Τεχνητή νοημοσύνη στο άκρο: ενδυναμώνοντας τα ενσωματωμένα συστήματα για έξυπνα περιβάλλοντα

Μπουρλέσης, Κωνσταντίνος

dc.contributor.advisor	Karkazis, Panagiotis
dc.contributor.author	Μπουρλέσης, Κωνσταντίνος
dc.date.accessioned	2024-10-30T16:13:14Z
dc.date.available	2024-10-30T16:13:14Z
dc.date.issued	2024-09
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/7930
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-7762
dc.description.abstract	Αυτή η διπλωματική διατριβή διερευνά την ενοποίηση διαφόρων τεχνολογιών, συμπεριλαμβανομένης της εικονικοποίησης, του υπολογιστικού νέφους και άκρου, των ενσωματωμένων συστημάτων και της τεχνητής νοημοσύνης με έμφαση στη μηχανική μάθηση. Ξεκινά με μια εισαγωγή στην εικονικοποίηση, περιγράφοντας λεπτομερώς την ιστορική εξέλιξη, τους τύπους και τις τεχνικές της. Στη συνέχεια, εμβαθύνει στο νέφος και στην υπολογιστική στο άκρο, συζητώντας τα χαρακτηριστικά, τα μοντέλα ανάπτυξης και τα οφέλη τους. Η ενότητα για τα ενσωματωμένα συστήματα υπογραμμίζει την εξέλιξη, τις περιπτώσεις χρήσης και τις αρχιτεκτονικές τους. Ενώ η ενότητα της τεχνητής νοημοσύνης και μηχανικής μάθησης περιγράφει βασικές εξελίξεις, δημοφιλείς αλγόριθμους και την ενσωμάτωση της μηχανικής μάθησης στα ενσωματωμένα συστήματα. Στο τελευταίο κεφάλαιο παρουσιάζεται η ανάπτυξη ενός αυτόνομου οχήματος που μέσω ενός συνελικτικού νευρωνικού δικτύου αναγνωρίζει και κινείται ανάλογα με τις πινακίδες κυκλοφορίας. Παρέχει επίσης, πρακτικές γνώσεις για τη δημιουργία και την εκπαίδευση μοντέλων μηχανικής μάθησης, χρησιμοποιώντας πλατφόρμες όπως το Arduino και το Raspberry Pi. Τέλος, η διατριβή ολοκληρώνεται με ευρήματα και βελτιστοποιήσεις, προσφέροντας συστάσεις για μελλοντικές βελτιώσεις στην ανάπτυξη και την αποτελεσματικότητα του συστήματος	el
dc.format.extent	114	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.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el	*
dc.subject	Εικονικοποίηση	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Ενσωματωμένα συστήματα	el
dc.subject	Edge computing	el
dc.title	Τεχνητή νοημοσύνη στο άκρο: ενδυναμώνοντας τα ενσωματωμένα συστήματα για έξυπνα περιβάλλοντα	el
dc.title.alternative	Artificial intelligence at the edge: empowering embedded systems for smart environments	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Miridakis, Nikolaos
dc.contributor.committee	Μαυρομμάτης, Κωνσταντίνος
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.description.abstracttranslated	This thesis explores the integration of various technologies, including virtualization, cloud and edge computing, embedded systems, and artificial intelligence with an emphasis on machine learning. It begins with an introduction to virtualization, detailing its historical development, types, and techniques. It then delves into cloud and edge computing, discussing their features, deployment models, and benefits. The embedded systems section highlights their evolution, use cases, and architectures. While the artificial intelligence and machine learning section describes key developments, popular algorithms and the integration of machine learning into embedded systems. In the last chapter, the development of a self-driving vehicle that, through a convolutional neural network, recognizes and moves according to traffic signs. It also provides practical insights into building and training machine learning models using platforms such as Arduino and Raspberry Pi. Finally, the thesis concludes with findings and optimizations, offering recommendations for future improvements in system development and efficiency.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: Bourlesis_71343862.pdf
Μέγεθος:: 3.194Mb
Τύπος:: PDF
Περιγραφή:: Διπλωματική Εργασία

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Πληροφορικής και Υπολογιστών

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