Search Results

Now showing 1 - 10 of 30
  • Thumbnail Image
    Item
    Επεξεργασία εικόνας και εξαγωγή χαρακτηριστικών γνωρισμάτων : νευρωνικά δίκτυα
    (2010-12-27T08:24:05Z) Διπλάρης, Σπύρος; Ράγγος, Όμηρος; Ράγγος, Όμηρος; Diplaris, Spiros
    Τμήμα Μαθηματικών (ΜΔΕ)
    Έχουν αναπτυχθεί και συνεχίζουν να αναπτύσσονται τεχνικές με τις οποίες ένα σύστημα μπορεί να εντοπίζει διάφορα χαρακτηριστικά μέσα σε μια εικόνα. Κάποιες βασικές τεχνικές θα αναφερθούν στις επόμενες παραγράφους. Το περιβάλλον όμως συνεχώς μεταβάλλεται και συνεπώς τα διάφορα αντικείμενα μέσα σε αυτό δεν είναι πάντα ίδια. Έτσι πολλές φορές η κατασκευή κάποιου αλγορίθμου, ο οποίος θα δίνει καλή απάντηση σε κάποιο πρόβλημα που έχει σχέση με την εξαγωγή χαρακτηριστικών μιας εικόνας, είναι δύσκολη. Σε αυτό το σημείο σημαντική είναι η βοήθεια που προσφέρουν τα Τεχνητά Νευρωνικά Δίκτυα με την ικανότητα μίμησης, μάθησης και μνήμης που διαθέτουν. Η επεξεργασία εικόνας σε συνεργασία με τα Τεχνητά Νευρωνικά Δίκτυα παράγουν αποτελέσματα με πολύ ικανοποιητικό βαθμό επιτυχίας.
  • Thumbnail Image
    Item
    Εφαρμογή τεχνικών εξόρυξης γνώσης στην εκπαίδευση
    (2012-05-31) Παπανικολάου, Δονάτος; Πιντέλας, Παναγιώτης; Ράγγος, Όμηρος; Καββαδίας, Δημήτριος; Πιντέλας, Παναγιώτης; Papanikolaou, Donatos
    Τμήμα Μαθηματικών (ΜΔΕ)
    Σε αυτή την Διπλωματική εργασία μελετήσαμε με ποιο τρόπο μπορούν να εφαρμοστούν οι διάφορες τεχνικές Εξόρυξης Γνώσης (Data Mining) στην εκπαίδευση. Αυτός ο επιστημονικός τομέας o οποίος ερευνά και αναπτύσσει τεχνικές προκειμένου να ανακαλύψει γνώση από δεδομένα τα οποία προέρχονται από την εκπαίδευση ονομάζεται Εξόρυξη Γνώσης από Εκπαιδευτικά Δεδομένα (Educational Data Mining –EDM. Στην εργασία αυτή εκτός από την θεωρητική μελέτη των αλγορίθμων και των τεχνικών που διέπουν την εξόρυξη γνώσης από δεδομένα γενικά, έγινε και μια λεπτομερέστερη μελέτη και παρουσίαση της κατηγορίας των αλγορίθμων κατηγοριοποίησης (Classification), διότι αυτοί οι αλγόριθμοι χρησιμοποιήθηκαν στην φάση της υλοποίησης/αξιολόγησης. Στην συνέχεια η εργασία επικεντρώθηκε στον τρόπο με τον οποίο μπορούν να εφαρμοστούν αυτοί οι αλγόριθμοι σε εκπαιδευτικά