Search Results

Now showing 1 - 5 of 5
  • Thumbnail Image
    Item
    Αυτόματη μάθηση συντακτικών εξαρτήσεων και ανάπτυξη γραμματικών της ελληνικής γλώσσας
    (2007-06-25T07:14:40Z) Κερμανίδου, Κάτια Λήδα; Νικόλαος Φακωτάκης; Μακιός, Βασίλειος; Κοκκινάκης, Γεώργιος; Σγάρμπας, Κυριάκος; Αβούρης, Νικόλαος; Χριστοδουλάκης, Δημήτρης; Καλαμπούκης, Θεόδωρος; Δερματάς, Ευάγγελος; Kermanidis, Katia Lida
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)
    Η παρούσα διατριβή έχει ως σκοπό της, πρώτον, την ανάκτηση συντακτικής πληροφορίας (αναγνώριση συμπληρωμάτων ρημάτων, ανάκτηση πλαισίων υποκατηγοριοποίησης (ΠΥ) ρημάτων, αναγνώριση των ορίων και του είδους των προτάσεων) αυτόματα μέσα από ελληνικά και αγγλικά σώματα κειμένων με την χρήση ποικίλων και καινοτόμων τεχνικών μηχανικής μάθησης και, δεύτερον, την θεωρητική περιγραφή της ελληνικής σύνταξης μέσω τυπικών γλωσσολογικών φορμαλισμών, όπως η γραμματική Ενοποίησης και η γραμματική Φραστικής Δομής Οδηγούμενη από τον Κύριο Όρο. Η διατριβή κινήθηκε πάνω στους εξής καινοτόμους άξονες: 1. Η προεπεξεργασία των σωμάτων κειμένων βασίστηκε σε ελάχιστους γλωσσολογικούς πόρους για να είναι δυνατή η μεταφορά των μεθόδων σε γλώσσες φτωχές σε υποδομή. 2. Η αντιμετώπιση του θορύβου που υπεισέρχεται στα δεδομένα εξ αιτίας της χρήσης ελάχιστων πόρων πραγματοποιείται με Μονόπλευρη Δειγματοληψία. Εντοπίζονται αυτόματα παραδείγματα δεδομένων που δεν προσφέρουν στην μάθηση και αφαιρούνται. Τα τελικά δεδομένα είναι πιο καθαρά και η απόδοση της μάθησης βελτιώνεται πολύ. 3. Αποδεικνύεται η χρησιμότητα της εξαχθείσας πληροφορίας. Η χρησιμότητα των συμπληρωμάτων φαίνεται από την αύξηση της απόδοσης της διαδικασίας ανάκτησης ΠΥ με την χρήση τους. Η χρησιμότητα των εξαγόμενων ΠΥ φαίνεται από την αύξηση της απόδοσης ενός ρηχού συντακτικού αναλυτή με την χρήση τους. 4. Οι μέθοδοι εφαρμόζονται και στα Αγγλικά και στα Ελληνικά για να φανεί η μεταφερσιμότητά τους σε διαφορετικές γλώσσες και για να πραγματοποιηθεί μια ενδιαφέρουσα σχετική σύγκριση ανάμεσα στις δύο γλώσσες. Τα αποτελέσματα είναι πολύ ενθαρρυντικά, συγκρίσιμα με, και σε πολλές περιπτώσεις καλύτερα από, προσεγγίσεις που χρησιμοποιούν εξελιγμένα εργαλεία προεπεξεργασίας.
  • Thumbnail Image
    Item
    Μοντελοποίηση και ψηφιακή επεξεργασία προσωδιακών φαινομένων της ελληνικής γλώσσας με εφαρμογή στην σύνθεση ομιλίας
    (2008-02-04T08:18:09Z) Ζέρβας, Παναγιώτης; Φακωτάκης, Νικόλαος; Αβούρης, Νικόλαος; Αναστασόπουλος, Βασίλειος; Χριστοδουλάκης, Δημήτριος; Μπερμπερίδης, Κωνσταντίνος; Μουρτζόπουλος, Ιωάννης; Δερματάς, Ευάγγελος; Φακωτάκης, Νικόλαος; Zervas, Panagiotis
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)
    Αντικείμενο της παρούσης διδακτορικής διατριβής αποτελεί η μελέτη και μοντελοποίηση των φαινομένων επιτονισμού της Ελληνικής γλώσσας με εφαρμογές στην σύνθεση ομιλίας. Στα πλαίσια της διατριβής αυτής αναπτύχθηκαν πόροι ομιλίας και εργαλεία για την επεξεργασία και μελέτη προσωδιακών παραγόντων οι οποίοι επηρεάζουν την πληροφορία που μεταφέρεται μέσω του προφορικού λόγου. Για την διαχείρηση και επεξεργασία των παραπάνω πόρων υλοποιήθηκε πλατφόρμα μετατροπής κειμένου σε ομιλία βασισμένη στην συνένωση δομικών μονάδων ομιλίας. Για την μελέτη και την δημιουργία των μοντέλων μηχανικής μάθησης χρησιμοποιήθηκε η γλωσσολογική αναπαράσταση GRToBI των φαινομένων επιτονισμού.
