Τμήμα Μηχανικών Η/Υ και Πληροφορικής (ΜΔΕ)
Permanent URI for this collection
Browse
Recent Submissions
Item Open Access A reanalysis of "Brain Networks Connectivity in Mild to Moderate Depression" (Bezmaternykh et al., 2021) : reproducibility of resting-state functional connectivity findings using fMRIPrep and NeuroMark(2026-08-31) Κουϊμουντζή, Χριστίνα Κωνσταντίνα; Kouimountzi, Christina KonstantinaResting-state functional connectivity (FC) is widely used to characterize network alterations in major depression, yet reported findings are heterogeneous and depend on analytical choices, raising questions of reproducibility. This thesis is a same-data reanalysis of Bezmaternykh et al. (2021), not an independent replication, examining whether their principal cross-sectional (Study 1: 51 patients, 21 controls) and longitudinal (Study 2: 29 patients, treated and untreated) FC findings survive a standardized, prespecified pipeline. Data were preprocessed with fMRIPrep and additional denoising; networks were defined using the fixed NeuroMark 2.2 triple-network representation (default mode, executive control, salience); connectivity was estimated by zero-lag Pearson correlation; and inference combined the Network-Based Statistic, covariate-adjusted domain-level tests, and equivalence testing (TOST). Robustness used matched sensitivity branches: for Study 1, an alternative fMRIPrep version, denoising variants, a lag-shift estimator, and a paper-style data-driven ICA; for Study 2, a finer NeuroMark 1.0 posterior/anterior DMN parcellation. The reported within-DMN and DMN-ECN differences were not reproduced: effects were small and non-significant (d ≈ 0.12 versus a reported d ≈ 0.61), no connection survived multiple-comparison correction, and equivalence excluded effects of the originally reported magnitude. The longitudinal changes likewise did not reproduce and ran directionally opposite; equivalence was inconclusive for the no-treatment within-DMN change but excluded the treatment-related DMN-ECN effects. Across the seven primary comparisons only three agreed in direction (42.9%, indistinguishable from chance), and near-complete overlap (28 of 29 sharing the same baseline voxel data) precludes treating agreements as independent support. The principal FC findings therefore did not reproduce at the reported magnitude or stability. Non-significance was not treated as absence: where equivalence excluded the reported sizes the results challenge those magnitudes, while others remain unresolved given limited precision. Crucially, conclusions shifted with network definition, indicating that reproducibility is contingent on analytical representation.Item Open Access A scalable architecture of heterogeneous processing units for spiking neural networks(2026-10-20) Χατζημιχαήλ, Θεόδωρος; Chatzimichail, TheodorosSpiking Neural Networks (SNNs) have attracted increasing interest as an energy-efficient computational paradigm inspired by the behavior of biological neurons. However, their efficient implementation in hardware remains challenging due to the diversity of neuron models, encoding schemes, and the substantial hardware resources required for large-scale networks. This thesis presents a scalable and configurable hardware architecture for the implementation of various SNNs as processing units (PUs) on FPGA platforms. The proposed approach is supported by an automated design flow that generates the required HDL description according to the selected network topology and design requirements, thereby guaranteeing compatibility across various FPGA platforms. The proposed architecture is evaluated using both a temporal encoding SNN scheme and a hybrid encoding SNN scheme, demonstrating its ability to accommodate different node structures and network configurations. To demonstrate the scalability of the architecture, both encoding schemes are evaluated on the MNIST classification dataset, achieving an inference accuracy of 91.44%. The hybrid SNN implementation requires approximately twice the hardware resources of the conventional temporal encoding implementation; however, the two implementations differ in several architectural aspects and therefore do not constitute a direct resource comparison. In particular, the hybrid SNN incorporates hardwired weights and does not utilize the node-reuse feedback mechanism available in the complete scalable architecture. Despite its higher resource utilization, the hybrid scheme achieves approximately a tenfold reduction in inference latency. Nevertheless, this comparison considers only computation time, excluding any overhead associated with data transfer and loading. Overall, the presented architecture demonstrates the feasibility of supporting diverse SNN encoding schemes and network topologies through a scalable and automated implementation methodology, applicable to a wide range of FPGA platforms, with potential for adaptation to Application-Specific Integrated Circuit (ASIC) implementations.Item Open Access Ανίχνευση ρωγμών σε εικόνες με χρήση τεχνικών ανίχνευσης αντικειμένων βασισμένων σε τεχνητή νοημοσύνη(2026-05-25) Μπράφας, Δημήτριος; Brafas, DimitriosΟι ρωγμές σε δομικά υλικά αποτελούν κρίσιμο ζήτημα για τη διασφάλιση της δομικής ακεραιότητας και της ασφαλούς λειτουργίας τεχνικών έργων, ενώ θέτουν και σημαντικές προκλήσεις για τη δημόσια ασφάλεια. Οι παραδοσιακές μέθοδοι επιθεώρησης είναι