Ανάπτυξη μερικώς επιβλεπόμενων αλγορίθμων μηχανικής μάθησης

Περίληψη

Οι ολοένα και περισσότερες τεχνολογικές εφαρμογές που αλληλοεπιδρούν με τις διάφορες πτυχές της ανθρώπινης υπόστασης, έχουν φτάσει σήμερα να χαρακτηρίζονται από ένα κοινό στοιχείο: την παραγωγή τεράστιων ποσοτήτων δεδομένων, ιδίως αν αυτό συγκριθεί με τις προηγούμενες δεκαετίες. Αυτό το γεγονός, που έχει εναρμονιστεί ιδανικά με την ταυτόχρονη ανάπτυξη των τεχνολογιών αποθήκευσης και ανάκτησης αντίστοιχων ποσοτήτων δεδομένων, επιβάλει μεγάλες δυσκολίες κατά την αξιοποίηση τους ως πηγή πληροφόρησης για την εφαρμογή προβλεπτικών μοντέλων μάθησης σύμφωνα με τις αρχές των πεδίων της Μηχανικής Μάθησης και της Εξόρυξης Γνώσης. Ο κύριος λόγος είναι η αδυναμία κτήσης των ετικετών ή των πραγματικών τιμών που συνοδεύουν αυτές τις εγγραφές, ανάλογα με το αν αναφερόμαστε σε πρόβλημα Κατηγοριοποίησης ή Παλινδρόμησης, χωρίς να καταφεύγουμε σε διαδικασίες που επιβάλουν μεγάλες χρονικές καθυστερήσεις ή/και αντίστοιχα μεγάλα υλικά κόστη, αναλογιζόμενοι πάντοτε τον τεράστιο όγκο δεδομένων που καλούμαστε ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The increasing number of technological products that interact with various views of a human’s life are currently characterized by a common factor: the production of vast amounts of data, compared especially to the corresponding quantities of the last decades. This fact, which has been ideally harmonized with the parallel evolvement of the storing systems and the data retrieval mechanisms, has inferred great obstacles during their exploitation as informative sources for training the corresponding learning models, according to the principles that are defined by the fields of Machine Learning and Data Mining. The main reason is the inability to obtain the ground truth of their target value, either in the case of Classification or Regression tasks, without procedures that demand a lot of time or monetization costs, regarding the large volumes of data that are usually available. As a solution to this reality, which is characterized by the existence of numerous unlabeled data along with only ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/47965
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/47965
ND
47965
Εναλλακτικός τίτλος
Development of innovative partially supervised machine learning algorithms
Συγγραφέας
Κάρλος, Σταμάτης (Πατρώνυμο: Γεώργιος)
Ημερομηνία
2020
Ίδρυμα
Πανεπιστήμιο Πατρών. Σχολή Θετικών Επιστημών. Τμήμα Μαθηματικών
Εξεταστική επιτροπή
Κωτσιαντής Σωτήριος
Καββαδίας Δημήτριος
Μουρτζόπουλος Ιωάννης
Βραχάτης Μιχαήλ
Χατζηλυγερούδης Ιωάννης
Σγάρμπας Κυριάκος
Καλλές Δημήτριος
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Μηχανική μάθηση; Μερικώς επιβλεπόμενη μάθηση; Ημιεπιβλεπόμενη μάθηση; Ενεργητική μάθηση; Μέθοδοι περιτυλίγματος; Ετικετοποιημένα/Μη-ετικετοποιημένα παραδείγματα
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xviii, 414 σ., εικ., πιν., σχημ., γραφ.
Ειδικοί όροι χρήσης/διάθεσης
Το έργο παρέχεται υπό τους όρους της δημόσιας άδειας του νομικού προσώπου Creative Commons Corporation:
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)