ÐñïãíùóôéêÜ íåõñùíéêÜ äßêôõá ( Predictive Modular Neural Networks ) êáé åöáñìïãÝò óå ôáîéíüìçóç êáé ðñüãíùóç ÷ñïíïóåéñþí êáé áíáãíþñéóç äõíáìéêïý óõóôçìÜôùí.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Ταξινόμηση Κειμένων με Νευρωνικά Δίκτυα. Γ. Ταμπουρατζής Ινστιτούτο Επεξεργασίας του Λόγου ΙΝΣΤΙΤΟΥΤΟ ΕΠΕΞΕΡΓΑΣΙΑΣ ΤΟΥ ΛΟΓΟΥ10/12/2002 INSTITUTE FOR LANGUAGE.
Advertisements

Προσομοίωση Απλού Μοντέλου Markov σε
Τεχνικές υλοποίησης του παγκόσμιου συστήματος αναφοράς
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΣΗΜΑΤΩΝ.
ΠΡΟΗΓΜΕΝΗ ΕΥΡΕΤΗΡΙΑΣΗ ΔΕΔΟΜΕΝΩΝ Ταξινόμηση – Αναζήτηση.
ΕΙΣΑΓΩΓΗ ΣΤΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ
Περιβάλλον Προσομοίωσης & Τεχνικές Σχεδίασης
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΗΛΕΚΤΡΟΝΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΔΙΠΛΩΜΑΤΙΚΗ.
Εφαρμογή της Θεωρίας Βέλτιστης Παύσης στον έλεγχο συνέπειας (consistency) σε WWW Caching Servers Δημήτριος Λορέντζος ΠΛΣ Διπλωματική Εργασία Επιβλέπων:
8/4/2002Α.Τσάκωνας, Γ.Δούνιας, SETN-02 Hybrid Computational Intelligence Schemes in Complex Domains: An Extended Review Athanasios Tsakonas and George.
Αναγνώριση Προτύπων.
Εξόρυξη Δεδομένων και Τεχνητά Νευρωνικά Δίκτυα
ΕΞΌΡΥΞΗ ΔΕΔΟΜΈΝΩΝ ΚΑΙ ΑΛΓΌΡΙΘΜΟΙ ΜΆΘΗΣΗΣ Κατηγοριοποίηση 4 ο Φροντιστήριο Σκούρα Αγγελική
Αριθμητικές Μέθοδοι Βελτιστοποίησης Θεωρία & Λογισμικό Τμήμα Πληροφορικής - Πανεπιστήμιο Ιωαννίνων Ι. Η. Λαγαρής.
Μάθημα 2 ο : Βασικές έννοιες 1 Ακαδημαϊκό Έτος
Σχεδίαση αλγορίθμων (2ο μέρος)
Επίλυση Προβλημάτων με Η/Υ
Τρισδιάστατη δομή: από τα ρομπότ στα μόρια
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Θεωρία Στοχαστικών Σημάτων: Εκτίμηση φάσματος, Παραμετρικά μοντέλα ΒΕΣ.
Ενεργή επιλογή αλγορίθμου, Active Algorithm Selection, Feilong Chen and Rong Jin Εύα Σιταρίδη.
Διδάσκοντες: Σ. Ζάχος, Δ. Φωτάκης
ΚΕΦΑΛΑΙΟ 16 ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Προσαρμοστικοί Αλγόριθμοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αναδρομικός.
ΤΑ ΜΗ ΓΡΑΜΜΙΚΑ ΦΑΙΝΟΜΕΝΑ ΣΤΑ ΣΥΣΤΗΜΑΤΑ WDM Η πολυπλεξία μήκους κύματος (WDM) είναι μια τεχνική που υπόσχεται την πραγματοποίηση των αμιγώς οπτικών δικτύων,
Ταυτοποίηση Μη-Γραμμικών Συστημάτων Τοποθέτηση του Προβλήματος: Συμβατική Ταυτοποίηση (Conventional Identification): έχουμε πρόσβαση τόσο σε δεδομένα της.
Παρουσίαση Νο. 6 Αποκατάσταση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.
Αυτόνομοι Πράκτορες 2010 Project: Ms Pac-man Παπαδημητρίου Γεώργιος.
Βέλτιστη Δυναμική Προσαρμογή Τοπολογίας Δικτύων: Γραφοθεωρητικοί Αλγόριθμοι Για περισσότερα: N. Li, J. C. Hou. Topology Control in Heterogeneous Wireless.
Ενότητα 1.2 Αναδρομικές Σχέσεις Σχεδίαση & Ανάλυση Αλγορίθμων.
«ΜΕΛΕΤΗ ΟΠΤΙΚΩΝ ΔΙΚΤΥΩΝ ΜΕ ΧΡΗΣΗ ΠΟΛΥΠΛΕΚΤΩΝ AWG» Επιστημονικός Υπεύθυνος: Θ. Σφηκόπουλος Κύριοι Ερευνητές: Θ. Καμαλάκης ΜΕΛΕΤΗ ΔΙΑΦΩΝΙΑΣ ΣΤΑ AWG Το ύψος.
Εργαστήριο Χρονικών Σειρών Εισηγητής: Βαφειάδης Θανάσης.
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Προσαρμοστικοί Αλγόριθμοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων: Ο αλγόριθμος.
EXCEL – λογιστικά φύλλα. Χρήση επεξεργασία, αναπαράσταση και επικοινωνία αριθμητικών (η γενικότερα ποσοτικών) δεδομένων Ειδικότερα Εφαρμογή εκπαιδευτικών.
Θεωρία Υπολογισμού Χρονική Πολυπλοκότητα και Μοντέλα.
Αποδοτική Ισοστάθμιση Ασύρματων Τηλεπικοινωνιακών Διαύλων Βασισμένη σε Ομαδοποίηση Αποδοτική Ισοστάθμιση Ασύρματων Τηλεπικοινωνιακών Διαύλων Βασισμένη.
Πρόβλεψη Θέσης Χρήστη σε Κινητά Δίκτυα - Ταξινομητής Βέλτιστης Παύσης Σπύρος Γεωργάκης Διπλωματική Εργασία.
Μηχανική Μάθηση σε Συστήματα Πολλαπλών Πρακτόρων Παπαλιάς Κωνσταντίνος Τμήμα Πληροφορικής.
Advanced Data Indexing (Προηγμένη ευρετηρίαση δεδομένων) Ροές Δεδομένων (3 ο Μέρος)
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ: ΤΑΞΙΝΟΜΗΣΗ ΨΗΦΙΑΚΩΝ ΕΙΚΟΝΩΝ ΜΕ ΧΩΡΙΚΗ-ΣΗΜΑΣΙΟΛΟΓΙΚΗ ΑΝΤΙΣΤΟΙΧΗΣΗ ΣΠΟΥΔΑΣΤΗΣ : ΦΩΤΙΑΔΗΣ ΚΥΡΙΑΚΟΣ Α.Μ ΕΠΙΒΛΕΠΩΝ : Δρ. ΝΙΚΟΛΑΙΔΗΣ.
Electrical Machines Note#4 AC Machinery Fundamentals Leonidas D. Dritsas, Dipl. Eng., M.Sc, PhD Version of 28-October-2014 Freely available at
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ Παραδείγματα BP.
Ήπιες Μορφές Ενέργειας Ε306 Από τον άνεμο στην οικονομική βιωσιμότητα (εισαγωγικές έννοιες)
ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΜΕΘΟΔΟΛΟΓΙΑΣ BOX- JENKINS ΣΤΟ SPSS.
ΥΝ Ι: ΑΝΑΠΑΡΑΣΤΑΣΗ ΓΝΩΣΗΣ 1 ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ (Τεχνητά Νευρωνικά Δίκτυα και Γενετικοί Αλγόριθμοι) ΣΠΥΡΟΣ ΛΥΚΟΘΑΝΑΣΗΣ, ΚΑΘΗΓΗΤΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ.
Ιατρικά Συστήματα Τεχνητής Νοημοσύνης με την συνεργασία τεχνικών Ασαφούς Λογικής, Νευρωνικών Δικτύων και Γενετικών Αλγορίθμων. A.Τζαβάρας P.R.Weller B.
Τεχνολογικό Εκπαιδευτικό Ίδρυμα Κρήτης Τμήμα Εφηρμοσμένης Πληροφορικής και Πολυμέσων Εργαστήριο Νευρωνικών Δικτύων 1 Αναγνώριση Προτύπων- Τεχνητά Νευρωνικά.
Ασκήσεις WEKA.
Προσαρμοστικοί Αλγόριθμοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων:
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ
Τίτλος Πτυχιακής Εργασίας :
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΕΞΕΛΙΚΤΙΚΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ
2. Χαρακτηριστικά περιγράμματος.
MEDICEXPO 2008 Επίδραση συνθηκών εξομοιωμένου θορύβου στην απόδοση συστήματος αναγνώρισης μορφών ηλεκτροεγκεφαλογραφικού σήματος Ι. Καλατζής, Δ. Γκλώτσος,
ΧΡΟΝΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΩΝ
Μαθήματα Τομέα Σ.Ε.Ρ. / Ροής Σ: (Σήματα, Ελεγχος και Ρομποτική)
Διδάσκων: Δρ. Τσίντζα Παναγιώτα
Εισαγωγή στα Νευρωνικά Δίκτυα
ΜΠΣ ΠΡΑΣΙΝΗ ΕΝΕΡΓΕΙΑ ΤΜΗΜΑ ΗΜ&ΤΥ
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
ΕΙΣΑΓΩΓΗ ΣΤΟΥΣ ΕΞΕΛΙΚΤΙΚΟΥΣ ΑΛΓΟΡΙΘΜΟΥΣ
Ταξινόμηση Πολυφασματικών Εικόνων
Σχεδιασμός των Μεταφορών
Επεξεργασία Ομιλίας & Ήχου
Γνωσιακή Νευροεπιστήμη, 31/5/17 Μαρία Κουτρομάνου
Μαθήματα Τομέα Σ.Ε.Ρ. / Ροής Σ: (Σήματα, Ελεγχος και Ρομποτική)
Μη Γραμμικός Προγραμματισμός
ΚΙΝΗΤΑ ΔΙΚΤΥΑ ΕΠΙΚΟΙΝΩΝΙΩΝ
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
Εισαγωγή στα Προσαρμοστικά Συστήματα
Προσαρμοστικοί Αλγόριθμοι Υλοποίησης Βέλτιστων Ψηφιακών Φίλτρων:
Μεταγράφημα παρουσίασης:

