Ανάπτυξη βιβλιοθήκης λογισμικού για εφαρμογές μηχανικής μάθησης σε παράλληλα υπολογιστικά συστήματα
| dc.contributor.advisor | Δερματάς, Ευάγγελος | |
| dc.contributor.author | Μπαμπούρης, Ανδρέας | |
| dc.contributor.committee | Σγάρμπας, Κυριάκος | |
| dc.contributor.other | Bampouris, Andreas | |
| dc.date.accessioned | 2019-02-01T17:56:29Z | |
| dc.date.available | 2019-02-01T17:56:29Z | |
| dc.date.copyright | 2018-10-05 | |
| dc.degree | Διπλωματική Εργασία | el |
| dc.description.abstract | Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η προγραμματιστική υλοποίηση βασικών τεχνικών μηχανικής μάθησης με τέτοιο τρόπο που να γίνεται εκμετάλλευση των αρχιτεκτονικών παράλληλης επεξεργασίας που συναντώνται στους σύγχρονους υπολογιστές. Έχουν υλοποιηθεί μοντέλα και μέθοδοι όπως αυτά της γραμμικής παλινδρόμησης, της λογιστικής παλινδρόμησης, των τεχνητών νευρωνικών δικτύων εμπρόσθιας τροφοδότησης, του απλού ταξινομητή Bayes, της εκμάθησης δέντρων αποφάσεων, και της ομαδοποίησης k-μέσων. Έγινε χρήση της γλώσσας προγραμματισμού C++ μαζί με τη βιβλιοθήκη γραμμικής άλγεβρας Eigen, ενώ για την παραλληλοποίηση των αλγορίθμων χρησιμοποιήθηκε το πρότυπο OpenMP. Στα πλαίσια της εργασίας έγιναν δοκιμές σε πραγματικά δεδομένα, και η προκύπτουσα βιβλιοθήκη λογισμικού μπορεί να χρησιμοποιηθεί για την ανάπτυξη πραγματικών εφαρμογών. | el |
| dc.description.translatedabstract | The objective of this diploma thesis is a software implementation of certain basic machine learning techniques in such way that they are able to make use of the parallel computing architectures present in modern computers. Models and methods implemented include: linear regression, logistic regression, feedforward neural networks, the naive Bayes classifier, decision tree learning, and k-means clustering. The programming language used is C++ along with the linear algebra library Eigen, while the OpenMP standard was used to introduce parallelization. Real data from various sources were used for the purpose of testing the library's capabilities, and the end result can be used to develop real applications. | el |
| dc.identifier.uri | http://hdl.handle.net/10889/11867 | |
| dc.language.iso | gr | el |
| dc.rights | 0 | el |
| dc.subject | Μηχανική μάθηση | el |
| dc.subject | Βιβλιοθήκη λογισμικού | el |
| dc.subject | Παράλληλος προγραμματισμός | el |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.subject | Βαθιά μάθηση | el |
| dc.subject | Νευρωνικά δίκτυα | el |
| dc.subject.alternative | Machine learning | el |
| dc.subject.alternative | Software library | el |
| dc.subject.alternative | Parallel computing | el |
| dc.subject.alternative | Artificial intelligence | el |
| dc.subject.alternative | Deep learning | el |
| dc.subject.alternative | Neural networks | el |
| dc.subject.ddc | 006.31 | el |
| dc.title | Ανάπτυξη βιβλιοθήκης λογισμικού για εφαρμογές μηχανικής μάθησης σε παράλληλα υπολογιστικά συστήματα | el |
| dc.title.alternative | Development of a software library for machine learning applications on parallel computers | el |
| dc.type | Thesis | el |