Τεχνητά νευρωνικά δίκτυα για την υλοποίηση συστημάτων υποστήριξης αποφάσεων

• Κύριος συγγραφέας: Αλεξίου, Σταύρος
• Άλλοι συγγραφείς: Alexiou, Stavros
• Γλώσσα: Greek
• Έκδοση: 2023
• Θέματα: Τεχνητά νευρωνικά δίκτυα; Συστήματα υποστήριξης αποφάσεων; Δίκτυο kohonen; Αναδρομικα δίκτυα; Δίκτυα εμπρόσθιας διάδοσης; Φίλτρα Kalman; Καρκίνος του μαστού; Αλγόριθμος οπίσθιας διάδοσης; Backpropagation; Matlab; Kalman filters; Breast cancer; Artificial neural networks

Η παρούσα διπλωματική εργασία αναφέρεται στη μελέτη της εσωτερικής δομής και λειτουργίας των Τεχνητών Νευρωνικών Δικτύων (ΤΝΔ) με απώτερο σκοπό την εφαρμογή τους στην υλοποίηση συστημάτων υποστήριξης αποφάσεων (ΣΥΑ) στον τομέα της ιατρικής. Ειδικότερα, σε ΣΥΑ για την πρόβλεψη του καρκίνου του μαστού. Στα επόμενα, γίνεται μια εκτενής παρουσίαση της δομικής υπόστασης, λειτουργίας και υλοποίησης τέτοιου είδους συστημάτων αλλά και βασικών αρχιτεκτονικών ΤΝΔ για την εξαγωγή συμπερασμάτων ανίχνευσης καρκίνου του μαστού. Συγκεκριμένα, αφού βρέθηκε το κατάλληλο σύνολο προτύπων, από ιατρικά στοιχεία με σκοπό την τροφοδοσία του ΤΝΔ, ορίστηκε ένα Δίκτυο Kohonen για την εύρεση των πιθανών εσωτερικών συσχετίσεων μεταξύ των χαρακτηριστικών της νόσου, τα οποία αξιοποιήθηκαν ως συστατικά κάθε προτύπου. Έχοντας ως γνώμονα αυτό, το σύνολο υπέστη την απαραίτητη προεπεξεργασία (εύρεση στοιχειωδών στατιστικών μεγεθών, διαχείριση ελλιπών τιμών, κλιμάκωση), λαμβάνοντας με τον τρόπο αυτό την τελική του μορφή για την εισαγωγή των προτύπων στο αντίστοιχο ΤΝΔ. Στοχεύοντας στην παραγωγή της βέλτιστης και της ασφαλέστερης πρόβλεψης της εξόδου, ορίστηκαν δύο βασικές αρχιτεκτονικές ΤΝΔ (Εμπρόσθιας Διάδοσης, Αναδρομικών Δικτύων), των οποίων τα αποτελέσματα συγκρίνονται και αναλύονται εκτενώς, αφού προηγήθηκαν αρκετές παραμετροποιήσεις τους (συναρτήσεις βελτιστοποίησης, πλήθος Νευρώνων ανά επίπεδο, πλήθος κρυμμένων επιπέδων, Συνάρτηση Κόστους). Στην προσπάθεια λήψης ακόμα καλύτερων αποτελεσμάτων υλοποιήθηκε, ως κανόνας Εκπαίδευσης, ο αλγόριθμος του Kalman με στόχο τη σύγκρισή του με τον κλασικό κανόνα Οπίσθιας Διάδοσης στο Μοντέλο Εμπρόσθιας Διάδοσης, που ορίσθηκε. Στη συνέχεια, έγινε εκτενής χρήση του προτύπου Matlab, επαναλαμβάνοντας τις παραπάνω διαδικασίες στο Μοντέλο Εμπρόσθιας Διάδοσης, για λόγους επαλήθευσης. Τέλος, αναπτύχθηκε μια μέθοδος για την αυτόματη εύρεση του βέλτιστου πλήθους Νευρώνων ανά επίπεδο στο Δίκτυο και την επαλήθευση των πειραματικών αποτελεσμάτων, που είχαν ληφθεί σε προηγούμενο χρόνο.