Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17442
Full metadata record
DC FieldValueLanguage
dc.contributor.authorAtsidakou, Alexia-
dc.date.accessioned2019-11-18T08:01:36Z-
dc.date.available2019-11-18T08:01:36Z-
dc.date.issued2019-11-12-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17442-
dc.description.abstractΤα νευρωνικά δίκτυα είναι ένα από τα βασικότερα εργαλεία που χρησιμοποιούνται στη μηχανική μάθηση. Η κύρια χρήση τους είναι η εύρεση μοτίβων ή συμπεριφορών που είναι δύσκολο να βρεθούν από τον άνθρωπο, είτε λόγω της μεγάλης περιπλοκότητας τους, είτε λόγω του τεράστιου χώρου στον οποίο πρέπει κανείς να αναζητήσει. Αν και η ιδέα των τεχνητών νευρωνικών δικτύων έχει προταθεί από τη δεκαετία του 1940, τις τελευταίες δεκαετίες έχουν γίνει ιδιαιτέρως δημοφιλή. Στην παρούσα διπλωματική εργασία μελετάται το πρόβλημα της εύρεσης πυρήνα συνόλου οντολογικών δεδομένων, στα πλαίσια της ανάπτυξης δεδομένων εκμάθησης για συσχετιστικά νευρωνικά δίκτυα. Η παρούσα διπλωματική βρίσκεται στην τομή των νευρωνικών δικτύων με άλλες περιοχές της τεχνητής νηομοσύνης, όπως η αναπαράσταση και αποθήκευση γνώσης. Η αναπαράσταση γνώσης είναι ο τομέας που μελετά πώς ένα υποσύνολο του κόσμου, τα γεγονότα, οι ιδέες του και άλλα χαρακτηριστικά του, μπορούν να μοντελοποιηθούν σε ένα σύστημα το οποίο μπορεί να υποστηρίζει αυτοματοποιημένη συλλογιστική. Μεγάλος αριθμός μεθόδων έχει προταθεί για την αναπαράσταση γνώσης, όπως η Λογική Πρώτη Τάξης, οι Λογικές Ανώτερης Τάξης και τα Σημασιολογικά δίκτυα. Ο διάφορες προσεγγίσεις ταλαντεύονται ανάμεσα στο βαθμό εκφραστικότητας της περιγραφής και την υπολογιστική πολυπλοκότητα, καθώς η εκφραστικότερη αναπαράσταση αυξάνει τη δυσκολία εξαγωγής συμπερασμάτων από την αποθηκευμένη γνώση. Στην παρούσα διατριβή θα μελετηθούν διάφορα προβλήματα εύρεσης ελαχιστοτικών υποσυνόλων μίας βάσης γνώσης. Αρχικά, θα μελετηθεί το πρόβλημα της ελαχιστοποίησης της αποθηκευμένης γνώσης, αλλά και το αντίστοιχο πρόβλημα υπό την παρουσία ερωτημάτων που μπορεί να τεθούν στη γνώση, ενώ στη συνέχεια η μελέτη θα επεκταθεί στην εύρεση όλων των ελαχιστοτικά ισοδύναμων υποσυνόλων της γνώσης. Τα αποτελέσματα μπορούν να χρησιμοποιηθούν από ένα νευρωνικό δίκτυο με σκοπό την εκμάθηση απάντησης ερωτημάτων, ώστε να αποφευχθεί η εκτενής αποθήκευση γνώσης και η χρονοβόρα διαδικασία συλλογιστικής που συνοδεύει την εξαγωγή συμπερασμάτων.en_US
dc.languageelen_US
dc.subjectΝευρωνικά Δίκτυαen_US
dc.subjectΜηχανική Μάθησηen_US
dc.subjectΑναπαράσταση Γνώσηςen_US
dc.subjectΣυλλογιστικήen_US
dc.subjectΕλαχιστοποίηση Βάσης Γνώσηςen_US
dc.titleΑνάπτυξη δεδομένων εκμάθησης για συσχετιστικά νευρωνικά δίκτυα: εύρεση πυρήνα συνόλου δεδομένωνen_US
dc.description.pages64en_US
dc.contributor.supervisorΣτάμου Γιώργοςen_US
dc.departmentΤομέας Τεχνολογίας Πληροφορικής και Υπολογιστώνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
diplomatiki_final.pdf600.84 kBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.