Browsing Τμήμα Πληροφορικής / Department of Computer Science by Subject "NEURAL NETWORKS"

Now showing items 1-3 of 3

Doctoral Thesis Open Access

Conditional generative denoising autoencoder

Karatsiolis, Savvas (Πανεπιστήμιο Κύπρου, Σχολή Θετικών και Εφαρμοσμένων Επιστημών / University of Cyprus, Faculty of Pure and Applied Sciences, 2019-12)

Η διατριβή μελετά ανοικτά προβλήματα στο χώρο της Μηχανικής Μάθησης και προτείνει μοντέλα επίλυσης ή μετριασμού τους. Ένα από αυτά τα προβλήματα είναι η σύνθεση εικόνων που υπόκειται σε συγκεκριμένες συνθήκες. Προτείνεται ...
Doctoral Thesis Open Access

Learning schemes for efficiently training neural networks on protein secondary structure prediction

Agathocleous, Michalis E. (Πανεπιστήμιο Κύπρου, Σχολή Θετικών και Εφαρμοσμένων Επιστημών / University of Cyprus, Faculty of Pure and Applied Sciences, 2019-10)

Το πεδίο της δημιουργίας μη-γραμμικών συναρτήσεων για την ταξινόμηση ή κατηγοριοποίηση δεδομένων από ακολουθίες αντιμετωπίζεται επί του παρόντος από μια ποικιλία μεθόδων Μηχανικής Μάθησης. Η πρόκληση ...
Doctoral Thesis Open Access

Studies in reinforcement learning and adaptive neural networks

Vassiliades, Vassilis K. (Πανεπιστήμιο Κύπρου, Σχολή Θετικών και Εφαρμοσμένων Επιστημών / University of Cyprus, Faculty of Pure and Applied Sciences, 2015-08)

Αυτή η διατριβή μελετά την προσαρμοστικότητα σε δυναμικά περιβάλλοντα (ΔΠ) και επικεντρώνεται στις περιοχές της ενισχυτικής μάθησης (ΕΜ) και των προσαρμοστικών τεχνητών νευρωνικών δικτύων (ΤΝΔ). Στα ΔΠ υπάρχει η ανάγκη για ...

Browsing Τμήμα Πληροφορικής / Department of Computer Science by Subject "NEURAL NETWORKS"

Conditional generative denoising autoencoder ﻿

Learning schemes for efficiently training neural networks on protein secondary structure prediction ﻿

Studies in reinforcement learning and adaptive neural networks ﻿

Conditional generative denoising autoencoder

Learning schemes for efficiently training neural networks on protein secondary structure prediction

Studies in reinforcement learning and adaptive neural networks