δεδομένα, τι εφαρμογές έχουμε στην εκπαίδευση, ενώ αναφερόμαστε και σε μια πληθώρα ερευνών που έχουν πραγματοποιηθεί πάνω στο συγκεκριμένο αντικείμενο. Στην συνέχεια διερευνήσαμε την εφαρμογή τεχνικών κατηγοριοποίησης στην πρόγνωση της επίδοσης μαθητών Δευτεροβάθμιας Εκπαίδευσης στα μαθήματα της Γεωγραφίας Α’ και Β’ Γυμνασίου. Συγκεκριμένα υλοποιήσαμε και θα αξιολογήσαμε έξι αλγορίθμους οι οποίοι ανήκουν στην ομάδα των αλγορίθμων κατηγοριοποίησης(Classification) και είναι αντιπροσωπευτικοί των σημαντικότερων τεχνικών κατηγοριοποίησης. Από την οικογένεια των ταξινομητών με χρήση δένδρων απόφασης (Decision Tree Classifiers) υλοποιήσαμε τον J48, από τους αλγορίθμους κανόνων ταξινόμησης (Rule-based Classification ) τον Ripper, από τους αλγόριθμους στατιστικής κατηγοριοποίησης τον Naïve Bayes, από την μέθοδο των Κ πλησιέστερων γειτόνων (KNN) τον 3-ΝΝ, από την κατηγορία των τεχνητών νευρωνικών δικτύων τον Back Propagation και τέλος από τις μηχανές διανυσμάτων υποστήριξης (Support Vector Machines SVM) τον SMO (Sequental Minimal Optimazation). Όλες οι παραπάνω υλοποιήσεις και αξιολογήσεις έγιναν με το ελεύθερο λογισμικού Weka το οποίο είναι υλοποιημένο σε Java και το οποίο προσφέρει μια πληθώρα αλγορίθμων μηχανικής μάθησης για να κάνουμε εξόρυξη γνώσης.
  • Thumbnail Image
    Item
    Υπολογισμός γεωμετρικών διαστάσεων ερυθρών αιμοσφαιρίων με επεξεργασία ψηφιακής εικόνας σκεδασμένης ακτινοβολίας
    (2010-01-19T10:16:22Z) Πάλλα, Ελένη; Δερματάς, Ευάγγελος; Δερματάς, Ευάγγελος; Φακωτάκης, Νικόλαος; Palla, Eleni
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Η διπλωματική εργασία περιγράφει μια μέθοδο επίλυσης του προβλήματος προσδιορισμού των γεωμετρικών χαρακτηριστικών ανθρώπινων ερυθρών αιμοσφαιρίων από προσομοιωμένες εικόνες σκέδασης ΗΜ ακτινοβολίας He-Ne laser 632.8nm. Αρχικά παρουσιάζεται το ευθύ πρόβλημα σκέδασης ΗΜ ακτινοβολίας από ανθρώπινο ερυθρό αιμοσφαίριο και στη συνέχεια το αντίστροφο πρόβλημα επιλύεται με χρήση τεχνικών συμπίεσης εικόνας και τεχνητού νευρωνικού δικτύου ακτινικής συνάρτησης. Τέλος, αναπτύσσεται μια τεχνική εύρεσης των αναλογιών των ερυθρών αιμοσφαιρίων στις εικόνες σκέδασης.
