστασης γνώσης για εμπλουτισμό της βάσης γνώσης με περιπτώσεις εφαρμογής της στον πραγματικό κόσμο. Ένα πρόβλημα ανάλυσης - ταξινόμησης και κατάτμησης - εικόνων χρησιμοποιείται για την επίδειξη των θεωρητικών αποτελεσμάτων της εργασίας.