χρονοβόρες, υποκειμενικές και συχνά μη συνεπείς, γεγονός που καθιστά αναγκαία την ανάπτυξη αυτοματοποιημένων λύσεων. Η βαθιά μάθηση σε συνδυασμό με τις πρόσφατες εξελίξεις στον τομέα της υπολογιστικής όρασης προσφέρει σημαντικές δυνατότητες, ωστόσο παραμένουν ανοιχτά ερωτήματα σχετικά με τις απαιτήσεις σε δεδομένα και τη βέλτιστη αρχιτεκτονική σχεδίαση. Στην παρούσα διπλωματική εργασία διενεργείται μια ολοκληρωμένη αξιολόγηση διαφορετικών διαμορφώσεων της αρχιτεκτονικής Mask R-CNN για την αυτοματοποιημένη ανίχνευση ρωγμών, διερευνώντας συστηματικά την επίδραση διαφορετικών παραμέτρων εκπαίδευσης και αρχιτεκτονικής των μοντέλων. Στο πλαίσιο της μελέτης αξιολογήθηκε η αρχιτεκτονική Mask R-CNN, χρησιμοποιώντας σύνολα δεδομένων αποτελούμενα από εικόνες σκυροδέματος και εικόνες από πειράματα θραύσης μεταλλικών δοκιμίων, οι οποίες επισημάνθηκαν μέσω εργαλείου σχολιασμού (annotation) εικόνων, που βασίζεται στη μέθοδο watershed. Η στοχευμένη μεταβολή των παραμέτρων της αρχιτεκτονικής κατά τη διερεύνηση επέτρεψε την αξιολόγηση της απόδοσης επιλεγμένων συνδυασμών παραγόντων. Οι κύριες συνεισφορές της εργασίας περιλαμβάνουν κατευθυντήριες οδηγίες για τον σχεδιασμό συνόλων δεδομένων για ανίχνευση ρωγμών, τη διερεύνηση της επίδρασης των κυριότερων παραμέτρων που ορίζουν την εκάστοτε διαδικασία εκπαίδευσης, την ανάπτυξη μοντέλων έτοιμων για πρακτική εφαρμογή και προτάσεις για την υλοποίηση αυτοματοποιημένων συστημάτων επιθεώρησης υποδομών.Item Open Access Ανάλυση συναισθήματος σε κείμενα για την κατανόηση της ικανοποίησης των πελατών(2026-09-21) Ροδοπούλου, Μαρία Ελένη; Rodopoulou, Maria EleniΗ συνεχής ανάπτυξη των ψηφιακών υπηρεσιών έχει οδηγήσει στην ευρεία αξιοποίηση των chatbots και των συστημάτων ζωντανής συνομιλίας για την εξυπηρέτηση πελατών. Οι συνομιλίες που πραγματοποιούνται μέσω αυτών των συστημάτων περιέχουν σημαντικές πληροφορίες σχετικά με τις ανάγκες, τα συναισθήματα και τον βαθμό ικανοποίησης των χρηστών. Ωστόσο, ο μεγάλος όγκος των δεδομένων και η μη δομημένη μορφή του κειμένου καθιστούν δύσκολη τη χειροκίνητη ανάλυσή τους. Η Επεξεργασία Φυσικής Γλώσσας και η Μηχανική Μάθηση προσφέρουν τη δυνατότητα αυτοματοποιημένης επεξεργασίας των συνομιλιών και ανάπτυξης μοντέλων για την πρόβλεψη της ικανοποίησης των πελατών. Η παρούσα διπλωματική εργασία αποσκοπεί στην ανάλυση δεδομένων από συνομιλίες υποστήριξης και στην ανάπτυξη μοντέλων Μηχανικής Μάθησης για την πρόβλεψη του δείκτη Customer Satisfaction Score (CSAT) και της πιθανότητας εγκατάλειψης μιας συνομιλίας. Για τον σκοπό αυτό χρησιμοποιήθηκε σύνολο δεδομένων 6.000 συνομιλιών, στο οποίο εφαρμόστηκαν διαδικασίες καθαρισμού, προεπεξεργασίας και εξαγωγής χαρακτηριστικών. Τα χαρακτηριστικά που αξιοποιήθηκαν περιλαμβάνουν στοιχεία σχετικά με τη διάρκεια και τον αριθμό των μηνυμάτων, λεξιλογικά χαρακτηριστικά, δείκτες συναισθήματος, καθώς και σημασιολογικές αναπαραστάσεις προτάσεων που δημιουργήθηκαν με το προεκπαιδευμένο μοντέλο all-MiniLM-L6-v2. Παράλληλα, πραγματοποιήθηκε περιγραφική ανάλυση των δεδομένων με βάση τους δείκτες CSAT και Net Promoter Score (NPS). Για την ανάπτυξη των μοντέλων χρησιμοποιήθηκε ο αλγόριθμος Random Forest. Το μοντέλο παλινδρόμησης για την πρόβλεψη του CSAT παρουσίασε συντελεστή προσδιορισμού R² ίσο με 0,796 και μέσο απόλυτο σφάλμα 0,438. Το μοντέλο ταξινόμησης της εγκατάλειψης παρουσίασε ακρίβεια 0,854 και ROC-AUC 0,686, ωστόσο η χαμηλή τιμή του F1-score για την κατηγορία των εγκαταλελειμμένων συνομιλιών ανέδειξε την επίδραση της άνισης κατανομής των κατηγοριών. Τα αποτελέσματα δείχνουν ότι ο συνδυασμός λειτουργικών, συναισθηματικών, λεξιλογικών και σημασιολογικών χαρακτηριστικών μπορεί να συμβάλει στην κατανόηση και στην πρόβλεψη της ικανοποίησης των πελατών, ενώ παράλληλα αναδεικνύεται η ανάγκη περαιτέρω βελτίωσης της πρόβλεψης σπάνιων περιστατικών, όπως η εγκατάλειψη μιας συνομιλίας.Item Open Access Μελέτη φωτοηλεκτρονικών ιδιοτήτων οργανικών ημιαγωγών κατάλληλων για εφαρμογές σε φωτοτρανζίστορ και φωτοβολταϊκά(2026-07-15) Λεοντίδη, Δέσποινα; Leontidi, DespoinaΙδιαίτερα σημαντική είναι η θέση των ημιαγωγών στην τεχνολογική πρόοδο καθώς οι οργανικοί ημιαγωγοί τον τελευταίο αιώνα έχουν αναβαθμίσει την καθημερινότητά μας με επαναστατικό τρόπο. Οι οργανικοί ημιαγωγοί, βρίσκονται στις OLED οθόνες αλλά και σε φωτοβολταϊκά πάνελ (OPV) σε τρανζίστορ, wearable συσκευές έως και σε σπιντρονικές μνήμες. Η παρούσα ερευνητική εργασία εστιάζει στη πειραματική μελέτη των οργανικών ημιαγωγών, με σκοπό αρχικά την κατανόησή τους σε βάθος, με κεντρική πειραματική μέθοδο τη φασματοσκοπία διαμορφωμένου φωτορεύματος (MPC). Η MPC χρησιμοποιείται για τον ποσοτικό προς διορισμό της συγκέντρωσης των τρίπλετ εξιτονίων, καθώς και των κυρίαρχων μηχανισμών με τους οποίους αλληλεπιδρούν τα τρίπλετ εξιτόνια σε οργανικούς ημιαγωγούς. Το κύριο αντικείμενο μελέτης αφορά μονοκρύσταλλο ρουμπρενίου, ενώ συμπληρωματικά μελετήθηκε και ένα τρανζίστορ λεπτού υμενίου πεντακενίου. Η επεξεργασία του φάσματος MPC, κατά φάση και πλάτος, ως συνάρτηση της συχνότητας διαμόρφωσης, επιτρέπει τον εντοπισμό μιας χαρακτηριστικής συχνότητας διασταύρωσης (ωs), η οποία διαχωρίζει το φάσμα MPC σε δύο διακριτές συχνοτικές περιοχές. Η εξάρτηση της συχνότητας ωs από το ρυθμό φωτογένεσης (Gb) αποκαλύπτει τον εκάστοτε κυρίαρχο μηχανισμό αποσύνθεσης των τρίπλετ. Σημαντικό εύρημα προέκυψε επίσης από τη μελέτη δείγματος ρουμπρενίου που είχε υποστεί επιφανειακή φθορά λόγω έκθεσης σε ιονικό πιεστικό υψηλού κενού, γνωστό ως ion gauge effect. Η μερική ανόπτηση της συμπεριφοράς του με την πάροδο χρόνου, επέτρεψε την καθαρή παρατήρηση και τον διαχωρισμό των δύο μηχανισμών, αποκαλύπτοντας τη μετάβαση μεταξύ TDA και TTA. Παράλληλα, επιβεβαιώθηκε ότι η φωτοαγωγιμότητα συνεχίζει να προέρχεται από το εσωτερικό του κρυστάλλου, καθώς μετά την επιφανειακή φθορά, και την πάροδο ετών η επιφάνεια συνεχίζει να μην επηρεάζει σημαντικά το φωτορεύμα. Τέλος, για λόγους πληρότητας της μελέτης, πραγματοποιήθηκε η μέτρηση των χαρακτηριστικών ρεύματος-τάσης (I-V), IDS(VGS), ενός τρανζίστορ πεντακενίου, το οποίο είχε παραμείνει σε αδράνεια για περίπου έξι έτη. Η σύγκριση με τις αρχικές μετρήσεις έδειξε μείωση του ρεύματος Source–Drain κατά περίπου δύο έως τρεις τάξεις μεγέθους, απότελώντας ένδειξη μακροχρόνιας υποβάθμισης της ηλεκτρικής απόκρισης της διάταξης. Συμπερασματικά, η παρούσα εργασία αποδεικνύει γιατί η MPC αποτελεί ισχυρό και πολύπλευρο εργαλείο για τη μελέτη της γένεσης, διαχωρισμού και επανασύνθεσης εξιτονίων σε οργανικούς ημιαγωγούς. Πράγματι, η μέθοδος αυτή επιτρέπει τον προσδιορισμό τόσο της πυκνότητας τρίπλετ όσο και της πυκνότητας παγιδευμένων καταστάσεων. Το σημαντικότερο όμως είναι ότι, η δυνατότητα εξαγωγής αυτών των πληροφοριών από μία μόνο πειραματική τεχνική επιβεβαιώνει τη χρησιμότητα της φασματοσκοπίας MPC στην κατανόηση θεμελιωδών διεργασιών σε οργανικούς ημιαγωγούς υπό οπτική διέγερση, παρέχοντας τις προϋποθέσεις για τη βελτιστοποίηση φωτοαγωγιμότητας των οργανικών ηλεκτρονικών διατάξεων. Προτείνεται η δοκιμή της μεθόδου MPC σε άλλα οργανικά ή υβριδικά υλικά, όπως Perovskites, καθώς και η μελέτη του επιθυμητού ρυθμού TTA και TDA ανάλογα με την εφαρμογή. Επιπλέον, η ανάπτυξη νέων υλικών με αποτελεσματικό singlet fission και χαμηλές απώλειες TTA και TDA, που ενσωματώνουν τόσο τη φωτογένεση όσο και τη συλλογή φορτίων με τρόπο που ελαχιστοποιεί τις απώλειες, αποτελεί σημαντικό επόμενο βήμα ειδικά σε τομείς όπως τα οργανικά φωτοβολταϊκά.Item Open Access Θεματική ομαδοποίηση εικόνων και ανάλυση της σημασιολογικής συνοχής ανθρώπινων περιγραφών με τεχνικές μηχανικής μάθησης(2026-07-29) Σαμούρη, Μαρία; Samouri, MariaΗ περιγραφή μιας εικόνας δεν είναι μοναδική, επειδή διαφορετικοί παρατηρητές μπορούν να εστιάσουν σε διαφορετικά πρόσωπα, αντικείμενα, ενέργειες ή στοιχεία του περιβάλλοντος. Η παρούσα διπλωματική εργασία εξετάζει τη σημασιολογική συνοχή των πολλαπλών ανθρώπινων περιγραφών και τη σχέση της με τη θεματική κατηγορία της εικόνας. Χρησιμοποιήθηκε το Flickr30k, το οποίο περιλαμβάνει 31.783 εικόνες και πέντε αγγλικές λεζάντες ανά εικόνα. Οι πέντε λεζάντες συνενώθηκαν αρχικά σε μία συνολική περιγραφή και αξιοποιήθηκαν μαζί με την αντίστοιχη εικόνα για πολυτροπική θεματική μοντελοποίηση με BERTopic. Η πολυτροπική αναπαράσταση δημιουργήθηκε με το μοντέλο CLIP-ViT-B-32. Η μείωση διαστάσεων πραγματοποιήθηκε με UMAP και η ομαδοποίηση με HDBSCAN, με ελάχιστο μέγεθος ομάδας τις δέκα εικόνες. Το μοντέλο παρήγαγε 352 θεματικές ομάδες, ενώ 12.725 εικόνες χαρακτηρίστηκαν ως ακραίες παρατηρήσεις και δεν συμπεριλήφθηκαν στη συνέχεια της ανάλυσης. Για τις 19.058 εικόνες που εντάχθηκαν σε θέμα υπολογίστηκαν ξεχωριστές ενσωματώσεις των πέντε λεζαντών με το EmbeddingGemma-300m. Η εσωτερική συνοχή κάθε εικόνας αποδόθηκε με τον μέσο όρο της συνημιτονοειδούς ομοιότητας όλων των ζευγών λεζαντών, δείκτη που στην εργασία ονομάστηκε MPCS. Ο μέσος MPCS των εικόνων κάθε θέματος ορίστηκε ως TMPCS. Με βάση ποσοστιαία όρια της κατανομής TMPCS δημιουργήθηκαν τρεις κατηγορίες συνοχής, Low, Medium και High. Στην τελική στατιστική ανάλυση εντάχθηκαν 14.448 εικόνες από 264 θέματα. Οι έλεγχοι κανονικότητας έδειξαν αποκλίσεις από την κανονική κατανομή και εφαρμόστηκαν μη παραμετρικοί έλεγχοι. Ο Kruskal-Wallis έδειξε στατιστικά σημαντικές διαφορές ανάμεσα στις τρεις κατηγορίες, ενώ όλες οι συγκρίσεις ανά ζεύγος με Mann-Whitney παρέμειναν σημαντικές μετά τη διόρθωση Holm. Η κατηγορία High εμφάνισε μέσο MPCS 0,8198, η Medium 0,7846 και η Low 0,7548. Στα είκοσι θέματα με τις υψηλότερες τιμές TMPCS κυριάρχησαν σαφείς και περιορισμένες σκηνές, όπως σκύλοι στο χιόνι, ξύρισμα, περιποίηση αλόγων, τραμπολίνο, παιχνίδι σε φύλλα, αναρρίχηση και σκάκι. Τα αποτελέσματα δείχνουν ότι η συμφωνία των περιγραφών είναι μεγαλύτερη όταν το βασικό αντικείμενο και η κύρια δράση είναι ευδιάκριτα και επαναλαμβάνονται με παρόμοιο λεξιλόγιο.Item Open Access Εντοπισμός, παρακολούθηση και αξιολόγηση της κίνησης οχημάτων στο αστικό περιβάλλον με χρήση τεχνικών μηχανικής μάθησης(2026-06-24) Σιαμπάκος, Αθανάσιος; Siampakos, AthanasiosΗ συνεχής αύξηση του αριθμού των οχημάτων στα σύγχρονα αστικά περιβάλλοντα δημιουργεί αυξημένες απαιτήσεις για την παρακολούθηση της κυκλοφορίας και την έγκαιρη ανίχνευση παραβατικών συμπεριφορών. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός ολοκληρωμένου συστήματος εντοπισμού, παρακολούθησης και αξιολόγησης της κίνησης οχημάτων από εναέρια βίντεο, αξιοποιώντας τεχνικές μηχανικής μάθησης και ενσωματωμένα συστήματα επιτάχυνσης. Στο πλαίσιο της εργασίας αναπτύχθηκαν και εκπαιδεύτηκαν μοντέλα ανίχνευσης αντικειμένων της οικογένειας YOLO με χρήση του συνόλου δεδομένων VisDrone, ενώ πραγματοποιήθηκε κβαντισμός και προσαρμογή τους για εκτέλεση στην πλατφόρμα FPGA KRIA KV260. Παράλληλα, υλοποιήθηκε πλήρες σύστημα επεξεργασίας που περιλαμβάνει ανίχνευση και παρακολούθηση οχημάτων, μετασχηματισμό συντεταγμένων εικόνας σε πραγματικές συντεταγμένες, εκτίμηση ταχύτητας και επιτάχυνσης, καθώς και εξαγωγή χαρακτηριστικών σχετικών με την κίνηση των οχημάτων. Για την ανίχνευση παραβατικών συμπεριφορών αναπτύχθηκε μηχανισμός ανίχνευσης ανωμαλιών βασισμένος στον αλγόριθμο Isolation Forest, ο οποίος αξιοποιεί κινηματικά χαρακτηριστικά των οχημάτων και πληροφορία σχετική με τη φωτεινή σηματοδότηση. Η αξιολόγηση του συστήματος πραγματοποιήθηκε σε πραγματικά σενάρια κυκλοφορίας με χρήση βίντεο από drone και περιλάμβανε τη μελέτη διαφορετικών μοντέλων ανίχνευσης καθώς και διαφορετικών συνθηκών κίνησης. Τα αποτελέσματα έδειξαν ότι η χρήση της μεθόδου Crop Frame βελτιώνει σημαντικά την απόδοση του συστήματος τόσο στο στάδιο της ανίχνευσης αντικειμένων όσο και στο στάδιο της εκτίμησης ταχύτητας. Επιπλέον, το σύστημα πέτυχε επιτυχή αναγνώριση όλων των περιπτώσεων παραβίασης κόκκινου σηματοδότη σε επίπεδο βίντεο, αποδεικνύοντας τη δυνατότητα εφαρμογής τεχνικών μηχανικής μάθησης και FPGA επιτάχυνσης σε συστήματα ευφυούς παρακολούθησης κυκλοφορίας πραγματικού χρόνου.Item Open Access Contrastive learning-based absolute visual localization for UAVs(2026-04-28) Κωνσταντακόπουλος, Αθανάσιος; Konstantakopoulos, AthanasiosUnmanned Aerial Vehicles (UAVs) typically rely on external signals, such as GNSS signals, to accurately calculate their geographical position. However, in situations where such signals are unreliable or entirely unavailable, visual localization becomes crucial. It enables the UAV to estimate either its own position or the position of a target, using data captured by an onboard camera, by matching or registering UAV-view images against a geo-referenced database of satellite imagery. In the context of this thesis, the research area of Absolute Visual Localization (AVL) is analyzed in detail, with a focus on the most prominent contrastive learning-based methodologies.Item Open Access Προστασία πνευματικών δικαιωμάτων μέσω ψηφιακής βάσης δεδομένων(2026-01-28) Γούδας, Κωνσταντίνος-Αναστάσιος; Goudas, Konstantinos-AnastassiosΤο Διαδίκτυο σαν εφεύρεση έχει αλλάξει ριζικά τις ζωές των ανθρώπων παγκοσμίως. Πλέον, ο καθένας μπορεί μέσω ενός ρούτερ να δει ταινίες, να ακούσει τραγούδια, να διαβάσει άρθρα, να έρθει σε επικοινωνία με άλλους ανθρώπους και πολλά άλλα, όλα μέσω του υπολογιστή αυτού. Με άλλα λόγια, μπορεί να έρθει σε άμεση επαφή με μια τεράστια ποικιλία πληροφοριών. Γι’ αυτόν ακριβώς το λόγο, χάρη στο Διαδίκτυο, η σημερινή εποχή αναφέρεται συχνά ως η Εποχή της Πληροφορίας. Δυστυχώς, όμως, η συγκεκριμένη τεχνολογία, παρά τα πολλά οφέλη που έχει φέρει στον άνθρωπο, έχει οδηγήσει και στην εξέλιξη εγκληματικών ενεργειών. Οι συγκεκριμένες ενέργειες μπορούν να κατανεμηθούν σε μια κατηγορία γνωστή ως ηλεκτρονικό έγκλημα. Ένα παράδειγμα ηλεκτρονικού εγκλήματος είναι η πειρατεία. Πειρατεία αποτελεί το φαινόμενο στο οποίο ένας χρήστης δημοσιεύει ένα έργο το οποίο δεν ανήκει στον ίδιο ή κατεβάζει το αρχείο ενός έργου από κάποιον στον οποίο δεν ανήκει. Την ίδια στιγμή, είναι ανοιχτό το ενδεχόμενο, μέσω ηλεκτρονικού εγκλήματος, να υπάρξει λογοκλοπή, η οποία συμβαίνει όταν ένας δημιουργός παρουσιάζει το έργο ενός άλλου δημιουργού ως δικό του. Η πειρατεία και η λογοκλοπή αποτελούν φαινόμενα παραβίασης των πνευματικών δικαιωμάτων. Πνευματικά δικαιώματα είναι τα δικαιώματα που έχει ένα πρόσωπο πάνω σε ένα έργο πνευματικής ιδιοκτησίας. Το πρόσωπο αυτό, βάσει της ελληνικής νομοθεσίας καθώς και των νομοθεσιών πολλών άλλων χωρών, είναι ο δημιουργός του έργου αυτού. Με άλλα λόγια, η λογοκλοπή και η πειρατεία επιφέρουν ζημιά στο δημιουργό του έργου που γίνεται αντικείμενό των. Για την αντιμετώπιση αυτών των δύο φαινομένων, είναι απαραίτητη η βεβαίωση των πνευματικών δικαιωμάτων ενός έργου από το δημιουργό του. Στην Ελλάδα, καθώς και στις περισσότερες χώρες της Ευρωπαϊκής Ένωσης, η νομοθεσία δεν απαιτεί κάποιο αποδεικτικό στοιχείο για την κατοχύρωση των πνευματικών δικαιωμάτων. Επιτρέπει, από την άλλη, διάφορες μεθόδους, μέσω των οποίων ένας δημιουργός μπορεί να επιβεβαιώσει τα πνευματικά δικαιώματά του πάνω στο έργο του. Ωστόσο, αυτές οι μέθοδοι έχουν το μειονέκτημα ότι υπάρχει ένα μεγάλο ενδεχόμενο τα αποδεικτικά στοιχεία να χαθούν με τον έναν ή τον άλλον τρόπο. Τα αποδεικτικά στοιχεία της κατοχύρωσης, θεωρητικά, θα μπορούσαν να προστατευτούν μέσω ενός προγράμματος, όπως μια βάση δεδομένων. Βάση δεδομένων είναι μια συλλογή δεδομένων και πληροφοριών που αποθηκεύεται σε ένα πρόγραμμα, το οποίο, συνήθως, συντηρείται από ένα υπολογιστικό σύστημα. Επίσης, η βάση έχει το πλεονέκτημα ότι ο χρήστης, πέραν του να παρακολουθεί τα δεδομένα, μπορεί και αλληλεπιδρά με αυτά και να τα επεξεργάζεται. Επομένως, μια βάση δεδομένων ταιριάζει σε σημαντικό βαθμό στην προβολή πνευματικών δικαιωμάτων, καθώς μπορεί να προβάλλει δεδομένα σχετικά με τα πνευματικά δικαιώματα, δεδομένα τα οποία μπορούν να μεταβληθούν με το πέρασμα του καιρού. Το θέμα της διπλωματικής εργασίας, με άλλα λόγια, ήταν η κατασκευή μιας βάσης δεδομένων για την προβολή των πνευματικών δικαιωμάτων σε λογοτεχνικά έργα. Για τη συγκεκριμένη Διπλωματική Εργασία κατασκευάστηκε μια βάση δεδομένων μέσω του προγράμματος MySQL. Ο βασικός πίνακας της βάσης αυτής περιείχε τους τίτλους των έργων, τα ονόματα των αντίστοιχων συγγραφέων καθώς και τον αριθμό και τα ονόματα των δικαιούχων στο καθένα. Επιπλέον πληροφορίες στον πίνακα ήταν οι ημερομηνίες στις οποίες κατοχυρώθηκαν τα δικαιώματα για τον κάθε δικαιούχο, αλλά και οι αντίστοιχες μέθοδοι (συμβολαιογράφοι κλπ). Για καλύτερη λειτουργία της βάσης, προστέθηκαν και ορισμένοι ακόμη πίνακες. Συγκεκριμένα ένας επιπλέον πίνακας περιείχε τους εκδοτικούς οίκους που συμπεριλαμβάνονταν στη βάση κι ένας ακόμη είχε τα ονόματα των συνεργαζομένων συμβολαιογράφων. Την ίδια στιγμή, ένας πίνακας view περιείχε όλα τα δεδομένα για έργα που αποτελούσαν κοινό κτήμα. Για την καλύτερη προβολή της βάσης δεδομένων, κατασκευάστηκε μια διαδικτυακή εφαρμογή που συνδεόταν με τη βάση. Το front-end τμήμα της εφαρμογής ήταν γραμμένο σε HTML/CSS και JavaScript. Το back-end τμήμα, από την άλλη, το τμήμα, δηλαδή, που συνδεόταν με τη βάση, ήταν γραμμένο σε PHP. Το επόμενο πράγμα που έπρεπε να γίνει ήταν η έκδοση της εφαρμογής στο διαδίκτυο. Η εφαρμογή εκδόθηκε μέσω ενός server InfinityFree. Ταυτόχρονα, δημιουργήθηκε στο github ένα αποθετήριο που περιείχε όλα τα αρχεία της εφαρμογής, καθώς και ένα με όλα τα δεδομένα της βάσης. Για την προσθήκη των δεδομένων έγινε αναζήτηση πληροφοριών από εκδοτικούς οίκους, συμβολαιογράφους και συγγραφείς. Ωστόσο, δεν μπορούσε να κατασκευαστεί μια βάση δεδομένων που να περιέχει την πληρότητα των λογοτεχνικών έργων που εκδόθηκαν στην Ελλάδα στα πλαίσια μιας μεταπτυχιακής διπλωματικής εργασίας. Για το λόγο αυτό, η βάση της εργασίας αυτής αποτέλεσε περισσότερο εν δυνάμει θεμέλιο για την κατασκευή μιας μελλοντικής βάσης δεδομένων.Item Open Access Multiple object tracking via deep learning techniques(2026-02-24) Υφαντή, Κωνσταντίνα; Yfanti, KonstantinaMulti-Object Tracking (MOT) is a core problem in video understanding, with multiple practical applications. As a significantly challenging task, it has attracted significant attention from the computer vision community, with a wide range of approaches being continuously proposed. Most traditional techniques decompose the problem into separate, intuitive stages, such as object detection and data association. To address the limitations of this paradigm, a growing body of work proposes joint detection and tracking models. However, more recently, the introduction of the Transformer architecture and its success in natural language processing have motivated its adoption in multi-object tracking. Beyond the inherent challenges of multi-object tracking and the complexities of each individual processing stage, the structure of the dataset plays a decisive role in a tracker’s generalization ability and overall performance. The shape, structure, and motion characteristics of objects can significantly affect tracking accuracy and introduce additional complexity. For this reason, this thesis presents a structured approach to studying deformity and motion complexity. By leveraging two different datasets, we aim to quantitatively analyze these characteristics at the dataset level. Focusing on Transformer-based multi-object tracking methods, we analyze their core components and examine their effectiveness in the tracking task. Our study is based on a comparison between two benchmark datasets, DanceTrack and MOT17, which differ substantially in target deformity and motion complexity. Our objective is to investigate how attention mechanisms exploit available feature cues under varying dataset conditions and to assess whether appearance-based tracking models favor specific motion and deformation characteristics.Item Open Access Three-level quantum battery charging using machine learning(2026-02-09) Στάμου, Βασιλική; Stamou, VasilikiWith the rapid development of quantum technologies, there is a growing demand for quantum components capable of efficiently storing and delivering energy, so-called quantum batteries. In this work, we investigate the charging dynamics of a three-level quantum battery in the presence of decay and dissipation, which are inherent to realistic quantum systems. By leveraging machine learning techniques and neural networks, we design control protocols that optimize the charging process and stabilize the final energy-storing state. Our study systematically explores the impact of various noise sources on performance metrics such as stored energy, charging power, and population dynamics, offering insights into the robustness and effectiveness of learning-based quantum control in noisy environments.Item Open Access Σχεδίαση και υλοποίηση ενός πλήρους lightweight μηχανισμού κρυπτογράφησης σε FPGA διάταξη, για IoT εφαρμογές(2026-02-01) Αναστασίου, Αναστάσης; Anastasiou, AnastasisΗ διαρκής ανάπτυξη των ενσωματωμένων συστημάτων και των εφαρμογών του Διαδικτύου των Πραγμάτων (IoT) επιβάλλει συνεχώς αυστηρότερες απαιτήσεις σε επεξεργαστική ισχύ, ενεργειακή απόδοση και προστασία κρυπτογράφησης. Οι σύγχρονοι ελαφροβαρείς κρυπταλγόριθμοι (lightweight cryptography) αποτελούν σημαντική λύση για τη διασφάλιση των επικοινωνιών σε περιβάλλοντα με περιορισμένους υπολογιστικούς πόρους και ενέργεια. Σε αυτό το πλαίσιο, ο κρυπταλγόριθμος Xoodyak, επιλεγμένος από το Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST) στον διαγωνισμό ελαφροβαρούς κρυπτογραφίας, αναδεικνύεται ως ένας από τους πλέον υποσχόμενους και ευέλικτους υποψηφίους. Σκοπός της παρούσας διπλωματικής εργασίας είναι η βέλτιστη σχεδίαση και υλοποίηση του κρυπταλγόριθμου Xoodyak σε υλικό, με στόχο την επίτευξη υψηλής απόδοσης και χαμηλής κατανάλωσης πόρων. Η προτεινόμενη αρχιτεκτονική υλοποιείται σε συστοιχία επιτόπια προγραμματιζόμενων πυλών (Field Programmable Gate Array - FPGA) της οικογένειας Xilinx Artix-7, συγκεκριμένα στο μοντέλο xc7a12tcsg325-3, και λειτουργεί με μέγιστη συχνότητα ρολογιού έως και 200 MHz.Item Open Access Efficient hardware implementation of logarithmic units for reduced computational complexity in machine learning models(2026-02-08) Χαλίλ, Κοσμάς; Chalil, KosmasThis thesis explores methods for optimizing computational efficiency in machine learning systems, with a focus on reducing resource consumption during arithmetic operations. It is well established that multiplication and division operations are significantly more demanding in terms of computational time and hardware resources compared to addition and subtraction. The aim of this work is to investigate the feasibility of transforming multiplication and division into logarithmic representations by leveraging logarithmic properties to express them as addition and subtraction. The core hypothesis is that this transformation can lead to a notable acceleration in processing without sacrificing the accuracy of machine learning model outputs. A central contribution of this research is the hardware implementation of the proposed logarithmic units, using appropriate hardware description tools. The experimental evaluation compares the performance and resource usage of conventional arithmetic implementations with their logarithmic counterparts, highlighting potential benefits and trade-offs. The ultimate goal is to develop more efficient architectures suitable for deployment in resource-constrained environments such as embedded or edge computing systems.Item Open Access Parallel and GPU-based compression of 3D floating-point scientific data(2025-11-21) Σκόνδρας, Γεώργιος; Skondras, GeorgiosWe live in an era where digital systems generate, store, and transmit enormous amounts of data at any given moment. High-performance applications, such as simulations, have now scaled to unprecedented levels, both in size and resolution. Their performance depends largely on the efficiency of storing and transferring large quantities of data. The application of data compression techniques can be vital in addressing these challenges, effectively reducing data size and bandwidth requirements. Equally important is the use of parallel computing, leveraging widely available parallel architectures, such as multi-core CPUs and GPUs, to accelerate compression and input/output (I/O) operations, enabling their effective integration into scientific computing pipelines. This thesis explores both the field of data compression and parallel processing, focusing on integrating GPU acceleration into an existing framework for scientific data compression and I/O that handles floating-point data. The work focuses on two major technologies: the ZFP library, which is widely used for both lossy and lossless compression of numerical data, and the CubismZ framework, a high-performance software platform for parallel compression and I/O for 3-dimensional floating-point scientific data. In the C++ implemented CubismZ software, the original dataset is divided into a 3-dimensional grid of blocks. Parts of this grid can be assigned to different MPI processes, with compression being achieved on the Central Processing Unit (CPU) using OpenMP threads. Data compression is performed in two stages, one stage using lossy floating-point compression algorithms (e.g. ZFP, SZ, FPZIP) and an optional stage using general-purpose lossless compression algorithms (e.g., Zlib, LZ4) for binary data. The GPUbismZ extension developed as part of this thesis retains all the functionality of the existing infrastructure, adding the ability to utilize multiple GPUs for efficient compression. An experimental evaluation of both the ZFP library and the GPUbismZ extension implemented in this work is performed, with different parameters and under various configurations, in order to determine the performance, scaling, and limitations of the proposed approach on real scientific data.Item Open Access Διασύνδεση μη σχεσιακών βάσεων δεδομένων με μηχανές επεξεργασίας και ανάλυσης δεδομένων μεγάλης κλίμακας : η μελέτη περίπτωσης διασύνδεσης μεταξύ Apache Cassandra και Apache Spark(2025-10-29) Kατσουλέας, Διονύσιος; Katsouleas, DionisiosΗ παρούσα διπλωματική εργασία επικεντρώνεται στην ανάπτυξη ενός ολοκληρωμένου συστήματος ανάλυσης και αξιοποίησης δεδομένων από το Twitter, με έμφαση στον τομέα των κρυπτονομισμάτων. Η υλοποίηση ακολουθεί μια σταδιακή, εξελικτική προσέγγιση, όπου κάθε βήμα βασίζεται στα αποτελέσματα του προηγούμενου, με στόχο τη συνεχή βελτίωση και επέκταση των δυνατοτήτων του συστήματος. Στο πρώτο στάδιο, δίνεται έμφαση στη συνθετική δημιουργία εκτενών συνόλων δεδομένων (tweets), τόσο «καθαρών» όσο και «θορυβωδών», χρησιμοποιώντας Python, δυναμικά συντακτικά πρότυπα και εμπλουτισμένο λεξιλόγιο. Στόχος είναι η δημιουργία ενός dataset που να προσομοιάζει ρεαλιστικά τη γλώσσα και το ύφος του Crypto Twitter. Τα δεδομένα αποθηκεύονται σε βάση Apache Cassandra και επεξεργάζονται μέσω Apache Spark, εξασφαλίζοντας υψηλή κλιμακωσιμότητα και εύκολη ενσωμάτωση σε ML pipelines της Spark. Η εργασία εξελίσσεται μέσα από τρία βασικά στάδια: 1. Ανάλυση Συναισθήματος: Εκπαίδευση και αξιολόγηση μοντέλων μηχανικής μάθησης όπως Logistic Regression και Random Forest, με στόχο την ταξινόμηση των tweets σε θετικά, αρνητικά ή ουδέτερα. Υπάρχει πρόβλεψη για αξιολόγηση και πιο σύγχρονων μοντέλων όπως το BERT. Το ενδιαφέρον εδώ επικεντρώνεται στη σύγκριση των αποτελεσμάτων μεταξύ των "clean" και "noisy" datasets. 2. Συνδυαστική Εκπαίδευση: Σε αυτό το στάδιο, δοκιμάζεται η εκπαίδευση μοντέλων σε συνδυασμό των δύο τύπων δεδομένων (Clean + Noisy), προκειμένου να διαπιστωθεί αν η ποικιλία στη φύση των δεδομένων μπορεί να ενισχύσει την ακρίβεια και τη γενικευσιμότητα των προβλέψεων. 3. Συνεχής Ροή Tweets & Ανάλυση σε Πραγματικό Χρόνο: Αναπτύσσεται ένα πλήρως αυτοματοποιημένο σύστημα συνεχούς ροής tweets, τα οποία αποθηκεύονται σε πραγματικό χρόνο στο Cassandra. Το pipeline αναλαμβάνει να φιλτράρει άσχετα ή άκυρα tweets, να αναλύει τα χρήσιμα και να υπολογίζει την πιθανότητα ο χρήστης: να επενδύσει σε σταθερά κρυπτονομίσματα (όπως BTC, Ethereum, XRP), να στραφεί προς υψηλού ρίσκου επιλογές (όπως Dogecoin, Pepe), ή να αυξήσει το επενδυτικό του κεφάλαιο σε σύγκριση με παλαιότερη συμπεριφορά. Ο απώτερος στόχος είναι η δημιουργία ενός αυτόνομου, έξυπνου συστήματος, ικανού να διαχειρίζεται ροές δεδομένων σε πραγματικό χρόνο, να απορρίπτει μη χρήσιμες πληροφορίες και να προσφέρει ουσιαστικές προβλέψεις και στρατηγικές προτάσεις για επενδύσεις και marketing στον ταχέως εξελισσόμενο χώρο των κρυπτονομισμάτων.Item Open Access Ανάλυση χωροθέτησης για συστήματα εξυπηρέτησης με ουρές αναμονής(2025-08-29) Ηλιόπουλος, Γεώργιος; Iliopoylos, GeorgiosΗ παρούσα διπλωματική εργασία εξετάζει τη χωρική ανάλυση συστημάτων εξυπηρέτησης με ουρές αναμονής, με στόχο τη βέλτιστη κατανομή των εμβολίων μέσω αποτελεσματικού σχεδιασμού τοποθεσίας εγκαταστάσεων και κατανομής πόρων. Αναπτύσσεται ένα καινοτόμο μοντέλο που ενσωματώνει μεθοδολογίες θεωρίας ουρών για την αντιμετώπιση τόσο των επιχειρησιακών όσο και των λογιστικών προκλήσεων. Κύριος στόχος είναι η ελαχιστοποίηση του συνολικού κόστους του συστήματος, το οποίο περιλαμβάνει το κόστος εγκατάστασης και λειτουργίας των υπηρεσιών, καθώς και τους χρόνους μετακίνησης και αναμονής των πολιτών. Η μελέτη αναλύει συστηματικά μοντέλα συστημάτων αναμονής, όπως τα M/M/1, M/M/C, με πεπερασμένη χωρητικότητα. Τα μοντέλα αυτά εξετάζονται σε συνάρτηση με διεργασίες Poisson, αναμενόμενες τιμές και αλυσίδες Markov. Ακόμη, περιλαμβάνει στρατηγικές threshold και αφορά μη παρατηρήσιμες ουρές. Για την επίλυση του πολύπλοκου προβλήματος βελτιστοποίησης, εφαρμόζονται μεταευρετικοί αλγόριθμοι, οι οποίοι αξιολογούνται ως προς την απόδοσή τους, στην παραγωγή σχεδόν βέλτιστων λύσεων εντός λογικών χρονικών ορίων υπολογισμού. Η εργασία περιλαμβάνει τις βασικές υποθέσεις μοντελοποίησης, πιθανές προτεινόμενες επεκτάσεις και πλήρη επισκόπηση της σχετικής βιβλιογραφίας, συμβάλλοντας στην ενίσχυση της ανθεκτικότητας και της αποτελεσματικότητας των συστημάτων υποστήριξης αποφάσεων.Item Open Access FPGA Hardware Implementation of waveform segmentation of human ECG signals using LSTM network(2025-07-30) Ζιντζόβας, Παναγιώτης; Zintzovas, PanagiotisThe purpose of this thesis is the hardware implementation of an LSTM RNN forward pass from a Matlab example regarding the waveform segmentation of human electrocardiogram (ECG) signals using an LSTM network.Firstly, we will run the Matlab example and implement a Matlab forward pass that we are going to use as reference.Then we will implement an LSTM forward pass in C++ code and compare our results with its Matlab counterpart.Finally, we will make a hardware implementation of the LSTM forward pass with the use of Vitis HLS, VivadoHLS, and a Zynq™ UltraScale+™ MPSoC ZCU104.Item Open Access AI approach to automating WACC estimation and reducing subjective vias in DCF analysis(2025-10-16) Κουντούρης, Ιωάννης; Kountouris, IoannisSubjective cost of equity estimation in discounted cash flow valuation often leads to inconsistent results. The classical techniques, including the Capital Asset Pricing Model (CAPM), require analysts to set up inputs for risk premium, risk free rate and beta, which are likely to introduce inconsistency and bias. The present dissertation seeks to eliminate this issue through the application of deep learning to automate predictions for the cost of equity, thus mitigating subjectivity in the weighted average cost of capital calculation. A broad dataset from the United States equity market was used for training two models: a point forecasting long short term memory (LSTM) network and Amazon's probabilistic DeepAR model, both used to predict next period’s equity returns for use as an approximate cost of equity. Empirical analysis was undertaken to ensure that the models are consistent with financial theory. The CAPM assumption of a single linear beta was first tested over market regimes as a preliminary. The results verified that risk is state dependent: more than 95% of sampled US equities were found to have significantly different betas in up and down markets at a 5% significance level. Such evidence further confirmed the necessity for a more adaptable, data driven solution. The LSTM and DeepAR models were therefore built to account for intricate time dependent patterns in the performance of stocks and macroeconomic conditions, with DeepAR using global training across all series to pool information and capture uncertainty through forecast distributions. Both deep learning models performed significantly better than conventional estimates offered by practitioners. The optimized Long Short Term Memory (LSTM) model attained a coefficient of determination R² of 0.913 and a Mean Squared Error (MSE) of 4.79 over holdout data, showing that it captured the great majority of variance