Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα

Η παρούσα διπλωματική εργασία είχε ως κύριο σκοπό την ανάλυση δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης και βαθιάς μηχανικής μάθησης όπως είναι ο KNN-R(K Nearest Neighbors Regressor), SVR(Support Vector Regressor), RRF(Random Forest Regressor) και Keras. Στο πρώτο μέρος έγινε μια πιο σύντομη α...

Full description

Saved in:
Bibliographic Details
Main Authors: Μαυροδής, Κωνσταντίνος, Μηλιώτη, Αθηνά
Other Authors: Σκούτας, Δημήτριος
Language:el_GR
Published: 2023
Subjects:
Online Access:http://hdl.handle.net/11610/24945
Tags: Add Tag
No Tags, Be the first to tag this record!
_version_ 1828460311866245120
author Μαυροδής, Κωνσταντίνος
Μηλιώτη, Αθηνά
author2 Σκούτας, Δημήτριος
author_facet Σκούτας, Δημήτριος
Μαυροδής, Κωνσταντίνος
Μηλιώτη, Αθηνά
author_sort Μαυροδής, Κωνσταντίνος
collection DSpace
description Η παρούσα διπλωματική εργασία είχε ως κύριο σκοπό την ανάλυση δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης και βαθιάς μηχανικής μάθησης όπως είναι ο KNN-R(K Nearest Neighbors Regressor), SVR(Support Vector Regressor), RRF(Random Forest Regressor) και Keras. Στο πρώτο μέρος έγινε μια πιο σύντομη ανάλυση της εξέλιξης των ασύρματων δικτύων καθώς και της αρχιτεκτονικής Διαδικτύου των Πραγμάτων. Στην συνέχεια επικεντρωθήκαμε στην ανάλυση αλγορίθμων μηχανικής μάθησης καθώς και της βαθιάς μάθησης επίσης. Στο δεύτερο μέρος πρώτα συλλέξαμε τα δεδομένα μέσω της εφαρμογής και στην συνέχεια μέσου του λογιστικού Anaconda, με την χρήση της γλώσσας προγραμματισμού Python αναλύσαμε και οπτικοποιήσαμε τα δεδομένα μας.
id oai:hellanicus.lib.aegean.gr:11610-24945
institution Hellanicus
language el_GR
publishDate 2023
record_format dspace
spelling oai:hellanicus.lib.aegean.gr:11610-249452023-03-28T08:36:46Z Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα Μαυροδής, Κωνσταντίνος Μηλιώτη, Αθηνά Σκούτας, Δημήτριος internet of things machine learning wireless networks διαδίκτυο των πραγμάτων μηχανική μάθηση ασύρματα δίκτυα Internet of things Machine learning Wireless communication systems Η παρούσα διπλωματική εργασία είχε ως κύριο σκοπό την ανάλυση δεδομένων με χρήση αλγορίθμων μηχανικής μάθησης και βαθιάς μηχανικής μάθησης όπως είναι ο KNN-R(K Nearest Neighbors Regressor), SVR(Support Vector Regressor), RRF(Random Forest Regressor) και Keras. Στο πρώτο μέρος έγινε μια πιο σύντομη ανάλυση της εξέλιξης των ασύρματων δικτύων καθώς και της αρχιτεκτονικής Διαδικτύου των Πραγμάτων. Στην συνέχεια επικεντρωθήκαμε στην ανάλυση αλγορίθμων μηχανικής μάθησης καθώς και της βαθιάς μάθησης επίσης. Στο δεύτερο μέρος πρώτα συλλέξαμε τα δεδομένα μέσω της εφαρμογής και στην συνέχεια μέσου του λογιστικού Anaconda, με την χρήση της γλώσσας προγραμματισμού Python αναλύσαμε και οπτικοποιήσαμε τα δεδομένα μας. 2023-03-22T12:52:25Z 2023-03-22T12:52:25Z 2022-07-01 http://hdl.handle.net/11610/24945 el_GR Default License 144 σ. application/pdf Σάμος
spellingShingle internet of things
machine learning
wireless networks
διαδίκτυο των πραγμάτων
μηχανική μάθηση
ασύρματα δίκτυα
Internet of things
Machine learning
Wireless communication systems
Μαυροδής, Κωνσταντίνος
Μηλιώτη, Αθηνά
Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
title Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
title_full Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
title_fullStr Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
title_full_unstemmed Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
title_short Μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
title_sort μελέτη τεχνικών μηχανικής μάθησης για την διαχείριση πόρων σε ασύρματα δίκτυα
topic internet of things
machine learning
wireless networks
διαδίκτυο των πραγμάτων
μηχανική μάθηση
ασύρματα δίκτυα
Internet of things
Machine learning
Wireless communication systems
url http://hdl.handle.net/11610/24945
work_keys_str_mv AT maurodēskōnstantinos meletētechnikōnmēchanikēsmathēsēsgiatēndiacheirisēporōnseasyrmatadiktya
AT mēliōtēathēna meletētechnikōnmēchanikēsmathēsēsgiatēndiacheirisēporōnseasyrmatadiktya