Search Results

Now showing 1 - 10 of 18
  • Thumbnail Image
    Item
    Εύρεση σχεδιαστικών αποκλίσεων αντικειμένων με υφή
    (2009-05-25T15:55:36Z) Πρινόπουλος, Σαράντης; Δερματάς, Ευάγγελος; Δερματάς, Ευάγγελος; Στουραίτης, Θάνος; Prinopoulos, Sarantis
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Αυτή η εργασία μελετά την εφαρμογή προηγμένων τεχνικών επεξεργασίας εικόνας από υπολογιστές για την επίλυση του προβλήματος της ανίχνευσης ατελειών σε υφάσματα από τις βιομηχανίες παραγωγής υφασμάτων. Προτείνεται μία νέα μέθοδος ανίχνευσης ατελειών, η οποία αποτελείται από ένα περιττό συμμετρικό φίλτρο Gabor πραγματικών τιμών, ένα άρτιο συμμετρικό φίλτρο Gabor πραγματικών τιμών και ένα φίλτρο εξομάλυνσης. Κατά την ανάπτυξη της μεθόδου, τα φίλτρα Gabor σχεδιάζονται με βάση τα χαρακτηριστικά του texture που εξάγονται βέλτιστα από μία εικόνα ενός μη ελαττωματικού υφάσματος με τη χρήση ενός Gabor Wavelet Network (GWN). Η απόδοση της προτεινόμενης μεθόδου αξιολογείται με τη χρήση ενός σετ εικόνων υφασμάτων που προέρχονται από μία βάση δεδομένων που περιέχει μία μεγάλη ποικιλία εικόνων ομογενών υφασμάτων. Τα αποτελέσματα παρουσιάζουν ακρίβεια στην ανίχνευση ατελειών με πολύ λίγες λάθος ανιχνεύσεις, από όπου φαίνεται η αποτελεσματικότητα της προτεινόμενης μεθόδου. Τα πειραματικά αποτελέσματα επιβεβαίωσαν τις δυνατότητες της μεθόδου και ένας υπολογισμός του υπολογιστικού φορτίου που χρειάζεται για την υλοποίηση της έδειξε ότι μπορεί να χρησιμοποιηθεί ακόμα και σε συστήματα ανίχνευσης πραγματικού χρόνου.
  • Thumbnail Image
    Item
    Κατασκευή συστήματος χαρακτηρισμού πηγής ακουστικής εκπομπής σε ενθόρυβο περιβάλλον
    (2009-09-22T08:29:33Z) Αμιναλραγιά Γιαμινί, Σιγιάβα; Δερματάς, Ευάγγελος; Ευάγγελος, Δερματάς; Μουρτζόπουλος, Ιωάννης; Δερματάς, Ευάγγελος
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Η διπλωματική εργασία ασχολείται με τον χαρακτηρισμό σημάτων ακουστικής εκπομπής και της πηγής τους μέσω της επεξεργασίας χαρακτηριστικών παραμέτρων που έχουν εξαχθεί από αυτά. Θεωρητικό υπόβαθρο της εργασίας είναι οι επιστημονικές περιοχές της Αναγνώρισης Προτύπων, Τεχνητής Νοημοσύνης και Νευρωνικών Δικτύων καθώς και η Επεξεργασία Σημάτων. Ο τομέας εφαρμογής της εργασίας είναι ο Μη Καταστροφικός Έλεγχος και η Ακουστική Εκπομπή και η ίδια αποτελεί μια τέτοια εφαρμογή. Τα δεδομένα που επεξεργάστηκαν χωρίζονται σε δύο κατηγορίες: σε εκείνα που δόθηκαν έτοιμα και σε εκείνα που προέκυψαν μετά από επεξεργασία.
