Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΔΕ)

Browse

Recent Submissions

Now showing 1 - 5 of 652
  • Thumbnail Image
    Item
    Πρόβλεψη κοινωνικής επιρροής με χρήση embeddings και νευρωνικών δικτύων γράφων
    (2022-10-03) Μπότσα, Δέσποινα; Botsa, Despoina
    Η πρόβλεψη της κοινωνικής επιρροής στα κοινωνικά δίκτυα είναι ένα σημαντικό αλλά και δύσκολο πρόβλημα. Ο όρος κοινωνική επιρροή αναφέρεται συνήθως στο φαινόμενο ότι τα συναισθήματα, οι απόψεις ή οι συμπεριφορές ενός ατόμου επηρεάζονται από άλλους. Η συνεχής αύξηση της χρήσης διαδικτυακών και κινητών κοινωνικών πλατφορμών μας έχει κάνει εμφανές το γεγονός πως οι άνθρωποι έχουν παρακολουθήσει τον αντίκτυπο της κοινωνικής επιρροής σε κάθε τομέα, όπως προεδρικές εκλογές, διαφήμιση και υιοθέτηση καινοτομίας. Μέχρι σήμερα, δεν υπάρχει αμφιβολία ότι η κοινωνική επιρροή έχει γίνει μια κυρίαρχη, αλλά πολύπλοκη δύναμη που καθοδηγεί τις κοινωνικές μας αποφάσεις, κάνοντας σαφή ανάγκη για μεθοδολογίες για τον χαρακτηρισμό, την κατανόηση και τον ποσοτικό προσδιορισμό των υποκείμενων μηχανισμών και δυναμικών της κοινωνικής επιρροής. Στην παρούσα διπλωματική εργασία, το πρόβλημα πρόβλεψης της επιρροής του κάθε χρήστη αντιμετωπίζεται ως πρόβλημα ταξινόμησης, ενώ η πρόβλεψη της επιρροής των χρηστών επιτυγχάνεται με την χρήση συνελικτικών νευρωνικών δικτύων και αλγόριθμών δημιουργίας embeddings. Στόχος της παρούσας διπλωματικής εργασίας είναι η αξιολόγηση καθώς και η βελτίωση του DeepInf μοντέλου με στόχο την πρόβλεψη της κοινωνικής επιρροής. Στην μέθοδο του DeepInf, βασικό χαρακτηριστικό είναι η χρήση node embeddings για την αναπαράσταση των χρηστών των κοινωνικών δικτύων, καθώς και η χρήση νευρωνικών δίκτυων γράφου. Τα αποτελέσματα που προέκυψαν, από τέσσερα σύνολα δεδομένων πραγματικού κόσμου αποδεικνύουν την αποτελεσματικότητα του μοντέλου αυτού αλλά και την αποτελεσματικότητα του βελτιωμένου μοντέλου.
