Show simple item record

dc.contributor.advisorΜαραγκουδάκης, Εμμανουήλel_GR
dc.contributor.authorΠαπαδόπουλος, Σπυρίδων - Νικόλαοςel_GR
dc.coverage.spatialΣάμοςel_GR
dc.date.accessioned2015-11-17T10:32:34Z
dc.date.available2015-11-17T10:32:34Z
dc.date.issued2011el_GR
dc.identifier.otherhttp://catalog.lib.aegean.gr/webopac/List.csp?SearchT1=%CE%94%CE%AF%CE%BA%CF%84%CF%85%CE%B1+%CE%B1%CE%BA%CF%84%CE%B9%CE%BD%CE%B9%CE%BA%CE%AE%CF%82+%CE%B2%CE%AC%CF%83%CE%B7%CF%82+%CF%83%CE%B5+%CF%83%CF%8E%CE%BC%CE%B1%CF%84%CE%B1+%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD+%CE%BC%CE%B5%CE%B3%CE%AC%CE%BB%CE%BF%CF%85+%CF%8C%CE%B3%CE%BA%CE%BF%CF%85&Index1=Keywordsbib&Database=1&NumberToRetrieve=50&OpacLanguage=gre&SearchMethod=Find_1&SearchTerm1=%CE%94%CE%AF%CE%BA%CF%84%CF%85%CE%B1+%CE%B1%CE%BA%CF%84%CE%B9%CE%BD%CE%B9%CE%BA%CE%AE%CF%82+%CE%B2%CE%AC%CF%83%CE%B7%CF%82+%CF%83%CE%B5+%CF%83%CF%8E%CE%BC%CE%B1%CF%84%CE%B1+%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD+%CE%BC%CE%B5%CE%B3%CE%AC%CE%BB%CE%BF%CF%85+%CF%8C%CE%B3%CE%BA%CE%BF%CF%85&Profile=Default&PreviousList=Start&PageType=Start&EncodedRequest=*81r*9B*B9v*AD*AB*E8*80*97*0A*97*C0*9D*FD*C0&WebPageNr=1&WebAction=NewSearch&StartValue=1&RowRepeat=0&MyChannelCount=
dc.identifier.urihttp://hdl.handle.net/11610/8846
dc.description.abstractΈνα από τα σημαντικότερα προβλήματα της εξόρυξης γνώσης από σύνθετα, πολυδιάστατα δεδομένα μεγάλου όγκου είναι η αδυναμία πολλών αλγορίθμων μάθησης να υποστηρίξουν υπολογιστικά μοντέλα που να αφομοιώνουν αποτελεσματικά όλα τα δεδομένα εισόδου. Συγκεκριμένα, ενώ υπάρχουν αλγόριθμοι ταξινόμησης με ιδιαίτερα σημαντικά αποτελέσματα όπως τα δίκτυα ακτινικής βάσης (Radial Basis Function Networks), σε περιπτώσεις όπου υπάρχει πληθώρα διαθέσιμων δεδομένων εκπαίδευσης και ιδιαίτερα μεγάλος αριθμός ιδιοτήτων αναπαράστασης τους, οι αλγόριθμοι αυτοί παρουσιάζουν σαφή προβλήματα εκτέλεσης. Οι πλέον συνήθης πρακτική είναι η μείωση της διαστατικότητας των δεδομένων, η οποία όμως επιφέρει και την ανάλογη μείωση της ακρίβειας και της απόδοσης των αλγορίθμων. Με την ανάπτυξη του υλικού των καρτών γραφικών και λογισμικού που επιτρέπει την εκτέλεση πολύπλοκων πράξεων όχι στον επεξεργαστή του ΗΥ αλλά στους επεξεργαστές της κάρτας γραφικών, η διπλωματική αυτή στοχεύει στον να δημιουργήσει μια νέα μορφή του αλγόριθμου RBF που να μπορεί να εκτελεσθεί σε μεγάλου όγκου δεδομένα, με υψηλό βαθμό διαστατικότητας. Η μελέτη θα πλαισιωθεί τόσο από την υλοποίηση όσο και από μια σειρά πειραματικών μετρήσεων και αξιολογήσεων.el_GR
dc.description.abstractThe incapability of many Machine Learning Algorithms to support computational models which have the ability to use efficiently all the input data is one of the most serious problems in the extraction of knowledge from complex, multidimensional, large scale data. More specifically, while there are classiffication algorithms with important results, such as Radial Basis Function Networks. In cases, where there are plenty of available training data and a large number of features used for their representation, these algorithms present clear execution problems. The most common practice is the data dimensionality reduction. These practices negatively affect the accuracy and the precision of the algorithms. The improvement in the graphics card hardware allows the execution of complex operations not in the CPU, but in processors of the graphics card. This Diploma Thesis aims to implement a new version of the RBFN Algorithm which has the ability to be executed in high-dimensional, large scale data. This Thesis includes an implementation of the algorithm, experimental measures and evaluation.el_GR
dc.language.isoelel_GR
dc.subjectΜηχανική μάθησηel_GR
dc.subjectΠαράλληλα συστήματαel_GR
dc.subjectRBF networksel_GR
dc.subjectData miningel_GR
dc.subjectGPUel_GR
dc.subjectSIMDel_GR
dc.subject.lcshData mining
dc.subject.lcshMachine learning
dc.subject.lcshComputer algorithms
dc.titleΔίκτυα ακτινικής βάσης σε σώματα δεδομένων μεγάλου όγκου σε SIMD υπολογιστικά συστήματαel_GR
dcterms.accessRightscampusel_GR
dcterms.rightsΔιάθεση πλήρους κειμένου ; Ενδοπανεπιστημιακή δημοσίευση.
heal.typebachelorThesisel_GR
heal.academicPublisherΠανεπιστήμιο Αιγαίου. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων.el_GR
heal.academicPublisherIDaegeanel_GR
heal.fullTextAvailabilitytrueel_GR
dc.notes$aΟ συγγραφέας επιτρέπει την πρόσβαση στο πλήρες κείμενο του ηλεκτρονικού αρχείου ΜΟΝΟ εντός του Πανεπιστημιακού δικτύου (ενδοπανεπιστημιακή πρόσβαση)el_GR


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record