ΠΟΛΛΑΠΛΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΕΦΑΡΜΟΓΕΣ ΣΕ ΠΡΟΒΛΕΨΗ ΧΡΟΝΟΣΕΙΡΩΝ

Περίληψη

ΣΤΟ ΠΛΑΙΣΙΟ ΤΗΣ ΔΙΑΤΡΙΒΗΣ ΣΧΕΔΙΑΣΘΗΚΕ ΚΑΙ ΥΛΟΠΟΙΗΘΗΚΕ ΕΝΑ ΚΑΙΝΟΤΟΜΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΑΝΑΠΤΥΞΗΣ ΑΡΧΙΤΕΚΤΟΝΙΚΩΝ ΠΟΛΛΑΠΛΩΝ ΤΕΧΝΗΤΩΝ ΝΕΥΡΩΝΙΚΩΝ ΔΙΚΤΥΩΝ (Π-ΤΝΔ), ΣΥΣΤΗΜΑ EMNNOS (EXPERT MULTIPLE NEURAL NETWORK OPTIMIZING SYSTEM) ΤΟ ΟΠΟΙΟ ΔΙΑΘΕΤΕΙ ΤΑ ΑΚΟΛΟΥΘΑ ΕΞΑΙΡΕΤΙΚΑ ΠΡΟΗΓΜΕΝΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ, ΥΠΟΣΤΗΡΙΞΗ ΜΟΝΤΕΛΩΝ Π-ΤΝΔ, ΠΑΡΑΛΛΗΛΗ ΑΝΑΠΤΥΞΗ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ ΤΝΔ ΣΕ ΕΝΑ ΤΟΠΙΚΟ ΔΙΚΤΥΟ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ ΑΝΑΠΤΥΞΗΣ. ΤΟ ΛΟΓΙΣΜΙΚΟ EMNNOS ΔΙΑΘΕΤΕΙ ΕΞΑΙΡΕΤΙΚΑ ΠΡΟΗΓΜΕΝΗ ΣΧΕΔΙΑΣΗ ΓΡΑΦΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΧΡΗΣΤΗ, ΑΥΤΟΝΟΜΟ ΠΡΟΓΡΑΜΜΑ ΕΓΚΑΤΑΣΤΑΣΗΣ, ΑΜΕΣΗ ΠΑΡΟΧΗ ΒΟΗΘΕΙΑΣ ΓΙΑ ΤΟ ΣΗΜΕΙΟ ΠΟΥ ΒΡΙΣΚΕΤΑΙ Ο ΧΡΗΣΤΗΣ ΚΑΙ ΠΛΗΡΕΣ ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΤΗ. ΣΤΗ ΔΙΑΤΡΙΒΗ ΔΙΑΤΥΠΩΝΕΤΑΙ ΜΙΑ ΣΥΣΤΗΜΑΤΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ ΑΝΑΠΤΥΞΗΣ ΑΠΟΔΟΤΙΚΩΝ ΜΟΝΤΕΛΩΝ ΜΕ ΧΡΗΣΗ ΤΝΔ ΓΙΑ ΠΡΟΒΛΗΜΑΤΑ ΠΡΟΒΛΕΨΗΣ ΧΡΟΝΟΣΕΙΡΩΝ. Η ΣΗΜΑΝΤΙΚΟΤΕΡΗ ΣΥΝΕΙΣΦΟΡΑ ΤΗΣ ΜΕΘΟΔΟΛΟΓΙΑΣ ΕΙΝΑΙ Η ΠΑΡΟΥΣΙΑΣΗ ΕΝΟΣ ΣΥΣΤΗΜΑΤΙΚΟΥ ΤΡΟΠΟΥΕΠΙΛΟΓΗΣ ΤΩΝ ΜΕΤΑΒΛΗΤΩΝ ΕΙΣΟΔΟΥ ΑΠΟ ΤΟ ΣΥΝΟΛΟ ΤΩΝ ΔΙΑΘΕΣΙΜΩΝ ΜΕΤΑΒΛΗΤΩΝ. ΤΟ ΠΡΩΤΟ ΜΕΘΟΔΟΛΟΓΙΚΟ ΖΗΤΗΜΑ ΠΟΥ ΕΞΕΤΑΖΕΤΑΙ ΕΙΝΑΙ ΟΙ ΕΝΑ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