  • Thumbnail Image
    Item
    Ανάπτυξη τεχνικών TinyML σε έξυπνα σπίτια για αποφυγή ατυχημάτων με έμφαση στην πολυπλοκότητα κώδικα και στην ασφάλεια υλοποίησης
    (2022-09-27) Ζαχαρία, Άγγελος; Zacharia, Angelos
    Αντικείμενο της παρούσης εργασίας αποτελεί η έγκαιρη πρόβλεψη και ενημέρωση του χρήστη για συνθήκες που κατά πάσα πιθανότητα θα οδηγήσουν σε ατύχημα του στο μπάνιο. Στόχος ήταν να έχουμε άμεση και πρακτική εφαρμογή στον πραγματικό κόσμο, γι’ αυτό χρησιμοποιήθηκαν αλγόριθμοι μηχανικής μάθησης, η συσκευή ZAC888DP, το ESP32 και αισθητήρες που μετρούν τις συνθήκες που επικρατούν μέσα σε αυτό το χώρο. Για τη δημιουργία του περιβάλλοντος μας χρησιμοποιήσαμε αισθητήρες φωτός, νερού, θερμοκρασίας και υγρασίας και παίρναμε μετρήσεις για περίπου ένα μήνα. Η εκπαίδευση του μοντέλου και η δειγματοληψία των δεδομένων έγιναν με τον μικροεπεξεργαστή ESP32 και τις γλώσσες προγραμματισμού Python και C++. To ESP32 αποτελεί ένα μικροεπεξεργαστή χαμηλής κατανάλωσης και κόστους και σε αυτόν εφαρμόσαμε τους αλγόριθμους μηχανικής μάθησης χρησιμοποιώντας TinyML, το οποίο αποτελεί εξειδικευμένη κατηγορία που εφαρμόζεται σε μικροεπεξεργαστές και χρησιμοποίει πολύ πιο αποδοτικά την ενέργεια και πόρους ενός CPU. Μέσω αυτού επιλύσαμε το πρόβλημα της εργασίας μας, αυτό της λογιστικής παλινδρόμησης η οποία είναι μέρος της επιβλεπόμενης μάθησης. Εν κατακλείδι, διασυνδέσαμε τα πιο πάνω και υλοποιήθηκε ο αρχικός στόχος αυτής της εργασίας, δημιουργώντας ένα στιβαρό μηχανισμό πρόληψης ατυχημάτων στο μπάνιο.
  • Thumbnail Image
    Item
    Λογική και υπολογιστική ανάλυση του διλήμματος των τριών φυλακισμένων
    (2022-01-20) Ασημάκη, Σπυριδούλα; Asimaki, Spyridoula
    Στην εργασία αυτή, επιχειρούμε να αναλύσουμε το δίλημμα των τριών φυλακισμένων, το διασημότερο πρόβλημα της θεωρίας των παιγνίων. Γίνεται γνωστό ότι το συγκεκριμένο πρόβλημα εξετάζει τις στρατηγικές επιλογές λογικά σκεπτόμενων παικτών, οι οποίοι εμπλέκονται σε ανταγωνιστικές καταστάσεις και δείχνει πως τρία απόλυτα «λογικά» άτομα, μπορούν να μη συνεργαστούν, ακόμα και όταν έχουν μεγαλύτερο συμφέρον να το κάνουν. Η δομή του «Διλήμματος των τριών Φυλακισμένων» αναδεικνύει την ισορροπία μεταξύ συνεργασίας και ανταγωνισμού και αποτελεί ένα πολύ χρήσιμο εργαλείο για την στρατηγική λήψης των αποφάσεων. Μπορεί ακόμη να εφαρμοστεί σε διάφορους τομείς: από τις επιχειρήσεις, την οικονομία, τα δημοσιονομικά και τις πολιτικές επιστήμες έως τη φιλοσοφία, την ψυχολογία, τη βιολογία και την κοινωνιολογία.
  • Thumbnail Image
    Item
    Κίνητρα συμμετοχής στο blockchain, σε συνάρτηση με την τελική κατανομή ανταμοιβών, με εφαρμογή στις έξυπνες πόλεις
    (2022-09-26) Μπελεφάντης, Χρήστος; Belefantis, Christos
