1. Αρχική σελίδα
  2. Αναζήτηση

Ερμηνεύσιμα Μοντέλα Βαθιάς Μάθησης για την Ανάλυση Οπτικών Δεδομένων

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό Μετσόβιο Πολυτεχνείο   

Αποθετήριο :
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Ερμηνεύσιμα Μοντέλα Βαθιάς Μάθησης για την Ανάλυση Οπτικών Δεδομένων (EL)
Τάγαρης, Αθανάσιος (EL)
Νικήτα, Κωνσταντίνα (EL)
ntua (EL)
Σταφυλοπάτης, Γεώργιος-Ανδρέας (EL)
Κόλλιας, Στέφανος (EL)
Τσουκαλάς, Δημήτριος (EL)
Στάμου, Γεώργιος (EL)
Ματσόπουλος, Γεώργιος (EL)
Τσανάκας, Παναγιώτης (EL)
doctoralThesis
2020-07-14T10:34:02Z
2020-06-23
2020-07-14 (EN)
Στο πλαίσιο της διατριβής μελετήθηκαν διάφορες εφαρμογές της Βαθιάς Μηχανικής Μάθησης για την αναγνώριση οπτικών δεδομένων. Αρχικά μελετήθηκαν, σχεδιάστηκαν και υλοποιήθηκαν διάφορες μεθοδολογίες σε τομείς όπως η ανάλυση συναισθήματος και η ανάλυση εικόνας. Ιδιαίτερη έμφαση δόθηκε στον τομέα της ιατρικής εικόνας με εφαρμογές σε νευροεκφυλιστικές νόσους, όπου κατασκευάσθηκε ένα σύνολο δεδομένων σχετικών με τη Νόσο του Parkinson. Έπειτα, σχεδιάσθηκαν και υλοποιήθηκαν διάφορες αρχιτεκτονικές για την ανάλυση των εικόνων αυτών, ώστε να εκπαιδευθεί ένα σύστημα ικανό να παράγει διαγνώσεις. Η απόδοση του τελευταίου όμως δεν αρκεί από μόνη της ώστε να εξασφαλιστεί η χρησιμότητά του, καθόσον το σύστημα να πρέπει να παρέχει μια μορφή ερμηνευσιμότητας. Κατά συνέπεια, το σύστημα επεκτάθηκε ώστε να του δοθεί η απαραίτητη διαφάνεια για το σκοπό αυτό. Στη συνέχεια, μελετήθηκε εκτενέστερα το θέμα της Ερμηνευσιμότητας των Βαθιών Νευρωνικών Δικτύων. Πιο συγκεκριμένα, ορίστηκαν διάφορες μετρικές μέσω των οποίων μπορεί κανείς να ποσοτικοποιήσει πόσο ερμηνεύσιμο είναι ένα δίκτυο και πόση απόδοση θα έπρεπε να θυσιάσει για να το πετύχει αυτό. Το πρόβλημα αντιμετωπίσθηκε με δύο προσεγγίσεις που έδωσαν πολύ ικανοποιητικά αποτελέσματα: η πρώτη είναι επέκταση της γνωστής τεχνικής των Χαρτών Ενεργοποίησης Κλάσης, ενώ η δεύτερη προτείνει μια νέα αρχιτεκτονική, η οποία θα εκπαιδεύεται για να προσδώσει εξηγήσεις στις αποφάσεις ενός δικτύου. Αυτό επιτυγχάνεται μέσω δύο υπο-δικτύων, ενός που έχει σκοπό να κρύβει μέρος της εισόδου και ενός που προσπαθεί να ταξινομεί την μερικώς κρυμμένη είσοδο, τα οποία εκπαιδεύονται συνεργατικά μέσω μιας συνάρτησης σφάλματος με δύο όρους. (EL)
Νευρωνικά δίκτυα (EL)
Όραση υπολογιστών (EL)
Βαθιά μάθηση (EL)
Ιατρική εικόνα (EL)
Ερμηνευσιμότητα (EL)
Ελληνική γλώσσα
Τεχνητής Νοημοσύνης και Συστημάτων Μάθησης (EL)
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (EL)
Αναφορά Δημιουργού 3.0 Ελλάδα
http://creativecommons.org/licenses/by/3.0/gr/
Εθνικό Μετσόβιο Πολυτεχνείο
Ψηφιακό Αποθετήριο της Κεντρικής Βιβλιοθήκης του ΕΜΠ | Dspace@NTUA
Κεντρική Βιβλιοθήκη Ε.Μ.Π.
Ιδρυματικό Αποθετήριο
Διδακτορικές Διατριβές



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