Δομές δεδομένων και αλγόριθμοι με τεχνικές μηχανικής μάθησης
Loading...
Date
2026-06-16
Authors
Βούλγαρης, Νικόλαος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η ενσωμάτωση τεχνικών μηχανικής μάθησης στον σχεδιασμό θεμελιωδών δομών δεδομένων αποτελεί μια σύγχρονη και πολλά υποσχόμενη ερευνητική κατεύθυνση. Η πρώτη γενιά των εκπαιδευμένων ευρετηρίων (Learned Indexes) προσέγγισε την ευρετηρίαση ως πρόβλημα παλινδρόμησης, επιτυγχάνοντας ταχύτερους χρόνους αναζήτησης και μειωμένο αποτύπωμα μνήμης. Ωστόσο, τα μοντέλα αυτά υστερούν στη διαχείριση δυναμικών ενημερώσεων και στερούνται εγγυήσεων απόδοσης στη χειρότερη περίπτωση. Για την αντιμετώπιση αυτών των περιορισμών, αναδύθηκε το πεδίο των ενισχυμένων με μάθηση δομών (Learning-Augmented Structures), όπου η τεχνητή νοημοσύνη δεν υποκαθιστά πλήρως τις παραδοσιακές δομές, αλλά λειτουργεί ως "έξυπνος σύμβουλος". Με τον τρόπο αυτό, επιδιώκεται η βελτιστοποίηση της απόδοσης κατά την ύπαρξη ακριβών προβλέψεων, διατηρώντας
ταυτόχρονα αυστηρές εγγυήσεις απόδοσης ακόμα και σε περίπτωση ανακριβών προβλέψεων.
Η παρούσα Διπλωματική Εργασία υλοποιεί πρακτικά αυτή τη φιλοσοφία, παρουσιάζοντας μια Learning-Augmented παραλλαγή του Lazy Search Tree. Μέσω της ενσωμάτωσης ενός νευρωνικού δικτύου που προβλέπει τις τάσεις αναζήτησης των χρηστών, η προτεινόμενη δομή προσαρμόζει αυτόματα την εσωτερική της οργάνωση. Τα πειραματικά αποτελέσματα καταδεικνύουν ότι η προσέγγιση αυτή μειώνει δραματικά την κατανάλωση μνήμης και επιταχύνει τις στοχευμένες αναζητήσεις, διασφαλίζοντας παράλληλα την ακεραιότητα του συστήματος έναντι ανακριβών προβλέψεων.
Description
Keywords
Μηχανική μάθηση, Συνέπεια και ανθεκτικότητα, Νευρωνικά δίκτυα