    Το blockchain είναι μια τεχνολογία ευρέως γνωστή για την συνεισφορά της στην δημιουργία των πιο γνωστών κρυπτονομισμάτων όπως το Bitcoin. Ωστόσο, οι πιθανές εφαρμογές του διευρύνθηκαν όταν εξελίχθηκε από ένα ψηφιακό ιστορικό συναλλαγών σε μία ψηφιακή μηχανή καταστάσεων, πράγμα που συνέβη χάρη στην καινοτομία που έφερε το οικοσύστημα του Ethereum. Μία από τις δυνατότητες της νέας αυτής αναβαθμισμένης έκδοσης του blockchain είναι ότι επέτρεψε την κατασκευή νέων ψηφιακών νομισμάτων και με βάση αυτά αγορές ειδικού σκοπού. Ιδανική εφαρμογή του νέου αυτού χαρακτηριστικού βρίσκουμε στα πλαίσια των έξυπνων πόλεων, όπου η τεχνολογία blockchain ήδη φαίνεται να αποτελεί λύση για την αποθήκευση και επεξεργασία του μεγάλου όγκου ευαίσθητων δεδομένων που παράγονται από τους αισθητήρες. Δημιουργώντας επιπλέον μία ψηφιακή αγορά μπορούμε δίνοντας οικονομικά κίνητρα στους χρήστες να προωθήσουμε ενέργειες άμεσα συνδεδεμένες με τον έξυπνο χαρακτήρα της πόλης. Σε αυτή την εργασία κατασκευάζουμε ένα σύστημα το οποίο διασυνδέει το blockchain του Ethereum με ένα προσομοιωτή o οποίος είναι σε θέση να εκτελεί εικονικές συναλλαγές από το δικό μας ψηφιακό νόμισμα στα πλαίσια μίας ψηφιακής αγοράς. Επομένως υλοποιούμαι την παραπάνω αρχιτεκτονική και επιπλέον παρέχουμε ένα μοντέλο μελέτης της επιρροής που μπορούν να έχουν τα οικονομικά κίνητρα στην συμπεριφορά των χρηστών και στη γενικότερη κατανομή του πλούτου.
  • Thumbnail Image
    Item
    Αναγνώριση φωνητικών εντολών με τεχνικές βαθιάς μηχανικής μάθησης
    (2022-09-22) Δημητρούκα, Γιαννούλα; Dimitrouka, Giannoula
    Η πραγματικά μεγάλη αύξηση του όγκου πληροφοριών στον παγκόσμιο ιστό την τελευταία δεκαετία αποτελεί γεγονός, το οποίο σαφώς και είναι άμεσα συνδεδεμένο με την αλματώδη εξέλιξη της τεχνολογίας. Υπέρογκος αριθμός δεδομένων αποθηκεύονται σε βάσεις δεδομένων. Για το λόγο αυτό, αυξήθηκε η ανάγκη ανακάλυψης και εξαγωγής γνώσης από τα δεδομένα αυτά που θα πραγματοποιείται αυτόματα με μεθόδους Μηχανικής Μάθησης και Βαθιάς Μάθησης. Στην παρούσα εργασία θα επικεντρωθούμε σε ένα επιμέρους πεδίο έρευνας της Βαθιάς Μάθησης, αυτό της αναγνώριση ομιλίας. Σκοπός της διπλωματικής είναι να λυθεί το πρόβλημα κατηγοριοποίησης πολλαπλών κλάσεων χρησιμοποιώντας δεδομένα ήχου. Αρχικά, γίνεται αναφορά μεθόδων κατηγοριοποίησης, όπως για παράδειγμα, η Μηχανή Υπο-στήριξης Διανυσμάτων, ο Τυχαίο Δάσος, ο Δένδρο Απόφασης, ο Κ-Πλησιέστερος Γείτονες και ο Αφελής Μπεϋζιανός Ταξινομητής. Επιπλέον, αναλύονται εκτενώς, τα Τεχνητά νευρωνικά δίκτυα και οι αρχιτεκτονικές τους. Στο πλαίσιο της πειραματικής διαδικασίας, τα δεδομένα που χρησιμοποιούνται, περιορίζονται σε ένα σύνολο δεδομένων τριάντα πέντε κλάσεων, οι οποίες περιλαμβάνουν χιλιάδες ηχητικά αρχεία. Για να πετύχουμε τον σκοπό της διπλωματικής, στο σύνολο αυτό, γίνεται προεπεξεργασία των δεδομένων και ανάπτυξη μοντέλων που είναι σε θέση να κατηγοριοποιούν σύνολα δεδομένων φωνητικών εντολών, χρησιμοποιώ-ντας βιβλιοθήκες της Python, όπως (Matplotlib, TensorFlow, Pandas, NumPy, Scikit-learn). Τέλος, έχει πραγματοποιηθεί μια εκτενής ανάλυση που καταδεικνύει την απόδοσή και την ακρίβειά τους.