ÐñïãíùóôéêÜ íåõñùíéêÜ äßêôõá ( Predictive Modular Neural Networks ) êáé åöáñìïãÝò óå ôáîéíüìçóç êáé ðñüãíùóç ÷ñïíïóåéñþí êáé áíáãíþñéóç äõíáìéêïý óõóôçìÜôùí. Β. Πετριδης, Θ. Κεχαγιας, Β. Καμπουρλαζος, Μ. Πατερακης Εργαστηριο Αυτοματισμου και Ρομποτικης Τμημα Ηλεκτρολογων Μηχανικων Αριστοτελειο Παν. Θεσσαλονικης Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Προβλήματα Χρονοσειρών Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Μέθοδοι Πολλαπλων Μοντέλων Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 Οι μέθοδοι πολλαπλών μοντέλων χρησιμοποιούν πολλά μοντέλα ταυτοχρόνως. Εφαρμόζονται στην Θεωρία Ελέγχου, στην Στατιστική, στην Θεωρία Ασαφών Συνόλων, στην περιοχή των νευρωνικών δικτύων κ.α. Γενικά η ιδέα είναι να χρησιμοποιηθούν συγχρόνως πολλά μοντέλα της διεργασίας που μας ενδιαφέρει και τελικά να επιλεγεί το μοντέλο που προσεγγίζει καλύτερα την διεργασία.

Βασικό Προγνωστικό Νευρωνικό Δίκτυο Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 Τα Προγνωστικά Νευρωνικά Δίκτυα χρησιμοποιούν πολλαπλά μοντέλα και εφαρμόζονται σε προβλήματα χρονοσειρών. Η βασική ιδέα είναι ότι τα μοντέλα αξιολογούνται βάσει του σφάλματος πρόβλεψης της χρονοσειράς. Να προσεχθεί ότι οι συναρτήσεις αξίας υπολογίζονται αναδρομικά. Το σύστημα προσφέρεται για εφαρμογές πραγματικού χρόνου. Επίσης ο υπολογισμός γίνεται ανταγωνιστικά.

Σχήματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 ptpt... Decision Module 12K Prediction Modules T -1 ytyt yt1yt1 yt2yt2 ytKytK Block Diagram of PREMONN

Εφαρμογές σε Ταξινόμηση Χρονοσειρών Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 1. Τεχνητή εφαρμογή: αναγνώριση χαοτικών χρονοσειρών. 2. Εφαρμογή σε αναγνώριση φωνής (?). 3. Εφαρμογή σε ταξινόμηση ιατρικών χρονοσειρών.

Σχήματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Σχήματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Εφαρμογές σε Πρόβλεψη Χρονοσειρών Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 1. Εφαρμογή σε πρόβλεψη ηλεκτρικού φορτίου του Εθνικού Διασυνδεδεμένου Δικτύου. 2. Εφαρμογή σε πρόβλεψη απόδοσης τευτλοκαλλιέργειας.

Σχήματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Εφαρμογές σε Αναγνώριση Δυναμικών Συστημάτων Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 1. Αναγνώριση παραμέτρων κινητήρα εναλλασσομένου ρεύματος. 2. Αναγνώριση παραμέτρων ρομποτικού βραχίονα. 3. Αναγνώριση παραμέτρων συστήματος επεξεργασίας λυμάτων.

Σχήματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Πλεονεκτήματα της Μεθόδου Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 1. Αναδρομικός υπολογισμός της αξίας κάθε μοντέλου 2. Ανταγωνιστικός υπολογισμός 3. Κλιμακωτή σχεδίαση (ευκολία τμηματικών αλλαγών) 4. Μεγάλη ποικιλία μηχανισμών πρόβλεψης (γραμμικοί, νευρωνικοί, ασαφή δίκτυα κλπ.) 5. Παραλληλισμός. 6. Αντοχή σε υψηλό θόρυβο.

Θεωρητικά αποτελέσματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 Μπορεί να αποδειχθεί ότι ο παραπάνω αλγόριθμος συγκλίνει, με την εξής έννοια.

Προσαρμοστικός Προσδιορισμός Κλάσεων Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 Ενα μειονέκτημα της μεθόδου είναι ότι υποθέτουμε τις κλάσεις γνωστές εκ των προτέρων. Αυτή η υπόθεση ισχύει πολλές φορές, αλλά όχι πάντα. Σε περίπτωση που οι κλάσεις δεν είναι εκ των προτέρων γνωστές, η μέθοδος μας τροποποιείται ως εξής: σε κάθε χρονική στιγμή t υπολογίζεται η συνάρτηση αξίας και ταξινομείται η παρατήρηση y t στην κλάση η οποία έχει μεγαλύτερη αξία. Κατόπιν, χρησιμοποιούμε την y t για να επανεκπαιδεύσουμε το αντίστοιχο δίκτυο πρόβλεψης. Η μέθοδος έχει χρησιμοποιηθεί για την ταξινόμηση χαοτικών χρονοσειρών.

Σχήματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Προσαρμοστικός Προσδιορισμός Κλάσεων: Θεωρητικά Αποτελέσματα Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97

Γενετική Επιλογή Κλάσεων Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 Οι Γενετικοί Αλγόριθμοι μοπρούν να θεωρηθούν ως μέθοδος πολλαπλών μοντέλων. Εχουμε χρησιμοποιήσει την παραπάνω μέθοδο υπολογισμού συναρτήσεων αξίας σε συνδυασμό με γενετικό αλγόριθμο. Δηλαδή χρησιμοποιούμε τις συναρτήσεις αξίας ως πιθανότητες επιλογής σε γενετικό αλγόριθμο. Η μέθοδος εφαρμόστηκε σε πρόβλημα ανγνώρισης παραμέτρων διεργασίας φυσικών λυμάτων.

Παραλλαγές του Βασικού Προγνωστικού Νευρωνικού Δικτύου Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 1. Παραλλαγές της μεθόδου επανυπολογισμού των συναρτήσεων αξίας. 2. Παραλλαγές των πολλαπλών μοντέλων. 3. Παραλλαγές της συνάρτησης σφάλματος.

Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97 Δημοσιευμένες Εργασίες 1. “A Multi-Model Algorithm for Parameter Estimation of Time Varying-Nonlinear Systems’’, to appear in Automatica. 1. “Predictive Modular Fuzzy Systems for Time Series Classification”. IEEE Trans. on Fuzzy Systems, vol.??, pp.??, “Time Series Segmentation using Predictive Modular Neural Networks”. Neural Computation, vol.??, pp.??. 3. “Short Term Load Forecasting Using a Bayesian Combination Method”. (With S. Kiartzis and A. Bakirtzis). Electrical Power and Energy Systems, Vol. 19, No.3, pp , “Predictive Modular Neural Networks for Time Series lassification”. (With V. Petridis). Neural Networks, Vol.10, No.1, pp.31-49, “Bayesian Classification of Hidden Markov Models”. Mathematical and Computer Modelling, Vol.23, No.5, pp.25-43, “A Recurrent Network Implementation of Bayesian Time Series Classification”. Neural Computation, vol.8, pp , “Modular Neural Networks for MAP Classification of Time Series and the Partition Algorithm”, IEEE Trans. on Neural Networks, Vol.7, No.1, pp.73-86, 1996.

Predictive Modular Neural Networks Petridis, Kehagias, Kaburlasos, Paterakis Oct97