  • Thumbnail Image
    Item
    Χρήση αλγορίθμων μηχανικής μάθησης για την ταυτοποίηση κοινών σημείων ενδιαφέροντος σε ετερογενή σύνολα δεδομένων από μέσα κοινωνικής δικτύωσης
    (2014-04-02) Καλαβρουζιώτης, Βασίλειος; Γαροφαλάκης, Ιωάννης; Γαροφαλάκης, Ιωάννης; Τσακαλίδης, Αθανάσιος; Χατζηλυγερούδης, Ιωάννης; Kalavrouziotis, Vasilios
    Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΜΔΕ)
    Στην εργασία αυτή ασχολούμαστε με την αξιοποίηση των δεδομένων από διαφορετικά κοινωνικά δίκτυα (πιο συγκεκριμένα από Foursquare και Facebook) με σκοπό να ταυτοποιήσουμε τις ίδιες τοποθεσίες (ή αλλιώς σημεία ενδιαφέροντος) που έχουν εισαχθεί σε αυτά τα δίκτυα. Το πρόβλημα της ταυτοποίησης είναι σημαντικό να λυθεί διότι έτσι θα μπορούσε να αποκτηθεί μια καλύτερη εικόνα για τις αλληλεπιδράσεις των χρηστών με το φυσικό περιβάλλον με τη χρήση των μέσων κοινωνικής δικτύωσης (social data). Αυτό σημαίνει ταυτόχρονα και καλύτερη ανάλυση και αξιοποίηση αυτών δεδομένων, αφού θα έχουμε αναγνωρίσει μεγάλο μέρος των κοινών σημείων ενδιαφέροντος από ετερογενή σύνολα δεδομένων από τα μέσα κοινωνικής δικτύωσης. Μια λύση στο πρόβλημα είναι η χρήση των αλγορίθμων μηχανικής μάθησης, που θα αποφασίζουν αν ένα ζεύγος σημείων αντιπροσωπεύει το ίδιο σημείο ενδιαφέροντος.
  • Thumbnail Image
    Item
    Spectral conjugate gradient methods with sufficient descent property for neural network training
    (2010-04-08T08:12:20Z) Λιβιέρης, Ιωάννης; Πιντέλας, Παναγιώτης; Livieris, Ioannis; Pintelas, Panagiotis
    Τμήμα Μαθηματικών (Τεχνικές Αναφορές)
    Σε αυτήν την εργασία, αξιολογούμε την απόδοση μιας νέας κλάσης μεθόδων συζυγών κλίσεων για την εκπαίδευση νευρικών δικτύων. Οι προτεινόμενες μέθοδοι διατηρούν τα πλεονεκτήματα των κλασσικών μεθόδων συζυγών κλίσεων και εκμεταλλεύονται την απουσία των συχνά αναπαποτελεσματικών επανεκκινήσεων. Τα ενθαρρυντικά αριθμητικά αποτελέσματα επαληθεύουν ότι οι προτεινόμενες μέθοδοι παρέχουν γρηγορότερη, σταθερότερη και πιο αξιόπιστη σύγκλιση.
  • Thumbnail Image
    Item
    Ανάπτυξη αλγορίθμων ιεραρχικού ευφυούς ελέγχου ρομπότ για τον χειρισμό εύκαμπτων αντικειμένων κατά τη ραφή τους
    (2015-01-13) Κουστουμπάρδης, Παναγιώτης; Ασπράγκαθος, Νίκος; Ασπράγκαθος, Νίκος; Φασόης, Σπήλιος; Γρουμπός, Πέτρος; Λυκοθανάσης, Σπυρίδων; Δέντσορας, Αργύρης; Δερματάς, Ευάγγελος; Χατζηλυγερούδης, Ιωάννης; Koustoumpardis, Panagiotis
    Τμήμα Μηχανολόγων και Αεροναυπηγών Μηχαν. (ΔΔ)
