Ομότιμη, συνεργατική αλληλεπίδραση ανθρώπου - μηχανής

Ομότιμη, συνεργατική αλληλεπίδραση ανθρώπου - μηχανής

Τουμανίδης, Λάζαρος

Ηλεκτρικές και Ηλεκτρονικές Επιστήμες μέσω Έρευνας (MSc by Research in Electrical and Electronics

Patrikakis, Charalampos

Βαλαμόντες, Ευάγγελος

Σχολή Μηχανικών

Kaltsas, Grigoris

Τμήμα Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών

Μεταπτυχιακή διπλωματική εργασία

2020-04

2022-02-02T14:19:53Z

Μια συνήθης πρακτική σε λύσεις μηχανικής μάθησης, είναι η συνεχής χρήση της ανθρώπινης ευφυίας, με σκοπό την βελτίωση της ποιότητας και αποδοτικότητάς τους. Το αντικείμενο της παρούσας εργασίας είναι η μελέτη των τρόπων που μπορούμε να συνδυάσουμε την ανθρώπινη και της μηχανική ευφυΐα με σκοπό την βελτίωση των λύσεων που προσφέρουν τα συστήματα μηχανικής μάθησης. Μελετάται το πρόβλημα της ανάγκης για συλλογή και τιτλοφόρηση μεγάλου όγκου δεδομένων στα συστήματα αυτά, οι τεχνικές της μεταφοράς μάθησης και της ενεργητικής μάθησης, που χρησιμοποιούνται για την μείωση του όγκου αυτού καθώς και ο ρόλος που παίζει η ανθρώπινη κρίση κατά τις διαδικασίες αυτές. Παρουσιάζουμε μια ολοκληρωμένη πρακτική υλοποίηση, που περιλαμβάνει των συνδυασμού των τεχνικών αυτών, με την εκμετάλλευση προ-εκπαιδευμένων μοντέλων και την επιλεκτική δειγματοληψία δειγμάτων προς τιτλοφόρηση, καθώς και μια διαπλατφορμική εφαρμογή κινητών συσκευών για της διαδικασία της τιτλοφόρησης των επιλεγμένων δειγμάτων. Η υλοποίηση αποτελείται από τρία διακριτά μέρη, αυτό της εφαρμογής των τεχνικών μηχανικής μάθησης, αυτό της εφαρμογής για κινητές συσκευές και αυτό της διαδικτυακής εφαρμογής που χρησιμοποιείται ως διεπαφή των υπόλοιπων δύο, αλλά και για την αποθήκευση τόσο των παραμέτρων των διεργασιών αλλά και των εκάστοτε σταδίων αυτών. Αξιολογούμε την υλοποίηση αυτή εφαρμόζοντας ένα πρόβλημα δυαδικής κατηγοριοποίησης στον τομέα της μηχανικής όρασης, με χρήση ενός προ-εκπαιδευμένου μοντέλου για αρχικοποίηση της διαδικασίας, το κριτήριο της μέγιστης εντροπίας σαν κριτήριο επιλογής νέων δειγμάτων στο στάδιο της μεταφοράς μάθησης, συγκρινόμενο με την τυχαία επιλογή δειγμάτων, και μηχανισμό ειδικής πλειοψηφίας σαν κριτήριο αξιοπιστίας των απαντήσεων στην διαδικασία τιτλοφόρησης νέων δεδομένων για την προσθήκη τους στο σύνολο δεδομένων εκπαίδευσης. Εξασφαλίζουμε ασφαλή επικοινωνία ανάμεσα στην εφαρμογή κινητών συσκευών και της διαδικτυακής εφαρμογής, και αποστέλλουμε στην δεύτερη, τις απαντήσεις που έδωσαν οι χρήστες στην πρώτη. Παρουσιάζουμε τα αποτελέσματα από τα οποία εύλογα διαφαίνεται η μείωση των απαιτούμενων δεδομένων για την βελτίωση του εκπαιδευμένου μοντέλου και συζητάμε σχετικά με τις δυσκολίες που αντιμετωπίσαμε αλλά και τις προοπτικές που ανοίγονται για την περαιτέρω αξιοποίηση της υλοποίησής μας.

Μεταφορά μάθησης

Crowdsourcing

Νευρωνικά δίκτυα

Ενεργητική μάθηση

Βαθιά μάθηση

Ενισχυτική μάθηση

Μηχανική μάθηση

Machine learning

Reinforcement learning

Κινητή υπολογιστική

Peer-to-peer

Πληθοπορισμός

Ελληνική γλώσσα

Πανεπιστήμιο Δυτικής Αττικής

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ - Τμήμα Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών - Μεταπτυχιακές διπλωματικές εργασίες - Ηλεκτρικές και Ηλεκτρονικές Επιστήμες μέσω Έρευνας (MSc by Research in Electrical and Electronics)

http://creativecommons.org/licenses/by-nc-sa/4.0/

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Πανεπιστήμιο Δυτικής Αττικής (ΠΑ.Δ.Α.)

Πολυνόη - Ιδρυματικό Αποθετήριο Πανεπιστημίου Δυτικής Αττικής

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ

Τμήμα Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών

Μεταπτυχιακές διπλωματικές εργασίες - Ηλεκτρικές και Ηλεκτρονικές Επιστήμες μέσω Έρευνας (MSc by Research in Electrical and Electronics)