Λήψη αποφάσεων και ασαφής λογική: η βελτιστοποίηση απόδοσης νευρωνικών δικτύων, γενετικών αλγορίθμων και επιδημικών μοντέλων με ασαφή συστήματα

Περίληψη

Η ασαφής λογική αποτελεί μια θεωρία της οποίας οι εφαρμογές έχουν σκοπό να παρέχουν βελτιωμένες λύσεις σε προβλήματα με υψηλό βαθμό αβεβαιότητας. Η θεωρία, η τεχνολογία και οι εφαρμογές της ασαφούς λογικής έχουν σημειώσει τα τελευταία χρόνια ταχύτατη ανάπτυξη και έχουν καταστεί αξιόπιστο και εύχρηστο εργαλείο σε πολλές επιστημονικές και ερευνητικές περιοχές. H παρούσα διατριβή εστιάζει στην κατανόηση των δομών της ασαφούς λογικής, και στην ανάλυση των ασαφών κανόνων και συστημάτων. Γίνεται μια ολοκληρωμένη παρουσίαση της θεωρίας ασαφών συνόλων με έμφαση στην κατανόηση των ασαφών συστημάτων (Fuzzy Inference Systems). Σκοπός είναι η ανάλυση της αποτελεσματικότητας της εφαρμογής της ασαφούς λογικής σε ποικίλα ασαφή συστήματα. Επιπλέον εστιάζει στην ανάδειξη της σπουδαιότητας της ασαφούς λογικής και των ασαφών συστημάτων λήψεως αποφάσεων, η χρήση των οποίων παρουσιάζει σημαντικά πλεονεκτήματα αναφορικά με την αποτελεσματικότητά τους. Ειδικότερα, η μίξη των τεχνητών νευρωνικών δικτύων και ...
περισσότερα

Περίληψη σε άλλη γλώσσα

Fuzzy logic theory provides improved solutions to problems with a high degree of uncertainty and it is used in several scientific and research areas. This dissertation focuses on the perception of fuzzy logic structure, fuzzy logic rules, and systems. Fuzzy sets theory is presented as well as fuzzy inference systems which are analyzed in depth in order to perceive fuzzy logic application effectiveness. In particular, artificial neural networks and fuzzy logic systems blending allow the development of adaptive systems, which are trained with the use of algorithms like such as Back-Propagation algorithm in order to improve the fuzzy neural network performance. The improved efficiency of fuzzy neural networks is confirmed with Back Propagation algorithm implementation in Matlab. Additionally, the implementation of fuzzy logic systems in order to analyze brain signal within the frame of pattern recognition is discussed. The description of linear pattern recognition methods for brain sign ...
περισσότερα
Η διατριβή είναι δεσμευμένη από τον συγγραφέα  (μέχρι και: 6/2023)
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/47432
ND
47432
Εναλλακτικός τίτλος
Decision making and fuzzy logic: optimizing the performance of neural networks, genetic algorithms and epidemic models using fuzzy systems
Συγγραφέας
Βλάμου, Ελένη του Μιχαήλ
Ημερομηνία
2020
Ίδρυμα
Δημοκρίτειο Πανεπιστήμιο Θράκης (ΔΠΘ). Σχολή Πολυτεχνική. Τμήμα Πολιτικών Μηχανικών. Τομέας Μαθηματικών, Προγραμματισμού και Γενικών Μαθημάτων
Εξεταστική επιτροπή
Παπαδόπουλος Βασίλειος
Παπασχοινόπουλος Γαρύφαλος
Δημάκος Γεώργιος
Ηλιάδης Λάζαρος
Σχοινάς Χρήστος
Μπαλόπουλος Βίκτωρ
Κογκέτσωφ Αυρηλία
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Μαθηματικά
Λέξεις-κλειδιά
Ασαφής λογική; Ασαφές σύνολο; Τεχνητά νευρωνικά δίκτυα; Ασαφή νευρωνικά δίκτυα; Εγκεφαλογραφία; Επιδημικός έλεγχος; Γενετικοί αλγόριθμοι
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
149 σ., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.