Αναγνώριση σύνθετων δραστηριοτήτων με χρήση Πιθανοτικού Λογισμού Γεγονότων σε ροές δεδομένων

Μαντένογλου, Περικλής; Mantenoglou, Periklis

dc.contributor.author	Μαντένογλου, Περικλής	el
dc.contributor.author	Mantenoglou, Periklis	en
dc.date.accessioned	2020-04-13T19:40:11Z
dc.date.available	2020-04-13T19:40:11Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50149
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17847
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/3.0/gr/	*
dc.subject	Αναγνώριση σύνθετων γεγονότων	el
dc.subject	Αναγνώριση ανθρώπινης δραστηριότητας	el
dc.subject	Λογισμός Γεγονότων	el
dc.subject	Αβεβαιότητα	el
dc.subject	Επεξεργασία ροών δεδομένων	el
dc.subject	Complex event recognition	en
dc.subject	Data stream processing	en
dc.subject	Human activity recognition	en
dc.subject	Event Calculus	en
dc.subject	Uncertainty	en
dc.title	Αναγνώριση σύνθετων δραστηριοτήτων με χρήση Πιθανοτικού Λογισμού Γεγονότων σε ροές δεδομένων	el
dc.title	Streaming Probabilistic Interval-based Event Calculus	en
heal.type	bachelorThesis
heal.classification	Artificial Intelligence	en
heal.classification	Τεχνητή Νοημοσύνη	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-29
heal.abstract	Ο στόχος αυτής της εργασίας είναι η επέκταση ενός πιθανοτικού αλγορίθμου, βασισμένου σε χρονικά διαστήματα, που χρησιμοποιείται για την αναγνώριση σύνθετων γεγονότων Αυτή η επέκταση οδηγεί σε ένα σύστημα το οποίο είναι σε θέση να εξάγει πιθανοτικές αναγνωρίσεις σύνθετων γεγονότων σε χρονικά διαστήματα από μία ροή απλών γεγονότων χαμηλού επιπέδου. Συγκεκριμένα, εισάγουμε τη χρήση χρονικών παραθύρων και μνήμης εργασίας για να τροποποιήσουμε την υπάρχουσα προσέγγιση. Σε αυτή τη διπλωματική εργασία, περιγράφουμε τον προαναφερθέντα αλγόριθμο, αναλύουμε την απόδοση και την ορθότητά του και διερευνούμε τις απαιτήσεις του σε μνήμη. Τέλος, χρησιμοποιούμε ένα σύνολο δεδομένων που σχετίζεται με την αναγνώριση ανθρώπινης δραστηριότητας για να δοκιμάσουμε το προτεινόμενο σύστημα.	el
heal.abstract	The goal of this thesis is to extend a probabilistic interval-based algorithm used for complex event recognition. This extension results in a system which is able to derive probabilistic complex event occurrences in temporal intervals from a stream of simple, low level events. More specifically, we introduce the concept of temporal windows and a working memory to build on the existing approach. In this thesis, we describe the aforementioned algorithm, analyse its performance and correctness and explore its memory requirements. Finally, we employ a dataset for human activity recognition to test the proposed system.	en
heal.advisorName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Παπασπύρου, Νικόλαος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false