    Η βιομηχανία παραγωγής ρούχων, ακόμα και σήμερα, αποτελεί ένα βιομηχανικό κλάδο όπου η αυτοματοποίηση είναι εν μέρει σχεδόν ανύπαρκτη και εν γένει σε εμβρυικό στάδιο. Ένα μεγάλο τμήμα της γραμμής παραγωγής αποτελεί το τμήμα κατά το οποίο κομμάτια υφάσματος ράβονται σε μία ραπτομηχανή. Το στάδιο της ραφής, παρόλο που είναι το μεγαλύτερο σε χρονική διάρκεια και το σημαντικότερο στην τελική ποιότητα, παραμένει σχεδόν εξολοκλήρου μία χειρονακτική εργασία. Οι ιδιαιτερότητες των υφασμάτων όπως: η πολύ μικρή αντίστασή τους σε κάμψη, οι μεγάλες παραμορφώσεις τους, η απρόβλεπτη στατική/δυναμική συμπεριφορά τους, η ανισότροπη και μη-γραμμική φύση τους και η ανομοιογένειά τους είναι οι κύριοι παράγοντες των έντονων δυσκολιών κατά τον χειρισμό τους. Η ρομποτική ραφή είναι ένα σχετικά νέο ερευνητικό πεδίο αλλά και εξαιρετικά πολύπλοκο πρόβλημα, όπου ελάχιστοι ερευνητές έχουν προσπαθήσει να προσεγγίσουν. Αυτή τη στιγμή, από όσο είναι δυνατόν να είναι γνωστόν, μόνο τρία ερευνητικά κέντρα ασχολούνται, σε διεθνή επίπεδο, ενώ το ένα από αυτά είναι η Ομάδα Ρομποτικής του Πανεπιστημίου Πατρών. Στόχος της διατριβής είναι η ανάπτυξη ενός ευέλικτου συστήματος το οποίο ενσωματώνει όλα εκείνα τα ευφυή χαρακτηριστικά ώστε να συμβάλει στη ρομποτική αυτοματοποίηση της ραφής υφασμάτων. Η επίτευξη αυτού του στόχου στηρίζεται σε μεθόδους υπολογιστικής νοημοσύνης, σε τακτικές εμπνευσμένες από τον τρόπο εργασίας του ίδιου του ανθρώπου και στην ποιοτική διαχείριση της γνώσης/δεδομένων που εμπεριέχουν ασάφεια. Ταυτόχρονα, επιτυγχάνεται ο έλεγχος της ραφής χωρίς τη χρήση αναλυτικών μοντέλων τόσο των υφασμάτων όσο και της διαδικασίας. Ο συντονισμός όλων των προηγουμένων επιτυγχάνεται από ένα ευέλικτο ευφυές ιεραρχικό σύστημα ελέγχου της διαδικασίας της ραφής. Στην παρούσα διατριβή αναπτύχθηκε ένα σύνολο νέων μεθόδων για την αυτοματοποιημένη ραφή υφασμάτων με ένα βιομηχανικό ρομπότ εφοδιασμένο με έναν αισθητήρα δύναμης και μία κλασσικού τύπου ραπτομηχανή. Η πρωτότυπη προσέγγιση που αποτελεί το πλαίσιο της διατριβής αποτελείται από ένα ιεραρχικό σύστημα εκτιμήσεων, αποφάσεων και ελέγχου της διαδικασίας ραφής. Γίνεται μία συστηματική μελέτη, καταγραφή και αξιολόγηση όλων των χειρισμών του υφάσματος, πριν και κατά τη διάρκεια της ραφής, ως προς τις απαιτήσεις τους σε συστήματα αισθητήρων αλλά και στρατηγικών ελέγχου. Αναπτύσσεται μία πρωτότυπη βάση δεδομένων και ένα έμπειρο σύστημα που ενσωματώνουν όλη αυτή την προγενέστερη γνώση και εμπειρία. Παρουσιάζεται η ιδέα της εφαρμογής μεθόδων υπολογιστικής νοημοσύνης στο επιστημονικό πεδίο της ραφής υφασμάτων και εφαρμογής μεθόδων ευφυούς