Τεχνητά νευρωνικά δίκτυα και εφαρμογές αυτών στην εκπαίδευση

Artificial neural networks and their applications in education (Αγγλική)

  1. MSc thesis
  2. Αρετός, Ευστράτιος
  3. Μεταπτυχιακές Σπουδές στα Μαθηματικά (ΜΣΜ)
  4. 26 Σεπτεμβρίου 2020 [2020-09-26]
  5. Ελληνικά
  6. 237
  7. Σωτηρόπουλος, Δημήτριος
  8. Σωτηρόπουλος, Δημήτριος | Καραμπετάκης, Νικόλαος
  9. Τεχνητά νευρωνικά δίκτυα | Βαθιά Μάθηση | Εξόρυξη δεδομένων στην εκπαίδευση, | Artificial neural networks | Deep learning | Educational data mining
  10. 2
  11. 3
  12. 80
  13. Περιέχει : πίνακες, διαγράμματα, εικόνες, σχήματα
  14. Αργυράκης, Π. (2001). Νευρωνικά Δίκτυα και Εφαρμογές. Ελληνικό Ανοικτό Πανεπιστήμιο, Σχολή θετικών Επιστημών και Τεχνολογίας. ISBN, 960-538.
    • Η παρούσα διπλωματική εργασία έχει ως αντικείμενο μελέτης τα τεχνητά νευρωνικά δίκτυα και τον τρόπο με τον οποίο αυτά μπορούν, μέσω των κατάλληλων εφαρμογών τους, να αξιοποιηθούν στις διάφορες βαθμίδες της εκπαίδευσης. Η διπλωματική εργασία αποτελείται από δώδεκα κεφάλαια και χωρίζεται σε δύο μέρη. Στο πρώτο μέρος που αποτελείται από τα κεφάλαια 1 έως και 8, γίνεται μία ενδελεχή μελέτη της δομής, των αρχών λειτουργίας και των ιδιοτήτων των τεχνητών νευρωνικών δικτύων. Πιο συγκεκριμένα θα γίνει μεταξύ άλλων, μία παρουσίαση:  της αναλογίας μεταξύ του βιολογικού και του τεχνητού νευρώνα  της ιστορία των νευρωνικών δικτύων και των σημαντικότερων εφαρμογών τους  του μαθηματικού υποβάθρου των τεχνητών νευρωνικών δικτύων  της δομής ενός νευρώνα και των δυνατών αρχιτεκτονικών ενός δικτύου νευρώνων  κάποιων μη γραμμικών μεθόδων βελτιστοποίησης  των μεθόδων και των αλγορίθμων εκπαίδευσης ενός δικτύου,  του αλγόριθμου της οπίσθιας διάδοσης του σφάλματος  των μεθόδων που χρησιμοποιούνται για τη βελτίωση της απόδοσης ενός δικτύου Στο δεύτερο μέρος που αποτελείται από τα κεφάλαια 9, 10 και 11, γίνεται μία παρουσίαση των ήδη υπαρχόντων εφαρμογών των τεχνητών νευρωνικών δικτύων στην εκπαίδευση, όπως αυτές έχουν καταγραφεί στις σύγχρονες ερευνητικές εργασίες, καθώς και η παρουσίαση μιας ερευνητικής προσπάθειας για την αξιοποίηση των τεχνητών νευρωνικών δικτύων ως εργαλείων πρόβλεψης για δυο ερωτήματα που άπτονται της ελληνικής σχολικής πραγματικότητας. Πιο συγκεκριμένα παρουσιάζονται όλα τα στάδια της δημιουργίας και της εκπαίδευσης δύο κατάλληλων νευρωνικών δικτύων που έχουν ως στόχο να προβλέπουν:  το βαθμό ενός μαθητή στα μαθηματικά στις πανελλήνιες εξετάσεις βασιζόμενα στις πρότερες σχολικές του επιδόσεις και  τον τύπο του Λυκείου που θα επιλέξουν μαθητές Γυμνασίου για την συνέχεια των σπουδών τους, καθώς και να εντοπίζουν μαθητές που είναι πιθανόν να εγκαταλείψουν το σχολείο κατά την αποφοίτησή τους από το Γυμνάσιο.
    • The aim of this dissertation is to study the artificial neural networks and how they can, through their appropriate applications, be used in the various levels of education. The dissertation consists of 12 chapters and is divided into two parts. The first part, which consists of chapters 1 to 8, provides a thorough study of the structure, principles of operation, and properties of artificial neural networks. More specifically, there will be a presentation, among others: • the ratio between the biological and the artificial neuron • the history of neural networks and their most important applications • the mathematical background of artificial neural networks • the structure of a neuron and the possible architecture of a network of neurons • some non-linear optimization methods • network training methods and algorithms, • the backpropagation algorithm • the methods used to improve the performance of a network In the second part, which consists of chapters 9, 10 and 11, there is a presentation of the already existing applications of artificial neural networks in education, as they have been recorded in modern research, as well as a presentation of a research effort to utilize artificial neural networks as predictive tools for two questions related to the Greek school reality. More specifically, presents all the stages of the creation and training of two suitable neural networks that aim to predict: • the grade of a student in mathematics in the pan-Hellenic exams based on his previous school performance and • the type of Lyceum that high school students will choose for the continuation of their studies, as well as to identify students who are likely to drop out of school when they graduate from High School.
  16. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.