Αυτοματοποιημένες μέθοδοι εύρεσης βέλτιστων υπέρ παραμέτρων σε τεχνικές μηχανικής μάθησης για την μοντελοποίηση της ιονοσφαιρικής δραστηριότητας μέσω μετρήσεων GNSS

Σπανάκης, Μάριος; Spanakis, Marios

dc.contributor.author	Σπανάκης, Μάριος	el
dc.contributor.author	Spanakis, Marios	en
dc.date.accessioned	2023-02-10T09:09:27Z
dc.date.available	2023-02-10T09:09:27Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57116
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24814
dc.rights	Default License
dc.subject	Ιονοσφαιρική καθυστέρηση	el
dc.subject	Επαναλαμβανόμενα νευρωνικά δίκτυα	el
dc.subject	Βαθιά μάθηση	el
dc.subject	Μοντέλο πρόβλεψης ιονοσφαιρικής δραστηριότητας	el
dc.subject	Υπερπαράμετροι	el
dc.subject	GRU	en
dc.subject	LSTM	en
dc.subject	RNN	en
dc.title	Αυτοματοποιημένες μέθοδοι εύρεσης βέλτιστων υπέρ παραμέτρων σε τεχνικές μηχανικής μάθησης για την μοντελοποίηση της ιονοσφαιρικής δραστηριότητας μέσω μετρήσεων GNSS	el
heal.type	bachelorThesis
heal.classification	ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ-ΓΕΩΔΑΙΣΙΑ	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-10-20
heal.abstract	Τα παγκόσμια συστήματα δορυφορικού εντοπισμού (GNSS), έχουν πλέον εφαρμογή σχεδόν σε όλες τις δράσεις του ανθρώπου, από τη βαριά λεγόμενη βιομηχανία έως και την καθημερινότητα. Για την ορθή εκμετάλλευση της πληροφορίας που προσλαμβάνουμε από εκπεμπόμενο δορυφορικό σήμα, οφείλουμε να το απαλλάξουμε από κάθε λογής σφάλμα. Μια κατηγορία σφαλμάτων οφείλονται στη διάδοσης του σήματος στην ατμόσφαιρα. Στην παρούσα μελέτη, σκοπός μας είναι να υλοποιήσουμε βέλτιστο μοντέλο πρόβλεψης ιονοσφαιρικής δραστηριότητας, ώστε να έχουμε τη δυνατότητα να απαλείψουμε το σφάλμα που δημιουργείται κατά τη διάδοση του σήματος διαμέσου του στρώματος της ιονόσφαιρας (ιονοσφαιρική καθυστέρηση). Πιο συγκεκριμένα εκμεταλλευόμενοι τις δυνατότητες βαθιάς μάθησης και τα δεδομένα γνωστών ιονοσφαιρικών μεταβολών σε συνεχείς χρονοσειρές, εκπαιδεύσαμε τρία νευρωνικά δίκτυα (RNN, LSTM & GRU). Ο βέλτιστος συνδυασμός παραμέτρων έχει αναδειχθεί από προγενέστερη αντίστοιχη μελέτη. Στην παρούσα καλούμαστε να αναδείξουμε τον βέλτιστο πλήθος φίλτρων (υπερπαράμετροι) που θα εφαρμοστούν, ώστε να έχουμε πλέον ένα ολοκληρωμένο και πιο αξιόπιστο μοντέλο πρόβλεψης ιονοσφαιρικής δραστηριότητας (πυκνότητες ηλεκτρονίων - TEC).	el
heal.advisorName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Τσακίρη, Μαρία	el
heal.committeeMemberName	Γκίκας, Βασίλειος	el
heal.committeeMemberName	Δουλάμης, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false