Ξεφτέρης Βασίλειος-Ραφαήλ (Υποψήφιος Διδάκτορας)

Τίτλος διατριβής: Ανάλυση και σύντηξη δεδομένων πολυτροπικών αισθητήρων με μεθόδους μηχανικής μάθησης και νευρωνικών δικτύων

Επιβλέπων: Γουλιάνας Κωνσταντίνος

Μέλη Συμβουλευτικής Επιτροπής:

Περικλής Χατζημίσιος, Καθηγητής, Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων (ΔΙΠΑΕ)
Βροχίδης Στέφανος, Ερευνητής Γ’ βαθμίδας, Ινστιτούτο Τεχνολογιών Πληροφορικής και Επικοινωνιών (EKETA)

Περίληψη:

Τις τελευταίες δεκαετίες η ραγδαία ανάπτυξη του δικτύου των αντικειμένων (Internet of Things – IoT) έχει οδηγήσει στην ανάπτυξη «έξυπνων» συσκευών εξοπλισμένων με μία πληθώρα πολυτροπικών αισθητήρων. Οι διαφορετικοί αυτοί αισθητήρες μπορούν να προσφέρουν μια ποικιλία δεδομένων, όπου ανάλογα με τη φύση τους δίνουν πληροφορία για συγκεκριμένα γνωρίσματα. Πέρα από την ανάλυση των δεδομένων διαφορετικών αισθητήρων ξεχωριστά, η σύντηξη δεδομένων αισθητήρων είναι ζωτικής σημασίας σε εφαρμογές ανάλυσης πολυτροπικών αισθητήρων, καθώς μπορεί να αξιοποιήσει τις διαφορετικές πληροφορίες που προσφέρουν οι διάφοροι αισθητήρες ώστε να ενισχύσει την τελική απόδοση του συστήματος. Συχνά τεχνικές μηχανικής μάθησης και νευρωνικών δικτύων χρησιμοποιούνται το σκοπό της ανάλυσης και σύντηξης δεδομένων πολυτροπικών αισθητήρων, καθώς μπορούν να εκπαιδευτούν για να επιτύχουν πολύ υψηλά επίπεδα απόδοσης, ανάλογα με την εφαρμογή. Η προτεινόμενη διδακτορική διατριβή έχει ως σκοπό την ανάπτυξη εφαρμογών για την ανάλυση και σύντηξη δεδομένων πολυτροπικών αισθητήρων με βάση μεθόδους μηχανικής μάθησης και νευρωνικών δικτύων.