Εμφάνιση απλής εγγραφής

Πρόβλεψη κατάστασης με ρομπότ με μηχανική μάθηση

dc.contributor.advisorNikolaou, Grigoris
dc.contributor.authorΚομήτης, Χρυσοβαλάντης
dc.date.accessioned2023-12-12T13:28:29Z
dc.date.available2023-12-12T13:28:29Z
dc.date.issued2023-10
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/5730
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-5567
dc.description.abstractΤα τελευταία χρόνια υπάρχει αύξηση της ζήτηση στον τομέα της τεχνητής νοημοσύνης και την μηχανικής μάθησης και αυτό διότι πλέον υπάρχουν μεγάλοι όγκοι δεδομένων που μπορούν να χρησιμοποιηθούν για την δημιουργία μοντέλων τεχνητής νοημοσύνης αλλά και μια πληθώρα εφαρμογών στις οποίες οι ερευνητές και επαγγελματίες του χώρου μπορούν να τα αξιοποιήσουν. Ένας από αυτούς του τομείς είναι η ανίχνευση ανωμαλιών, που βρίσκει εφαρμογή σε τομείς όπως είναι η ιατρική, η βιομηχανία και την ρομποτική, που ανιχνεύει ανωμαλίες σχετικά με την φυσιολογική λειτουργία των οργάνων, αν πρόκειται για έμβιο οργανισμό, ή εξαρτημάτων Στην παρούσα διπλωματική θα γίνει έρευνα σχετικά με την ανίχνευση καινοτομιών στα δεδομένα του αισθητήρα ανίχνευσης θορύβου laser του ρομπότ Clearpath Husky. Στην εργασία αναφέρονται το τι είναι η μηχανική μάθηση, τι είναι η ανίχνευση ανωμαλιών και ποια η διαφορά με την ανίχνευση καινοτομιών ενώ θα γίνει αναφορά στο τι είναι τα Robot Vitals και Robot Health πάνω στα οποία γίνεται η ανίχνευση καινοτομιών για το πείραμα. Για το πειραματικό κομμάτι δημιουργήθηκαν τρία μοντέλα με σκοπό να συγκρίνουμε πιο είναι καταλληλότερο στην ανίχνευση των ακραίων τιμών στο dataset που έχουμε για το laser noise.el
dc.format.extent63el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΜηχανική μάθησηel
dc.subjectΑνίχνευση ανωμαλιώνel
dc.subjectΑνίχνευση ακραίων τιμώνel
dc.subjectΑνίχνευση καινοτομίαςel
dc.subjectIsolation forestel
dc.subjectOne Class SVMel
dc.subjectLocal outlier factorel
dc.subjectRobot vitalsel
dc.subjectRobot healthel
dc.titleΠρόβλεψη κατάστασης με ρομπότ με μηχανική μάθησηel
dc.title.alternativeRobot's state prediction with machine learningel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeΒασιλειάδου, Σουλτάνα
dc.contributor.committeeDrosos, Christos
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.description.abstracttranslatedIn recent years there has been an increase in demand in the field of artificial intelligence and machine learning and this is because there are now large volumes of data that can be used to create artificial intelligence models and a plethora of applications in which researchers and professionals in the field can use them. One of these areas is anomaly detection, which finds application in areas such as medicine, industry and robotics, which detects anomalies related to the physiological function of organs, if it is a living organism, or components In this thesis, research will be done on detecting innovations in the data of the laser noise detection sensor of Clearpath Husky robot. The thesis will mention what machine learning is, what is anomaly detection and what is the difference with novelty detection and will mention what are Robot VItals and Robot Health on which novelty detection is done for the experiment. For the experimental part three models were created in order to compare which one is more suitable in detecting the outliers in the dataset we have for laser noise.el


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

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