Εφαρμογές βαθιάς μάθησης

Τσερρίκου, Λέοναρντ

dc.contributor.advisor	Nikolaou, Grigoris
dc.contributor.author	Τσερρίκου, Λέοναρντ
dc.date.accessioned	2021-12-06T12:24:39Z
dc.date.available	2021-12-06T12:24:39Z
dc.date.issued	2021-10
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/1615
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-1466
dc.description.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.	el
dc.format.extent	148	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/4.0/	*
dc.subject	Βαθιά μάθηση	el
dc.subject	Αλγόριθμοι	el
dc.subject	Αλγόριθμοι ανίχνευσης σφαλμάτων	el
dc.subject	TensorFlow	el
dc.subject	Keras	el
dc.subject	CNN	el
dc.subject	Recurrent neural networks	el
dc.subject	Deep learning	el
dc.subject	LSTM	el
dc.title	Εφαρμογές βαθιάς μάθησης	el
dc.title.alternative	Applications of deep learning	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Βασιλειάδου, Σουλτάνα
dc.contributor.committee	Drosos, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	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	el

Files in this item

Name:: 44713_Cerriku.pdf
Size:: 9.020Mb
Format:: PDF
Description:: Διπλωματική Εργασία

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές