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

Τζαμάρας, Σωτήριος

Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/teiep/11918

Full metadata record

DC Field	Value	Language
dc.contributor.author	Τζαμάρας, Σωτήριος	el
dc.date.accessioned	2020-12-09T10:14:32Z	-
dc.date.available	2020-12-09T10:14:32Z	-
dc.date.issued	2020-12-09	-
dc.identifier.uri	https://olympias.lib.uoi.gr/jspui/handle/teiep/11918	-
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Κυβερνο-φυσικά συστήματα, προσομοιώσεις, μοντελοποίηση, πράκτορες, έξυπνη συμπεριφορά	el
dc.title	Υλοποίηση τεχνικών μηχανικής μάθησης σε περιβάλλον μοντελοποίησης και προσομοίωσης κυβερνο-φυσικών συστημάτων.	el
heal.type	bachelorThesis	-
heal.classification	Μοντελοποίηση	el
heal.identifier.secondary	Πτυχιακή Εργασία	-
heal.dateAvailable	2024-01-11T20:38:33Z	-
heal.language	el	-
heal.access	free	-
heal.recordProvider	Τ.Ε.Ι. Ηπείρου	el
heal.publicationDate	2020-11	-
heal.bibliographicCitation	Τζαμάρας, 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.abstract	Τα 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.abstract	Cyber-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.advisorName	Αδάμ, Σταύρος	el
heal.committeeMemberName	Φουτσιτζή, Γεωργία	el
heal.committeeMemberName	Taha, Walid	el
heal.academicPublisher	Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.	el
heal.academicPublisherID	teiep	-
heal.numberOfPages	68	-
heal.fullTextAvailability	true	-
Appears in Collections:	Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε.

Show simple item record

Files in This Item:

File	Description	Size	Format
Sotirios_Tzamaras_thesis.pdf	Πτυχιακή Εργασία	745.31 kB	Adobe PDF	View/Open

Show simple item record

This item is licensed under a Creative Commons License

Repository of UOI "Olympias"