Αυτο-επιβλεπόμενη μάθηση σε νευρωνικά δίκτυα γράφων

Πυροβολάκης, Κωνσταντίνος; Pyrovolakis, Konstantinos

dc.contributor.author	Πυροβολάκης, Κωνσταντίνος	el
dc.contributor.author	Pyrovolakis, Konstantinos	en
dc.date.accessioned	2023-01-18T08:29:02Z
dc.date.available	2023-01-18T08:29:02Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56742
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24440
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) "Επιστήμη Δεδομένων και Μηχανική Μάθηση"	el
dc.rights	Default License
dc.subject	Αυτο-Επιβλεπόμενη Μάθηση	el
dc.subject	Ανάλυση Γράφων	el
dc.subject	Βαθιά Μάθηση	el
dc.subject	Νευρωνικά Δίκτυα Γράφων	el
dc.subject	Μάθηση Αναπαραστάσεων	el
dc.title	Αυτο-επιβλεπόμενη μάθηση σε νευρωνικά δίκτυα γράφων	el
heal.type	masterThesis
heal.classification	Μηχανική Μάθηση	el
heal.classification	Τεχνητή Νοημοσύνη	el
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-01
heal.abstract	Το αντικείμενο της παρούσας διπλωματικής είναι η δημιουργία πλαισίων/εργασιών αυτο-επιβλεπόμενης μάθησης σε γράφους, χρησιμοποιώντας αρχιτεκτονικές Νευρωνικών Δικτύων Γράφων. Το θέμα της αυτο-επιβλεπόμεης μάθησης αποτελεί ένα ραγδαία εξελισσόμενο τομέα στη περιοχή της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης. Σε συνδυασμό με τα δεδομένα σε μορφή γράφων και της φύση τους να συνδυάζουν τοπικές και δομικές πληροφορίες, δημιουργούν μια συνθήκη μεγάλου ερευνητικού ενδιαφέροντος με πολλές επεκτάσεις. Η ραγδαία εξάπλωση της πληροφορίας της σύγχρονής εποχής επηρεάζει άμεσα τους τομείς της κοινωνικής, επιστημονικής και οικονομικής δραστηριότητα και τα συστήματα που τα συνοδεύουν. Πολλά από αυτά τα συστήματα αναπαριστώνται σε γράφους ή δίκτυα, όπως για παράδειγμα ένα κοινωνικό δίκτυο, ένα χημικό μόριο ή τα αντικείμενα που απεικονίζονται σε μια εικόνα. Τα συστήματα αυτά αποτελούνται από αντικείμενα, τους κόμβους δηλαδή ενός γράφου, και από τις σχέσεις που τα συνδέουν, δηλαδή τις ακμές τους γράφου. Ο επιστημονικός κλάδος της Τεχνητής Νοημοσύνης δεν θα μπορούσε να μην ακολουθήσει την τάση δημιουργίας των συνόλων δομημένων δεδομένων σε μορφή γράφων και την αξιοποίηση τους. Το πρόβλημα σε αυτή τη συνθήκη είναι ότι πολλές φορές αυτά τα δεδομένα δεν περιλαμβάνουν τις απαραίτητες επισημάνσεις, ώστε να μπορέσουν να αξιοποιηθούν από έναν αλγόριθμο Μηχανικής Μάθησης. Σε αυτή την εργασία θα προσπαθήσουμε να ξεπεράσουμε τα εμπόδια αυτά, συνθέτοντας εργασίες αυτο-επιβλεπόμενης μάθησης που δεν θα περιορίζονται από τη μη-ύπαρξη των επισημάνσεων. Συγκεκριμένα, θα προτείνουμε πέντε διαφορετικές εργασίες/πλαίσια αυτο-επιβλεπόμενης μάθησης που θα επιτρέπουν σε ένα σύστημα να εκπαιδευτεί μαθαίνοντας τις βασικές ιδιότητες και χαρακτηριστικά των γράφων που θα παίρνει σαν είσοδο. Αναφορικά αυτά τα πέντε πλαίσια μάθησης είναι η Πρόβλεψη Συνδέσμων, η Πρόβλεψη Χαρακτηριστικών Κόμβου, η Πρόβλεψη Χαρακτηριστικών Ακμής, η Πρόβλεψη Γειτονιάς και η Πρόβλεψη Συμφραζομένων.	el
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false