ελέγχου, για την τάνυση των υφασμάτων, βασισμένες σε νευρωνικά δίκτυα οι οποίες, για πρώτη φορά, χρησιμοποιούν ποιοτικές εκτιμήσεις των ιδιοτήτων και των χαρακτηριστικών των υφασμάτων. Έτσι, εισάγεται η έννοια των λεκτικών μεταβλητών για την ποιοτική περιγραφή των ιδιοτήτων των υφασμάτων. Στο πλαίσιο αυτό, εκφράζεται για πρώτη φορά, ποιοτικά σαν ποσοστό, η έννοια της “εκτατότητας” (extensibility) των υφασμάτων, που είναι μία βασική και καθοριστική ιδιότητά τους κατά την εργασία της ραφής τους. Επίσης περιγράφεται η ανάπτυξη μιας νέας μεθόδου αυτοματοποιημένου πειραματικού προσδιορισμού της “εκτατότητας” των υφασμάτων. Η πρωτότυπη αυτή προσέγγιση εφαρμόστηκε σε μονά και διπλά υφάσματα ενώ τα πειράματα εφελκυσμού ενσωματώθηκαν “έξυπνα” στην ίδια τη ραπτομηχανή και λίγο πριν τη διαδικασία της ραφής. Παρουσιάζεται ένα ασαφές σύστημα εξαγωγής της επιθυμητής τάνυσης, κατά τη ραφή του κάθε υφάσματος, το οποίο βασίζεται στην ποιοτική εκτίμηση της “εκτατότητας” του υφάσματος και διαμορφώθηκε από την εμπειρία του έμπειρου χειριστή και την ασαφή συνεπαγωγή που κάνει αυτός ανάμεσα στην “εκτατότητα” και την επιθυμητή τάνυση. Αναπτύχθηκε μία νέα μέθοδος ελέγχου της τάνυσης του υφάσματος κατά τη ραφή του. Σε αυτή χρησιμοποιήθηκε ένας νευρωνικός ελεγκτής ευθείας τροφοδότησης για τον έλεγχο του ρομποτικού άκρου εργασίας με σκοπό τη διατήρηση της τάνυσης του υφάσματος σύμφωνα με την εκάστοτε επιθυμητή. Επιπροσθέτως, παρουσιάζεται η επέκταση της προτεινόμενης προσέγγισης, του νευρωνικού ελέγχου της τάνυσης, η οποία έδειξε τη δυνατότητα γενίκευσής της και σε άλλες παραπλήσιες εργασίες. Επίσης, καταγράφονται τα νέα ερευνητικά πεδία που ανοίγουν στο χώρο της συνεργασίας ανθρώπου-ρομπότ για τον χειρισμό υπερ-εύκαμπτων και εύκαμπτων αντικειμένων. Τελικά, παρουσιάζεται μία συστηματική εργαστηριακή εκτέλεση ραφών, σε μία μεγάλη ποικιλία τόσο μονών όσο και διπλών υφασμάτων, με ρομπότ ενώ συγκρίθηκαν αυτές με ραφές από έμπειρους. Μέσα από τις πειραματικές ραφές αναδεικνύεται, η αναζητούμενη ευελιξία του συστήματος και η ικανοποιητική απόκρισή του σε μία μεγάλη ποικιλομορφία υφασμάτων.
  • Thumbnail Image
    Item
    Χρήση νευρωνικών δικτύων για εκτίμηση της τάσης διάσπασης διάκενων με υγρά διηλεκτρικά
    (2011-10-03T07:23:14Z) Αθανασίου, Ανδρέας; Πυργιώτη, Ελευθερία; Αλεξανδρίδης, Αντώνιος; Athanasiou, Andreas