  • Thumbnail Image
    Item
    Discovery of gene interactions in regulatory networks using genomic data mining and computational intelligence methods
    (2008-12-16T07:48:19Z) Dragomir, Andrei; Μπεζεριάνος, Αναστάσιος; Μπεζεριάνος, Αναστάσιος; Βραχάτης, Μιχαήλ Ν.; Παλληκαράκης, Νικόλαος; Μοσχονάς, Νικόλαος; Νικηφορίδης, Γεώργιος; Παπαβασιλείου, Ιωάννης; Φακωτάκης, Νικόλαος
    Τμήμα Ιατρικής (ΔΔ)
    The advent of efficient genome sequencing tools and high-throughput experimental biotechnology has lead to an enormous progress in life sciences. Among the most important innovations is the microarray technology. It allows to quantify the expression of thousands of genes simultaneously by measuring the hybridization from a tissue of interest to probes on a small glass or plastic slide. Before launching into microarray research it is important to recall that the characteristics of this data include a fair amount of noise and an atypical dimensionality (which makes difficult the use of classic statistics tools – experimental samples in the order of dozens and measured parameters in thousands or tens of thousands). Therefore, the main goal of this thesis is the development of adequate computational methods and algorithms, capable of extracting valuable biological knowledge from this type of data. Applications of microarray technology as a tool for gene expression analysis range from the assignment of functional categories for genes of unknown biological function (based on the analysis of genes with already established biological role), to precise and early diagnosis of different tumor malignancies. However, the main goal of computational analysis of gene expression data is the extraction of regulatory knowledge at genetic level that may be used to provide a broader understanding on the functioning of complex cellular systems. In this direction, revealing the structures of regulatory networks based of gene expression data becomes a pivotal task. The thesis contributes with a framework for the discovery of biological functional category of genes based on the synergy of ICA and a dynamic SOM-based clustering algorithm, that accurately finds groups of co-regulated genes, while identifying interesting regulatory signals within the data with the help of ICA decomposition. We also pursue the task of molecular characterization of different tumor types using gene expression profiling, by providing a novel method for tissue samples classification, based on an ensemble of classifiers sequentially trained on reweighted versions of the data. The algorithm, known as boosting, is adapted to peculiarities of gene expression data and employed in conjunction with SVMs. Additionally, the novel concept of finding predictive genes whose signatures are significant for phenotype discrimination is treated. Finally, the thesis presents a method developed for reverse-engineering gene regulatory networks based on recurrent neuro-fuzzy networks, which exploits the advantages of fuzzy-based models, in terms of results interpretability, and those of neural systems, in terms of computational power and time series prediction capabilities.
