Βελτιστοποίηση απόδοσης και ενορχήστρωση υπηρεσιών στα
άκρα του δικτύου μέσω τεχνολογιών βαθιάς μάθησης

Θεοδωρόπουλος, Θεόδωρος; Theodoropoulos, Theodoros

dc.contributor.author	Θεοδωρόπουλος, Θεόδωρος	el
dc.contributor.author	Theodoropoulos, Theodoros	en
dc.date.accessioned	2022-06-21T09:59:59Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55307
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23005
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
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	Νευρωνικά δίκτυα	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Κωδικοποιητής-αποκωδικοποιητής	el
dc.subject	Ενορχήστρωση δικτύου	el
dc.subject	Βελτιστοποίηση υπερπαραμέτρων	el
dc.title	Βελτιστοποίηση απόδοσης και ενορχήστρωση υπηρεσιών στα άκρα του δικτύου μέσω τεχνολογιών βαθιάς μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική μάθηση	el
heal.dateAvailable	2023-06-20T21:00:00Z
heal.language	el
heal.access	embargo
heal.recordProvider	ntua	el
heal.publicationDate	2022-02-09
heal.abstract	Στη παρούσα διπλωματική εργασία παρουσιάζεται πληθώρα λύσεων που συμβάλλουν στη βέλτιστη διαχείριση και ενορχήστρωση πόρων που αποτελούν τμήμα Edge και Cloud πλαισίων. Η διπλωματική εργασία χωρίζεται σε θεωρητικό και πρακτικό μέρος. Στο θεωρητικό μέρος, οι αρχιτεκτονικές ιδιαιτερότητες και σχεδιαστικές απαιτήσεις ενός υπερσύγχρονου πλαισίου για την υποστήριξη εφαρμογών εκτεταμένης πραγματικότητας αναλύονται εκτενώς. Ιδιαίτερη έμφαση δίνεται στις μεθοδολογίες πρόβλεψης φόρτου δικτύου και χρήσης πόρων με μεθοδολογίες βαθιάς μάθησης προκειμένου να επιτευχθεί βέλτιστη ενορχήστρωση δικτύων. Επιπλέον γίνεται ανάλυση διαφόρων τεχνικών βελτιστοποίησης υπερπαραμέτρων νευρωνικών δικτύων, ώστε να εξασφαλιστεί η μέγιστη δυνατή αποδοτικότητα του μηχανισμού πρόβλεψης. Στο πρακτικό μέρος, περιλαμβάνεται η υλοποίηση διαφόρων μηχανισμών πρόβλεψης με χρήση βαθιάς μάθησης σε γλώσσα προγραμματισμού python 3. Μέρος του κώδικα βρίσκεται στο τέλος της διπλωματικής στo παράρτημα. Η παρούσα διπλωματική πραγματοποιήθηκε στα πλαίσια δραστηριοτήτων των ερευνητικών προγραμμάτων CHARITY και Accordion που έχουν λάβει χρηματοδότηση από το πρόγραμμα έρευνας και καινοτομίας «Ορίζοντας 2020» της Ευρωπαϊκής Ένωσης. Μέρος της διπλωματικής έχει δημοσιευθεί σε τρία επιστημονικά συνέδρια με κριτές. Οι τίτλοι των δημοσιεύσεων είναι (1) Μια προσέγγιση που βασίζεται σε κωδικοποιητές-αποκωδικοποιητές βαθιάς μάθησης για τη πρόβλεψη φόρτου δικτύου σε μορφή πολλαπλών βημάτων (2) Cloud για ολογραφία και επαυξημένη πραγματικότητα (3) Βελτιστοποίηση υπερπαραμέτρων GRU νευρωνικών δικτύων με την υβριδική Μπεϋζιανή-εξελικτική στρατηγική για πρόβλεψη χρήσης πόρων στο Edge computing	el
heal.advisorName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Βαρβαρίγος, Εμμανουήλ	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	107 σ.	el
heal.fullTextAvailability	false