Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:
1)Γνωρίζει τους Βασικούς Γραμμικούς και μη Γραμμικούς Ταξινομητές για την αναγνώριση προτύπων, οι οποίοι βασίζονται σε αρχιτεκτονικές Τεχνητών Νευρωνικών Δικτύων.
2)Περιγράφει σχηματικά και σε μορφή αλγορίθμου τη διαδικασία της εκπαίδευσης και της ανάκλησης των παραπάνω νευρωνικών δικτύων με τη χρήση ενός συνόλου προτύπων εκπαίδευσης και ανάκλησης.
3)Εκτιμά τις δυνατότητες του κάθε δικτύου για επιτυχή αναγνώριση προτύπων, ανάλογα με τη γραμμική τους διαχωρισιμότητα.
4)Διακρίνει τις διαφορές μεταξύ των διάφορων αρχιτεκτονικών νευρωνικών δικτύων, ανάλογα με τον τρόπο εκπαίδευσης ( με επίβλεψη ή χωρίς επίβλεψη ), τον τρόπο τροφοδότησης (πρόσθιας τροφοδότησης και μάθηση μέσω διόρθωσης σφάλματος -πολυστρωματικό perceptron, αλγόριθμος backpropagation, αναδρομικά δίκτυα -δίκτυα Hopfield, Boltzmannmachines), και τα δίκτυα ανταγωνιστικής μάθησης (χάρτες Kohonen).
5)Διακρίνει τις διαφορές, τα πλεονεκτήματα και τα μειονεκτήματα μεταξύ των αρχιτεκτονικών νευρωνικών δικτύων που έχουν σχέση με τη μάθηση με επίβλεψη ( Perceptron, Adaline, MLP ).
6)Εφαρμόζει τους αλγορίθμους εκπαίδευσης για την υλοποίηση εφαρμογών προσομοίωσης δύο διαφορετικών αρχιτεκτονικών νευρωνικών δικτύων και τον έλεγχο της απόδοσης των αλγορίθμων με δύο διαφορετικά σύνολα προτύπων εκπαίδευσης και ανάκλησης.
Στην τάξη
Δραστηριότητα | Φόρτος Εργασίας Εξαμήνου |
Διαλέξεις | 13 x 3= 39 |
Πρακτική εξάσκηση στο σπίτι | 13 x 1 = 13 |
Επικοινωνία / συνεργασία | 2 |
Αυτοτελής μελέτη | 18 x 2 = 36 |
Σύνολο Μαθήματος (30 ώρες φόρτου εργασίας ανά πιστωτική μονάδα) | 90 |
Ι. Γραπτή τελική εξέταση (60%) στο θεωρητικό μέρος του μαθήματος που περιλαμβάνει:
– Ερωτήσεις κατανόησης της δομής ενός Νευρωνικού Δικτύου και των αλγορίθμων εκπαίδευσης και ανάκλησης.
– Ερωτήσεις σύγκρισης της απόδοσης των διαφόρων αρχιτεκτονικών Νευρωνικών Δικτύων.
– Ασκήσεις που αφορούν στη σχεδίαση απλών δικτύων ταξινόμησης προτύπων και αναγνώρισής τους.
II. Ένα Διαγώνισμα Προόδου (20%)
III. Δύο εργασίες – projectsυλοποίησης κάποιων αρχιτεκτονικών Δικτύων σε Matlabή Java (20%)
Το ως άνω σχήμα αξιολόγησης του μαθήματος γνωστοποιείται στους ενδιαφερόμενους φοιτητές (α) μέσω της ιστοσελίδας του τμήματος, (β) μέσω της ιστοσελίδας https://aetos.it.teithe.gr/~gouliana/, και (γ) με ανακοινώσεις στη διάρκεια των πρώτων διαλέξεων κατά την έναρξη του κάθε ενός ακαδημαϊκού εξαμήνου.
α) Ελληνική
β) Διεθνής