  • Thumbnail Image
    Item
    Χρήση τεχνολογίας έμπειρων συστημάτων για πρόβλεψη απόδοσης μαθητών
    (2009-07-03T11:13:18Z) Καρατράντου, Ανθή; Ζαγούρας, Χαράλαμπος; Ζαγούρας, Χαράλαμπος; Χατζηλυγερούδης, Ιωάννης; Παναγιωτακόπουλος, Χρήστος; Karatrantou, Anthi
    Τμήμα Μαθηματικών (ΜΔΕ)
    Στην εργασία αυτή παρουσιάζεται η χρήση τεχνολογίας Έμπειρων Συστημάτων για την πρόβλεψη της επιτυχίας ενός μαθητή Τ.Ε.Ε. στις εισαγωγικές πανελλαδικές εξετάσεις στα Α.Τ.Ε.Ι. και η απόδοσή της συγκρίνεται με αυτή της Ανάλυσης Λογιστικής Παλλινδρόμησης και των Νευρωνικών Δικτύων. Είναι σημαντικό για τους καθηγητές, αλλά και τη διοίκηση του σχολείου, να είναι σε θέση να εντοπίζουν τους μαθητές με υψηλή πιθανότητα αποτυχίας ή χαμηλής απόδοσης ώστε να τους βοηθήσουν κατάλληλα. Για το σκοπό της παρούσας εργασίας αναπτύσσεται Έμπειρο Σύστημα βασισμένο σε κανόνες, το οποίο υλοποιείται σε δυο εκδοχές: η πρώτη χρησιμοποιεί τους συντελεστές βεβαιότητας του MYCIN και η δεύτερη μια γενικευμένη εκδοχή της σχέσης των συντελεστών αβεβαιότητας του MYCIN με τη βοήθεια αριθμητικών βαρών για κάθε συντελεστή βεβαιότητας (PASS). Ο σχεδιασμός του έμπειρου συστήματος σε κάθε περίπτωση, η ανάλυση Λογιστικής Παλινδρόμησης και η ανάπτυξη Νευρωνικού Δικτύου βασίζονται στην ανάλυση δημογραφικών και εκπαιδευτικών δεδομένων των μαθητών, κυρίως όμως στην ανάλυση δεδομένων της απόδοσής τους κατά τις σπουδές τους (Φύλο, Ηλικία, Ειδικότητα, Βαθμός Α (ο Γενικός Βαθμός της Α’ Τάξης), Βαθμός Β (Γενικός Βαθμός της Β’ τάξης) και Βαθμός ΑΓ (ο Μέσος Όρος των βαθμών στα τρία εξεταζόμενα μαθήματα κατά το Α’ τετράμηνο σπουδών). Με δεδομένο το ότι η πρόβλεψη της επιτυχίας ή μη ενός μαθητή στις εισαγωγικές εξετάσεις εμπεριέχει ένα μεγάλο βαθμό αβεβαιότητας, η αβεβαιότητα αυτή έχει καθοριστικό ρόλο στη σχεδίαση του έμπειρου συστήματος σε κάθε εκδοχή του. Το Έμπειρο Σύστημα PASS, η Ανάλυση Λογιστικής Παλινδρόμησης και τα Νευρωνικά Δίκτυα έχουν περίπου την ίδια ακρίβεια στην πρόβλεψή τους ενώ το MYCIN μικρότερη. Το MYCIN εμφανίζει την υψηλότερη ευαισθησία. Το Έμπειρο Σύστημα PASS, η Ανάλυση Λογιστικής Παλινδρόμησης και τα Νευρωνικά Δίκτυα έχουν περίπου την ίδια ειδικότητα, με το PASS να έχει ελαφρώς υψηλότερη τιμή ενώ το MYCIN έχει την χαμηλότερη τιμή.
  • Thumbnail Image
    Item
    Εξομοίωση με Η/Υ και μελέτη των νευρωτικών μηχανισμών γένεσης της μικρής γενικευμένης επιληψίας
    (2009-09-14T06:33:13Z) Αντωνιάδης, Γεώργιος; Κωστόπουλος, Γεώργιος; Κωστόπουλος, Γεώργιος; Παπαθεοδώρου, Θεόδωρος; Παπαπετρόπουλος, Θεόδωρος; Βαλκανά, Θεώνη; Παλληκαράκης, Νικόλαος; Κούβελας, Ηλίας; Μισιρλής, Ιωάννης; Antoniadis, Georgios