  • Thumbnail Image
    Item
    Αποτίμηση μεθόδων εκπαίδευσης τεχνητών νευρωνικών δικτύων και εφαρμογές
    (2009-08-31T10:52:11Z) Λιβιέρης, Ιωάννης; Ζαγούρας, Χαράλαμπος; Πιντέλας, Παναγιώτης; Καββαδίας, Δημήρτης; Ζαγούρας, Χαράλαμπος
    Τμήμα Μαθηματικών (ΜΔΕ)
    Τα τεχνητά νευρωνικά δίκτυα είναι μια μορφή τεχνητής νοημοσύνης, τα οποία αποτελούνται από ένα σύνολο απλών, διασυνδεδεμένων και προσαρμοστικών μονάδων, οι οποίες συνιστούν ένα παράλληλο πολύπλοκο υπολογιστικό μοντέλο. Μέχρι σήμερα έχουν εφαρμοστεί επιτυχημένα σε ένα ευρύ φάσμα περιοχών για την επίλυση προβλημάτων ταξινόμησης ή πρόβλεψης, όπως η βιολογία, η ιατρική, η γεολογία, η φυσική κ.ά. Σε αυτήν την εργασία θα ασχοληθούμε με την εκπαίδευση τεχνητών νευρωνικών δικτύων ανά πρότυπο εισόδου. Αυτή η προσέγγιση θεωρείται κατεξοχήν κατάλληλη για περιπτώσεις όπου η εκπαίδευση διαθέτει σημαντικό χρόνο και απαιτεί μεγάλο αποθηκευτικό χώρο, όπως συμβαίνει συχνά όταν έχουμε μεγάλα σύνολα προτύπων ή/και δίκτυα. Μέχρι σήμερα έχουν προταθεί πολλοί αλγόριθμοι εκπαίδευσης νευρωνικών δικτύων, καλύπτοντας ο ένας τα κενά του άλλου, σχεδιασμένοι ώστε να επιλύουν τα προβλήματα που παλιότερα ήταν δύσκολο να επιλυθούν. Στόχος της εργασίας είναι η εκτενής ανάλυση και αξιολόγηση των αλγορίθμων εκπαίδευσης καθώς και η ικανότητα γενίκευσης των εκπαιδευόμενων δικτύων σε μια ποικιλία προβλημάτων από τους τομείς τις ιατρικής και της βιοπληροφορικής. Επίσης επηρεασμένοι από τη δυνατότητα για την επίτευξη καλύτερης απόδοσης θα μελετήσουμε την συμβολή των νευρωνικών δικτύων στη μηχανική μάθηση. Συγκεκριμένα θα αποτιμήσουμε τη συνεισφορά των νευρωνικών δικτύων στη δημιουργία αξιόπιστων συστημάτων αποφάσεων χρησιμοποιώντας τεχνικές συνδυασμού ταξινομητών. Τέλος, θα μελετήσουμε τις δυνατότητες συνδυασμού τους με διάφορες άλλες κατηγορίες ταξινομητών μηχανικής μάθησης για την ανάπτυξη ισχυρότερων υβριδικών συστημάτων εξαγωγής πληροφορίας.
