Καινοτόμες Μεθοδολογίες Μηχανικής Μαθήσεως

Abstract

Στόχος της διδακτορικής αυτής διατριβής ήταν η ενδελεχής μελέτη των μεθοδολογιών μηχανικής μάθησης, και η χάραξη νέων δρόμων στον χώρο, με την εισαγωγή πρωτοτύπων μεθοδολογιών και καινοτόμων επαναστατικών θεωρήσεων αναγνώρισης προτύπων. Μεγάλη έμφαση εδώθη στις τεχνικές Variational Bayesian inference, που κατά την γνώμη του συγγραφέως αποτελούν το αύριο των μεθοδολογιών αναγνώρισης προτύπων των βασισμένων σε προσεγγίσεις statistical clustering, με συνεισφορά ενός πρωτότυπου μοντέλου εύρωστης αναγνώρισης προτύπων για πολυδιάστατα δεδομένα, καθώς και οι μεθοδολογίες fuzzy clustering. Σε αυτό τον τελευταίο χώρο εντοπίζεται και η μεγαλύτερη και σημαντικότερη συνεισφορά της παρούσης διατριβής, με την εισαγωγή μιας νέας θεώρησης του τί είναι fuzzy clustering, υπό την έννοια του τι εργασίες μηχανικής μάθησης μπορεί κανείς να περαιώσει με χρήση fuzzy clustering, κατά την οποία ο αλγόριθμος FCM αναδεικνύεται σε μια πλεονεκτηματική εναλλακτική τoυ ΕΜ αλγορίθμου (και λοιπών statistical clustering προσεγγίσεων) για την εκπαίδευση πολλών μορφών πιθανοτικών παραγωγικών μοντέλων. Πλέον αυτών, η εργασία αυτή παρήχε ακόμα ένα καινοτόμο αλγόριθμο hidden Markov models, προσφέρων εξαιρετικά πλεονεκτήματα σε ένα πολύ μεγάλο εύρος εφαρμογών σε σχέση με τις σημερινές τεχνικές, και τέλος, μια νέα μέθοδο ταυτοποίησης ομιλητή, στηριγμένη σε Gaussian process models.