test Multi-Layer Perceptron: ένας καλός μαθητής|Open Schools Journal for Open Science

Multi-Layer Perceptron: ένας καλός μαθητής


Δημήτριος Ροδίτης
Ελένη Γκιουρκτσιάν
Ρόμπολα Ελένη Επιβλέπουσα εκπαιδευτικός
Abstract

Στις μέρες μας γίνεται πολύς λόγος για την Τεχνητή Νοημοσύνη και τις εφαρμογές της που εισβάλλουν όλο και περισσότερο στην καθημερινότητά μας. Στην παρούσα εργασία επιχειρούμε μια πρώτη ματιά στα Τεχνητά Νευρωνικά Δίκτυα. Η εργασία επικεντρώνεται στα Multi-Layer Perceptrons (MLP) νευρωνικά δίκτυα. Περιγράφουμε την διαδικασία πρόβλεψης αυτών των δικτύων καθώς και την διαδικασία εκπαίδευσής τους ώστε οι προβλέψεις τους να χαρακτηρίζονται από το ελάχιστο δυνατό λάθος. Η διαδικασία εκπαίδευσης την οποία περιγράφουμε εντάσσεται στην κατηγορία του supervised learning. Στο δεύτερο μέρος της εργασίας παρουσιάζουμε την σχεδίαση και υλοποίηση ενός δικού μας MLP σε γλώσσα προγραμματισμού Processing, το οποίο εκπαιδεύσαμε και χρησιμοποιήσαμε σε δύο διαφορετικές περπτώσεις: (α) αναγνώριση φωτιάς σε εικόνες, (β) αναγνώριση αριθμών σε φωτογραφίες όπου κάποιος άνθρωπος σχηματίζει αριθμούς με τα δάχτυλά του.


 

Article Details
  • Section
  • Greece
Downloads
Download data is not yet available.
References
Γεωργούλη, Κ. (2015). Τεχνητή Νοημοσύνη, Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών
Μπαρτσώκας, Θ. (2021). Κατάτμηση και κατηγοριοποίηση εγκεφαλικών όγκων με χρήση Βαθιάς Μάθησης, Αθήνα: Πτυχιακή Εργασία Τμήμα Πληροφορικής ΕΚΠΑ, σ. 15-30
Σιδηροπούλου, Κ. (2015). Βασικές αρχές λειτουργίας του νευρικού συστήματος, Αθήνα: Σύνδεσμος Ελληνικών Ακαδημαϊκών Βιβλιοθηκών, σ.12
Russel, S., Norvig, P. (2005), Τεχνητή Νοημοσύνη Μια σύγχρονη προσέγγιση, Αθήνα: Κλειδάριθμος, σ. 835
Processing (2024). https://processing.org/