Repository logo
  • English
  • Ελληνικά
  • Log In
    Have you forgotten your password?
Repository logo
  • Collections
  • Research Outputs
  • Projects
  • People
  • Statistics
  • English
  • Ελληνικά
  • Log In
    Have you forgotten your password?
  1. Home
  2. Ψηφιακό Αποθετήριο ΚΥΨΕΛΗ / Kypseli Digital Repository
  3. Theses / Διατριβές και Πτυχιακές Εργασίες
  4. Μεταπτυχιακές Διατριβές / Master Τheses
  5. Πληροφοριακά και Επικοινωνιακά Συστήματα (ΕΛΛ) / Information and Communication Systems (in Greek)
  6. CARENNET-Εξαγωγή κανόνων αιτιότητας απο νευρωνικά δίκτυα
 
  • Details
Options

CARENNET-Εξαγωγή κανόνων αιτιότητας απο νευρωνικά δίκτυα

Author(s)
Παυλίδης, Ανδρέας
Date Issued
2013-11-28
Faculty
Σχολή Θετικών και Εφαρμοσμένων Επιστημών / Faculty of Pure and Applied Sciences 
Abstract
Η χρησιμότητα και η διάδοση των νευρωνικών δικτύων σήμερα θεωρείται δεδομένη. Πρόκειται για μηχανισμούς που μπορεί να χρησιμοποιηθούν, μεταξύ άλλων, και ως μηχανές λήψης αποφάσεων. Ωστόσο, ο τρόπος με τον οποίο ένα νευρωνικό δίκτυο μπορεί να λάβει αποφάσεις παραμένει ένα «μαύρο κουτί» αγνοώντας ουσιαστικά τη μαθηματική λογική. Το χαρακτηριστικό αυτό αποτελεί μειονέκτημα και λόγο αποφυγής χρήσης των νευρωνικών δικτύων σε κάποιους κρίσιμους τομείς, επειδή δεν επιτρέπει στους χρήστες να ελέγξουν τη λογική με την οποία ένα νευρωνικό δίκτυο κατέληξε να λάβει συγκεκριμένες αποφάσεις.
Στο πλαίσιο της παρούσας μεταπτυχιακής διατριβής αναπτύχθηκε και εφαρμόστηκε, με την υλοποίηση του αντίστοιχου λογισμικού, η πειραματική διαδικασία CARENNET (Causal Rules Extraction from Neural Networks) για να διερευνηθεί η επίδραση συγκεκριμένων παραμέτρων, καθώς και νέων τεχνικών στην κατασκευή ποιοτικών νευρωνικών δικτύων συγκεκριμένης δομής, στην εξαγωγή ποιοτικών κανόνων αιτιότητας από αυτά, καθώς και στη σχέση της ποιότητας μεταξύ των δύο.
Από τα αποτελέσματα φάνηκε ότι η ποιότητα των εξαγόμενων ομάδων κανόνων αιτιότητας είναι άμεσα συνδεδεμένη με αυτήν των νευρωνικών δικτύων από τα οποία προκύπτουν, καθώς και ότι η ποιότητα των νευρωνικών δικτύων είναι αντιστρόφως ανάλογη του αριθμού των στοιβάδων που αυτά χρησιμοποιούν. Κάποιες από τις πρωτοδοκιμαζόμενες τεχνικές φάνηκε πως δεν έχουν να προσφέρουν κάτι ιδιαίτερο για το συγκεκριμένο σκοπό, ενώ η χρήση κόμβων ανά τιμή δυαδικών μεταβλητών φάνηκε να επηρεάζει θετικά την ποιότητα των νευρωνικών δικτύων.
Publisher
Ανοικτό Πανεπιστήμιο Κύπρου
Format
iv, 92 σ. εικ., 30 εκ.
Subjects

Νευρωνικά δίκτυα

Neural networks

File(s)
Loading...
Thumbnail Image
Name

ΠΛΗ-2013-00101.pdf

Size

3.32 MB

Format

Adobe PDF

Checksum

(MD5):21c998be8fd3935228f2c5cd12fa1aa9

  • Contact Us
  • Cookie settings
  • Open University of Cyprus
  • OUC Library
  • Policies
  • Accessibility and Data Protection

Find us on:

FacebookFacebook

Built with DSpace-CRIS software - Extension maintained and optimized by 4Science - Powered by Dataly