dc.contributor.author | Χατζηαποστολάκης, Χρήστος![]() |
el |
dc.contributor.author | Chatziapostolakis, Christos![]() |
el |
dc.date.accessioned | 2017-09-06T12:20:23Z | |
dc.date.available | 2017-09-06T12:20:23Z | |
dc.date.issued | 2017-09-06 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/45537 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.14397 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Υπολογιστικές μέθοδοι | el |
dc.subject | Εκμάθηση μηχανών | el |
dc.subject | Εκμάθηση πολλαπλοτήτων | el |
dc.subject | Τεχνητά νευρωνικά δίκτυα | el |
dc.subject | Μείωση διαστάσεων | el |
dc.subject | Computational methods | en |
dc.subject | Machine learning | en |
dc.subject | Manifold learning | en |
dc.subject | Artificial neural networks | en |
dc.subject | Dimentionality reduction | en |
dc.title | Ανάπτυξη υπολογιστικών μεθόδων βασισμένων στην εκμάθηση μηχανών και πολλαπλοτήτων για την πρόβλεψη κόστους διαδρομών δικτύου από την ανάκτηση διαδικτυακών δεδομένων | el |
dc.title | Computational methods development based on machine and manifold learning for the prediction of network routes from online data mining | en |
heal.type | bachelorThesis | |
heal.classification | Εφαρμοσμένα μαθηματικά | el |
heal.classification | Applied mathematics | en |
heal.classificationURI | http://id.loc.gov/authorities/subjects/sh93002523 | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2017-02-14 | |
heal.abstract | Από τις τελευταίες δεκαετίες του 20ου αιώνα μέχρι και σήμερα ο τρόπος με τον οποίο κοστολογείται ένα αεροπορικό εισιτήριο αποτελεί μυστήριο για τους περισσότερους καταναλωτές. Αντίθετα με τα υπόλοιπα μέσα μεταφοράς, η τιμή μιας πτήσης δεν είναι πάντα ανάλογη της απόστασης που καλύπτεται και μπορεί να αλλάξει οποιαδήποτε στιγμή. Για να αυξήσουν όσο το δυνατόν περισσότερο τα κέρδη τους οι αεροπορικές εταιρίες έχουν δημιουργήσει ένα πολύπλοκο σύστημα τιμολόγησης των αεροπορικών θέσεων, το οποίο καθιστά σχεδόν αδύνατο το να αγοράσει κάποιος το βέλτιστο δυνατό εισιτήριο. Σε αυτή την εργασία εξετάζεται το κατά πόσο είναι δυνατό να κατασκευαστεί ένα μοντέλο το οποίο να περιγράφει ικανοποιητικά το δίκτυο των αεροπορικών ναύλων. Για την κατασκευή του μοντέλου χρησιμοποιήθηκαν γραμμικές και μη-γραμμικές μεθόδοι μείωσης διαστάσεων και αναγνώρισης προτύπων από τις οποίες προκύπτουν οι κατάλληλες μεταβλητές και η τελική προσαρμογή. | el |
heal.abstract | Since the last decades of the 20th century the way that an airplane ticket is priced seems like a mystery to most consumers. Unlike most transportation options, the price of a flight is not proportional to its distance and can also change at any moment. In order to maximize their profits, airlines have developed complex pricing methods that makes almost impossible for a traveler to buy at an optimal price. This paper examines if it is possible to construct a valid model which will successfully describe the European airfare network, using just a handful of variables. In order to create the model, various linear and non-linear feature extraction methods have been used accompanied by machine learning methods. | en |
heal.advisorName | Σιέττος, Κωνσταντίνος | el |
heal.committeeMemberName | Σιέττος, Κωνσταντίνος | el |
heal.committeeMemberName | Ματσόπουλος, Γεώργιος | el |
heal.committeeMemberName | Κομίνης, Ιωάννης | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών. Τομέας Μηχανικής | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 80 σ. | el |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: