ΣΧΕΔΙΑΣΜΟΣ, ΑΝΑΠΤΥΞΗ ΚΑΙ ΕΦΑΡΜΟΓΗ ΕΥΦΥΩΝ ΥΒΡΙΔΙΚΩΝ ΑΛΓΟΡΙΘΜΩΝ ΣΕ ΠΡΟΒΛΗΜΑΤΑ ΤΟΥ ΠΡΑΓΜΑΤΙΚΟΥ ΚΟΣΜΟΥ (ΒΙΟΣΗΜΑΤΑ, ΕΠΙΚΟΙΝΩΝΙΕΣ, ΙΑΤΡΙΚΗ ΔΙΑΓΝΩΣΗ, ΕΥΦΥΗ ΣΥΣΤΗΜΑΤΑ ΔΙΔΑΣΚΑΛΙΑΣ)

Πεδίο Έρευνας

• Τα Ευφυή Υβριδικά Συστήματα αποτελούν μια συνεχώς εξελισσόμενη και αναπτυσσόμενη τεχνική αντιμετώπισης προβλημάτων εξαγωγής γνώσης

• Συνδυάζουν τα πλεονεκτήματα των Έμπειρων Συστημάτων (Ε.Σ.), των Τεχνητών Νευρωνικών Δικτύων (Τ.Ν.Δ.), των Γενετικών/Εξελικτικών Αλγορίθμων (Γ.Α. / Ε.Α.), της Ασαφούς Λογικής (Α.Λ.) και του Περιπτωσιακού Συλλογισμού (Π.Σ.)

Σκοπιμότητα

• Η ερευνητική ομάδα του Πανεπιστημίου Πατρών έχει μεγάλη εμπειρία σε σχεδιασμό και ανάπτυξη Ευφυών Αλγορίθμων/Μεθόδων, που βασίζονται στις τεχνολογίες:
  – Έμπειρων Συστημάτων (Ε.Σ.), Ασαφούς Λογικής (Α.Λ.), Τεχνητών Νευρωνικών Δικτύων (Τ.Ν.Δ.), Γενετικών/Εξελικτικών Αλγορίθμων (Γ.Α./Ε.Α.) και Yβριδικών Aλγορίθμων/Mεθόδων

• Οι αλγόριθμοι/μέθοδοι αυτοί/αυτές έχουν αξιολογηθεί τόσο με τεχνητά δεδομένα όσο και με δεδομένα από προβλήματα του πραγματικού κόσμου, όπως:
  – αναγνώριση συστήματος, πρόβλεψη οικονομικών χρονοσειρών, μοντελοποίηση και πρόβλεψη βιομαγνητικών σημάτων, εξαγωγή πληροφορίας από σειρές δεδομένων ή από το διαδίκτυο, διάγνωση ασθενειών και ηλεκτρονική μάθηση/διδασκαλία

Στόχος

Αντικείμενο του έργου είναι ο συντονιασμός της έρευνας των επιμέρους ερευνητικών ομάδων στην ανάπτυξη νέων πιο αποδοτικών Ευφυών Αλγορίθμων/Μεθόδων, η εμβάθυνση σε αυτή την έρευνα, η εστίαση σε συγκεκριμένα πεδία εφαρμογής και η ενίσχυση των νέων υποομάδων που προσπαθούν να δημιουργήσουν οι νέοι επιστήμονες στα άλλα Ιδρύματα

Καινοτομία

Το έργο καινοτομεί στην συνδυασμένη εφαρμογή αλγορίθμων βελτιστοποίησης δύσκολων προβλημάτων μεγάλης κλίμακας όπως οι Γενετικοί / Εξελικτικοί Αλγόριθμοι με δυνατότητα σύγκλισης σε συνολικό ελάχιστο για την περαιτέρω βελτίωση της εξαχθείσας αναπαράστασης γνώσης

Μεθοδολογία

• Επισκόπηση Βιβλιογραφίας

• Σχεδιασμός, Ανάπτυξη και Βελτιστοποίηση Προηγμένων Ευφυών Υβριδικών Μοντέλων, Αλγορίθμων και Μεθόδων

•  Πειραματική Μελέτη και Αξιολόγηση Ευφυών Υβριδικών Μοντέλων, Αλγορίθμων και Μεθόδων

