HEAL DSpace

Μοντελοποίηση επιχειρηματικών αποφάσεων με χρήση βαθιάς ενισχυτικής μάθησης

Αποθετήριο DSpace/Manakin

Εμφάνιση απλής εγγραφής

dc.contributor.author Φικάρδος, Ματθαίος el
dc.contributor.author Fikardos, Matthaios en
dc.date.accessioned 2021-09-02T07:19:40Z
dc.date.available 2021-09-02T07:19:40Z
dc.identifier.uri https://dspace.lib.ntua.gr/xmlui/handle/123456789/53773
dc.identifier.uri http://dx.doi.org/10.26240/heal.ntua.21471
dc.rights Default License
dc.subject Τεχνητή νοημοσύνη el
dc.subject Ενισχυτική μάθηση el
dc.subject Βαθιά ενισχυτική μάθηση el
dc.subject Λήψη αποφάσεων el
dc.subject Ενισχυτική μάθηση el
dc.subject Reinforcement learning en
dc.subject Decision-Making en
dc.subject Deep reinforcement learning en
dc.subject DQN en
dc.subject Artificial intelligent en
dc.title Μοντελοποίηση επιχειρηματικών αποφάσεων με χρήση βαθιάς ενισχυτικής μάθησης el
heal.type bachelorThesis
heal.classification Λήψη αποφάσεων με ενισχυτική μάθηση el
heal.language el
heal.access free
heal.recordProvider ntua el
heal.publicationDate 2021-07-19
heal.abstract Τα τελευταία χρόνια υπάρχει μια μεγάλη έξαρση στο επιστημονικό πεδίο της Μηχανικής Μάθησης, όπου καθημερινά παρατηρούνται καινοτομίες. Η χρήση της Μηχανικής μάθησης έχει γίνει δεδομένη σε πάρα πολλούς τομείς από Ιατρική και όραση υπολογιστών μέχρι συστήματα συστάσεων και παιχνίδια. Ακόμη στον τομέα των επιχειρήσεων όλο και περισσότερες επιχειρήσεις χρησιμοποιούν την μηχανική μάθηση για την βελτιστοποίηση και διεκπεραίωση των εργασιών τους και την λήψη αποφάσεων. Στα πλαίσια αυτής της διπλωματικής εργασίας, μελετάται η μοντελοποίηση της διαδικασίας λήψης αποφάσεων σε επιχειρησιακό περιβάλλον με την χρήση βαθιάς ενισχυτικής μάθησης. Συγκεκριμένα έγινε μοντελοποίηση της διαδικασίας λήψης απόφασης σε περιβάλλον όπου μπορούν να εφαρμοστούν διάφοροι αλγόριθμοι ενισχυτικής μάθησης, το οποίο προσαρμόζεται δυναμικά ανάλογα με το συγκεκριμένο πρόβλημα για το οποίο καλείται η ενισχυτική μάθηση να επιλύσει. Για την αξιολόγηση του μοντέλου που κατασκευάσαμε χρησιμοποιήσαμε αλγόριθμους ενισχυτικής μάθησης (Deep Q-learning) όπου εκπαιδεύσαμε έναν πράκτορα για την επίλυση του προβλήματος λήψης απόφασης. Ακόμη εκτελέστηκαν πειράματα αλλάζοντας τις παραμέτρους του μοντέλου έτσι ώστε να προσομοιώσει διαφορετικά σενάρια εφαρμογής, προκειμένου να παρατηρήσουμε την συμπεριφορά της προτεινόμενης προσέγγισης. el
heal.advisorName Μέντζας, Γρηγόρης el
heal.committeeMemberName Μέντζας, Γρηγόρης el
heal.committeeMemberName Δούκας, Χάρης el
heal.committeeMemberName Ασκούνης, Δημήτριος el
heal.academicPublisher Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων el
heal.academicPublisherID ntua
heal.numberOfPages 87 σ. el
heal.fullTextAvailability false


Αρχεία σε αυτό το τεκμήριο

Αυτό το τεκμήριο εμφανίζεται στην ακόλουθη συλλογή(ές)

Εμφάνιση απλής εγγραφής