    Τμήμα Ιατρικής (ΔΔ)
    -
  • Thumbnail Image
    Item
    Τεχνητά νευρωνικά δίκτυα για υλοποίηση συστημάτων υποστήριξης αποφάσεων
    (2009-09-14T09:54:17Z) Οικονόμου, Γεώργιος - Πέτρος; Γκούτης, Κ.; Γκούτης, Κ.; Παπαδόπουλος, Γ.; Στουραϊτης, Αθανάσιος; Κινγκ, Ε. - Ρ.; Λυμπερόπουλος, Δ.; Φακωτάκης, Ν.; Τσαλίδης, Φ.; Oikonomou, Georgios - Petros
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)
    -
  • Thumbnail Image
    Item
    Νέοι αλγόριθμοι εκπαίδευσης τεχνητών νευρωνικών δικτύων
    (2009-09-14T10:12:40Z) Μαγουλάς, Γεώργιος; Κινγκ, Ε.- Ρ.; Κινγκ, Ε.- Ρ.; Μπιτσιώρης, Γ.; Στουραϊτης, Θ.; Κόλλιας, Σ.; Σταφυλοπάτης, Α.; Φακωτάκης, Ν.; Βραχάτης, Μ.; Magoulas, Georgios
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)
    -
  • Thumbnail Image
    Item
    Νέες μέθοδοι εκμάθησης για ασαφή γνωστικά δίκτυα και εφαρμογές στην ιατρική και βιομηχανία
    (2007-06-25T07:40:13Z) Παπαγεωργίου, Ελπινίκη; Γρουμπός, Πέτρος; Τζές, Αντώνιος; Νικηφορίδης, Γεώργιος; Papageorgiou, Elpiniki
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΔ)
    Αντικείµενο της διατριβής είναι η ανάπτυξη νέων µεθοδολογιών εκµάθησης και σύγκλισης των Ασαφών Γνωστικών ∆ικτύων που προτείνονται για τη βελτίωση και προσαρµογή της συµπεριφοράς τους, καθώς και για την αύξηση της απόδοσής τους, αναδεικνύοντάς τα σε αποτελεσµατικά δυναµικά συστήµατα µοντελοποίησης. Τα νέα βελτιωµένα Ασαφή Γνωστικά ∆ίκτυα, µέσω της εκµάθησης και προσαρµογής των βαρών τους, έχουν χρησιµοποιηθεί στην ιατρική σε θέµατα διάγνωσης και υποστήριξης στη λήψη απόφασης, καθώς και σε µοντέλα βιοµηχανικών συστηµάτων που αφορούν τον έλεγχο διαδικασιών, µε πολύ ικανοποιητικά αποτελέσµατα. Στη διατριβή αυτή παρουσιάζονται, αξιολογούνται και εφαρµόζονται δύο νέοι αλγόριθµοι εκµάθησης χωρίς επίβλεψη των Ασαφών Γνωστικών ∆ικτύων, οι αλγόριθµοι Active Hebbian Learning (AHL) και Nonlinear Hebbian Learning (NHL), βασισµένοι στον κλασσικό αλγόριθµό εκµάθησης χωρίς επίβλεψη τύπου Hebb των νευρωνικών δικτύων, καθώς και µια νέα προσέγγιση εκµάθησης των Ασαφών Γνωστικών ∆ικτύων βασισµένη στους εξελικτικούς αλγορίθµους και πιο συγκεκριµένα στον αλγόριθµο Βελτιστοποίησης µε Σµήνος Σωµατιδίων και στον ∆ιαφοροεξελικτικό αλγόριθµο. Οι προτεινόµενοι αλγόριθµοι AHL και NHL στηρίζουν νέες µεθοδολογίες εκµάθησης για τα ΑΓ∆ που βελτιώνουν τη λειτουργία, και την αξιοπιστία τους, και που παρέχουν στους εµπειρογνώµονες του εκάστοτε προβλήµατος που αναπτύσσουν το ΑΓ∆, την εκµάθηση των παραµέτρων για τη ρύθµιση των αιτιατών διασυνδέσεων µεταξύ των κόµβων. Αυτοί οι τύποι εκµάθησης που συνοδεύονται από την σωστή γνώση του εκάστοτε προβλήµατος-συστήµατος, συµβάλλουν στην αύξηση της απόδοσης των ΑΓ∆ και διευρύνουν τη χρήση τους. Επιπρόσθετα µε