Βιοεμπνευσμένοι αλγόριθμοι για την ανάλυση δεδομένων και τη λήψη αποφάσεων

Περίληψη

Αυτή η διδακτορική διατριβή διερευνά αλγόριθμους και μοντέλα εμπνευσμένα από τη βιολογία για τη λήψη αποφάσεων και την ανάλυση δεδομένων. Ενόψει των επιστημονικών προκλήσεων για την ανάπτυξη καινοτόμων λύσεων με υψηλό κοινωνικό αντίκτυπο, διερευνά εφαρμογές στο πλαίσιο της ανάλυσης εικόνας και των σημάτων, συμπεριλαμβανομένης της ερμηνεύσιμης ταξινόμησης εικόνας, της αναγνώρισης συναισθημάτων, της εκτίμησης της σοβαρότητας της κατάθλιψης, της μετάδοσης κινδύνου μολυσματικών ασθενειών, της υποβοηθητικής πλοήγησης ατόμων με προβλήματα όρασης και της εικονικής καθοδήγησης για σωματική άσκηση. Σε αυτό το πλαίσιο, εστιάζει στην ανάπτυξη ερμηνεύσιμων μεθοδολογιών και μοντέλων λήψης αποφάσεων, βασισμένων στην ασαφή λογική, και στη βελτιστοποίησή τους χρησιμοποιώντας βιο-εμπνευσμένους αλγόριθμους, δηλαδή αλγορίθμους εμπνευσμένους από τη βιολογία Οι αλγόριθμοι βελτιστοποίησης αποτελούν ένα ισχυρό εργαλείο και χρησιμοποιούνται σε πολλές εφαρμογές λήψης αποφάσεων. Παρόλο που έχει προταθεί πληθώρα ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This doctoral dissertation investigates bio-inspired algorithms and models for decision-making and data analysis. In view of scientific challenges for developing innovative solutions with high social impact, it explores applications in the context of image and signal analysis, including interpretable image classification, emotion recognition, depression severity estimation, risk transmission of infectious diseases, assistive navigation of visually impaired individuals, and virtual coaching for physical exercise. In this context, it focuses on the development of interpretable decision-making frameworks and models, based on fuzzy logic, and their optimization using bio-inspired algorithms. Optimization algorithms constitute a powerful tool and are used in many decision-making tasks. Although a plethora of such algorithms has been proposed there are still directions for improvement. For example, many of these algorithms have limitations like premature convergence, the possibility of being ...
περισσότερα
Η διατριβή είναι δεσμευμένη από τον συγγραφέα  (μέχρι και: 3/2027)
DOI
10.12681/eadd/59280
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/59280
ND
59280
Εναλλακτικός τίτλος
Bio-inspired algorithms for data analysis and decision-making
Συγγραφέας
Σοβατζίδη, Γεωργία (Πατρώνυμο: Γεωργίου)
Ημερομηνία
2025
Ίδρυμα
Πανεπιστήμιο Θεσσαλίας. Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής με Εφαρμογές στη Βιοϊατρική
Εξεταστική επιτροπή
Ιακωβίδης Δημήτριος
Δελήμπασης Κωνσταντίνος
Σαβελώνας Μιχαήλ
Πλαγιανάκος Βασίλειος
Παπαγεωργίου Ελπινίκη
Παπακώστας Γεώργιος
Στύλιος Χρυσόστομος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική ➨ Τεχνητή νοημοσύνη
Λέξεις-κλειδιά
Τεχνητή νοημοσύνη (ΤΝ); Ανάλυση δεδομένων; Λήψη αποφάσεων; Αλγόριθμοι βελτιστοποίησης; Ασαφή σύνολα και ασαφή λογική; Ερμηνεύσιμη μηχανική μάθηση; Επεξεργασία σήματος
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.