Μηχανική μάθηση για διαδικτυακά δεδομένα

Μπενοβίας, Λεωνίδας; Benovias, Leonidas

dc.contributor.author	Μπενοβίας, Λεωνίδας	el
dc.contributor.author	Benovias, Leonidas	en
dc.date.accessioned	2024-01-10T12:21:26Z
dc.date.available	2024-01-10T12:21:26Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58560
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26256
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Network Tomography	en
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Δίκτυο	el
dc.subject	Αλγεβρικές μέθοδοι	el
dc.title	Μηχανική μάθηση για διαδικτυακά δεδομένα	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-07-05
heal.abstract	Σκοπός αυτής της εργασίας είναι η μελέτη της χρήσης μηχανικής μάθησης στον υπολογισμό Διαδικτυακών Δεδομένων. Γνωστό και ως Network Tomography, είναι ο υπολογισμός εσωτερικών χαρακτηριστικών του δικτύου χρησιμοποιώντας πληροφορία από δεδομένα τελικού σημείου (end-point data). Ο σκοπός της μελέτης μας είναι η σύγκριση των κλασικών αλγεβρικών μεθόδων για tomography με τις μεθόδους μηχανικής μάθησης (ML). Πιο συγκεκριμένα μελετάμε πως με την χρήση νευρωνικών δικτύων είναι εφικτό γνωρίζοντας ορισμένες μετρικές για ολόκληρα τμήματα του δικτύου να υπολογίσουμε μετρικές όπως το delay για επιμέρους τμήματα του δικτύου, καθώς και πως επηρεάζουν το νευρωνικό δίκτυο αλλά και η γνωστή πληροφορία την δυνατότητα αυτή. Συγκρίνουμε την αποδοτικότητα αυτής της μεθόδου με τις κλασικές αλγεβρικές μεθόδους. Για το σκοπό αυτό παρουσιάζεται αρχικά η σχετική βιβλιογραφία πάνω στο Network Tomography. Η μοντελοποίηση ενός δικτύου υπολογιστών γίνεται με γράφο για τον οποίο χρησιμοποιείται η βιβλιοθήκη Networkx (https://networkx.org/), ενώ για το νευρωνικό δίκτυο χρησιμοποιείται Python και το Tensorflow.Keras. Συμπεραίνεται τελικά ότι η χρήση νευρωνικών δικτύων για τον υπολογισμό επιμέρους μετρικών υπολογιστικών δικτύων είναι εφικτή. Κλείνοντας παρατίθενται εισηγήσεις για περαιτέρω έρευνα.	el
heal.advisorName	Βαρβαρίγος, Εμμανουήλ	el
heal.committeeMemberName	Βαρβαρίγος, Εμμανουήλ	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Αβραμόπουλος, Ηρακλής	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	52 σ.	el
heal.fullTextAvailability	false