τους αλγορίθµους εκµάθησης χωρίς επίβλεψη τύπου Hebb για τα ΑΓ∆, αναπτύσσονται και προτείνονται νέες τεχνικές εκµάθησης των ΑΓ∆ βασισµένες στους εξελικτικούς αλγορίθµους. Πιο συγκεκριµένα, προτείνεται µια νέα µεθοδολογία για την εφαρµογή του εξελικτικού αλγορίθµου Βελτιστοποίησης µε Σµήνος Σωµατιδίων στην εκµάθηση των Ασαφών Γνωστικών ∆ικτύων και πιο συγκεκριµένα στον καθορισµό των βέλτιστων περιοχών τιµών των βαρών των Ασαφών Γνωστικών ∆ικτύων. Με τη µεθοδο αυτή λαµβάνεται υπόψη η γνώση των εµπειρογνωµόνων για τον σχεδιασµό του µοντέλου µε τη µορφή περιορισµών στους κόµβους που µας ενδιαφέρουν οι τιµές των καταστάσεών τους, που έχουν οριστοί ως κόµβοι έξοδοι του συστήµατος, και για τα βάρη λαµβάνονται υπόψη οι περιοχές των ασαφών συνόλων που έχουν συµφωνήσει όλοι οι εµπειρογνώµονες. Έτσι θέτoντας περιορισµούς σε όλα τα βάρη και στους κόµβους εξόδου και καθορίζοντας µια κατάλληλη αντικειµενική συνάρτηση για το εκάστοτε πρόβληµα, προκύπτουν κατάλληλοι πίνακες βαρών (appropriate weight matrices) που µπορούν να οδηγήσουν το σύστηµα σε επιθυµητές περιοχές λειτουργίας και ταυτόχρονα να ικανοποιούν τις ειδικές συνθήκες- περιορισµούς του προβλήµατος. Οι δύο νέες µέθοδοι εκµάθησης χωρίς επίβλεψη που έχουν προταθεί για τα ΑΓ∆ χρησιµοποιούνται και εφαρµόζονται µε επιτυχία σε δυο πολύπλοκα προβλήµατα από το χώρο της ιατρικής, στο πρόβληµα λήψης απόφασης στην ακτινοθεραπεία και στο πρόβληµα κατηγοριοποίησης των καρκινικών όγκων της ουροδόχου κύστης σε πραγµατικές κλινικές περιπτώσεις. Επίσης όλοι οι προτεινόµενοι αλγόριθµοι εφαρµόζονται σε µοντέλα βιοµηχανικών συστηµάτων που αφορούν τον έλεγχο διαδικασιών µε πολύ ικανοποιητικά αποτελέσµατα. Οι αλγόριθµοι αυτοί, όπως προκύπτει από την εφαρµογή τους σε συγκεκριµένα προβλήµατα, βελτιώνουν το µοντέλο του ΑΓ∆, συµβάλλουν σε ευφυέστερα συστήµατα και διευρύνουν τη δυνατότητα εφαρµογής τους σε πραγµατικά και πολύπλοκα προβλήµατα. Η κύρια συνεισφορά αυτής της διατριβής είναι η ανάπτυξη νέων µεθοδολογιών εκµάθησης και σύγκλισης των Ασαφών Γνωστικών ∆ικτύων προτείνοντας δυο νέους αλγορίθµους µη επιβλεπόµενης µάθησης τύπου Hebb, τον αλγόριθµο Active Hebbian Learning και τον αλγόριθµο Nonlinear Hebbian Learning για την προσαρµογή των βαρών των διασυνδέσεων µεταξύ των κόµβων των Ασαφών Γνωστικών ∆ικτύων, καθώς και εξελικτικούς αλγορίθµους βελτιστοποιώντας συγκεκριµένες αντικειµενικές συναρτήσεις για κάθε εξεταζόµενο πρόβληµα. Τα νέα βελτιωµένα Ασαφή Γνωστικά ∆ίκτυα µέσω των αλγορίθµων προσαρµογής των βαρών τους έχουν χρησιµοποιηθεί για την ανάπτυξη ενός ∆ιεπίπεδου Ιεραρχικού Συστήµατος για την υποστήριξη λήψης απόφασης στην ακτινοθεραπεία, για την ανάπτυξη ενός διαγνωστικού εργαλείου για την κατηγοριοποίηση του βαθµού κακοήθειας των καρκινικών όγκων της ουροδόχου κύστης, καθώς και για την επίλυση βιοµηχανικών προβληµάτων για τον έλεγχο διαδικασιών.
