Αποτίμηση μηχανών ακραίας μάθησης σε εφαρμογές ταξινόμησης και συναρτησιακής προσέγγισης σε περιβάλλον MATLAB

Abstract

Στην διπλωματική αυτή θα γίνει υλοποίηση του αλγορίθμου ELM και σύγκρισή του με δημοφιλείς τεχνικές όπως τα πολυστρωματικά νευρωνικά δίκτυα και οι μηχανές διανυσμάτων υποστήριξης σε πλήθος προβλημάτων ταξινόμησης και παλινδρόμησης. Συγκεκριμένα, θα διερευνηθεί η γενικευτική ικανότητα του ELM αλγορίθμου σε εφαρμογές απλής ή διανυσματικής συναρτησιακής προσέγγισης του τύπου y=f(x) ή y_vec=f(x_vec), παλινδρόμησης όταν οι είσοδοι είναι μολυσμένες από θόρυβο, ταξινόμησης ένα-προς-ένα (one-to-one) με εκπαιδευτικό σύνολο από πεπερασμένο σύνολο προτύπων (ένα πρότυπο ανά κλάση) και ταξινόμησης πολλά-προς-ένα (many-to-one) με πολλά πρότυπα ανά κλάση (π.χ. στην κλάση του γράμματος 'Α' υπάρχουν πολλά πρότυπα (fonts)).