ΠΡΟΣΑΡΜΟΓΗ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΠΕΡΙΡΡΕΟΥΣΑΣ ΝΟΗΜΟΣΥΝΗΣ (AMBIENT INTELLICENCE - AMI) ΑΠΟΤΕΛΟΥΜΕΝΟ ΑΠΟ IOT (INTERNET OF THINGS) ΣΥΣΚΕΥΕΣ, ΜΕΣΩ ΤΕΧΝΙΚΩΝ ΕΝΙΣΧΥΤΙΚΗΣ ΜΑΘΗΣΗΣ (REINFORCEMENT LEARNING - RL)

Adapting Ambient Intelligence – AmI environment consisting of IoT (Internet of Things) devices, using Reinforcement Learning – RL techniques (Αγγλική)

  1. Bachelor’s thesis
  2. Παραλάκης, Παναγιώτης
  3. Πληροφορική (ΠΛΗ)
  4. 21 Ιουλίου 2018 [2018-07-21]
  5. Ελληνικά
  6. 156
  7. Δρόσος, Νικόλαος
  8. Καμέας, Αχιλλέας | Αλεφραγκής, Παναγιώτης
  9. Ενισχυτική Μάθηση | Reinforcement Learning | Διαδίκτυο των Πραγμάτων | Internet of Things | Περιρρέουσα Νοημοσύνη | Ambient Intelligence | Διάχυτος Υπολογισμός | Pervasive/Ubiquitous computing | Μοντέλο Συνδέσμων/Συνάψεων | Plugs/Synapses Model | Προσαρμογή περιβάλλοντος | Adapting environment | Περιβάλλον περιρρέουσας νοημοσύνης | Ambient Intelligence environment | IoT | IoT | Μηχανική Μάθηση | Machine Learning
  10. 5
  11. 30
  12. Περιέχει : πίνακες, διαγράμματα, εικόνες
    • Η πτυχιακή εργασία πραγματεύεται την ανάπτυξη μιας πλατφόρμας περιρρέουσας νοημοσύνης εμπλουτισμένης με το εννοιολογικό μοντέλο Συνδέσμων/Συνάψεων η οποία προορίζεται για ΙοΤ συσκευές. Η πλατφόρμα επαυξάνει τις ιδιότητες μιας ΙοΤ συσκευής καθώς επιτρέπει τη δημιουργία συνάψεων με άλλες ΙοΤ συσκευές έτσι ώστε να αλληλεπιδρούν μεταξύ τους αυτόνομα και ανεξάρτητα από τον ανθρώπινο παράγοντα συνιστώντας ένα έξυπνο περιβάλλον. Βασικό χαρακτηριστικό της πλατφόρμας αυτής αποτελεί η ενσωμάτωση τεχνικών ενισχυτικής μάθησης οι οποίες προσδίδουν στις συντιθέμενες εφαρμογές περιρρέουσας νοημοσύνης, δυνατότητες προσαρμογής σε περιβαλλοντικές αλλαγές ή στις προτιμήσεις/συνήθειες του χρήστη. Οι τεχνικές αυτές συνιστούν τη σχεδίαση και ανάπτυξη ενός εξειδικευμένου αλγορίθμου ενισχυτικής μάθησης, ο οποίος θα μπορεί να λειτουργεί παράλληλα αλλά και ανεξάρτητα από την ύπαρξη συνάψεων μεταξύ των συσκευών. Τέλος για την επίδειξη των δυνατοτήτων της πλατφόρμας αναπτύχθηκαν τρείς εικονικές IoT συσκευές οι οποίες συνιστούν το περιβάλλον περιρρέουσας νοημοσύνης.
    • The dissertation deals with the development of an ambient intelligence platform that is intended for IoT devices and which is enriched with the plugs/synapses conceptual model. The platform augments the properties of an IoT device as it allows making synapses with other IoT devices to interact autonomously and independently from the human factor constituting a smart environment. A key feature of this platform is the integration of reinforcement learning techniques that give to the synthesized ambient intelligence applications the adaptability to environmental changes or preferences / user habits. These techniques are the design and development of a specialized reinforcement learning algorithm, which can operate in parallel and independently of the existence of synapses between devices. Finally, three virtual IoT devices have been developed to demonstrate the platform's capabilities, which constitute the Ambient Intelligence environment.
  14. Hellenic Open University
  15. Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές