Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/123456789/38903
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΒαρβάρας, Ιωάννηςel
dc.contributor.authorVarvaras, Ioannisen
dc.date.accessioned2025-03-31T06:31:39Z-
dc.date.available2025-03-31T06:31:39Z-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/38903-
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectΝευρωνικά δίκτυαel
dc.subjectΒελτιστοποίησηel
dc.subjectΔίκτυα ακτινικής βάσηςel
dc.subjectΕκθέτης Λιαπούνοφel
dc.subjectΓραμματική εξέλιξηel
dc.subjectGrammatical evolutionen
dc.subjectNeural networks
dc.subjectRadial basis function networks
dc.subjectLyapunov exponent
dc.subjectOptimization
dc.titleΔημιουργία νευρωνικών δικτύων RBF με την χρήση γραμματικής εξέλιξης.el
dc.titleCreation of RBF neural networks using grammatical evolutionen
dc.typemasterThesisen
heal.typemasterThesisel
heal.type.enMaster thesisen
heal.type.elΜεταπτυχιακή εργασίαel
heal.generalDescriptionΗ παρούσα διπλωματική εργασία οδήγησε στη δημιουργία του ερευνητικού άρθρου με τίτλο "RbfCon: Construct Radial Basis Function Neural Networks with Grammatical Evolution", το οποίο δημοσιεύτηκε στο περιοδικό MDPI Software, Τόμος 3, Τεύχος 4, σελίδες 549-568. Το άρθρο διατίθεται πλήρως online με DOI: 10.3390/software3040027 και ημερομηνία δημοσίευσης την 11η Δεκεμβρίου 2024. Επιπλέον, ο κώδικας που αναπτύχθηκε κατά τη διάρκεια της εργασίας έχει αναρτηθεί δημόσια στο GitHub για περαιτέρω χρήση και συνεισφορά από την επιστημονική κοινότητα. Ο κώδικας είναι διαθέσιμος στον ακόλουθο σύνδεσμο: https://github.com/itsoulos/RbfCon.el
heal.dateAvailable2025-03-31T06:32:39Z-
heal.languageelel
heal.accessfreeel
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών.el
heal.publicationDate2025-03-
heal.abstractΗ παρούσα εργασία εξετάζει τη χρήση της μεθόδου Grammatical Evolution (GE) για την εκπαίδευση νευρωνικών δικτύων τύπου Radial Basis Function (RBF). Στόχος της έρευνας είναι να αξιολογηθεί η αποτελεσματικότητα της GE στην αυτόματη ανακάλυψη και βελτιστοποίηση παραμέτρων των RBF δικτύων. Συμπληρωματικά, εφαρμόζεται η θεωρία των εκθετών Lyapunov για την αξιολόγηση της δυναμικής σταθερότητας και της συμπεριφοράς των δικτύων σε διαφορετικές παραμετρικές ρυθμίσεις.el
heal.abstractThis thesis explores the application of Grammatical Evolution (GE) for training Radial Basis Function (RBF) neural networks. The research aims to evaluate the effectiveness of GE in the automatic discovery and optimization of parameters for RBF networks. Additionally, the Lyapunov exponent theory is applied to assess the dynamic stability and behavior of the networks under various parametric settings.en
heal.advisorNameΤσούλος, Ιωάννηςel
heal.committeeMemberNameΤζάλας, Αλέξανδρος
heal.committeeMemberNameΣτύλιος, Χρυσόστομος
heal.academicPublisherΠανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιώνel
heal.academicPublisherIDuoiel
heal.numberOfPages84el
heal.fullTextAvailabilitytrue-
Appears in Collections:Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΠΤΠ

Files in This Item:
File Description SizeFormat 
Μ.Ε. Βαρβάρας Ιωάννης 2025.pdf1.45 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons