Προσαρμοστική Εκμάθηση και Προσαρμοστικοί Αλγόριθμοι

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Πέργαμος
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




2015 (EL)
Προσαρμοστική Εκμάθηση και Προσαρμοστικοί Αλγόριθμοι

Χερουβείμ Μιχαήλ (EL)

Στην παρούσα διατριβή μελετούνται το πρόβλημα της προσαρμοστικής εκμάθησης στον τομέα της Μηχανικής Εκμάθησης και οι σχετικοί προσαρμοστικοί αλγόριθμοι. Στην προσαρμοστική εκμάθηση, σκοπός είναι η μελέτη και η ανάπτυξη αλγορίθμων, οι οποίοι έχουν την δυνατότητα να εκπαιδεύονται και να μαθαίνουν, μέσα από μετρήσεις εισόδου – εξόδου, και να προσαρμόζονται στις αλλαγές του περιβάλλοντος, με στόχο την εκτίμηση αγνώστων παραμέτρων κατά τη διάρκεια του χρόνου. Το αντικείμενο αυτό εμφανίζεται σε πολλές εφαρμογές της καθημερινής ζωής, όπως η κινητή τηλεφωνία, και χαρακτηρίζει συστήματα που λειτουργούν σε πραγματικό χρόνο. Έτσι, με την πάροδο του χρόνου, αναπτύχθηκαν προσαρμοστικοί αλγόριθμοι με τους οποίους επιτυγχάνεται ικανοποιητική εκτίμηση των αγνώστων παραμέτρων. Κατά τη μελέτη προσαρμοστικών αλγορίθμων, γίνεται εύκολα αντιληπτό το γεγονός της ύπαρξης σημαντικών και εκτενών θεωρητικών υποβάθρων για την δημιουργία τους και τη λειτουργία τους. Υπάρχουν αλγόριθμοι που χρησιμοποιούνται για γραμμικά αλλά και για μη γραμμικά συστήματα, εφαρμόζοντας έξυπνες μαθηματικές τεχνικές. Στα μη γραμμικά συστήματα η διαδικασία υλοποίησης ενός αλγορίθμου είναι περισσότερο πολύπλοκη, αλλά, με την κατάλληλη προσαρμογή στα μαθηματικά μοντέλα, επιφέρει πολύ καλά αποτελέσματα στην εκτέλεσή του. Στην παρούσα διατριβή θα μελετήσουμε την φιλοσοφία των αλγορίθμων αυτών, το θεωρητικό τους υπόβαθρο, όπου θα γνωρίσουμε και θα εμβαθύνουμε σε έννοιες, όπως συνάρτηση κόστους, πυρήνες, κ.α., και φυσικά στο τέλος την πειραματική τους εκτέλεση, συγκρίνοντας τα διάφορα πειράματα των αλγορίθμων και εξάγοντας συμπεράσματα. (EL)
In the current study, we consider the problem of adaptive learning in the field of Machine Learning together the respective algorithms. In adaptive learning, the goal is to study and develop algorithms, which are capable of learning through input/output measurements, and adapt in changes of the environment, in order to estimate unknown parameters at each time instant. Such problems are encountered in a lot of practical applications, such as mobile communications, and it characterizes systems that work in real time. Thus, in the respective literature, several adaptive algorithms have been studied, that achieve a good estimation of unknown parameters. At the study of adaptive algorithms, it becomes easily perceptible the need for the existence of important and extensive theoretical backgrounds for their creation and their operation. There are many algorithms that are used for linear but also for non linear systems, applying intelligent mathematic techniques. Concerning the non linear systems, the development of adaptive algorithms is more complicated, but, with a suitable adaptation in the mathematic models, this may lead to very good results. In the current manuscript, we will study the philosophy of adaptive algorithms, their theoretical background, where we will discuss them in detail, referring concepts such as cost function, kernels, and, of course, in the end we will see their experimental implementation, comparing the various experiments of algorithms and exporting conclusions. (EN)

born_digital_graduate_thesis
Πτυχιακή Εργασία (EL)
Graduate Thesis (EN)


Ελληνική γλώσσα

2015




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