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Το ολοένα και μεγαλύτερο πρόβλημα, της ολοκληρωτικής εξάντλησης των αποθεμάτων του πετρελαίου το οποίο παρουσιάζεται στην βιομηχανία τα τελευταία χρόνια όλο και περισσότερο, έχει σοβαρό αντίκτυπο όπως είναι λογικό και στα παράγωγα αυτού και στην βιομηχανία που τα χρησιμοποιεί σαν πρώτο υλικό. Πιο συγκεκριμένα, στα Δίκτυα Υψηλής Τάσης Εναλλασσόμενου Ρεύματος η μόνωση του εξοπλισμού και των εγκαταστάσεων υψηλής τάσης είναι απαραίτητη προκειμένου να διατηρηθεί η διαφορά δυναμικού μεταξύ των υπό υψηλή τάση αγώγιμων μερών, η μηχανική στήριξη των αγωγών, η ανταλλαγή θερμότητας, κ.ά. Στον τομέα των ηλεκτροτεχνικών υγρών που χρησιμοποιούνται για αυτό τον σκοπό, βασική μας μελέτη ήταν η αντικατάσταση των όποιων μονωτικών υγρών χρησιμοποιούνταν μέχρι τώρα (συνήθως ορυκτελαίων κ.ά.) με έλαια φυτικής προέλευσης τα οποία προφανώς δεν επηρεάζονται από την εξάντληση του πετρελαίου που προ αναφέραμε αλλά και παρουσιάζουν κάποια βασικά πλεονεκτήματα τα οποία παρουσιάζονται στην παρούσα εργασία. Βασική μας ενασχόληση ήταν να περιγραφεί η συμπεριφορά των μονωτικών υγρών μέσω του επιστημονικού κλάδου της αναγνώρισης προτύπων. Πιο συγκεκριμένα , μέσω πειραματικών διαδικασιών που πραγματοποιήθηκαν στο Εργαστήριο Υψηλής Τάσης , έγινε η διάσπαση των υγρών υπό την επίδραση Υψηλής Τάσης και στη συνέχεια η μάθηση και η Εκπαίδευση Τεχνητού Νευρωνικού Δικτύου. Τα τεχνητά νευρωνικά δίκτυα χρησιμοποιήθηκαν στην παρούσα διπλωματική εργασία καθώς μπορούν να περιγράψουν μη γραμμικές σχέσεις μεταξύ εισόδου και εξόδου κάτι το οποίο συμβαίνει στην διάσπαση υγρών διηλεκτρικών υπό υψηλή τάση καθώς και γενικεύοντας μπορούμε να μελετάμε την συμπεριφορά των υγρών υπό την έκθεση πολύ υψηλών τάσεων , όπου στο εργαστήριο θα είναι αδύνατη η εφαρμογή τους. Eκτενέστερα στο 1ο Κεφάλαιο , της διπλωματικής εργασίας ασχολούμαστε με τα μονωτικά υγρά και τις ιδιότητες αυτών. Η χρήση τους είναι απαραίτητη στους μετασχηματιστές ,πυκνωτές , καλώδια , μονωτήρες διέλευσης κ.α. Επίσης , όσον αφορά τα μονωτικά υγρά που χρησιμοποιούνται ευρέως,τα ορυκτέλαια, αναφέρονται οι φυσικές και χημικές ιδιότητες τους και αναλύονται οι ηλεκτρικές τους ιδιότητες. Επιπλέον αναλύονται και οι ιδιότητες των φυσικών εστέρων ως μονωτικό μέσο σε μετασχηματιστές ισχύος και η γενική συμπεριφορά των υγρών υπό την επίδραση υψηλού ηλεκτρικού πεδίου. Στο 2ο Κεφάλαιο αναλύουμε τα τεχνητά νευρωνικά δίκτυα. Η αναγνώριση προτύπων σαν επιστημονικός κλάδος και οι τεχνικές του, όπως αυτή των νευρωνικών δικτύων μας εισάγουν στην δημιουργία συστημάτων τα οποία μπορούμε να δημιουργήσουμε, να εκπαιδεύσουμε και στην συνέχεια ελέγχοντας την αξιοπιστία τους μέσω της στατιστικής, να εργαστούμε πάνω σε αυτά. Η απαρχή των τεχνητών νευρωνικών δικτύων, οι βιολογικοί νευρώνες δηλαδή του εγκεφάλου, είναι η βάση όλων των συστημάτων και εν συνεχεία αφού περιγράφεται η ιστορική αναδρομή των τεχνητών δικτύων αναλύουμε την φύση των δικτύων οπισθοδρόμησης (Back Propagation) όπου είναι και τα δίκτυα που χρησιμοποιήθηκαν στην παρούσα διπλωματική εργασία . Στο 3ο Κεφάλαιο εισάγουμε την δημιουργία τεχνητών νευρωνικών δικτύων στο περιβάλλον Μatlab. Αφού δημιουργήσαμε το κατάλληλο νευρωνικό δίκτυο, και το εκπαιδεύσαμε μελετήσαμε την καταλληλότητα του δικτύου και κατά πόσο αυτό θα μπορεί να μας δώσει αξιόπιστα αποτελέσματα προσομοιώνοντας την πειραματική διαδικασία του εργαστηρίου σε συνθήκες κατάλληλες και ακατάλληλες , εξετάζοντας δηλαδή τα πειραματικά δεδομένα με εισαγωγή στοιχείων κατάλληλα για το εργαστήριο, αλλά και στοιχείων που δεν είναι δυνατή η πραγματοποίηση τους στο εργαστήριο . Στο Κεφάλαιο Συμπεράσματα , εν τέλει αναλύουμε και συνοψίζουμε την καταλληλότητα του πειράματος που πραγματοποιήσαμε καθώς και κατά πόσο το νευρωνικό δίκτυο είναι αξιόπιστο, καθώς και οι λόγοι που το καθιστούν .
  • Thumbnail Image
    Item
    Σχεδιασμός και υλοποίηση πολυκριτηριακής υβριδικής μεθόδου ταξινόμησης βιολογικών δεδομένων με χρήση εξελικτικών αλγορίθμων και νευρωνικών δικτύων
    (2014-10-09) Σκρεπετός, Δημήτριος; Τσακαλίδης, Αθανάσιος; Χούσος, Ευθύμιος; Τσακαλίδης, Αθανάσιος; Skrepetos, Dimitrios
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Δύσκολα προβλήματα ταξινόμησης από τον χώρο της Βιοπληροφορικής όπως η πρόβλεψη των microRNA γονιδιών και η πρόβλεψη των πρωτεϊνικών αλληλεπιδράσεων (Protein- Protein Interactions) απαιτούν ισχυρούς ταξινομητές οι οποίοι θα πρέπει να έχουν καλή ακρίβεια ταξινόμησης, να χειρίζονται ελλιπείς τιμές, να είναι ερμηνεύσιμοι, και να μην πάσχουν από το πρόβλημα ανισορροπίας κλάσεων. Ένας ευρέως χρησιμοποιούμενος ταξινομητής είναι τα νευρωνικά δίκτυα, τα οποία ωστόσο χρειάζονται προσδιορισμό της αρχιτεκτονικής τους και των λοιπών παραμέτρων τους, ενώ και οι αλγόριθμοι εκμάθησής τους συνήθως συγκλίνουν σε τοπικά ελάχιστα. Για τους λόγους αυτούς, προτείνεται μία πολυκριτηριακή εξελικτική μέθοδος η οποία βασίζεται στους εξελικτικούς αλγορίθμους ώστε να βελτιστοποιήσει πολλά από τα προαναφερθέντα κριτήρια απόδοσης των νευρωνικών δικτύων, να βρει επίσης την βέλτιση αρχιτεκτονική καθώς και ένα ολικό ελάχιστο για τα συναπτικά τους βάρη. Στην συνέχεια, από τον πληθυσμό που προκύπτει χρησιμοποιούμε το σύνολό του ώστε να επιτύχουμε την ταξινόμηση.
