Μπεϋζιανά Νευρωνικά Δίκτυα

Κουδούνας, Νικόλαος; Koudounas, Nikolaos

dc.contributor.author	Κουδούνας, Νικόλαος	el
dc.contributor.author	Koudounas, Nikolaos	el
dc.date.accessioned	2018-02-15T11:02:02Z
dc.date.available	2018-02-15T11:02:02Z
dc.date.issued	2018-02-15
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/46512
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.7861
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Κατηγοριοποίηση	el
dc.subject	Παλινδρόμηση	el
dc.subject	Μπεϋζιανή Στατιστική	el
dc.subject	ΜCMC	en
dc.subject	Neural Networks	en
dc.subject	Regression	en
dc.subject	ClaSSIFICATION	en
dc.title	Μπεϋζιανά Νευρωνικά Δίκτυα	el
heal.type	masterThesis
heal.classification	Μαθηματικά	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2017-10-10
heal.abstract	Σε αυτήν την εργασία θα ασχοληθούμε με νευρωνικά δίκτυα για προβλήματα παλινδρόμησης και κατηγοριοποίησης. Τα μοντέλα αυτά είναι αρκετά σύνθετα και έχουν αρκετές παραμέτρους για εκτίμηση. Από την πλευρά της Μπεϋζιανής Στατιστικής, μπορούμε να θεωρήσουμε αυτές τις παραμέτρους τυχαίες μετα- βλητές και να υπολογίσουμε την ύστερη κατανομή τους. Με αυτόν τον τρόπο μπορούμε να ποσοτικοποιήσουμε την αβεβαιότητα στο μοντέλο μας και να έχου- με μία πιο γενική άποψη για τις προβλέψεις του, αλλά και την μεταβλητότητάς τους. Στο πρώτο κεφάλαιο θα δούμε το μαθηματικό μοντέλο που κρύβεται πίσω από την θεωρία των νευρωνικών δικτύων, ενώ στο δεύτερο θα δούμε πώς συνδυάζεται με την Μπεϋζιανή Στατιστική. Ακόμα θα δημιουργήσουμε ένα πιλοτικό πρόβλημα κατηγοριοποίησης και θα τρέξουμε προσομοιώσεις χρη- σιμοποιώντας την γλώσσα Python 3.5 . Τέλος στο τρίτο κεφάλαιο θα δούμε πως προσαρμόζεται ένα τέτοιο μοντέλο και σε ένα πραγματικό πρόβλημα πα- λινδρόμησης. Το τέταρτο κεφάλαιο είναι το Παράρτημα, όπου υπάρχουν ανα- λυτικές οδηγίες για την προσομοίωση ενός Μπεϋζιανού μοντέλου στον Η/Υ, χρησιμοποιώντας κυρίως την βιβλιοθήκη Μπεϋζιανής Στατιστικής PyMC3 της Python .	el
heal.advisorName	Φουσκάκης, Δημήτριος	el
heal.committeeMemberName	Φουσκάκης, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	92 σ.	el
heal.fullTextAvailability	true