Please use this identifier to cite or link to this item:
https://olympias.lib.uoi.gr/jspui/handle/123456789/40338Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Σακελλάρης, Θεοχάρης | el |
| dc.date.accessioned | 2026-08-31T08:47:06Z | - |
| dc.date.available | 2026-08-31T08:47:06Z | - |
| dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/123456789/40338 | - |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | * |
| dc.subject | Νευρωτικά δίκτυα | el |
| dc.subject | Αλγόριθμοι | el |
| dc.subject | Δεδομένα | el |
| dc.title | Νευρωνικά δίκτυα SOM και οι παραλλαγές τους | el |
| dc.type | bachelorThesis | - |
| heal.type | bachelorThesis | - |
| heal.type.en | Bachelor thesis | en |
| heal.type.el | Προπτυχιακή/Διπλωματική εργασία | el |
| heal.classification | Νευρωνικά δίκτυα | - |
| heal.classification | Αλγόριθμοι - SOM | - |
| heal.classification | Δεδομένα | - |
| heal.dateAvailable | 2026-08-31T08:48:06Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Πανεπιστήμιο Ιωαννίνων. Σχολή Πληροφορικής και Τηλεπικοινωνιών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.publicationDate | 2026 | - |
| heal.abstract | Η παρακάτω εργασία έχει σαν σκοπό το να μαζέψει πληροφορίες πάνω στης παραλλαγές του αλγόριθμού SOM οποίος αρχικά προτάθηκε από τον Teuno Kohonen.Ο αλγόριθμος SOM είναι ένα δίκτυο χωρίς επίβλεψη και ξεκίνησέ σαν ένας αλγόριθμος ομαδοποίησής δεδομένων του οποίου η λειτουργία θυμίζει τον ανθρώπινο εγκέφαλο .Ο κυρίως τρόπος που το επιτυγχάνει αυτό είναι μέσω νευρώνων η οποίοι επηρεάζονται από τα δεδομένα με συνέπια να σχηματίζουν γειτονίες μεταξύ τους αναλόγως με την ομάδα δεδομένων που ανήκουν . Μια από της μεγάλες δυνάμεις του αλγορίθμου είναι η δυνατότητα να εμφανίσει τα αποτελέσματά του σε κατανοητά για τον χρήστη παραδείγματα. Ο συγκεκριμένος αλγόριθμος αρχικά γράφτηκε από τον Teuno Kohonen και με τον καιρό έχει αποκτήσει αρκετές παραλλαγές με σκοπό να ομαδοποίηση καλύτερα δεδομένα που έχουν να κάνουν με την ιατρική, γεωγραφία, εξόρυξή δεδομένών αλλά ακόμα και σχετικά μη αριθμητικά δεδομένα. Παρόλα αυτά ένα από τα κύρια ζητήματα των παραλλαγών του αλγόριθμου είναι η σταθερότητα του αλγορίθμου προς τα δεδομένα τα οποία εξετάζει αλλά και η υπολογιστική δύναμη που χρειάζεται, καθώς όμως και η ακρίβεια για τα δεδομένα τα οποία ομαδοποιούν κάτι το οποίο πολλές από της παραλλαγές έχουν σαν στόχο να βελτιώσουν . Σκοπός αυτής της εργασίας είναι η ομαδοποίηση αυτόν τον παραλλαγών, η επεξήγηση τους στο πως δουλεύουν αλλά και σε παραδείγματα χρήσης τους που χρησιμοποιήθηκαν. Καθώς και να δείξει της διάφορές μεταξύ του κανονικού som και μιας παραλλαγής του τον rsom μέσω σύγκρισης ομαδοποίησης τους σε διάφορα σετ δεδομένων. | el |
| heal.abstract | The paper below has as target to collect information about the various variants on the SOM algorithm that was originally proposed by Teuno Kohonen. The SOM algorithm is a non supervised network and it begun as a clustering algorithm that was trying to mimic the human brain in the way it worked. The main way that it did that was via neurons that are affected by the data presented to them and that has as a consequence to form “neighborhoods” between them depending on the group of data that they match between them. One of the big strengths of the algorithm is its ability to show its results in an easy to understand format for the user. This particular algorithm was written by Teuno Kohonen and with time has gotten many variants that aim to cluster better all sorts kinds of data such as medicine, geography, data extraction and even non arithmetic data. Besides all that one of the main concerns of all variants is the stability of the algorithm towards the data that its working with and also the computing power it requires , as well as the accuracy of the data that it clusters something that most of the variants have as a target to improve upon the original algorithm. The aim of this paper is to cluster all these variants, to describe how they work and to show use cases where they were used at. | en |
| heal.advisorName | Καρβέλης, Πέτρος | el |
| heal.committeeMemberName | Τζάλλας, Αλέξανδρος | el |
| heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
| heal.academicPublisher | Τμήμα Πληροφορικής και Τηλεπικοινωνιών | el |
| heal.academicPublisherID | uoi | - |
| heal.fullTextAvailability | true | - |
| Appears in Collections: | Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε. | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ΣΑΚΕΛΛΑΡΗΣ ΘΕΟΧΑΡΗΣ - ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ.pdf | 3.67 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