for unseen stock returns. The probabilistic DeepAR model outperformed even these results, attaining an R² of 0.964 and an MSE of 1.9564. The CAPM based predictions offered by seasoned investment bankers for the identical list of stocks exhibited much lower precision, with error magnitudes larger. The 90% prediction intervals computed from the DeepAR model covered the actual outcomes for approximately 90% of instances and accurately forecasted the direction of returns for 31 of 32 stocks, suggesting better calibration and stability. These findings indicate that the machine learned forecasts not only exceeded conventional human estimates for accuracy but also yielded well calibrated estimates of uncertainty, resulting in more stable discounted cash flow (DCF) valuations. This work presents a step towards more objective valuation at the corporate level. Substituting subjective discount rate inputs with LSTM and DeepAR predictions made valuations less sensitive to individual bias and unexpected shocks, thus diminishing error in discounted cash flow outcomes. The deep learning method is consistent with asset pricing theory, applying expected return to cost of equity, and yields disciplined, reproducible estimates that can coexist with analyst discretion.Item Open Access Αξιολόγηση ακρίβειας και ταχύτητας χρηστών του Amazon Μechanical Τurk στην εκτέλεση πρόσθεσης διψήφιων αριθμών(2025-06-11) Μητακίδης, Αθανάσιος; Mitakidis, AthanasiosΜε την παρούσα διπλωματική συμβάλλουμε σημαντικά στις επιστημονικές έρευνες που-διεξήγαγαν η Μαρία Παπαθανασοπούλου και ο Χάρης Μουρελάτος εξετάζοντας την-αποτελεσματικότητα των χρηστών. Στην παρούσα διπλωματική έρευνα μελετάμε μια εργασία-Basic Double Digit Math Assignment (BDMA) που έλαβε χώρα στην πλατφόρμα-πληθοπορισμού AM Turk. Συχνά εργασίες BDMA εφαρμόζονται μέσω διαδικασίας-αξιολόγησης υποψηφίων (recruitment test), καθότι παρέχουν τις απαραίτητες πληροφορίες-στους υπεύθυνους προσλήψεων. Αρχικώς κατηγοριοποιήθηκαν οι 24.209 απαντήσεις, όπου οι-2222 (91.8 %) έχουν υπαχθεί ως Έγκυρη Τιμή – Σωστή, Έγκυρη Τιμή – Λάθος 1368 (5.7%),-Απουσία (NaN) (2.5%) και σε μικρά ποσοστά που πιθανολογείται να οφείλονται σε-τυπογραφικά λάθη διακρίθηκαν 6 στην κατηγορία Χρήση Συμβόλων και 4 στο Κείμενο. Στο-σύνολο της έρευνας βασίστηκε σε αυτές τις κατηγορίες. Γίνεται αναφορά στην απόδοση-χρηστών συνολικά καθώς και σε ατομικό επίπεδο βασιζόμενοι στο χρόνο απόκρισης και την-ακρίβεια των απαντήσεων. Έχουν μελετηθεί αριθμητικά φαινόμενα (Problem size-effect,carryover effect κλ.π.) καθώς και η επίδραση τους στην αποδοτικότητα των-αποτελεσμάτων με γνώμονα τον χρόνο απόκρισης και την ακρίβεια της απάντησης. Επιπροσθέτως, μελετήθηκε η επίδραση του χρόνου απόκρισης και της επιβολής bonus στις-ομάδες χρηστών, με την εφαρμογή μοντέλων παλινδρόμησης του GLM και GME ως προς την-απόδοση σωστού αποτελέσματος.Item Open Access A new consensus-driven cooperative localization technique for UAV swarms under intermittent GPS(2025-09-30) Βενέτης, Δημήτριος; Venetis, DimitriosAccurate localization for unmanned aerial vehicles (UAVs) matters critically in environmental monitoring as well as aerial mapping and disaster response. Conventional localization techniques that use an Extended Kalman Filter (EKF) to fuse Global Positioning System (GPS) and Inertial Measurement Unit (IMU) data offer satisfactory performance under nominal conditions but they encounter difficulties in dynamic environments and under strict coordination requirements. As an example, estimation accuracy can severely be reduced by availability of GPS that is intermittent or degraded. This is especially true within swarm operations where multiple UAVs must maintain consistent awareness of their relative positions. This dissertation puts forward a cooperative localization framework that combines EKF along with the Alternating Direction Method of Multipliers (ADMM), so that it can exploit inter-UAV measurements. Each UAV runs an EKF since it fuses its available GPS and IMU data, and also, it provides for a baseline estimate. Then, one cooperative refinement step uses Ultra-Wideband (UWB) range and Angle-of-Arrival (AoA) measurements done as part of the consensus optimization problem that the ADMM resolves. Consistency, innovation, and residual metrics are elements of the decision mechanism. It determines whether ADMM corrections are accepted or the EKF estimate is favored at each timestep. This ensures that cooperative consensus allows improvement of accuracy. The proposed framework is implemented within MATLAB as well as assessed by way of simulations regarding UAV swarms since they fly coordinated trajectories. The combination of EKF as well as ADMM consistently outperforms EKF-only localization. Results show that it yields a lower root mean square error (RMSE) in absolute position as well as improves relative accuracy between UAV pairs. This framework proves resilient when GPS staggers because refinement propagates anchor information through the swarm cooperatively. Additionally, analyzing confirms that the method is sensitive to the noise, GPS update rates and ADMM parameters, and that it can operate in real-time for small-to-medium swarm sizes. This work shows that combining sequential filtering alongside cooperative consensus optimization provides a strong and scalable solution. This approach proves especially helpful to UAV swarm localization without reliable GPS.
