Show simple item record

dc.contributor.authorΜπάτσιος, Δημήτριος
dc.date.accessioned2024-05-22T12:38:28Z
dc.date.available2024-05-22T12:38:28Z
dc.date.issued2024-02
dc.identifier.urihttps://dspace.uowm.gr/xmlui/handle/123456789/4765
dc.description.abstractΣτον τομέα της Τεχνητής Νοημοσύνης τα Τεχνητά Νευρωνικά Δίκτυα (Artificial Neural Networks) αποτελούν μια προσέγγιση που έχει συγκεντρώσει τεράστιο επι- στημονικό ενδιαφέρον. Ιδιαίτερα τα τελευταία χρόνια, όπου το πλήθος των διαθέσι- μων δεδομένων έχει εκτοξευθεί λόγω του διαδικτύου, οι δυνατότητες και η αποτελε- σματικότητα των ΤΝΔ έχουν αναδειχθεί σημαντικά. Οι συναρτήσεις ενεργοποίησης (Activation Functions), ως ο κύριος ρυθμιστής της βασικής μονάδας επεξεργασίας δεδομένων - του νευρώνα - διαδραματίζουν κομβικό ρόλο στην απόδοση του δι- κτύου. Στόχος της παρούσας διπλωματικής είναι να μελετήσει και να συγκρίνει τις γνωστές συναρτήσεις ενεργοποίησης αλλά και να εξαχθούν χρήσιμα συμπερά- σματα σχετικά με την καταλληλότητα της κάθε συνάρτησης ανάλογα με το είδος του προβλήματος που καλείται να λυθεί.en_US
dc.description.sponsorshipΕπιβλέπων Καθηγητής: Κυριακίδης Θωμάςen_US
dc.language.isogren_US
dc.publisherΜπάτσιος, Δημήτριοςen_US
dc.subjectΤεχνητή Νοημοσύνηen_US
dc.subjectΤεχνητά Νευρωνικά Δίκτυαen_US
dc.subjectΒελτιστοποίησηen_US
dc.subjectΣυναρτήσεις Ενεργοποίησηςen_US
dc.titleΣύγκριση συναρτήσεων ενεργοποίησης για την εκπαίδευση νευρωνικών δικτύωνen_US
dc.typeThesisen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record