  • Thumbnail Image
    Item
    Μελέτη και ανάλυση ενδεχόμενων διαταραχών σε ηλεκτρικά δίκτυα με μεθόδους μηχανικής μάθησης
    (2007-06-25T07:37:58Z) Σεμιτέκος, Δημήτριος; Αβούρης, Νικόλαος; Αλεξανδρίδης, Αντώνιος; Γιαννακόπουλος, Γαβριήλ; Χούσος, Ευθύμιος; Βοβός, Νικόλαος; Καρακαπιλίδης, Νικόλαος; Κουμπιάς, Σταύρος; Semitekos, Dimitrios
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)
    Προτείνεται στη διατριβή ένα περιβάλλον ανάλυσης και μελέτης ενδεχόμενων διαταραχών με τη χρήση μεθόδων μηχανικής μάθησης για ηλεκτρικά δίκτυα. Δομείται ένα ελεγμένο σύνολο πιθανών λειτουργικών καταστάσεων πάνω στο οποίο ορίζεται και μελετάται ένα σύνολο από ενδεχόμενες διαταραχές. Βάσει προτεινόμενων στη βιβλιογραφία δεικτών κατάστασης, οι οποίοι υπολογίζονται ανά λειτουργική κατάσταση, εκπαιδεύονται ανά ενδεχόμενη διαταραχή μέθοδοι μηχανικής μάθησης οι οποίες για μη γνωστές καταστάσεις του δικτύου είναι δυνατό να παράγουν προγνώσεις σχετικά με τις πιθανές επιπτώσεις μιας ενδεχόμενης διαταραχής. Στα πλαίσια της διατριβής έχει σχεδιαστεί ένα πρωτότυπο υπολογιστικό περιβάλλον ανάλυσης και εκτίμησης της επικινδυνότητας ενός προκαθορισμένου συνόλου διαταραχών απώλειας συνδυασμού γραμμών και ζυγών, ενώ παράλληλα προτείνεται μια μεθοδολογία ανάλυσης ενδεχόμενων διαταραχών η οποία εφαρμόζεται στο ηλεκτρικό δίκτυο της νήσου Κρήτης. Το περιβάλλον μελέτης είναι ανεξάρτητο του ηλεκτρικού δικτύου και εκπαιδεύει αλγόριθμους μηχανικής μάθησης με προγενέστερη γνώση με σκοπό την εκτίμηση του αποτελέσματος εφαρμογής μιας ενδεχόμενης διαταραχής σε μια τυχαία λειτουργική κατάσταση του δικτύου. Η προγενέστερη γνώση αποκτάται με προσομοίωση, δηλαδή με την εφαρμογή μιας διαταραχής σε διαφορετικές μεταξύ τους ελεγμένες λειτουργικές καταστάσεις. Έτσι, είναι δυνατή η εκτίμηση της επικινδυνότητας μιας ενδεχόμενης διαταραχής με παράκαμψη της υπολογιστικά δαπανηρής διαδικασίας ανάλυσης ροής φορτίου.
  • Thumbnail Image
    Item
    Ομάδες ταξινομητών για την αύξηση της ακρίβειας των μεθόδων μηχανικής μάθησης και εξόρυξης γνώσης
    (2007-06-24T15:27:42Z) Κωτσιαντής, Σωτήρης; Πιντέλας, Παναγιώτης; Τσακαλίδης, Αθανάσιος; Βουτσινάς, Βασίλης; Χριστοδουλάκης, Δημήτριος; Λυκοθανάσης, Σπύρος; Βραχάτης, Μιχάλης; Μανωλόπουλος, Ιωάννης; Kotsiantis, Sotiris
    Τμήμα Μαθηματικών (ΔΔ)
    Στην περίπτωση της αναζήτησης της βέλτιστης ακρίβειας από ένα σύστημα εξόρυξης γνώσης είναι αδύνατο ένας αλγόριθμος που βασίζεται σε μια και μόνο μέθοδο μηχανικής μάθησης να υπερτερεί σε ακρίβεια μιας ομάδας ταξινομητών. Γι’ αυτό το λόγο θα παρουσιαστούν διάφοροι προτεινόμενοι νέοι τρόποι συνδυασμού των αποφάσεων των αλγορίθμων μάθησης οι οποίοι αναπτύχθηκαν στα πλαίσια της διατριβής. Επίσης, θα παρουσιαστεί ένας προτεινόμενος υβριδικός τρόπος επιλογής των ανεξάρτητων μεταβλητών για τους αλγόριθμους μάθησης. Στη συνέχεια, θα παρουσιαστούν κάποιοι νέοι προτεινόμενοι αλγόριθμοι που αναπτύχθηκαν για την αντιμετώπιση προβλημάτων ειδικής δυσκολίας όπως η μάθηση: α) σε ανομοιογενή δεδομένα, β) σε προβλήματα πραγματικού χρόνου και γ) σε προβλήματα βαθμωτής συνάρτησης στόχου. Τέλος, περιγράφεται η δυνατότητα χρησιμοποίησης των μεθόδων μηχανικής μάθησης για εκπαιδευτικούς σκοπούς, όπως στην πρόβλεψη της επίδοσης των φοιτητών στο Ανοιχτό Πανεπιστήμιο. Στη συνέχεια, θα παρουσιαστεί και ένα εργαλείο υποστήριξης των αποφάσεων που αναπτύχθηκε για αυτό το σκοπό. Η παρουσίαση τελειώνει παραθέτοντας κάποια ανοιχτά επιστημονικά ζητήματα του χώρου.