  • 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 γήρανσης μονώσεων με χρήση τεχνολογίας ασαφούς λογικής και νευρωνικών δικτύων
    (2009-08-27T11:16:44Z) Παπαϊωάννου, Ιωάννης; Πυργιώτη, Ελευθερία; Σπύρου, Νικόλαος; Papaioannou, Ioannis
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Στα πλαίσια αυτής της διπλωματικής εργασίας διερευνήθηκε η δυνατότητα της χρήσης τεχνολογίας ασαφούς λογικής και νευρωνικών δικτύων στη γήρανση των μονώσεων. Στον ηλεκτρολογικό εξοπλισμό και ειδικά στον εξοπλισμό που λειτουργεί υπό υψηλή τάση, κύρια συνιστώσα της κατασκευής του είναι η μόνωσή του, η οποία κατά κανόνα είναι και η πλέον ευαίσθητη. Η διάρκεια ζωής του ηλεκτρολογικού εξοπλισμού περιορίζεται από τη διάρκεια ζωής της μόνωσής του. Ο έλεγχος των μονώσεων του ηλεκτρολογικού εξοπλισμού υψηλής τάσης είναι σχολαστικός και γίνεται βάσει κανονισμών που έχουν θεσπισθεί από τους διεθνείς οργανισμούς τυποποίησης (IEC, VDE/DIN, UTE/NF, BS, ANSI, TGL, GOST, ΕΛΟΤ, CENELEC). Ο έλεγχος γίνεται δια της εκτελέσεως δοκιμών σε πειραματικές διατάξεις, με εφαρμογή τάσεων συγκεκριμένων κυματομορφών (βιομηχανικής συχνότητας, κρουστικής κλπ.) και πλάτους πολλαπλασίου εκείνου της τάσης υπό την οποία ο συγκεκριμένος εξοπλισμός θα λειτουργήσει. Παρ' όλα αυτά, μετά από την παρέλευση κάποιου χρονικού διαστήματος, η μόνωση καταστρέφεται κατά τη διάρκεια της κανονικής λειτουργίας του ηλεκτρολογικού εξοπλισμού. Η κυριότερη από τις αιτίες στις οποίες οφείλονται αυτές οι καταστροφές των μονώσεων είναι το φαινόμενο των μερικών εκκενώσεων. Οι μερικές αυτές εκκενώσεις αναπτύσσονται στα διηλεκτρικά του ηλεκτρολογικού εξοπλισμού υπό ορισμένες συνθήκες καταπόνησης και δια της συνεχούς χειροτέρευσης της αντοχής τους, τα οδηγούν σε καταστροφή της μόνωσης υπό την τάση λειτουργίας. Προκειμένου για στερεά μονωτικά υλικά, οι μερικές εκκενώσεις μπορεί να είναι εξωτερικές, δηλαδή να εκδηλώνονται στην εξωτερική επιφάνεια του μονωτικού, η οποία είναι συνήθως και συνοριακή επιφάνεια με κάποιο άλλο αέριο ή υγρό διηλεκτρικό, ή να είναι εσωτερικές, οπότε συμβαίνουν σε κοιλότητες μικρών διαστάσεων, που έχουν σχηματισθεί μέσα στη μάζα του μονωτικού κατά την κατασκευή του. Όμως, η γήρανση ενός διηλεκτρικού δεν επηρεάζει μόνο την διηλεκτρική αντοχή και την τάση διάσπασής του, αλλά και άλλα χαρακτηριστικά μεγέθη του μονωτικού υλικού, όπως την γωνία απωλειών δ και τον συντελεστή απωλειών εφδ. Το μοντέλο που αναπτύχθηκε στα πλαίσια της παρούσης διπλωματικής εργασίας, είναι ικανό να προβλέψει τα χαρακτηριστικά υγιούς μόνωσης. Δέχεται ως εισόδους τη χωρητικότητα