Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος
Τα τελευταία χρόνια, τα νευρωνικά δίκτυα, έχουν καταφέρει να πιέσουν τα όρια της επεξεργασίας φυσικής γλώσσας. Μεγάλα μοντέλα όπως το BERT καταφέρνουν και προ-εκπαιδεύονται με τεράστιο όγκο δεδομένων, μαθαίνοντας ιδιομορφίες της γλώσσας και στη συνέχεια μπορούν και εξειδικεύονται σε πληθώρα προβλημά...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/13828 |
| id |
nemertes-10889-13828 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-138282022-09-06T07:02:47Z Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος Deep neural networks and application in sentiment analysis Οικονομόπουλος Παπαχρονόπουλος, Ιωάννης Oikonomopoulos Papachronopoulos, Ioannis Βαθιά νευρωνικά δίκτυα Ανάλυση συναισθήματος Μηχανική μάθηση Deep neural networks Machine learning Τα τελευταία χρόνια, τα νευρωνικά δίκτυα, έχουν καταφέρει να πιέσουν τα όρια της επεξεργασίας φυσικής γλώσσας. Μεγάλα μοντέλα όπως το BERT καταφέρνουν και προ-εκπαιδεύονται με τεράστιο όγκο δεδομένων, μαθαίνοντας ιδιομορφίες της γλώσσας και στη συνέχεια μπορούν και εξειδικεύονται σε πληθώρα προβλημάτων. Μέθοδοι παραλληλισμού και αλγόριθμοι βελτιστοποίησης όπως ο LAMB επιτρέπουν αυτή την εκπαίδευση να γίνεται σε σύντομο και πρακτικό χρόνο. Σε αυτήν την εργασία θα παρουσιάσουμε κάποια είδη νευρωνικών δικτύων και την δομή τους, καθώς και μεθόδους βελτιστοποίησης που χρησιμοποιούνται για γρήγορη και έγκυρη εκπαίδευση. 2020-10-02T05:52:18Z 2020-10-02T05:52:18Z 2020-07-20 http://hdl.handle.net/10889/13828 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Βαθιά νευρωνικά δίκτυα Ανάλυση συναισθήματος Μηχανική μάθηση Deep neural networks Machine learning |
| spellingShingle |
Βαθιά νευρωνικά δίκτυα Ανάλυση συναισθήματος Μηχανική μάθηση Deep neural networks Machine learning Οικονομόπουλος Παπαχρονόπουλος, Ιωάννης Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| description |
Τα τελευταία χρόνια, τα νευρωνικά δίκτυα, έχουν καταφέρει να πιέσουν τα όρια της επεξεργασίας φυσικής γλώσσας. Μεγάλα μοντέλα όπως το BERT καταφέρνουν και προ-εκπαιδεύονται με τεράστιο όγκο δεδομένων, μαθαίνοντας ιδιομορφίες της γλώσσας και στη συνέχεια μπορούν και εξειδικεύονται σε πληθώρα προβλημάτων. Μέθοδοι παραλληλισμού και αλγόριθμοι βελτιστοποίησης όπως ο LAMB επιτρέπουν αυτή την εκπαίδευση να γίνεται σε σύντομο και πρακτικό χρόνο. Σε αυτήν την εργασία θα παρουσιάσουμε κάποια είδη νευρωνικών δικτύων και την δομή τους, καθώς και μεθόδους βελτιστοποίησης που χρησιμοποιούνται για γρήγορη και έγκυρη εκπαίδευση. |
| author2 |
Oikonomopoulos Papachronopoulos, Ioannis |
| author_facet |
Oikonomopoulos Papachronopoulos, Ioannis Οικονομόπουλος Παπαχρονόπουλος, Ιωάννης |
| author |
Οικονομόπουλος Παπαχρονόπουλος, Ιωάννης |
| author_sort |
Οικονομόπουλος Παπαχρονόπουλος, Ιωάννης |
| title |
Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| title_short |
Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| title_full |
Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| title_fullStr |
Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| title_full_unstemmed |
Βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| title_sort |
βαθιά νευρωνικά δίκτυα και εφαρμογή τους στην ανάλυση συναισθήματος |
| publishDate |
2020 |
| url |
http://hdl.handle.net/10889/13828 |
| work_keys_str_mv |
AT oikonomopoulospapachronopoulosiōannēs bathianeurōnikadiktyakaiepharmogētousstēnanalysēsynaisthēmatos AT oikonomopoulospapachronopoulosiōannēs deepneuralnetworksandapplicationinsentimentanalysis |
| _version_ |
1799945014115041280 |
