Ανάπτυξη δεδομένων εκμάθησης για συσχετιστικά νευρωνικά δίκτυα: εύρεση πυρήνα συνόλου δεδομένων

Ατσιδάκου, Αλεξία; Atsidakou, Alexia

dc.contributor.author	Ατσιδάκου, Αλεξία	el
dc.contributor.author	Atsidakou, Alexia	en
dc.date.accessioned	2020-05-07T09:17:15Z
dc.date.available	2020-05-07T09:17:15Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50412
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18110
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	Αναπαράσταση Γνώσης	el
dc.subject	Συλλογιστική	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Ελαχιστοποίηση Βάσης Γνώσης	el
dc.title	Ανάπτυξη δεδομένων εκμάθησης για συσχετιστικά νευρωνικά δίκτυα: εύρεση πυρήνα συνόλου δεδομένων	el
heal.type	bachelorThesis
heal.classification	Πληροφορική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-11-12
heal.abstract	Τα 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 νοημοσύνης, 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.	el
heal.advisorName	Στάμου, Γιώργος	el
heal.committeeMemberName	Φωτάκης, Δημήτριος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γιώργος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	64 σ.	el
heal.fullTextAvailability	false