THE THESIS INCLUDES THE DESIGN AND IMPLEMENTATION OF A NOVEL INTEGRATED ENVIRONMENT FOR THE DEVELOPMENT OF MULTIPLE NEURAL NETWORK MODELS, EMNNOS, (EXPERT MULTIPLE NEURAL NETWORK OPTIMIZING SYSTEM), WHICH PROVIDES THE FOLLOWING INNOVATIVE CHARACTERISTICS: SUPPORT OF MULTIPLE NEURAL NETWORK (MNN) MODELS, SUPPORTOF PARALLEL TRAINING AND EXECUTION OF INDEPENDENT NEURAL MODULES IN A CLUSTER OF PC WORKSTATIONS AND, IMPLEMENTATION OF A MODULAR METHODOLOGY FOR THE DEVELOPMENT OF NEURAL MODELS. EMNNOS ENVIRONMENT IS SUPPORTED WITH STATE-OF-THE-ART GRAPHICAL USER INTERFACE, AUTONOMOUS INSTALLATION UTILITY, CASE-SENSITIVE HELP SYSTEM AND FULL USER DOCUMENTATION. THE DERIVATION OF A STRUCTURED METHODOLOGY FOR THE DEVELOPMENT OF NEURAL NETWORK MODELS FOR TIME-SERIES PREDICTION IS PROVIDED IN THE THESIS. THE MAIN FOCUS IS DRAWN TO THE PROCEDURE OF SELECTION OF THE PROPER SET OF INPUT PARAMETERS TO THE MODEL. THE CLASS OF MULTIPLE NEURAL NETWORKS (MNN) IS EXAMINED IN DETAIL AND METHO ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/6013
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/6013
Εναλλακτικός τίτλος
MULTIPLE NEURAL NETWORKS FOR TIME SERIES PREDICTION
Συγγραφέας
ΨΩΜΑΣ, ΠΑΝΑΓΙΩΤΗΣ
Ημερομηνία
1996
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Εξεταστική επιτροπή
ΟΥΖΟΥΝΟΓΛΟΥ ΝΙΚΟΛΑΟΣ
ΨΑΛΤΗΣ ΔΗΜΗΤΡΙΟΣ
ΚΟΛΛΙΑΣ ΣΤΕΦΑΝΟΣ
ΣΚΟΡΔΑΛΑΚΗΣ ΕΜΜΑΝΟΥΗΛ
ΣΤΑΦΥΛΟΠΑΤΗΣ ΑΝΔΡΕΑΣ
ΚΟΥΚΟΥΤΣΗΣ ΗΛΙΑΣ
ΤΣΑΝΑΚΑΣ ΠΑΝΑΓΙΩΤΗΣ
Επιστημονικό πεδίο
Μηχανική & Τεχνολογία
Επιστήμες Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού & Μηχανικού Η/Υ
Λέξεις-κλειδιά
ΕΝΑΛΛΑΚΤΙΚΕΣ ΑΝΑΠΑΡΑΣΤΑΣΕΙΣ ΕΞΟΔΟΥ; ΚΑΘΟΔΗΓΟΥΜΕΝΕΣ ΕΣΩΤΕΡΙΚΕΣ ΑΝΑΠΑΡΑΣΤΑΣΕΙΣ; ΠΟΛΛΑΠΛΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ; Πρόβλεψη; Δίκτυα, Τεχνητά νευρωνικά; Χρηματιστηριακές προβλέψεις; Χρονοσειρές
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά