Εμφάνιση απλής εγγραφής

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

dc.contributor.advisorKarkazis, Panagiotis
dc.contributor.authorΜπουρλέσης, Κωνσταντίνος
dc.date.accessioned2024-10-30T16:13:14Z
dc.date.available2024-10-30T16:13:14Z
dc.date.issued2024-09
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/7930
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-7762
dc.description.abstractΑυτή 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 συστήματοςel
dc.format.extent114el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.el*
dc.subjectΕικονικοποίησηel
dc.subjectΜηχανική μάθησηel
dc.subjectΕνσωματωμένα συστήματαel
dc.subjectEdge computingel
dc.titleΤεχνητή νοημοσύνη στο άκρο: ενδυναμώνοντας τα ενσωματωμένα συστήματα για έξυπνα περιβάλλονταel
dc.title.alternativeArtificial intelligence at the edge: empowering embedded systems for smart environmentsel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeMiridakis, Nikolaos
dc.contributor.committeeΜαυρομμάτης, Κωνσταντίνος
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Πληροφορικής και Υπολογιστώνel
dc.description.abstracttranslatedThis 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

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