Machine learning for a general purpose declarative scene modeler

 
Το τεκμήριο παρέχεται από τον φορέα :
ΤΕΙ Αθήνας
Αποθετήριο :
Υπατία - Ιδρυματικό Αποθετήριο
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο



Machine learning for a general purpose declarative scene modeler (EN)

Μιαούλης, Γεώργιος (EL)
Πλεμμένος, Δημήτρης (EL)
Βασιλάς, Νικόλαος (EL)

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Αθήνας. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε. (EL)

In this paper we discuss about the implementation of machine learning mechanisms in declarative scene modelling. After a study of the different kinds of declarative modellers and the different cases where machine learning seems useful, we describe two implemented techniques allowing machine learning for declarative modelling by hierarchical decomposition. The first technique is based on neural networks and allows reduction of the solution space in order to generate only solutions corresponding to the user’s wishes. The second one uses a genetic algorithm which, starting from a set of scenes produced by the generation engine of the declarative modeller, produces other solutions under the user’s control, taking hence the place of the generation engine. The obtained results are then explained and discussed. (EN)

full paper
conferenceItem

Neural networks (EN)
νευρωνικά δίκτυα (EN)
Machine learning (EN)
γενετικοί αλγόριθμοι (EN)
δηλωτική μοντελοποίηση σκηνής (EN)
declarative scene modelling (EN)
Μάθηση μηχανής (EN)
Genetic algorithms (EN)

ΤΕΙ Αθήνας (EL)
Technological Educational Institute of Athens (EN)

GraphiCon 2002 (EN)

Αγγλική γλώσσα

2002-09-16

DOI: 10.1.1.189.1590



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.