Μεταπτυχιακές εργασίες / Master Theses

Μόνιμο URI για αυτήν τη συλλογή

https://apothesis.hmu.gr/handle/20.500.12688/9246

Περιηγούμαι

Πλοήγηση Μεταπτυχιακές εργασίες / Master Theses ανά Θέμα "bidirectional conditional generative competitive networks"

Τώρα δείχνει 1 - 1 of 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Ανταγωνιστικά νευρωνικά δίκτυα δημιουργίας δεδομένων (GANS) για προβλέψεις σε ελλιπή σύνολα δεδομένων.
    (ΕΛΜΕΠΑ, Σχολή Επιστημών Διοίκησης και Οικονομίας (ΣΕΔΟ), ΠΜΣ Διοίκηση και Ψηφιακός Μετασχηματισμός, 2024-06-06) Λασηθιωτάκης, Αντώνιος; Lasithiotakis, Antonios; Παπαδάκης, Στέλιος; Papadakis, Stelios
    Η διπλωματική εργασία επικεντρώνεται στην εφαρμογή Ανταγωνιστικών Νευρωνικών Δικτύων Δημιουργίας Δεδομένων (GANs) για την πρόβλεψη σε ελλιπή σύνολα δεδομένων. Οι GANs αναδεικνύονται ως ισχυρό εργαλείο για τη δημιουργία ρεαλιστικών δεδομένων, ενισχύοντας την ικανότητα των μοντέλων νευρωνικών δικτύων να αντιμετωπίζουν ελλείψεις στα δεδομένα. Η διαδικασία περιλαμβάνει τον καθορισμό του προβλήματος, την προ επεξεργασία των δεδομένων με στόχο τη διαχείριση των ελλείψεων, την επιλογή κατάλληλου μοντέλου GAN, και την εκπαίδευση του για τη δημιουργία επαρκών και ρεαλιστικών δεδομένων. Κατόπιν, τα δημιουργημένα δεδομένα χρησιμοποιούνται για την εκπαίδευση μοντέλων πρόβλεψης, με έμφαση στην αντιμετώπιση των ελλείψεων στα αρχικά σύνολα δεδομένων. Στη συνέχεια, προσδιορίζονται μέτρα αξιολόγησης για την αξιολόγηση της απόδοσης των μοντέλων πρόβλεψης, και παρουσιάζεται το τελικό μοντέλο. Η εργασία αναδεικνύει την αποτελεσματικότητα της χρήσης GANs για τη βελτίωση της προβλεπτικής ικανότητας σε περιβάλλοντα με ελλιπή δεδομένα, ανοίγοντας νέες προοπτικές για την αντιμετώπιση προκλήσεων σε εφαρμογές μηχανικής μάθησης και πρόβλεψης.