Ανάπτυξη Ασαφών Συστημάτων με χρήση της εργαλειοθήκης FuzzyR – Εφαρμογή σε προβλήματα Αναγνώρισης και Πρόβλεψης

Ντούπη, Θωμάς

Development of fuzzy systems for system identification and prediction via the FuzzyR Toolbox.

Διπλωματική εργασία

Author

Ντούπη, Θωμάς

Date

2022-07-14

Advisor

Μαστοροκώστας, Πάρις

Ανάπτυξη ασαφών συστημάτων προβλήματα αναγνώρισης και πρόβλεψης (1.346Mb)

Keywords

ANFIS ; DENFIS ; Τεχνητή νοημοσύνη ; Μηχανική μάθηση ; Μαστογραφία ; Χαοτικές Χρονοσειρές ; Ασαφής λογική

Abstract

Στόχος της διπλωματικής αυτής, ήταν η ανάπτυξη δυο νευρο‐ασαφών μοντέλων, που βασίζονται στο ANFIS και DENFIS, και η εφαρμογή τους σε προβλήματα πρόβλεψης χαοτικών χρονοσειρών και ταξινόμησης μαστογραφιών. Αρχικά αναπτύχθηκαν και εφαρμόστηκαν τα δυο αυτά μοντέλα στην χρονοσειρά Mackey‐Glass, όπου χρησιμοποιήθηκε για αξιολόγηση των μοντέλων και εν συνεχεία στο σύνολο δεδομένων Μαστογραφίες. Τα αποτελέσματα είναι αρκετά ενθαρρυντικά, καταφέρνοντας να κάνουν αξιόλογες προβλέψεις. Ενώ οι ταξινομήσεις καθώς αφορούν θέματα υγείας μπορούν να ληφθούν από έναν ειδικό σαν ένα συμβουλευτικό εργαλείο. Καλύτερες επιδόσεις μπορούν να επιτευχθούν, εφόσον υπάρχουν περιθώρια βελτίωσης.

Abstract

The purpose of this thesis was the development of two neuro-fuzzy models, based on ANFIS and DENFIS, and their application to chaotic time series prediction and classifying mammograms. Initially, these two models were developed and applied to the Mackey-Glass time series where it was used to evaluate the models and then to the Mammography dataset. The results are quite encouraging, managing to make remarkable predictions. While the classifications, because they are health related, can be taken by an expert as a consulting tool. Better performance can be achieved since there is room for improvement.