Μελέτη μοντέλων μηχανικής μάθησης για την πρόβλεψη προθεσμιακών συμβολαίων σε αγροτικά προϊόντα με τηλεσκοπικά δεδομένα.

Μπριλλάκης, Βασίλειος; Brillakis, Vasileios

dc.contributor.author	Μπριλλάκης, Βασίλειος	el
dc.contributor.author	Brillakis, Vasileios	en
dc.date.accessioned	2024-04-15T12:13:16Z
dc.date.available	2024-04-15T12:13:16Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59199
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26895
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	Βαθιά Μάθηση	el
dc.subject	Ακριβή Γεωργία	el
dc.subject	Τηλεσκοπικά Δεδομένα	el
dc.subject	Συνελικτικά Νευρωνικά Δίκτυα	el
dc.subject	Αναδρομικά Νευρωνικά Δίκτυα	el
dc.title	Μελέτη μοντέλων μηχανικής μάθησης για την πρόβλεψη προθεσμιακών συμβολαίων σε αγροτικά προϊόντα με τηλεσκοπικά δεδομένα.	el
heal.type	masterThesis
heal.classification	Machine Learning	en
heal.classification	Forecasting	en
heal.classification	Remote Sensing Data	en
heal.classification	Μηχανική Μάθηση	el
heal.classification	Πρόβλεψη τιμών	el
heal.classification	Τηλεσκοπικά Δεδομένα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-11-03
heal.abstract	Η γεωργία ακριβείας έχει ξεπεράσει τις παραδοσιακές μεθόδους καλλιέργειας, προσφέροντας μια προοδευτική προσέγγιση που βασίζεται στην τεχνολογία και στις πληροφορίες που βασίζονται σε δεδομένα. Στη σφαίρα ενός απρόβλεπτου κλίματος σε συνδυασμό με τις κλιμακούμενες παγκόσμιες απαιτήσεις σε τρόφιμα, η σημασία της ενίσχυσης της γεωργικής παραγωγικότητας δεν μπορεί να υπερτιμηθεί. Μια ιδιαίτερα υποσχόμενη εφαρμογή στο πλαίσιο της γεωργίας ακριβείας είναι η πρόβλεψη των τιμών των βασικών προϊόντων. Στην παρούσα διπλωματική μελετώνται τεχνικές μηχανικής μάθησης όπου σε συνδυασμό με δεδομένα από γεωργία ακριβείας μπορεί να οδηγήσουν στην ανάπτυξη προηγμένων μοντέλων ικανών να προβλέπουν τις τάσεις στις τιμές αγροτικών προϊόντων. Τέτοια εργαλεία πρόβλεψης μπορούν να αποδειχθούν σημαντικά για τους παραγωγούς, προσφέροντάς τους πρόγνωση των πιθανών διακυμάνσεων των τιμών. Με αυτές τις προγνωστικές γνώσεις, οι παραγωγοί είναι σε θέση να λαμβάνουν τεκμηριωμένες αποφάσεις σχετικά με το ποιες καλλιέργειες θα φυτέψουν, πότε θα πουλήσουν τα προϊόντα τους και πώς θα χαράξουν στρατηγική για την παρουσία τους στην αγορά. Αυτό όχι μόνο ενισχύει την κερδοφορία τους, αλλά και την ανθεκτικότητα έναντι των διακυμάνσεων της αγοράς. Στην ουσία, η ενσωμάτωση της μηχανικής μάθησης για την πρόβλεψη των τιμών στη γεωργία ακριβείας μπορεί να λειτουργήσει ως καταλύτης για έναν πιο προληπτικό και οικονομικά βιώσιμο γεωργικό τομέα.	el
heal.advisorName	Karantzalos, Konstantinos	en
heal.committeeMemberName	Karantzalos, Konstantinos	en
heal.committeeMemberName	Stamou, Giorgos	en
heal.committeeMemberName	Voulodimos, Athanasios	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	103 σ.	el
heal.fullTextAvailability	false