Διερεύνηση Αλγορίθμων και Εφαρμογών Τεχνητής Νοημοσύνης και η Συμβολή τους στη Λήψη Αποφάσεων της Σύγχρονης Ναυτιλίας

Ξάνθη, Ελένη; Xanthi, Eleni

dc.contributor.author	Ξάνθη, Ελένη	el
dc.contributor.author	Xanthi, Eleni	en
dc.date.accessioned	2022-04-11T09:21:46Z
dc.date.available	2022-04-11T09:21:46Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55060
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22758
dc.rights	Default License
dc.subject	Ναυτιλία 4.0	el
dc.subject	Έξυπνη Διαχείριση Στόλου	el
dc.subject	Συστήματα Λήψης Αποφάσεων	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Βαθιά Μάθηση	el
dc.subject	Maritime 4.0	en
dc.subject	Fleet Intelligence	en
dc.subject	Machine Learning	en
dc.subject	Decision Support Systems	en
dc.subject	Deep Learning	en
dc.title	Διερεύνηση Αλγορίθμων και Εφαρμογών Τεχνητής Νοημοσύνης και η Συμβολή τους στη Λήψη Αποφάσεων της Σύγχρονης Ναυτιλίας	el
heal.type	bachelorThesis
heal.classification	Τεχνητή Νοημοσύνη	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-11-05
heal.abstract	Η ναυτιλία προσφέροντας το χαμηλότερο κόστος και περιβαλλοντικό αποτύπωμα στις μεταφορές και συνδυαστικά με τη συχνότητα και την αξία των συναλλαγών καθορίζει την παγκόσμια οικονομία σε μεγάλο βαθμό. Ταυτόχρονα, η τέταρτη τεχνολογική επανάσταση επιφέρει αλματώδεις αναβαθμίσεις σε κάθε τομέα. Ωστόσο, η ναυτιλιακή βιομηχανία φαίνεται διστακτική στην υιοθέτηση καινοτόμων τεχνολογιών λόγω της παραδοσιακής και πολύπλοκης δομής της, της δυσκολίας εξόρυξής τεράστιου όγκου δεδομένων, καθώς και της ασταθούς και απρόβλεπτης φύσης της αγοράς. Παρά τους περιορισμούς αυτούς, η Τεχνητή Νοημοσύνη αναμένεται να υποστηρίξει τις λειτουργίες της ναυτιλίας και να δημιουργήσει προστιθέμενη αξία. Σκοπό της εργασίας αποτελεί η διερεύνηση μοντέλων τεχνητής νοημοσύνης με εφαρμογή στη ναυτιλία, όπως η αναγνώριση αντικειμένου στη θάλασσα, η αποφυγή εμποδίων, η εξομοίωση συστημάτων πλοίου, η βελτιστοποίηση διαδρομής και ενεργειακής κατανάλωσης. Παρουσιάζονται συγκεντρωτικά έρευνες που προτείνουν λύσεις αλγορίθμων παλινδρόμησης, ταξινόμησης, ενδυνάμωσης μηχανικής μάθησης και επιτηρούμενης, μη επιτηρούμενης και ενισχυτικής βαθιάς μάθησης εμβαθύνοντας στα τεχνητά νευρωνικά δίκτυα (ANN, CNN, RNN, GAN, Autoencoders, DQN, AAC, DDPG). Προκειμένου να μετρηθεί ο πραγματικός αντίκτυπος της Τεχνητής Νοημοσύνης, μελετάται η αξιοποίησή της μέσω των εμπορικών εφαρμογών λογισμικού που συμβάλλουν στη λήψη αποφάσεων, όπως, η παρακολούθηση της αγοράς, ο σχεδιασμός ταξιδιού, η οργάνωση κυκλοφορίας στους λιμένες, η τεχνική ασφάλεια και συντήρηση των συστημάτων, καθώς και η διαχείριση και εκπαίδευση του πληρώματος. Η Τεχνητή Νοημοσύνη είναι άρρηκτα συνδεδεμένη με την Ανάλυση Δεδομένων Μεγάλης Κλίμακας, τη Διασύνδεση Πραγμάτων, τη Ρομποτική, την Εικονική Πραγματικότητα καθώς και την Ψηφιακή Ασφάλεια. Με βάση την ανάλυση των επικρατέστερων εφαρμογών λογισμικού - ανά τεχνολογία και ανά ναυτιλιακό τομέα - προκύπτουν συμπεράσματα για το επίπεδο ωριμότητας (νέα, ανερχόμενη, ώριμη και γηράσκουσα) κάθε λύσης και τη δυνατότητα ανταπόκρισης της τεχνολογίας στις σύγχρονες απαιτήσεις. Τα συμπεράσματα της διερεύνησης συμπληρώνονται από ανάλυση SWOT και προτάσεις για την εισαγωγή της Τεχνητής Νοημοσύνης στη ναυτιλία.	el
heal.advisorName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Ασκούνης, Δημήτριος	el
heal.committeeMemberName	Δούκας, Χρυσόστομος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων	el
heal.academicPublisherID	ntua
heal.numberOfPages	130 σ.	el
heal.fullTextAvailability	false