Νερωνικά Δίκτυα

Νευρωνικά Δίκτυα

Κωδικός:
Εξάμηνο:
Κατηγορία:
Ροή:

ICE-8110
8ο
Επιλογής Υποχρεωτικό (ΕΥ)
Λογισμικού και Πληροφοριακών Συστημάτων

Ώρες:
Διδάσκοντες:
Σύνδεσμοι:

3 Θ – 1 Ε 
Νικόλαος Βασιλάς (ΔΕΠ)

Περιγραφή

Εισαγωγή -Ιστορική αναδρομή-Μοντέλο τεχνητού νευρώνα – Εκπαίδευση νευρωνικών δικτύων. Εκπαίδευση με επίβλεψη. Perceptron ενός στρώματος – Perceptron πολλαπλών στρωμάτων – Οι αλγόριθμοι BackPropagation, Resilient Propagation (RProp), No propagation (No-Prop) και οι μηχανές ακραίας μάθησης (Extreme Learning Machines). Γραμμικές συσχετιστικές μνήμες: Μνήμη πίνακα συσχέτισης (Correlation Matrix Memory) – Μνήμη Γενικευμένου Αντιστρόφου (Generalized Inverse Memory). ADALINE – αλγόριθμος LMS. Δίκτυο Hamming/MAXNET. Δίκτυο Hopfield – Δίκτυα Συναρτήσεων Ακτινικής Βάσης. Ο αλγόριθμος LVQ και παραλλαγές του. Συνελικτικά νευρωνικά δίκτυα (Convolutional Neural Networks). Nευρωνικά δίκτυα βαθειάς μάθησης. Εκπαίδευση χωρίς επίβλεψη. Δίκτυο Kohonen (αυτο-οργανούμενοι χάρτες). Δίκτυο ART (AdaptiveResonanceTheory). Νευροϋπολογιστές – Υλοποιήσεις νευρωνικών δικτύων σε συστολικές αρχιτεκτονικές. Εφαρμογές.

Εργαστήριο: Εκπαίδευση στο περιβάλλον και την εργαλειοθήκη Νευρωνικών Δικτύων του MATLAB/Octave. Υλοποίηση απλού Perceptron και εφαρμογή του σε γραμμικώς και μη-γραμμικώς διαχωρίσιμα προβλήματα. Υλοποίηση πολυστρωματικού νευρωνικού δικτύου με τους αλγορίθμους εκπαίδευσης back-propagation και Levenberg-Marquardt για την επίλυση μη-γραμμικών προβλημάτων. Υλοποίηση συσχετιστικών μνημών πίνακα συσχέτισης και γενικευμένου αντιστρόφου για την επίλυση προβλημάτων αναγνώρισης προτύπων. Υλοποίηση του LVQ και του δικτύου αυτο-οργανούμενων χαρτών (SOM) σε συνθετικά προβλήματα. Υλοποίηση συνελικτικού δικτύου βαθειάς μάθησης σε πραγματικό πρόβλημα (π.χ. αναγνώρισης χειρόγραφων αριθμητικών χαρακτήρων, ταξινόμησης εικόνων, κ.α.)