URI | http://purl.tuc.gr/dl/dias/6647F743-7661-44C3-A774-F9FA65F37A01 | - |
Identifier | https://doi.org/10.26233/heallink.tuc.101351 | - |
Language | el | - |
Extent | 2.2 megabytes | en |
Extent | 58 σελίδες | el |
Title | Ευφυείς τεχνικές δημιουργίας συνθετικών δεδομένων για εκπαίδευση μοντέλων μηχανικής μάθησης | el |
Creator | Agiomavritis Fotios | en |
Creator | Αγιομαυριτης Φωτιος | el |
Contributor [Thesis Supervisor] | Karanasiou Eirini | en |
Contributor [Thesis Supervisor] | Καρανασιου Ειρηνη | el |
Contributor [Committee Member] | Doitsidis Eleftherios | en |
Contributor [Committee Member] | Δοιτσιδης Ελευθεριος | el |
Contributor [Committee Member] | Panagiotis Trahanias | en |
Contributor [Committee Member] | Παναγιώτης Τραχανιάς | el |
Publisher | Πολυτεχνείο Κρήτης | el |
Publisher | Technical University of Crete | en |
Publisher | Hellenic Army Academy | en |
Publisher | Στρατιωτική Σχολή Ευελπίδων | el |
Academic Unit | Technical University of Crete::School of Production Engineering and Management | en |
Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
Content Summary | Η απόκτηση επαρκών δεδομένων για την εκμάθηση αλγορίθμων μηχανικής ή βαθιάς μάθησης είναι πάντα ένα ζητούμενο το οποίο απασχολεί τον ερευνητικό αλλά και τον εταιρικό χώρο, παρόλα αυτά δεν είναι πάντοτε δυνατό να συμβεί. Υπάρχουν τομείς όπως ο στρατιωτικός, ο ιατρικός και άλλοι όπου είναι πιθανό να μην έχουμε την δυνατότητα συλλογής επαρκών δεδομένων, είτε εξαιτίας α-δειών χρήσης και προσωπικών δεδομένων είτε λόγω γενικότερης έλλειψης πραγματικών μετρήσεων σε αυτούς τους νευραλγικούς χώρους. Στην παρούσα μεταπτυχιακή διατριβή αναλύονται τεχνικές δημιουργίας συνθετικών δεδομένων που μπορούν να έχουν σημαντικά αποτελέσματα στην εκμάθη-ση αλγορίθμων όταν δεν διαθέτουμε αρκετά πραγματικά δεδομένα. Ο χειρισμός των τεχνικών δια-φοροποιείται όταν θέλουμε να δημιουργήσουμε συνθετικές εικόνες ή συνθετικές συμβολοσειρές α-ντίστοιχα, με την πρώτη κατηγορία να έχει μεγάλες υπολογιστικές απαιτήσεις και σύνθετες μεθό-δους. Για την δημιουργία συνθετικών εικόνων παρουσιάζονται μοντέλα διάχυσης (Diffusion) τα ο-ποία είναι ήδη προ-εκπαιδευμένα (pre-trained) με σκοπό να γίνει μεταφορά μάθησης (transfer learn-ing) πάνω σε συγκεκριμένα δεδομένα που θέλουμε για τα δικά μας αποτελέσματα. Βασικό στοιχείο της εργασίας είναι οι τεχνικές που χρησιμοποιούνται να εμπίπτουν στις αρχές του frugal learning και να μην χρειάζονται μεγάλο όγκο δεδομένων και υπολογιστική ισχύ. Επιπλέον, αναλύονται τεχνι-κές για την δημιουργία συνθετικών δεδομένων συμβολοσειρών και συγκεκριμένα συμβολοσειρών GPS με σκοπό την εκπαίδευση και τη δοκιμή συστημάτων πρόβλεψης παραπλάνησης (spoofing). Στα πλαίσια της παρούσας εργασίας, έχει δημιουργηθεί πειραματικό σύστημα πρόβλεψης spoofing με σκοπό να αποκτήσουμε μια πιο ρεαλιστική οπτική πάνω στο θέμα και να γίνει testing των συνθε-τικών δεδομένων που δημιουργήθηκαν. | el |
Type of Item | Μεταπτυχιακή Διατριβή | el |
Type of Item | Master Thesis | en |
License | http://creativecommons.org/licenses/by/4.0/ | en |
Date of Item | 2024-10-23 | - |
Date of Publication | 2024 | - |
Subject | Spoofing detection | en |
Subject | UAV | en |
Subject | Deep learning | en |
Subject | Machine learning | en |
Subject | Generative AI | en |
Bibliographic Citation | Φώτιος Αγιομαυρίτης, "Ευφυείς τεχνικές δημιουργίας συνθετικών δεδομένων για εκπαίδευση μοντέλων μηχανικής μάθησης", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Στρατιωτική Σχολή Ευελπίδων, Χανιά, Ελλάς, 2024 | el |