Please use this identifier to cite or link to this item:
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorΡουμελιώτης, Εμμανουήλel
dc.contributor.authorΜάργαρης, Αθανάσιοςel
dc.descriptionΗ βιβλιοθήκη διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή.el
dc.descriptionΔιατριβή (Διδακτορική)--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2003.el
dc.descriptionΠεριλαμβάνει βιβλιογραφικές αναφορές (σ.382-391).el
dc.description.abstractΣτόχος της διδακτορικής διατριβής είναι η διερεύνηση της δυνατότητας νευρωνικών δικτύων να προσομοιώσουν χαοτικους ελκυστές και η μελέτη των χαοτικών χαρακτηριστικών των αναδρομικών νευρώνων. Το χαοτικό σύστημα που μελετήθηκε ήταν η λογιστική απεικόνιση η οποία προσομοιώθηκε με επιτυχία σε όλες τις περιοχές ενδιαφέροντος. Η διαδικασία της προσομοίωσης αξιολογήθηκε θεωρητικά διά της κατασκευής κατάλληλα σχεδιασμένου θεωρητικού μοντέλου. Στη συνέχεια μελετήθηκαν τα χαοτικά χαρακτηριστικά του αναδρομικού νευρώνα (εκθέτες Lyapunov, fractal dimensions, διαγράμματα διακλάδωσης, εξαγωγή χαοτικού ελκυστή, ανίχνευση χαοτικών περιοχών). Τέλος, κατασκευάστηκε θεωρητικό μοντέλο παραγωγής του βασικού προτύπου μεταβολής του απόλυτου σφάλματος στα νευρωνικά μοντέλα προσομοίωσης της λογιστικής απεικόνισης και μελετήθηκαν πειραματικά οι χρονοσειρές του ελάχιστου απόλυτου σφάλματος.el
dc.description.abstractThe objective of the dissertation was to explore the ability of neural networks to model the chaotic attractors and to study chaotic properties of recurrent neurons. The studied chaotic system was the logistic map which is simulated successfully by a backpropagation feedforward neural network. The simulation accuracy was described by means of a 2D theoretical model capable of modelling the simulation error time series. In the next step the chaotic properties of the recurrent neuron were studied (Lyapunov exponents, fractal dimensions, bifurcation diagrams, chaotic attractor shape and chaotic regions). Finally, a theoretical model capable of generating the basic absolute error pattern in backpropagation logistic map neural models was established. The study extended to the description of the minimum absolute error time series of the same model which simulates the logistic map for various values of the system parameter.en
dc.description.statementofresponsibilityΑθανάσιος Ι. Μάργαρηςel
dc.format.extent391 σ.el
dc.format.extent58318058 bytes-
dc.format.extent3856322 bytes-
dc.publisherΠανεπιστήμιο Μακεδονίας Οικονομικών και Κοινωνικών Επιστημώνel
dc.subjectΛογιστική απεικόνισηel
dc.subjectΧαοτικοί ελκυστέςel
dc.subjectΝευρωνικό δίκτυοel
dc.subjectΑναδρομικός νευρώναςel
dc.subjectΕκθέτες Lyapunovel
dc.subjectΚλασματικές διαστάσειςel
dc.subjectΝευρωνικό μοντέλο προσομοίωσηςel
dc.subjectLogistic mapen
dc.subjectChaotic attractorsen
dc.subjectNeural networken
dc.subjectRecurrent neuronen
dc.subjectLyapunov exponentsen
dc.subjectFractal dimensionsen
dc.subjectNeural simulation modelen
dc.titleΝευρωνικά δίκτυα και χάος: μελέτη και προσομοίωση χαοτικών ελκυστών δια της χρήσεως νευρωνικών δικτύωνel
dc.title.alternativeChaos and neural networks: study and simulation of chaotic attractors using neural networksen
dc.typeElectronic Thesis or Dissertationen
dc.contributor.committeememberΠαπαδημητρίου, Ιωάννηςel
dc.contributor.committeememberΤσούρος, Κωνσταντίνοςel
dc.contributor.committeememberΠαπαρρίζος, Κωνσταντίνοςel
dc.contributor.committeememberΣατρατζέμη, Μαρία Αικατερίνηel
dc.contributor.committeememberΜαργαρίτης, Κωνσταντίνοςel
dc.contributor.committeememberΚορτέσης, Σταύροςel
dc.contributor.departmentΠανεπιστήμιο Μακεδονίας Οικονομικών και Κοινωνικών Επιστημών. Τμήμα Εφαρμοσμένης Πληροφορικής. (ΕΠ)el
Appears in Collections:Τμήμα Εφαρμοσμένης Πληροφορικής (Δ)

Files in This Item:
File Description SizeFormat 
margarislicense.pdfΔήλωση αποδέσμευσης (Ελεγχόμενη πρόσβαση)187.07 kBAdobe PDFView/Open
margaris.pdf3.76 MBAdobe PDFView/Open

Items in Psepheda are protected by copyright, with all rights reserved, unless otherwise indicated.