Στο έργο Self-Organizing Convolutional Maps (SOCOM), αντλώντας έμπνευση τόσο από το πεδίο της βαθιάς μάθησης όσο και από το πεδίο της μη-επιβλεπόμενης μάθησης, προτάθηκε και υλοποιήθηκε η μελέτη και ανάπτυξη ενός καινοτόμου αυτο-οργανούμενου συνελικτικού χάρτη (Self-Organizing Convolutional Map – SOCOM). Το SOCOM συνιστά μία υβριδοποίηση ενός αλγορίθμου καθαρά μη-επιβλεπόμενης μάθησης (του SOM, Self-Organizing Map) με το μεγαλύτερο κομμάτι ενός αλγορίθμου βαθιάς μάθησης (του CNN, Convolutional Neural Network). Υλοποιήθηκε μια νέα και καινοτόμα υβριδική αρχιτεκτονική η οποία συνδυάζει σε ένα ενιαίο και αδιαίρετο αρχιτεκτονικό και αλγοριθμικό σχήμα την ανακάλυψη/αναγνώριση 
αναπαραστάσεων και προτύπων στο χώρο των δεδομένων εισόδου με τις λειτουργίες ομαδοποίησης στο χώρο εξόδου. Ο απώτερος στόχος είναι η δημιουργία ενός μοντέλου που θα είναι σε θέση να παρέχει δυνατότητες ομαδοποίησης και μη-επιβλεπόμενης κατηγοριοποίησης κάνοντας χρήση αφαιρετικών αναπαραστάσεων υψηλού επιπέδου. Το προτεινόμενο μοντέλο διέθετε επίσης δυνατότητες οπτικοποίησης, οι οποίες μπορούν να αξιοποιηθούν ως μέσα για την εξαγωγή πληροφορίας, την δημιουργία νέας γνώσης, την κατανόηση των επιτελούμενων λειτουργιών, και την κατανόηση των συσχετίσεων των αποτελεσμάτων. Κατά την περίοδο υλοποίησης του έργου, και στον βαθμό που είναι δημοσίως γνωστοποιημένο, η προτεινόμενη αρχιτεκτονική δεν είχε προταθεί στην βιβλιογραφία. Επιπλέον, η αποτελεσματικότητα του προτεινόμενου μοντέλου επαληθεύθηκε εφαρμόζοντάς το σε πλειάδα δημοσίως διαθέσιμων συνόλων δεδομένων-χρονοσειρών. Κατά τη διάρκεια του έργου προέκυψε μια ανακοίνωση σε διεθνές επιστημονικό συνέδριο και μια δημοσίευση σε διεθνές επιστημονικό περιοδικό με κριτές.
Τίτλος Έργου: ΑΥΤΟ-ΟΡΓΑΝΟΥΜΕΝΟΙ ΣΥΝΕΛΙΚΤΙΚΟΙ ΧΑΡΤΕΣ
Χρονική Διάρκεια Έργου: 01/04/2020 – 31/01/2022
Πλαίσιο & Ποσό Χρηματοδότησης Έργου: Επιχειρησιακό Πρόγραμμα Ανάπτυξη Ανθρώπινου Δυναμικού, Εκπαίδευση και Δια Βίου Μάθηση (ΕΣΠΑ) 2014-2020 – 50.050,00 EUR
Επιστημονικός Υπεύθυνος (Πα.Δ.Α.): Στυλιανός Μυτιληναίος, Καθηγητής ΗΗΜ ΠΑΔΑ
Ερευνητικές Δημοσιεύσεις/ Αποτελέσματα / Πατέντες:
[1] Ferles, C., Papanikolaou, Y., Savvaidis, S. P., and Mitilineos, S. A., “Deep self-organizing map of convolutional layers for clustering and visualizing image data”, Machine Learning and Knowledge Extraction, Vol. 3, No. 4, pp. 879-899, November 2021; DOI: 10.3390/make3040044.
[2] Ferles, C., Papanikolaou, Y., Savvaidis, S. P., and Mitilineos, S. A., “Deep learning self-organizing map of convolutional layers”, Proceedings of the 2nd International Conference on Artificial Intelligence and Big Data (AIBD 2021), pp. 1-8, March 20-21, 2021, Vienna, AUSTRIA.