του δοκιμίου C, την παράμετρο ψ (ο λόγος της απόστασης της διεπιφάνειας από την ελεύθερη επιφάνεια του δοκιμίου, ως προς το μήκος του δοκιμίου) που ουσιαστικά καθορίζει τη θέση μιας διεπιφάνειας μέσα στο διάκενο και την τάση δοκιμής. Ως έξοδο, κάνει εκτίμηση του συντελεστή απωλειών εφδ. Σε μία γενική θεώρηση το μοντέλο που αναπτύχθηκε δίνει τη δυνατότητα στο χρήστη να εκτιμήσει σύντομα και αξιόπιστα τα χαρακτηριστικά της υγιούς μόνωσης. Τα δεδομένα του αποτελέσματος είναι άμεσα συγκρίσιμα με αυτά της χρησιμοποιημένης μόνωσης, κατόπιν τούτου δύναται να αποτελέσουν βάση για την εκτίμηση της κατάστασής της. Το μοντέλο που προτείνεται, βασίζεται στις αρχές της ασαφούς λογικής και των νευρωνικών δικτύων και χρησιμοποιεί το νευρoασαφές σύστημα ANFIS. Η ασαφής λογική αποτελεί μια γενίκευση της δίτιμης (Boolean) λογικής. Επιτρέπει εκτός από το «αληθές» (τιμή “1”) και το «ψευδές» (τιμή “0”), και τις ενδιάμεσες τιμές. Έτσι, ένα σύστημα μπορεί να περιγραφεί μέσω ενός συνόλου απλών λεκτικών κανόνων «αν –τότε» το οποίο είναι πιο εύχρηστο και πιο κοντά στην ανθρώπινη λογική. Τα ΤΝΔ είναι δίκτυα που αποτελούνται από μη γραμμικά στοιχεία, τους νευρώνες, οι οποίοι αλληλοσυνδέονται με τέτοιο τρόπο ώστε να επεξεργάζονται τις πληροφορίες ταυτόχρονα. Τα κυριότερο χαρακτηριστικό που καθιστούν τα ΤΝΔ ιδιαίτερα, είναι η εφαρμογή τους σε μη γραμμικό έλεγχο. Άλλα βασικά χαρακτηριστικά που έχουν, είναι η ικανότητα ανεκτικότητας σε βλάβες, το μεγάλο πλήθος πληροφοριών που είναι ικανά να επεξεργαστούν όπως και η αντιμετώπιση περιπτώσεων που δεν έχουν ξανασυναντήσει. Το ακρωνύμιο ANFIS προέρχεται από τις λέξεις adaptive neuro-fuzzy inference system. Χρησιμοποιώντας ένα σύνολο εισόδων / επιθυμητών εξόδων , κατασκευάζουμε ένα σύστημα ασαφούς συλλογιστικής στο οποίο οι παράμετροι των συναρτήσεων συμμετοχής προσαρμόζονται μέσα από τη διαδικασία της μάθησης , χρησιμοποιώντας τον αλγόριθμο της προς τα πίσω διάδοσης του σφάλματος σε συνδυασμό με τη μέθοδο των ελαχίστων τετραγώνων. Για την ανάπτυξη του μοντέλου, χρησιμοποιήθηκε το toolbox fuzzy logic του Matlab. Η διαδικασία που ακολουθήθηκε περιλαμβάνει την οργάνωση του δικτύου και των μεταβλητών του, την εκπαίδευση του νευρο-ασαφούς δικτύου και τέλος την επιβεβαίωση των αποτελεσμάτων του. Για την εκπαίδευση του μοντέλου χρησιμοποιήθηκαν μετρήσεις του Εργαστηρίου Υψηλών Τάσεων, Πανεπιστήμιου Πατρών για τα υλικά με την εμπορική ονομασία τερεφθαλικός πολυεστέρας του πολυαιθυλενίου Polyethylene terephthalate (PET) και πολυαιθυλένιο χαμηλής πυκνότητας low density polyethylene, (LDPE).