Έμβλημα Πολυτεχνείου Κρήτης
Το Πολυτεχνείο Κρήτης στο Facebook  Το Πολυτεχνείο Κρήτης στο Instagram  Το Πολυτεχνείο Κρήτης στο Twitter  Το Πολυτεχνείο Κρήτης στο YouTube   Το Πολυτεχνείο Κρήτης στο Linkedin

Νέα / Ανακοινώσεις / Συζητήσεις

Ανακοίνωση Παρουσίασης Διδακτορικής Διατριβής, Ευτύχιου Πρωτοπαπαδάκη, Σχολή ΜΠΔ

  • Συντάχθηκε 10-06-2016 14:10 από Magdalini Mantonanaki Πληροφορίες σύνταξης

    Email συντάκτη: mmantonanaki<στο>tuc.gr

    Ενημερώθηκε: 10-06-2016 14:21

    Ιδιότητα: ΕΤΕΠ ΜΠΔ.
    Παρουσίαση της διδακτορικής διατριβής με θέμα:
    Decision making via semi-supervised machine learning techniques
    Τεχνικές μάθησης με μερική επίβλεψη για λήψη αποφάσεων

    Υποψήφιος διδάκτορας: Ευτύχιος Πρωτοπαπαδάκης

    Σύνθεση επταμελούς εξεταστικής επιτροπής:
    1. Νικόλαος Ματσατσίνης, Καθηγητής, Σχολή ΜΠΔ, ΠΚ, Επιβλέπων.
    2. Αναστάσιος Δουλάμης, Λέκτορας, Σχολή ΑΤΜ, ΕΜΠ, Μέλος τριμελούς συμβουλευτικής επιτροπής.
    3. Μιχάλης Δούμπος, Αναπληρωτής Καθηγητής, Σχολή ΜΠΔ, Μέλος τριμελούς συμβουλευτικής επιτροπής.
    4. Γεώργιος Σταυρουλάκης, Καθηγητής, Σχολή ΜΠΔ, ΠΚ
    5. Ιωάννης Μαρινάκης, Επίκουρος Καθηγητής, Σχολή ΜΠΔ, ΠΚ
    6. Στελιος Τσαφαράκης, Επίκουρος Καθηγητής, Σχολή ΜΠΔ, ΠΚ
    7. Νικόλαος Γραμμαλίδης, Ερευνητής Β' Βαθμίδος, Ι.Π.ΤΗΛ, Ε.Κ.Ε.Τ.Α.

    Ημερομηνία & τόπος παρουσίασης: Παρασκευή, 17 Ιουνίου 2016, 10:30 στην αίθουσα συνεδριάσεων της σχολής Μ.Π.Δ. (Δ5.015).

    Περίληψη
    Ο όρος μάθηση με μερική επίβλεψη αναφέρεται σε ένα ευρύ πεδίο τεχνικών μηχανικής μάθησης, οι οποίες χρησιμοποιούν τα μη τιτλοφορημένα δεδομένα για να εξάγουν επιπλέον ωφέλιμη πληροφορία. Η μερική επίβλεψη αντιμετωπίζει προβλήματα που σχετίζονται με την επεξεργασία και την αξιοποίηση μεγάλου όγκου δεδομένων και τα όποια κόστη σχετίζονται με αυτά (π.χ. χρόνος επεξεργασίας, ανθρώπινα λάθη). Απώτερος σκοπός είναι η ασφαλή εξαγωγή συμπερασμάτων, κανόνων ή προτάσεων.
    Τα μοντέλα λήψης απόφασης που χρησιμοποιούν τεχνικές μερικής μάθησης έχουν ποικίλα πλεονεκτήματα. Σε πρώτη φάση, χρειάζονται μικρό πλήθος τιτλοφορημένων δεδομένων για την αρχικοποίηση τους. Στη συνέχεια, τα νέα δεδομένα που θα εμφανιστούν αξιοποιούνται και τροποποιούν κατάλληλα το μοντέλο. Ως εκ τούτου, έχουμε ένα συνεχώς εξελισσόμενο μοντέλο λήψης αποφάσεων, με την ελάχιστη δυνατή προσπάθεια.
    Τεχνικές που προσαρμόζονται εύκολα και οικονομικά είναι οι κατεξοχήν κατάλληλες για τον έλεγχο συστημάτων, στα οποία παρατηρούνται συχνές αλλαγές στον τρόπο λειτουργίας. Ενδεικτικά πεδία εφαρμογής εφαρμογής ευέλικτων συστημάτων υποστήριξης λήψης αποφάσεων με μερική μάθηση είναι: η επίβλεψη γραμμών παραγωγής, η επιτήρηση θαλάσσιων συνόρων, η φροντίδα ηλικιωμένων, η εκτίμηση χρηματοπιστωτικού κινδύνου, ο έλεγχος για δομικές ατέλειες και η διαφύλαξη της πολιτιστικής κληρονομιάς.

© Πολυτεχνείο Κρήτης 2012