  • Thumbnail Image
    Item
    Αναβάθμιση εξοπλισμού και λογισμικού ασαφούς ελεγκτή συστήματος βιολογικού αντιδραστήρα
    (2010-11-01T07:37:48Z) Προκόπης, Κωνσταντίνος; Μάνεσης, Σταμάτης; Ποιμενίδης, Τριαντάφυλλος; Μάνεσης, Σταμάτης
    Τμήμα Ηλεκτρολ. Μηχαν. και Τεχνολ. Υπολογ. (ΔΕ)
    Η παρούσα διπλωματική μελέτη έχει ως αντικείμενο την αναβάθμιση της εργαστηριακής άσκησης "Έμπειρος και ασαφής έλεγχος βιολογικού αντιδραστήρα" του εργαστηρίου Γενικής Ηλεκτροτεχνίας και Τομέα Συστημάτων Αυτόματου Ελέγχου. Η αναβάθμιση του εξοπλισμού περιλαμβάνει την αντικατάσταση του παλιού προσωπικού υπολογιστή (PC) και του παλιού προγραμματιζόμενου λογικού ελεγκτή (PLC) με νέας γενιάς αντίστοιχα. Η αναβάθμιση του λογισμικού αφορά την ανάπτυξη της παραπάνω εργαστηριακής εφαρμογής με το λογισμικό Fuzzy Control V6++. Το παρόν έγγραφο είναι χωρισμένο σε έξι κεφάλαια στα οποία παρουσιάζονται οι βασικές έννοιες και δομές των συστημάτων βιολογικού καθαρισμού καθώς και οι βασικές έννοιες της ασαφούς λογικής, των ασαφών ελεγκτών και των νευρωνικών δικτύων χωρίς όμως να στέκεται τόσο στα στοιχεία της θεωρίας. Προσπαθήσαμε δηλαδή να δώσουμε στην εργασία αυτή τη μορφή ενός εγχειριδίου με την εκτενή παρουσίαση όλων των βημάτων και των προβλημάτων που ακολουθήσαμε και αντιμετωπίσαμε στο εργαστηριακό περιβάλλον για την ανάπτυξη του ασαφούς ελεγκτή με το νέο υλικό (λογισμικό και εξοπλισμό).
  • Thumbnail Image
    Item
    Χρήση γενετικού αλγόριθμου για βελτιστοποίηση δομής, παραμέτρων τεχνητών νευρωνικών δικτύων και εφαρμογή της υβριδικής μεθόδου σε προβλήματα από τον χώρο της οικονομίας
    (2012-01-24) Αμοργιανιώτης, Θωμάς; Λυκοθανάσης, Σπυρίδων; Θεοφιλάτος, Κωνσταντίνος; Γεωργόπουλος, Ευστράτιος; Καραθανασόπουλος, Ανδρέας; Amorgianiotis, Thomas
    Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΔΕ)
    Τα πολυεπίπεδα νευρωνικά δίκτυα έχουν εφαρμοστεί στο παρελθόν με μεγάλη επιτυχία στην πρόβλεψη χρονοσειρών από το χώρο της οικονομίας. Στην πράξη όμως παρουσιάζουν διάφορα προβλήματα όπως: Εύρεση του βέλτιστου υποσυνόλου χαρακτηριστικών και χρησιμοποίησή τους σαν εισόδου. Εύρεση της βέλτιστης δομής (επίπεδα κρυφών νευρώνων, αριθμός κρυφών νευρώνων). Εύρεση των βέλτιστων τιμών των παραμέτρων του αλγορίθμου εκπαίδευσης των τεχνητών νευρωνικών δικτύων (παράμετρος μάθησης, παράμετρος ορμής κλπ.) Σκοπός της διπλωματικής αυτής εργασίας είναι η δημιουργίας μιας υβριδικής μεθόδου γενετικών αλγορίθμων και νευρωνικών δικτύων. Ο γενετικός αλγόριθμος θα είναι υπεύθυνος στην εύρεση του βέλτιστου συνδυασμού των παραπάνω προς αναζήτηση παραμέτρων του νευρωνικού δικτύου. Η υβριδική αυτή μέθοδος θα εφαρμοστεί στο πρόβλημα της πρόβλεψης του δείκτη ASE-20 του ελληνικού χρηματιστηρίου καθώς και στο πρόβλημα της πρόβλεψης της ισοτιμίας δολαρίου-Ευρώ.