Υλοποίηση τεχνικών μηχανικής μάθησης σε περιβάλλον μοντελοποίησης και προσομοίωσης κυβερνο-φυσικών συστημάτων.

Απλή σελίδα τεκμηρίου
dc.contributor.authorΤζαμάρας, Σωτήριοςel
dc.date.accessioned2020-12-09T10:14:32Z
dc.date.available2020-12-09T10:14:32Z
dc.date.issued2020-12-09
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/11918
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subjectΚυβερνο-φυσικά συστήματα, προσομοιώσεις, μοντελοποίηση, πράκτορες, έξυπνη συμπεριφοράel
dc.titleΥλοποίηση τεχνικών μηχανικής μάθησης σε περιβάλλον μοντελοποίησης και προσομοίωσης κυβερνο-φυσικών συστημάτων.el
heal.abstractΤα κυβερνο-φυσικά συστήματα είναι συζευγμένα συστήματα, αποτελούμενα από ψηφιακές και φυσικές οντότητες που αλληλεπιδρούν μεταξύ τους. Οι προσομοιώσεις και οι δοκιμές της επιθυμητής συμπεριφοράς τέτοιων υβριδικών συστημάτων, τα οποία παρουσιάζουν διακριτή αλλά και συνεχή δυναμική συμπεριφορά, είναι δύσκολες και συχνά επικίνδυνες. Μερικά παραδείγματα τέτοιων συστημάτων είναι τα αυτόνομα αυτοκίνητα, οι ρομποτικές εφαρμογές και οι ιατρικές συσκευές παρακολούθησης. Η ικανότητα μοντελοποίησης τέτοιων συστημάτων απαιτεί ανάλυση φυσικών φαινομένων και εφαρμογή εκτεταμένων δοκιμών για απρόσμενα συμβάντα. Σε αυτή τη πτυχιακή, δείχνουμε πώς μέσω της χρήσης μεθόδων μηχανικής μάθησης μπορούμε να συμβάλουμε στην ενίσχυση των κυβερνο-φυσικών συστημάτων με την επίτευξη ευφυούς συμπεριφοράς. Οι αυτόνομοι πράκτορες μέσω της αξιοποίησης μιας προσέγγισης που ονομάζεται state-action-reward-state, είναι σε θέση να μάθουν πώς να βελτιστοποιήσουν τη συμπεριφορά τους και να δράσουν έξυπνα σε ένα άγνωστο περιβάλλον. Τέλος, παρέχουμε επίσης μια εφαρμογή μάθησης με ενίσχυση που δείχνει την προσέγγισή μας.el
heal.abstractCyber-physical systems are coupled systems of digital and physical entities that interact with each other. Simulating and testing the desired behavior of such hybrid systems, which exhibit both discrete and continuous dynamic behavior, is hard and often dangerous. Some examples are autonomous automobiles, robotics and medical monitoring devices. The ability to model such systems requires analysis of physical phenomena and extended testing for unexpected events. In this thesis, we demonstrate how utilization of machine learning can be used to enhance cyber-physical systems to achieve intelligent behavior. Creating autonomous agents and utilizing a state-action-reward-state approach, they are capable of learning how to optimize their behavior and react to an unknown environment. We also provide a Reinforcement learning implementation demonstrating our approach.el
heal.academicPublisherΤ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.academicPublisherIDteiep
heal.accessfree
heal.advisorNameΑδάμ, Σταύροςel
heal.bibliographicCitationΤζαμάρας, Σ., 2020. Υλοποίηση τεχνικών μηχανικής μάθησης σε περιβάλλον μοντελοποίησης και προσομοίωσης κυβερνο-φυσικών συστημάτων. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.classificationΜοντελοποίησηel
heal.committeeMemberNameΦουτσιτζή, Γεωργίαel
heal.committeeMemberNameTaha, Walidel
heal.dateAvailable2024-01-11T20:38:33Z
heal.fullTextAvailabilitytrue
heal.identifier.secondaryΠτυχιακή Εργασία
heal.languageel
heal.numberOfPages68
heal.publicationDate2020-11
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.typebachelorThesis

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1
Μικρογραφία εικόνας
Ονομα:
Sotirios_Tzamaras_thesis.pdf
Μέγεθος:
745.31 KB
Μορφότυπο:
Adobe Portable Document Format
Περιγραφή:
Πτυχιακή Εργασία
Κατεβάστε

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1
Μικρογραφία εικόνας
Ονομα:
license.txt
Μέγεθος:
3.54 KB
Μορφότυπο:
Item-specific license agreed upon to submission
Περιγραφή:
Κατεβάστε

Συλλογές

Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε.