Η παρούσα διπλωματική εργασία ασχολείται με τη μελέτη της χρήσης νευρωνικών δικτύων αιχμών για εφαρμογές μηχανικής όρασης. Παρουσιάζεται η έρευνα του απαραίτητου υλικού για τη θεωρητική, αλλά και την πρακτική μελέτη και θα
αναλυθούν όλες οι απαραίτητες έννοιες για την πλήρη κατανόηση του αντικειμένου. Η παρούσα μελέτη παρέχει μια ολοκληρωμένη επισκόπηση της μηχανικής μάθησης και των νευρωνικών δικτύων, ξεκινώντας με μια εισαγωγή στη μηχανική μάθηση, τον ορισμό της, το ιστορικό πλαίσιο και τη σημασία της. Συζητά τη βαθιά μάθηση, τα συστατικά της, τα οφέλη, τις προκλήσεις και τις εφαρμογές σε περιβάλλοντα cloud. Στη συνέχεια, το κείμενο εμβαθύνει στα νευρωνικά δίκτυα, καλύπτοντας τους
ορισμούς τους, την ιστορική εξέλιξη, τις βιολογικές συγκρίσεις, διάφορους τύπους (όπως CNN και RNN) και μεθόδους εκπαίδευσης. Επιπλέον, διερευνά την όραση μηχανών, συμπεριλαμβανομένων συνόλων δεδομένων όπως το MNIST και το CIFAR10, και καταλήγει με πληροφορίες για τα Spiking Neural Networks (SNNs), την αρχιτεκτονική, τα πλεονεκτήματα και τις εφαρμογές τους. Το περιεχόμενο είναι δομημένο σε κεφάλαια, καθένα από τα οποία εξετάζει βασικές πτυχές αυτών των τεχνολογιών.
.jpg){kind=logo}
University of West Attica
