Neural networks and learning machines.

• Κύριοι συγγραφείς: Καταβάτης, Ηλίας, Γάκης, Ευάγγελος Αντώνιος
• Άλλοι συγγραφείς: Παπαδόπουλος, Δημήτριος
• Μορφή: Πτυχιακή Εργασία
• Γλώσσα: Greek
• Έκδοση: Πανεπιστήμιο Πατρών 2020
• Θέματα: Networks; Neural networks

Στην πτυχιακή αυτή εργασία πραγματοποιείται μια ανάλυση του κλάδου των Νευρωνικών Δικτύων (Neural Networks) και της Μηχανικής Μάθησης (Learning Machine). Αποτελεί έναν επιστημονικό κλάδο, ο οποίος αναπτύχθηκε ραγδαία τις τελευταίες δεκαετίες. Πρόκειται για ένα σύνολο διασυνδεδεμένων μονάδων, οι οποίες δημιουργούν ένα μοντέλο, με σκοπό να εκτελεί διάφορες λειτουργίες. Τα Τεχνητά Νευρωνικά Δίκτυα χρησιμοποιούνται σε πολλούς και διαφορετικούς επιστημονικούς κλάδους. Ο κύριος στόχος για τη δημιουργία και την ανάπτυξη του ήταν η προσομοίωση των πολύπλοκων λειτουργιών που εκτελούν τα Βιολογικά Νευρωνικά δίκτυα όπως ο ανθρώπινος εγκέφαλος. Η συγκεκριμένη εργασία αποτελείται συνολικά από έξι κεφάλαια. Πιο αναλυτικά, στο πρώτο κεφάλαιο πραγματοποιείται μια εισαγωγή στα Τεχνητά Νευρωνικά Δίκτυα. Αναφερόμαστε στη λειτουργία των Τεχνητών Νευρωνικών Δικτύων καθώς και στην αντιστοιχία τους με τα Βιολογικά Νευρωνικά Δίκτυα. Αναφέρονται και αναλύονται περαιτέρω οι αρχιτεκτονικές των Δικτύων αυτών καθώς και τα πλεονεκτήματα που διαθέτουν. Στο τέλος του συγκεκριμένου κεφαλαίου αναφέρονται ορισμένοι κλάδοι στους οποίους βρίσκουν εφαρμογή τα Τεχνητά Νευρωνικά Δίκτυα. Στο δεύτερο κεφάλαιο αυτής της εργασίας γίνεται αναφορά στις βασικές έννοιες της Μηχανικής Μάθησης καθώς και στους τρόπους με τους οποίους εκπαιδεύονται τα Τεχνητά Νευρωνικά Δίκτυα. Τέλος, περιγράφονται τα είδη και οι λειτουργίες της Μηχανικής Μάθησης. Το τρίτο κεφάλαιο ασχολήθηκε αποκλειστικά με την ανάλυση του απλού δικτύου Perceptron, το οποίο αποτελείται από έναν και μόνο νευρώνα. Αναλύονται οι τρόποι εκπαίδευσης του συγκεκριμένου αισθητήρα. Επιπλέον, αναφέρεται το μειονέκτημα που υπάρχει στο δίκτυο Perceptron καθώς και μια περιγραφή του προβλήματος της συνάρτησης XOR. Μετά την ανάλυση του απλού δικτύου Perceptron, στο τέταρτο κεφάλαιο αναφερόμαστε στο δίκτυο Perceptron που αποτελείται από πολλά επίπεδα. Αναφέρονται οι τρόποι εκπαίδευσης του συγκεκριμένου δικτύου. Πραγματοποιείται μια αναφορά στον αλγόριθμο Error Back Propagation καθώς και το μειονέκτημα που έχει ο συγκεκριμένος αλγόριθμος. Το πέμπτο κεφάλαιο αναφέρεται στον αλγόριθμο του μέσου τετραγωνικού σφάλματος Least Mean Square – LMS καθώς και στη διαδικασία φιλτραρίσματος του συγκεκριμένου αλγορίθμου. Στο έκτο και τελευταίο κεφάλαιο της συγκεκριμένης εργασίας πραγματοποιείται μια περιγραφή της μελλοντικής εξέλιξης του κλάδου των Νευρωνικών Δικτύων καθώς και τα τελικά συμπεράσματα που προέκυψαν ύστερα από τη μελέτη του συγκεκριμένου επιστημονικού κλάδου.