Εφαρμογές βαθιάς μάθησης

Τσερρίκου, Λέοναρντ

Applications of deep learning

Διπλωματική εργασία

Author

Τσερρίκου, Λέοναρντ

Date

2021-10

Advisor

Nikolaou, Grigoris

Διπλωματική Εργασία (9.020Mb)

Keywords

Βαθιά μάθηση ; Αλγόριθμοι ; Αλγόριθμοι ανίχνευσης σφαλμάτων ; TensorFlow ; Keras ; CNN ; Recurrent neural networks ; Deep learning ; LSTM

Abstract

Στην παρούσα διπλωµατική εργασία παρουσιάζονται και εφαρµόζονται παραδείγµατα χρήσης αλγορίθµων και µέθοδοι εύρεσης σφαλµάτων όπως DBSCAN, LOF, Isolation Forest και Tukey IQR, χρησιµοποιώντας συνθετικά δεδοµένα. Επιπλέον, αναφέρονται παραδείγµατα αντικατάστασης ελλιπών τιµών σε δεδοµένα θερµοκρασίας. Μετέπειτα, παρουσιάζονται παραδείγµατα χρήσης βιβλιοθηκών βαθιάς µάθησης Estimator API, Tensorflow και βιβλιοθήκης Keras για την δηµιουργία µοντέλων πρόβλεψης που αφορούν την επίλυση προβληµάτων σε τραπεζικά δεδοµένα, ηλεκτρική κατανάλωση, δεδοµένα θερµοκρασίας, πολυταξικός ταξινοµητής για δεδοµένα αρίθµησης [0-9] στην νοηµατική γλώσσα. Τέλος, παρουσιάζεται η πειραµατική εφαρµογή µοντέλου πρόβλεψης γωνίας τιµονιού για την οδήγηση οχήµατος σε πίστα µέσα σε προσοµοιωτή.

Abstract

In this dissertation are presented various examples regarding finding faulty values and outliers in a dataset with the use of algorithms as DBSCAN, LOF, Isolation Forest and Tukey IQR method. Moreover, there will be an example of dealing with missing values in a timeseries dataset of temperature data and dimensionality reduction usind PCA algorithm. Finally, we will show examples of solving problems using deep learning libraries like the following Estimator API, Tensorflow and Keras with datasets such as banking data, electrical consumption, multi classification of pictures of sign language numbers [0-9] and predicting steering values for the use of driving a vehicle in autonomous mode in a simulator