Ανάπτυξη μεθόδων εξομοίωσης νευρωνικών δικτύων

Development of simulation methods for neural networks. (Αγγλική)

  1. MSc thesis
  2. Βογιατζής, Νίκος
  3. Βιοπληροφορική και Νευροπληροφορική (ΒΝΠ)
  4. 31 Ιουλίου 2021 [2021-07-31]
  5. Ελληνικά
  6. 67
  7. Αδαμόπουλος, Αδάμ
  8. Βλάμος, Παναγιώτης | Χατζηνικολάου, Μαρία
  9. νευρωνικό | προσομοίωση | octave | γραφική διεπαφή | δίκτυο | εργαλείο
  10. 1
  11. Περιέχει: Πίνακες, διαγραμμάτα, εικόνες
    • Η διδασκαλία των λειτουργειών ενός νευρώνα είναι διαδικασία που στηρίζεται κυρίως στην παράδοση θεωρίας, χωρίς να γίνεται χρήση κάποιου μέσου που να δείχνει τις συμπεριφορές που αναπτύσσονται σε ένα νευρωνικό δίκτυο στον χρόνο, υπό συγκεκριμένες συνθήκες και παραμέτρους. Η παρούσα διπλωματική δίνει λύση σ’ αυτό το πρόβλημα, περιγράφοντας ένα εργαλείο το οποίο θα είναι δωρεάν και διαθέσιμο για κάθε φοιτητή, ώστε αυτός να μπορεί να παραμετροποιήσει και να αναλύσει την συμπεριφορά ενός δικτύου νευρώνων. Για την υλοποίησή του, χρησιμοποιήθηκε η πλατφόρμα Octave, και αναπτύχθηκε γραφικό περιβάλλον (GUI) το οποίο θα δίνει στον χρήστη τη δυνατότητα να εισάγει τις παραμέτρους του και να επιλέξει οποιαδήποτε από τις διαθέσιμες λειτουργικότητες. Το περιβάλλον αυτό, καλεί με τη σειρά του κατάλληλες συναρτήσεις που υλοποιήθηκαν για να οπτικοποιήσουν και να προσομοιώσουν στον χρόνο το δίκτυο, καθώς και να αναλύσουν την δραστηριότητά του, τα δομικά του στοιχεία αλλά και τις μετρικές του ως κατευθυνόμενο γράφο.
    • The process of teaching the functionalities of a neuron is mostly dependent on citing the theory, without using a tool that could show the behavior of a neural network in relation to time, under certain conditions and parameters. This paper proposes a solution to that problem by describing a tool that will be free and available to every student, so that they could parameterize and analyze the behavior of such a network. For the implementation, the platform Octave was chosen, and a graphical user interface (GUI) was developed, in order to enable the user to input his chosen parameters and select any of the available functionalities. The GUI then calls upon certain functions, that were developed in order to visualize and simulate in time the neural network, as well as analyze its activity, structural elements and metrics, as if it were a directed graph.
  13. Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές