Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων
Στην παρούσα διπλωματική εργασία γίνεται μια μελέτη για την πρόβλεψη τριών κατηγοριών, frail, non frail και pre frail , από ατόμων τρίτης ηλικίας. Πιο συγκεκριμένα χρησιμοποιήσαμε δεδομένα τα οποία συλλέχθηκαν μέσο ενός ειδικού γελέκου , όπως acceleration των τριών αξόνων και τριών διαφορετικών τ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/16346 |
| id |
nemertes-10889-16346 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-163462022-09-05T05:00:08Z Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων Development of a multi instance learning system using convolutional networks Βούτσας, Βασίλειος Vasileios, Voutsas Συνελικτικά δίκτυα Τεχνητοί νευρώνες Convolutional networks Artificial neurons Στην παρούσα διπλωματική εργασία γίνεται μια μελέτη για την πρόβλεψη τριών κατηγοριών, frail, non frail και pre frail , από ατόμων τρίτης ηλικίας. Πιο συγκεκριμένα χρησιμοποιήσαμε δεδομένα τα οποία συλλέχθηκαν μέσο ενός ειδικού γελέκου , όπως acceleration των τριών αξόνων και τριών διαφορετικών τύπου καρδιογραφήματα. Έπειτα από την προ-επεξεργασία των δεδομένων , σχεδιάστηκε ένα συνελικτικό νευρωνικό δίκτυο (CNN) με μάθησης πολλαπλών στιγμιότυπών (MIL). In recent years we see a significant growth in technology, now the field of neural networks and deep learning has attracted more and more interest and attract more people. This interest and need in this field were created by the importance of processing, large volume of data and extracting data we need in short term that cannot be done by human factor alone. So, with these needs now to be met we have reached the point of developing numerous algorithms and systems but that does not stop the constant search for new ones and improving the existing ones. In this thesis a study is done to predict three categories, frail ,non frail and pre frail, from elderly people. More specifically we used data which were collected through a special hawk, such as acceleration of three axes and three different types of cardiograms. After pre-processing the data, a convolutional neural network(CNN) with multi-instand learning (MIL) was designed. In conclusion, the results were evaluated based on graphs which are referenced in the following chapters. The results are relatively good based on the type and the way the data was collected. 2022-07-01T10:03:58Z 2022-07-01T10:03:58Z 2022-05-03 http://hdl.handle.net/10889/16346 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Συνελικτικά δίκτυα Τεχνητοί νευρώνες Convolutional networks Artificial neurons |
| spellingShingle |
Συνελικτικά δίκτυα Τεχνητοί νευρώνες Convolutional networks Artificial neurons Βούτσας, Βασίλειος Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| description |
Στην παρούσα διπλωματική εργασία γίνεται μια μελέτη για την πρόβλεψη τριών κατηγοριών,
frail, non frail και pre frail , από ατόμων τρίτης ηλικίας. Πιο συγκεκριμένα χρησιμοποιήσαμε
δεδομένα τα οποία συλλέχθηκαν μέσο ενός ειδικού γελέκου , όπως acceleration των τριών
αξόνων και τριών διαφορετικών τύπου καρδιογραφήματα. Έπειτα από την προ-επεξεργασία των
δεδομένων , σχεδιάστηκε ένα συνελικτικό νευρωνικό δίκτυο (CNN) με μάθησης πολλαπλών
στιγμιότυπών (MIL). |
| author2 |
Vasileios, Voutsas |
| author_facet |
Vasileios, Voutsas Βούτσας, Βασίλειος |
| author |
Βούτσας, Βασίλειος |
| author_sort |
Βούτσας, Βασίλειος |
| title |
Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| title_short |
Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| title_full |
Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| title_fullStr |
Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| title_full_unstemmed |
Ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| title_sort |
ανάπτυξη συστήματος μάθησης πολλαπλών στιγμιότυπων με χρήση συνελικτικών δικτύων |
| publishDate |
2022 |
| url |
http://hdl.handle.net/10889/16346 |
| work_keys_str_mv |
AT boutsasbasileios anaptyxēsystēmatosmathēsēspollaplōnstigmiotypōnmechrēsēsyneliktikōndiktyōn AT boutsasbasileios developmentofamultiinstancelearningsystemusingconvolutionalnetworks |
| _version_ |
1771297141720875008 |
