Κατηγοριοποίηση πλοίων και βελτιστοποίηση διαδρομών με τεχνηκές μηχανικής μάθησης

Κομπότης, Παναγιώτης

dc.contributor.advisor	ZACHARIA, PARASKEVI
dc.contributor.author	Κομπότης, Παναγιώτης
dc.date.accessioned	2023-03-17T12:08:41Z
dc.date.available	2023-03-17T12:08:41Z
dc.date.issued	2023-03-06
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/3955
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-3795
dc.description.abstract	Αντικείμενο μελέτης της παρούσας διπλωματικής εργασίας είναι η ανάλυση των δημοφιλέστερων αλγορίθμων δρομολόγησης πλοίων, όσον αφορά την βελτιστοποίηση των διαδρομών καθώς επίσης και την δημιουργία μοντέλου για την ορθή κατηγοριοποίηση διαφορετικών τύπων πλοίων με την χρήση εικόνων. Σε πρώτο στάδιο, πραγματοποιείται αναφορά στις θαλάσσιες μεταφορές και γίνεται ανάλυση των βασικών αλγορίθμων δρομολόγησης. Στην συνέχεια, γίνεται αναφορά στους βασικούς τύπους Μηχανικής Μάθησης και στις βασικότερες εφαρμογές της και κυρίως στην αναγνώριση εικόνας. Η διπλωματική προχωράει στην ανάλυση των βασικών αρχών των Νευρωνικών Δικτύων καθώς επίσης και στην ανάλυση των δικτύων Βαθιάς Μάθησης με αποκορύφωμα το μοντέλο Xception το οποίο χρησιμοποιείται για την εκπαίδευση μοντέλου κατηγοριοποίησης. Κατά τη διαδικασία σχεδιασμού και υλοποίησης του μοντέλου κατηγοριοποίησης γίνεται αναφορά στο περιβάλλον ανάπτυξης και στις βασικές βιβλιοθήκες που χρησιμοποιήθηκαν.	el
dc.format.extent	81	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Αλγόριθμοι δρομολόγησης	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Βέλτιστη διαδρομή	el
dc.subject	Κατηγοριοποίηση εικόνας	el
dc.subject	Dijkstra	el
dc.subject	Α-star	el
dc.subject	Visibility graph	el
dc.subject	Voronoi diagram	el
dc.title	Κατηγοριοποίηση πλοίων και βελτιστοποίηση διαδρομών με τεχνηκές μηχανικής μάθησης	el
dc.title.alternative	Ship classification and route optimization with machine learning techniques	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Nikolaou, Grigoris
dc.contributor.committee	Leligou, Helen C. (Nelly)
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	The object of study of this diploma thesis is the analysis of the most popular ship routing algorithms, regarding the optimization of routes as well as the creation of a model for the correct categorization of different types of ships using images. In a first stage, a reference is made to maritime transport and an analysis of the basic routing algorithms is made. Then, reference is made to the basic types of Machine Learning and its most basic applications, especially image recognition. Diploma proceeds to analyze the basic principles of Neural Networks as well as the analysis of Deep Learning networks culminating in the Xception model which is used to train a classification model. During the planning and implementation process of the categorization model, reference is made to the development environment and the basic libraries used.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: idpe_71447196.pdf
Μέγεθος:: 2.114Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές