dc.contributor.author | Αλεξάνδρου, Κωνσταντίνος | el |
dc.contributor.author | Alexandrou, Konstantinos | en |
dc.date.accessioned | 2021-09-02T08:16:42Z | |
dc.date.available | 2021-09-02T08:16:42Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/53775 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.21473 | |
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 | Μηχανική μάθηση | el |
dc.subject | Επιβλεπόμενη μάθηση | el |
dc.subject | Καθυστέρηση πτήσεων | el |
dc.subject | Ενίσχυση κλίσης | el |
dc.subject | Τεχνητά νευρωνικά δίκτυα | el |
dc.title | Πρόβλεψη καθυστέρησης πτήσεων με τεχνικές μηχανικής μάθησης | el |
heal.type | bachelorThesis | |
heal.classification | μηχανική μάθηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2021-07-14 | |
heal.abstract | Κάθε χρόνο οι καθυστερήσεις πτήσεων οδηγούν σε απώλειες δισεκατομμυρίων δολαρίων ως επακόλουθο της καθυστέρησης παροχής υπηρεσιών, της αργοπορίας των υλικών αγαθών να φτάσουν στον προορισμό τους και του προσωπικού κόστους κάθε επιβάτη. Το πρόβλημα της αντιμετώπισης των καθυστερήσεων αποτελεί ζήτημα εξαιρετικής δυσκολίας, όπως είναι βέβαια και η ικανότητα αναμονής και πρόβλεψης των εν λόγω καθυστερήσεων. Στην παρούσα εργασία, χρησιμοποιώντας τεχνικές επιβλεπόμενης μηχανικής μάθησης θα μελετηθεί η δυνατότητα κατηγοριοποίησης των πτήσεων σε πτήσεις με καθυστέρηση ή όχι με την μοντελοποίηση του προβλήματος ως ένα πρόβλημα δυαδικής ταξινόμησης. Μέσω βιβλιογραφικής έρευνας και πειραματικών δοκιμών θα ταυτοποιηθούν τα χαρακτηριστικά που επιτρέπουν στα μοντέλα μηχανικής μάθησης να εκπαιδευτούν και να προβλέψουν ενδεχομένη καθυστέρηση. Για την ταυτοποίηση των κατάλληλων χαρακτηριστικών, δοκιμάστηκε η ενσωμάτωση στα δεδομένα πτήσεων, πληθώρας μετεωρολογικών χαρακτηριστικών και χαρακτηριστικών ενός αεροπορικού δικτύου. Ακόμη, θα εξεταστεί και θα συγκριθεί η επίδοση απλών ταξινομητών, τεχνητών νευρωνικών δικτύων και μεθόδων Ensemble για την κατηγοριοποίηση των πτήσεων. Από τα τελικά πειραματικά αποτελέσματα, προκύπτει πως πράγματι η μηχανική μάθηση μπορεί να εφαρμοστεί επιτυχώς για τη δημιουργία ενός συστήματος πρόβλεψης καθυστέρησης πτήσεων. | el |
heal.advisorName | Σταφυλοπάτης, Ανδρέας - Γεώργιος | el |
heal.committeeMemberName | Στάμου, Γεώργιος | el |
heal.committeeMemberName | Κόλλιας, Στέφανος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 84 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: