Εντοπισμός κρατήρων στον ΄Αρη με χρήση νευρωνικού δικτύου

Διαμάντης, Νικόλαος; Diamantis, Nikolaos

dc.contributor.author	Διαμάντης, Νικόλαος	el
dc.contributor.author	Diamantis, Nikolaos	en
dc.date.accessioned	2024-09-03T06:06:21Z
dc.date.available	2024-09-03T06:06:21Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/60092
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27788
dc.rights	Default License
dc.subject	Άρης	el
dc.subject	Mars	en
dc.subject	Τηλεπισκόπηση	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Κρατήρες	el
dc.subject	Remote sensing	en
dc.subject	Craters	en
dc.subject	Neural	en
dc.title	Εντοπισμός κρατήρων στον ΄Αρη με χρήση νευρωνικού δικτύου	el
heal.type	bachelorThesis
heal.classification	Τηλεπισκόπηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2020-07-20
heal.abstract	Η ανίχνευση και η καταγραφή των ουράνιων σωµάτων είναι ζωτικής σηµασίας για τη µελέτη της δυναµικής ιστορίας του ηλιακού συστήµατος. Οι πρόσφατες εξελίξεις στη τεχνολογία και η χρήση ψηφιακών νευρωνικών δικτύων µας δίνει τη δυνατότητα να εντοπίζουµε και να αναλύουµε γεωλογικά χαρακτηριστικά στα ουράνια σώµατα µε πολύ µεγαλύτερη ακρίβεια και ταχύτητα από ότι µε τα συµβατικά µέσα. Από τους πιο σηµαντικούς γεωλογικούς σχηµατισµούς στην επιφάνεια ενός πλανήτη εί ναι οι κρατήρες. Η µελέτη των κρατήρων ήταν πάντα ένα από τα πιο καυτά θέµατα στη γεωµορφολογία του διαστήµατος. Οι πλανήτες καλύπτονται από δισεκατοµµύρια κρατήρες µάρτυρες της διαστηµικής τους γεωλογίας. Στόχος αυτής της εργασίας είναι η σχεδίαση και υλοποίηση ενός ψηφιακού νευρωνικού δικτύου µε στόχο τον εντοπισµό κρατήρων στην επιφάνεια του πλανήτη ΄Αρη. Το νευρωνικό δίκτυο έχει υλοποιηθεί µε τη χρήση της σουίτας εργαλείων του MATLAB. Δέχεται σαν είσοδο ψηφιακές εικόνες εδάφους (DTM) τις οποίες αρχικά τις χρησιµοποιεί στη διαδικασία της εκ παίδευσης µε αποτέλεσµα να δηµιουργείται ένα πολύπλοκο µαθηµατικό µοντέλο που στοχεύει στον εντοπισµό κρατήρων στις εικόνες εισόδου. Το δίκτυο που υλοποιήθηκε χρησιµοποίησε τον αλγόριθµο αντίστροφης µετάδοσης (backpropagation) για το στά διο της εκπαίδευσης. Η αρχιτεκτονική του δικτύου περιείχε τρία επίπεδα το επίπεδο εισόδου, το επίπεδο εξόδου και ένα κρυφό επίπεδο. Δόθηκε βάση στο πρόβληµα της υπερπροσαρµογής και στις τεχνικές µε τις οποίες ένα µοντέλο νευρωνικού δικ τύου αποφεύγει την υπερπροσαρµογή. Οι τεχνικές αυτές αναφέρονται στους χωρικούς µετασχηµατισµούς των εικόνων εισόδου αλλά και στη χρήση ενός σταδίου επαλή θευσης (validation). Με αυτούς τους τρόπους το δίκτυο εντόπισε 1004 από τους 1607 κρατήρες του dataset µε ακρίβεια εντοπισµού 71%.	el
heal.advisorName	Αργιαλάς, Δημήτριος	el
heal.committeeMemberName	Αργιαλάς, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών. Τομέας Τοπογραφίας. Εργαστήριο Τηλεπισκόπησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	63 σ.	el
heal.fullTextAvailability	false