• Εξαγωγή Τελικών Συμπερασμάτων – Αποτίμηση Έργου – Διάδοση Επιστημονικών / Ερευνητικών Αποτελεσμάτων

Δεδομένα

Χρονοσειρές οικονομικών δεδομένων, Βιομαγνητικά σήματα, Ιατρικά δεδομένα, Δεδομένα από συστήματα ηλεκτρονικής μάθησης/διδασκαλίας, Δεδομένα από καταγραφή συμπεριφοράς χρηστών του διαδικτύου

Αποτελέσματα

Οι Ευφυείς Υβριδικοί Αλγόριθμοι που σχεδιάστηκαν και αναπτύχθηκαν συνδυάζουν τα πλεονεκτήματα των Έμπειρων Συστημάτων, των Τεχνητών Νευρωνικών Δικτύων, των Γενετικών/Εξελικτικών Αλγορίθμων και της Ασαφούς Λογικής. Τα αποτελέσματα της εφαρμογής τους σε προβλήματα του πραγματικού κόσμου είναι ιδιαίτερα ενθαρρύντικά

Εφαρμογές των Αποτελεσμάτων

Αναγνώριση συστήματος, πρόβλεψη οικονομικών χρονοσειρών, μοντελοποίηση και πρόβλεψη βιομαγνητικών σημάτων, εξαγωγή πληροφορίας από σειρές δεδομένων ή από το διαδίκτυο, διάγνωση ασθενειών, ηλεκτρονική μάθηση/διδασκαλία

Συνέδρια

• A GA Driven Intelligent System for Medical Diagnosis”, Proceedings of the 10th International Conference on Knowledge-Based & Intelligent Information & Engineering Systems. Grigorios Beligiannis, Ioannis Hatzilygeroudis, Constantinos Koutsojannis and Jim Prentzas. Bournemouth International Conference Centre 9th–11th October, 2006.

• Intuition” Operator: Providing Genomes with Reason. Grigorios N. Beligiannis, Georgios A. Tsirogiannis and Panayotis E. Pintelas. International Conference on Computational Intelligence pp. 65-68, Istanbul, Turkey, 17th-19th December, 2004

• Knowledge-Based Adaptive Assessment in a Web-Based Intelligent Educational System. Ioannis Hatzilygeroudis, Constantinos Koutsojannis, Constantinos Papavlasopoulos and Jim Prentzas. Proceedings of the Sixth IEEE International Conference on Advanced Learning Technologies pp. 651-655, 2006

• Modeling the Electrical Activity of the Human Heart Using an Artificial Neural Network. Lambros V. Skarlas, Grigorios N. Beligiannis, Efstratios F. Georgopoulos and Adam V. Adamopoulos. International Conference on Signal Processing pp. 134-137, Istanbul, Turkey, 17th-19th December, 2004

• Restartings: A Technique to Improve Classic Genetic Algorithms’ Performance. Grigorios N. Beligiannis, Georgios A. Tsirogiannis, Panayotis E. Pintelas. International Conference on Computational Intelligence pp. 404-407, Istanbul, Turkey, 17th-19th December, 2004.

• Using a Hybrid AI Approach for Exercise Difficulty Level Adaptation. Constantinos Koutsojannis, Grigorios Beligiannis, Ioannis Hatzilygeroudis, Constantinos Papavlasopoulos . International Workshop on Combining Intelligent an Adaptive Hypermedia Methods/Techniques in Web Based Education Systems pp. 45-52, Salzburg, Austria, 6th-9th September, 2005

Δημοσιεύσεις

• Nonlinear Model Structure Identification of Complex Biomedical Data Using a Genetic Programming Based Technique. G. N. Beligiannis, L. V. Skarlas, S. D. Likothanassis and K. Perdikouri. IEEE Transactions on Instrumentation and Measurement, special issue on Intelligent Signal Processing Vol. 54, No. 6, pp. 2184-2190, December 2005

• Using a Hybrid AI Approach for Exercise Difficulty Level Adaptation. C. Koutsojannis, G. Beligiannis, I. Hatzilygeroudis and C. Papavlasopoulos. International Journal of Continuing Engineering Education and Life-Long Learning (IJCEELL) Vol. 17, No. 4/5, 2007