Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Ευφυείς τεχνικές δημιουργίας συνθετικών δεδομένων για εκπαίδευση μοντέλων μηχανικής μάθησης

Agiomavritis Fotios

Απλή Εγγραφή


URIhttp://purl.tuc.gr/dl/dias/6647F743-7661-44C3-A774-F9FA65F37A01-
Αναγνωριστικόhttps://doi.org/10.26233/heallink.tuc.101351-
Γλώσσαel-
Μέγεθος2.2 megabytesen
Μέγεθος58 σελίδεςel
ΤίτλοςΕυφυείς τεχνικές δημιουργίας συνθετικών δεδομένων για εκπαίδευση μοντέλων μηχανικής μάθησηςel
ΔημιουργόςAgiomavritis Fotiosen
ΔημιουργόςΑγιομαυριτης Φωτιοςel
Συντελεστής [Επιβλέπων Καθηγητής]Karanasiou Eirinien
Συντελεστής [Επιβλέπων Καθηγητής]Καρανασιου Ειρηνηel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Doitsidis Eleftheriosen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Δοιτσιδης Ελευθεριοςel
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Panagiotis Trahaniasen
Συντελεστής [Μέλος Εξεταστικής Επιτροπής]Παναγιώτης Τραχανιάςel
ΕκδότηςΠολυτεχνείο Κρήτηςel
ΕκδότηςTechnical University of Creteen
ΕκδότηςHellenic Army Academyen
ΕκδότηςΣτρατιωτική Σχολή Ευελπίδωνel
Ακαδημαϊκή ΜονάδαTechnical University of Crete::School of Production Engineering and Managementen
Ακαδημαϊκή ΜονάδαΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
ΠερίληψηΗ 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
ΤύποςΜεταπτυχιακή Διατριβήel
ΤύποςMaster Thesisen
Άδεια Χρήσηςhttp://creativecommons.org/licenses/by/4.0/en
Ημερομηνία2024-10-23-
Ημερομηνία Δημοσίευσης2024-
Θεματική ΚατηγορίαSpoofing detectionen
Θεματική ΚατηγορίαUAVen
Θεματική ΚατηγορίαDeep learningen
Θεματική ΚατηγορίαMachine learningen
Θεματική ΚατηγορίαGenerative AIen
Βιβλιογραφική ΑναφοράΦώτιος 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, 2024el

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά