{"id":{"repo_id":"greece","oai_identifier":"oai:10442/17560"},"canonical_url":"https://search.ndltd.org/etd/greece/oai:10442/17560","repository":{"repo_id":"greece","name":"Greek National Archive of PhD Theses","base_url":"https://phdtheses.ekt.gr/eadd_oai/request"},"display":{"title":"Μοντέλα βιολογικών και νευρωνικών δικτύων","abstract":"Η παρούσα μελέτη ασχολείται με την εξέταση δικτύων νευρωνικών μοντέλων, τη σχέση τους με τα βιολογικά πρότυπα, την εξέλιξη, καθώς επίσης και τα κριτήρια ταξινόμησής τους. Εξετάζονται ιδιότητες και δυναμική μεμονωμένων νευρωνικών δικτύων (Netlets) ενός θεωρητικού μοντέλου μιμούμενου τη συμπεριφορά των βιολογικών νευρώνων, σε συνάρτηση με τις παραμέτρους κατασκευής τους, καθώς και τη χρονική εξέλιξη της νευρωνικής δράσης σε εξάρτηση με τις παραμέτρους αυτές. Κατόπιν μελετάται το δικτυακό μοντέλο του Kohonen (αυτοοργανώμενος χάρτης ή self organising map) και διάφορες εφαρμογές του. Έμφαση δίνεται στην κατασκευή και εξέταση μιας διαδικασίας σύζευξης με βάση αυτό το νευρωνικό μοντέλο. Η διαδικασία σύζευξης χρησιμοποιείται στη Νευροανατομία, προς απόκτηση πληροφοριών γύρω από τον εγκέφαλο ενός ασθενούς, που δεν είναι προσβάσιμες με τη χρήση παρασκευαστικών ή απεικονιστικών μεθόδων. Ο αλγόριθμος που χρησιμοποιείται για τη διαδικασία σύζευξης, εκτελεί μια απεικόνιση με ιδιότητες διατήρησης τοπολογίας. Για τη σύζευξη χρησιμοποιούνται απλά δυσδιάστατα σχήματα (ορθογώνια, τρίγωνα, κύκλοι), τα οποία απεικονίζουν τις διάφορες περιοχές του εγκεφάλου. Δίδεται ένα πρότυπο σχήμα [μοντέλο] καθώς και ένα δεδομένο σχήμα εισόδου με ελλιπείς πληροφορίες. Αμφότερα περιέχουν διάφορα περιγράμματα δυσδιάστατων σχημάτων. Το πρότυπο σχήμα απεικονίζει το μετασχηματιστέο εγκεφαλικό μοντέλο. Το σχήμα εισόδου συμβολίζει τον ελλιπώς απεικονισμένο εγκέφαλο του ασθενούς. Μέσω της εφαρμογής του μετασχηματισμού πάνω στο μοντέλο, αποσκοπείται η εξάλειψη των αποκλίσεων των περιγραμμάτων μεταξύ μοντέλου και σχήματος εισόδου, καθώς και η παρεμβολή ελλιπών δεδομένων.","abstract_html":"Η παρούσα μελέτη ασχολείται με την εξέταση δικτύων νευρωνικών μοντέλων, τη σχέση τους με τα βιολογικά πρότυπα, την εξέλιξη, καθώς επίσης και τα κριτήρια ταξινόμησής τους. Εξετάζονται ιδιότητες και δυναμική μεμονωμένων νευρωνικών δικτύων (Netlets) ενός θεωρητικού μοντέλου μιμούμενου τη συμπεριφορά των βιολογικών νευρώνων, σε συνάρτηση με τις παραμέτρους κατασκευής τους, καθώς και τη χρονική εξέλιξη της νευρωνικής δράσης σε εξάρτηση με τις παραμέτρους αυτές. Κατόπιν μελετάται το δικτυακό μοντέλο του Kohonen (αυτοοργανώμενος χάρτης ή self organising map) και διάφορες εφαρμογές του. Έμφαση δίνεται στην κατασκευή και εξέταση μιας διαδικασίας σύζευξης με βάση αυτό το νευρωνικό μοντέλο. Η διαδικασία σύζευξης χρησιμοποιείται στη Νευροανατομία, προς απόκτηση πληροφοριών γύρω από τον εγκέφαλο ενός ασθενούς, που δεν είναι προσβάσιμες με τη χρήση παρασκευαστικών ή απεικονιστικών μεθόδων. Ο αλγόριθμος που χρησιμοποιείται για τη διαδικασία σύζευξης, εκτελεί μια απεικόνιση με ιδιότητες διατήρησης τοπολογίας. Για τη σύζευξη χρησιμοποιούνται απλά δυσδιάστατα σχήματα (ορθογώνια, τρίγωνα, κύκλοι), τα οποία απεικονίζουν τις διάφορες περιοχές του εγκεφάλου. Δίδεται ένα πρότυπο σχήμα [μοντέλο] καθώς και ένα δεδομένο σχήμα εισόδου με ελλιπείς πληροφορίες. Αμφότερα περιέχουν διάφορα περιγράμματα δυσδιάστατων σχημάτων. Το πρότυπο σχήμα απεικονίζει το μετασχηματιστέο εγκεφαλικό μοντέλο. Το σχήμα εισόδου συμβολίζει τον ελλιπώς απεικονισμένο εγκέφαλο του ασθενούς. Μέσω της εφαρμογής του μετασχηματισμού πάνω στο μοντέλο, αποσκοπείται η εξάλειψη των αποκλίσεων των περιγραμμάτων μεταξύ μοντέλου και σχήματος εισόδου, καθώς και η παρεμβολή ελλιπών δεδομένων.","abstract_has_math":false,"creators":["Anastasiadis, Achilleas-Nikolaos","Αναστασιάδης, Αχιλλέας-Νικόλαος"],"institution":"Democritus University of Thrace (DUTH)","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2006,"date_issued":"2006","date_published":"2006","updated_at":"2026-11-18T20:37:08Z","subjects":["Δίκτυα, Νευρωνικά","Νευρώνες","Μεμονωμένα δίκτυα","Δίκτυα Kohonen","Αυτοοργανωμένος χάρτης","Μετασχηματισμός σύζευξης","Νευρωνικά μοντέλα","Έμμεσος εντοπισμός","Networks, Neural","Neurons","Netlets","Kohonen networks","Self-organising map","Matching transformation","Neural models","Indirect localisation","Ιατρική και Επιστήμες Υγείας","Βασική Ιατρική","Medical and Health Sciences","Basic Medicine"],"languages":["gre"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["10.12681/eadd/17560"],"render_values":[{"text":"10.12681/eadd/17560","href":"https://doi.org/10.12681/eadd/17560","code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"http://hdl.handle.net/10442/hedi/17560","outbound_label":"Handle","outbound_source":"dc:identifier","record_url":"http://hdl.handle.net/10442/hedi/17560","record_label":"Repository record","record_kind":"handle","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://phdtheses.ekt.gr/eadd_oai/request?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3A10442%2F17560","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Anastasiadis, Achilleas-Nikolaos","Αναστασιάδης, Αχιλλέας-Νικόλαος"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2006"]},{"key":"dc:publisher","label":"Institution","values":["Democritus University of Thrace (DUTH)","Δημοκρίτειο Πανεπιστήμιο Θράκης (ΔΠΘ)"]},{"key":"dc:type","label":"Dc Type","values":["PhD Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Δίκτυα, Νευρωνικά","Νευρώνες","Μεμονωμένα δίκτυα","Δίκτυα Kohonen","Αυτοοργανωμένος χάρτης","Μετασχηματισμός σύζευξης","Νευρωνικά μοντέλα","Έμμεσος εντοπισμός","Networks, Neural","Neurons","Netlets","Kohonen networks","Self-organising map","Matching transformation","Neural models","Indirect localisation","Ιατρική και Επιστήμες Υγείας","Βασική Ιατρική","Medical and Health Sciences","Basic Medicine"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["gre"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["10.12681/eadd/17560","http://hdl.handle.net/10442/hedi/17560"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα μελέτη ασχολείται με την εξέταση δικτύων νευρωνικών μοντέλων, τη σχέση τους με τα βιολογικά πρότυπα, την εξέλιξη, καθώς επίσης και τα κριτήρια ταξινόμησής τους. Εξετάζονται ιδιότητες και δυναμική μεμονωμένων νευρωνικών δικτύων (Netlets) ενός θεωρητικού μοντέλου μιμούμενου τη συμπεριφορά των βιολογικών νευρώνων, σε συνάρτηση με τις παραμέτρους κατασκευής τους, καθώς και τη χρονική εξέλιξη της νευρωνικής δράσης σε εξάρτηση με τις παραμέτρους αυτές. Κατόπιν μελετάται το δικτυακό μοντέλο του Kohonen (αυτοοργανώμενος χάρτης ή self organising map) και διάφορες εφαρμογές του. Έμφαση δίνεται στην κατασκευή και εξέταση μιας διαδικασίας σύζευξης με βάση αυτό το νευρωνικό μοντέλο. Η διαδικασία σύζευξης χρησιμοποιείται στη Νευροανατομία, προς απόκτηση πληροφοριών γύρω από τον εγκέφαλο ενός ασθενούς, που δεν είναι προσβάσιμες με τη χρήση παρασκευαστικών ή απεικονιστικών μεθόδων. Ο αλγόριθμος που χρησιμοποιείται για τη διαδικασία σύζευξης, εκτελεί μια απεικόνιση με ιδιότητες διατήρησης τοπολογίας. Για τη σύζευξη χρησιμοποιούνται απλά δυσδιάστατα σχήματα (ορθογώνια, τρίγωνα, κύκλοι), τα οποία απεικονίζουν τις διάφορες περιοχές του εγκεφάλου. Δίδεται ένα πρότυπο σχήμα [μοντέλο] καθώς και ένα δεδομένο σχήμα εισόδου με ελλιπείς πληροφορίες. Αμφότερα περιέχουν διάφορα περιγράμματα δυσδιάστατων σχημάτων. Το πρότυπο σχήμα απεικονίζει το μετασχηματιστέο εγκεφαλικό μοντέλο. Το σχήμα εισόδου συμβολίζει τον ελλιπώς απεικονισμένο εγκέφαλο του ασθενούς. Μέσω της εφαρμογής του μετασχηματισμού πάνω στο μοντέλο, αποσκοπείται η εξάλειψη των αποκλίσεων των περιγραμμάτων μεταξύ μοντέλου και σχήματος εισόδου, καθώς και η παρεμβολή ελλιπών δεδομένων."]},{"key":"dc:title","label":"Title","values":["Μοντέλα βιολογικών και νευρωνικών δικτύων","Models of biological and neural networks"]}]}],"canonical_facts":{"dc:creator":["Anastasiadis, Achilleas-Nikolaos","Αναστασιάδης, Αχιλλέας-Νικόλαος"],"dc:date":["2006"],"dc:description":["Η παρούσα μελέτη ασχολείται με την εξέταση δικτύων νευρωνικών μοντέλων, τη σχέση τους με τα βιολογικά πρότυπα, την εξέλιξη, καθώς επίσης και τα κριτήρια ταξινόμησής τους. Εξετάζονται ιδιότητες και δυναμική μεμονωμένων νευρωνικών δικτύων (Netlets) ενός θεωρητικού μοντέλου μιμούμενου τη συμπεριφορά των βιολογικών νευρώνων, σε συνάρτηση με τις παραμέτρους κατασκευής τους, καθώς και τη χρονική εξέλιξη της νευρωνικής δράσης σε εξάρτηση με τις παραμέτρους αυτές. Κατόπιν μελετάται το δικτυακό μοντέλο του Kohonen (αυτοοργανώμενος χάρτης ή self organising map) και διάφορες εφαρμογές του. Έμφαση δίνεται στην κατασκευή και εξέταση μιας διαδικασίας σύζευξης με βάση αυτό το νευρωνικό μοντέλο. Η διαδικασία σύζευξης χρησιμοποιείται στη Νευροανατομία, προς απόκτηση πληροφοριών γύρω από τον εγκέφαλο ενός ασθενούς, που δεν είναι προσβάσιμες με τη χρήση παρασκευαστικών ή απεικονιστικών μεθόδων. Ο αλγόριθμος που χρησιμοποιείται για τη διαδικασία σύζευξης, εκτελεί μια απεικόνιση με ιδιότητες διατήρησης τοπολογίας. Για τη σύζευξη χρησιμοποιούνται απλά δυσδιάστατα σχήματα (ορθογώνια, τρίγωνα, κύκλοι), τα οποία απεικονίζουν τις διάφορες περιοχές του εγκεφάλου. Δίδεται ένα πρότυπο σχήμα [μοντέλο] καθώς και ένα δεδομένο σχήμα εισόδου με ελλιπείς πληροφορίες. Αμφότερα περιέχουν διάφορα περιγράμματα δυσδιάστατων σχημάτων. Το πρότυπο σχήμα απεικονίζει το μετασχηματιστέο εγκεφαλικό μοντέλο. Το σχήμα εισόδου συμβολίζει τον ελλιπώς απεικονισμένο εγκέφαλο του ασθενούς. Μέσω της εφαρμογής του μετασχηματισμού πάνω στο μοντέλο, αποσκοπείται η εξάλειψη των αποκλίσεων των περιγραμμάτων μεταξύ μοντέλου και σχήματος εισόδου, καθώς και η παρεμβολή ελλιπών δεδομένων."],"dc:identifier":["10.12681/eadd/17560","http://hdl.handle.net/10442/hedi/17560"],"dc:language":["gre"],"dc:publisher":["Democritus University of Thrace (DUTH)","Δημοκρίτειο Πανεπιστήμιο Θράκης (ΔΠΘ)"],"dc:subject":["Δίκτυα, Νευρωνικά","Νευρώνες","Μεμονωμένα δίκτυα","Δίκτυα Kohonen","Αυτοοργανωμένος χάρτης","Μετασχηματισμός σύζευξης","Νευρωνικά μοντέλα","Έμμεσος εντοπισμός","Networks, Neural","Neurons","Netlets","Kohonen networks","Self-organising map","Matching transformation","Neural models","Indirect localisation","Ιατρική και Επιστήμες Υγείας","Βασική Ιατρική","Medical and Health Sciences","Basic Medicine"],"dc:title":["Μοντέλα βιολογικών και νευρωνικών δικτύων","Models of biological and neural networks"],"dc:type":["PhD Thesis"]},"updated_at":"2026-11-18T20:37:08Z"}