Επιλογή χαρακτηριστικών και ταξινόμηση δεδομένων με χρήση νευρωνικών δικτύων RBF

Δείτε το αρχείο http://vivliothmmy.ee.auth.gr/86/  
Φορέας Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Συλλογή Καταθετήριο της Βιβλιοθήκης Ηλ. Μηχανικών και Μηχ. Υπολογιστών Επιλογή χαρακτηριστικών και ταξινόμηση δεδομένων με χρήση νευρωνικών δικτύων RBF
Επιμέρους συλλογή Computer Science: Neural Networks
Θέματα Νευρωνικά δίκτυα
ΠεριγραφήΣτο κεφάλαιο 1 επιχειρούμε μια σύντομη και περιεκτική παρουσίαση των νευρωνικών δικτύων. Συγκεκριμένα, αναφερόμαστε στην ιστορική τους διαδρομή, τα γενικά χαρακτηριστικά τους, τις βασικές δομικές και λειτουργικές τους κατηγοριοποιήσεις και καταλήγουμε με τη συνοπτική παράθεση των χρήσεών τους. Στο κεφάλαιο 2 παρουσιάζουμε το πρόβλημα της ελάττωσης διαστάσεων και περιγράφουμε διάφορες τεχνικές που ανήκουν στις δύο θεμελιώδεις κλάσεις του: της εξαγωγής και της επιλογής χαρακτηριστικών. Στο κεφάλαιο 3 αναφερόμαστε στα δίκτυα ακτινικής βάσης, αναπτύσσοντας τη γενική τους δομή, τις ιδιότητες που διαθέτουν,τις βασικές στρατηγικές εκπαίδευσής τους και καταλήγουμε με τα πλεονεκτήματα και τα μειονεκτήματά τους,μια συγκριτική τοποθέτηση ως προς τους MLPs και τις βασικές εφαρμογές τους. Στο κεφάλαιο 4,που αποτελεί το κυριότερο μέρος της παρούσας εργασίας, παρουσιάζουμε ένα στατιστικό μέτρο εκτίμησης της αξίας των γνωρισμάτων (μεταβλητών) ενός προβλήματος κατάταξης, που φέρειτην ονομασία «μέτρο διαχωρισιμότητας-συσχέτισης». Η παρουσίαση συνοδεύεται από ένα υποθετικό παράδειγμα επίδειξης της συμπεριφοράς του, που τεκμηριώνει τις θεωρητικές του ιδιότητες. Στη συνέχεια, αναπτύσσουμε ένα αλγόριθμο για την εκπαίδευση ενός RBF δικτύου, που θα χρησιμοποιηθεί για τον προσδιορισμό του ελάχιστου πλήθουςτων μεταβλητών ενός προβλήματος κατάταξης, που είναι αναγκαίες για την επίλυσή του, χωρίς να υποβιβάζεται η απόδοση του συστήματος. Το τελευταίο αποτελεί μια χρήσιμη εξέλιξη αφού δίνει τη δυνατότητα για μικρότερη και επομένως ταχύτερη δομή δικτύου. Τέλος , στο κεφάλαιο 5, παραθέτουμε τα αποτελέσματα που προέκυψαν για τρία πειραματικά σύνολα δεδομένων (Breast cancer, Iris και Thyroid), συνοδευόμενα από τα συμπεράσματά μας και καταλήγουμε με την εφαρμογή του αλγορίθμου στο πρόβλημα της ταυτοποίησης του τύπου βάδισης (gait).
Δημιουργός Μπάστας, Νικόλαος
ΜεσολαβητήςΘεοχάρης Ιωάννης
Ημερομηνία2007-06
ΤύποςΔιπλωματική
Μορφότυποςapplication/pdf
Πηγήhttp://vivliothmmy.ee.auth.gr/86/1/%CE%95%CE%A0%CE%99%CE%9B%
CE%9F%CE%93%CE%97_%CE%A7%CE%91%CE%A1%CE%91%CE%9A%CE%A4%CE%97
%CE%A1%CE%99%CE%A3%CE%A4%CE%99%CE%9A%CE%A9%CE%9D_%CE%9A%CE%9
1%CE%99_%CE%A4%CE%91%CE%9E%CE%99%CE%9D%CE%9F%CE%9C%CE%97%CE%
A3%CE%97_%CE%94%CE%95%CE%94%CE%9F%CE%9C%CE%95%CE%9D%CE%A9%CE
%9D_%CE%9C%CE%95_%CE%A4%CE%97_%CE%A7%CE%A1%CE%97%CE%A3%CE%97
_%CE%9D%CE%95%CE%A5%CE%A1%CE%A9%CE%9D%CE%99%CE%9A%CE%A9%CE%9
D_%CE%94%CE%99%CE%9A%CE%A4%CE%A5%CE%A9%CE%9D_RBF.pdf
ΆδειαCreative Commons Attribution Non-Commercial No Derivatives
Βιβλιογραφική αναφοράΜπάστας, Νικόλαος (2007) Επιλογή χαρακτηριστικών και ταξινόμηση δεδομένων με χρήση νευρωνικών δικτύων RBF. Θεοχάρης Ιωάννης , Θεσσαλονίκη.
Σχέσηhttp://vivliothmmy.ee.auth.gr/86/
Επισκέψεις41