Μελέτη προηγμένων συστημάτων υπολογιστικής νοημοσύνης και υλοποίησή τους σε Tensorflow

Abstract

H Υπολογιστική Νοημοσύνη μπορεί να οριστεί επίσης ως συνέργεια υπολογιστικών συστημάτων, τα οποία οδηγούν μία μηχανή στην επίλυση προβλημάτων, που συνήθως λύνονται από ανθρώπους, χρησιμοποιώντας φυσική νοημοσύνη. Οι υπολογισμοί αυτοί, προσδίδουν χαρακτηριστικά νοημοσύνης στις μηχανές διότι στηρίζονται στα βασικά μοντέλα αναπαράστασης τεχνητού νευρώνα, τα οποία δομικά, είναι σε αντιστοιχία με τους νευρώνες του εγκεφάλου μας. Στο αρχικό κεφάλαιο της εργασίας, γίνεται αναφορά στα συστήματα ασαφούς λογικής, τα οποία βασίζονται στη θεωρία των ασαφών συνόλων και χρησιμοποιούν συναρτήσεις συμμετοχής για τους απαραίτητους υπολογισμούς. Επίσης γίνεται μελέτη στα τεχνητά νευρωνικά δίκτυα, παρουσιάζεται η βασική μορφολογία του βιολογικού νευρώνα και η απεικόνισή του στον αλγόριθμο του Perceptron, αλλά και στη βασική αρχιτεκτονική των νευρωνικών δικτύων. Παρουσιάζεται το νευροασαφές νευρωνικό δίκτυο ANFIS και αναλύονται δύο βασικές αρχιτεκτονικές των νευρωνικών δικτύων, τα αναδρομικά(RNN) και τα συνελικτικά(CNN) νευρωνικά δίκτυα. Στο δεύτερο κεφάλαιο, αναλύουμε τη βασική βιβλιοθήκη για την ανάπτυξη αρχιτεκτονικών των νευρωνικών δικτύων το TensorFlow, παρουσιάζουμε το Google Colaboratory, τον πιο βολικό τρόπο χρήσης του TensorFlow καθώς και όλες τις βασικές λειτουργίες της βιβλιοθήκης με τον κώδικα που τις ενεργοποιεί, σε γλώσσα προγραμματισμού Python. Στο τρίτο κεφάλαιο υλοποιούνται δύο μοντέλα ταξινόμησης εικόνων με διαφορετικές αρχιτεκτονικές (CNN & RNN-LSTM) και ένα μοντέλο επεξεργασίας φυσικής γλώσσας (NLP). Στο τέταρτο κεφάλαιο αναλύεται η πλατφόρμα λογισμικού Anaconda όπως παρουσιάζεται από τον ιστότοπο anaconda.com.