Μάθηση διατάξεων από δείγματα με ελλιπή πληροφορία

Σταυρόπουλος, Κωνσταντίνος

dc.contributor.author	Σταυρόπουλος, Κωνσταντίνος	el
dc.date.accessioned	2020-11-09T12:54:00Z
dc.date.available	2020-11-09T12:54:00Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51833
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19531
dc.rights	Default License
dc.subject	Μάθηση κατανομών	el
dc.subject	Κατανομές διατάξεων	el
dc.subject	Μοντέλο Mallows	el
dc.subject	Θεωρία πιθανοτήτων	el
dc.subject	Θεωρία μάθησης	el
dc.subject	Distribution learning	en
dc.subject	Mallows model	en
dc.subject	Ranking distributions	en
dc.subject	Probability theory	en
dc.subject	Learning theory	en
dc.title	Μάθηση διατάξεων από δείγματα με ελλιπή πληροφορία	el
dc.title	Learning rankings from incomplete samples	en
dc.contributor.department	Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.type	bachelorThesis
heal.classification	Επιστήμη υπολογιστών	el
heal.classification	Computer science	en
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-07-13
heal.abstract	Αυτή η εργασία αποτελεί μία μελέτη πάνω στην εκμάθηση διατάξεων από θορυβώδη δείγματα τα οποία πιθανώς δεν περιέχουν όλα τα στοιχεία προς ταξινόμηση. Η εκμάθηση διατάξεων είναι ένα επίκαιρο πρόβλημα που συνδέεται στενά με τη Θεωρία Κοινωνικής Επιλογής, τα συστήματα Ψηφοφορίας και, γενικότερα, τη Μηχανική Μάθηση. Το βασικό πρόβλημα είναι η κατασκευή μίας διάταξης που είναι η πλέον ευρέως αποδεκτή, μέσω αξιοποίησης της πληρο- φορίας που περιέχεται σε ένα σύνολο διατάξεων εισόδου που γίνονται αντιληπτές ως ψήφοι ή δείγματα. Η έννοια της καθολικής αποδοχής αποκτά νόημα όταν εισάγεται κάποιο στατιστικό μοντέλο παραγωγής των διατάξεων εισόδου, ως ανεξάρτητα δείγματα. Συγκεκριμένα, ανάμε- σα σε πολλά μοντέλα παραγωγής διατάξεων, επικεντρωνόμαστε στο μοντέλο Mallows, που στηρίζεται στην ιδέα της ύπαρξης μίας κεντρικής διάταξης που χαρατηρίζει την κατανομή της πιθανότητας εμφάνισης μίας διάταξης, μέσω μίας συνάρτησης απόστασης μεταξύ διατάξεων. Η πιθανότητα εμφάνισης μίας διάταξης μειώνεται εκθετικά στην απόσταση της διάταξης από την κεντρική διάταξη. ́Εχουν αναπτυχθεί διάφοροι αλγόριθμοι για την ανακατασκευή της κεντρικής διάταξης ή κάποιας εκτίμησής της από πλήρεις διατάξεις που αποτελούν ανεξάρτητα δείγματα της κατανομής Mallows. Ωστόσο, δεν είναι πάντοτε ρεαλιστική υπόθεση ότι μπορεί κανείς να έχει πρόσβαση σε δείγματα που είναι πλήρεις διατάξεις, καθώς συνήθως το πλήθος των εναλλακτικών είναι πολύ μεγάλο. Στην εργασία αυτή, εκτός από την παρουσίαση βασι- κών θεωρητικών θεμελίων και ορισμένων αποτελεσμάτων σχετιζόμενων με την μάθηση στο μοντέλο Mallows, προτείνεται ένα γενικευμένο μοντέλο για δείγματα που δεν είναι απαραίτη- τα πλήρεις διατάξεις, αλλά διατηρεί την έννοια της κεντρικής διάταξης. Επίσης, παρέχονται αυστηρά φράγματα για τη δειγματική πολυπλοκότητα ανακατασκευής της κεντρικής διάταξης σε ορισμένες παραλλαγές του γενικευμένου μοντέλου και παρουσιάζεται ένας αλγόριθμος για τον αποδοτικό υπολογισμό της εκτίμησης μέγιστης πιθανοφάνειας της κεντρικής διάταξης από θορυβώδη δείγματα με ελλιπή πληροφορία.	el
heal.advisorName	Φωτάκης, Δημήτριος	el
heal.committeeMemberName	Παγουρτζής, Αριστείδης	el
heal.committeeMemberName	Συμβώνης, Αντώνιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	97 p.	en
heal.fullTextAvailability	false