| Περίληψη: | Τις τελευταίες δεκαετίες ο τομέας της Μηχανικής Μάθησης έχει γνωρίσει
ραγδαία ανάπτυξη για το λόγο ότι υπάρχουν πλέον συστήματα με πολύ μεγάλη
υπολογίστική ισχύ που μπορούν να χρησιμοποιηθούν για την αξιοποίηση των
δυνατοτήτων του. Αυτό το γεγονός έχει παρακινήσει το ενδιαφέρον των ερευνητών
που προσπαθούν και έχουν πετύχει να δημιουργήσουν διάφορα μοντέλα.
Στην παρούσα διπλωματική εργασία θα δούμε να παρουσιάζονται στοιχεία της
Μηχανικής Μάθησης, αφού η Βαθιά Μάθηση αποτελεί μέρος αυτής. Επίσης θα
δούμε πως σχετίζονται με τα δίκτυα εμπρόσθίας τροφοδότησης, τις τεχνικές
βελτιστοποίησης, τα συνελικτικά νευρωνικά δίκτυα και τα αναδραστικά νευρωνικά
δίκτυα. Τέλος, θα δούμε την εφαρμογή της θεωρίας μετά την περιγραφή του
προβλήματος αναγνώρισης προτύπων από εικόνες και θα παρουσιάσουμε τα
αποτελέσματα μετά την εκτέλεση αλγορίθμων επιβλεπόμενης μάθησης με χρήση
βαθιάς μάθησης στις γνωστές βάσεις δεδομένων MNIST, fashion_mnist, CiFAR-10
με αξιοποίηση της βιβλιοθήκης Keras.
|
|---|
