Τεχνικές Μηχανικής Μάθησης για την πρόβλεψη και 
βελτιστοποίηση κατανάλωσης καυσίμου στην ναυτιλία

Κουφού, Παναγιώτα-Ελευθερία; Koufou, Panagiota-Eleftheria

dc.contributor.author	Κουφού, Παναγιώτα-Ελευθερία	el
dc.contributor.author	Koufou, Panagiota-Eleftheria	en
dc.date.accessioned	2024-04-23T08:48:09Z
dc.date.available	2024-04-23T08:48:09Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59253
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26949
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Ναυτιλία	el
dc.subject	Κατανάλωση καυσίμου	el
dc.subject	Επιβλεπόμενη μάθηση	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Συλλογική μάθηση	el
dc.subject	Συστήματα μακράς-βραχείας μνήμης	el
dc.subject	Ομοσπονδιακή μάθηση	el
dc.subject	Machine learning	en
dc.subject	Shipping	en
dc.subject	Fuel consumption	en
dc.subject	Supervised learning	en
dc.subject	Neural networks	en
dc.subject	Ensemble learning	en
dc.subject	Long short-term memory (LSTM) systems	en
dc.subject	Federated learning	en
dc.subject	Preprocessing	en
dc.title	Τεχνικές Μηχανικής Μάθησης για την πρόβλεψη και βελτιστοποίηση κατανάλωσης καυσίμου στην ναυτιλία	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-10-12
heal.abstract	Κρίσιμο ζήτημα, για τον τομέα της ναυτιλίας αποτελεί ο έλεγχος της κατανάλωσης καυσίμου, για λόγους οικονομικούς και περιβαλλοντικούς. Στην παρούσα εργασία, το πρόβλημα αυτό αντιμετωπίζεται από την σκοπιά της συνεισφοράς που μπορεί να έχει η μηχανική μάθηση στην πρόβλεψη της κατανάλωσης καυσίμου, βάση άλλων χαρακτηριστικών του πλοίου και των καιρικών συνθηκών, την παρούσα χρονική στιγμή ή σε βάθος μικρού χρονικού ορίζοντα και στον εντοπισμό μοτίβων που συσχετίζουν την κατανάλωση καυσίμου με τα λοιπά χαρακτηριστικά. Στο θεωρητικό μέρος, παρουσιάστηκαν οι βασικές αρχές και βήματα λειτουργίας ενός πλήθους αλγορίθμων επιβλεπόμενης, συλλογικής, ομοσπονδιακής μάθησης και αναδρομικών νευρωνικών δικτύων. Ακόμα, συζητήθηκαν οι κυριότερες προσεγγίσεις στην προεπεξεργασία των δεδομένων και οι δημοφιλέστερες μετρικές αξιολόγησης μοντέλων επιβλεπόμενης μάθησης. Στο πρακτικό μέρος, παρουσιάστηκαν τα αποτελέσματα από την εφαρμογή αυτών των αλγορίθμων και μεθόδων στα πραγματικά δεδομένα πλοίων, για την επιλογή διαφορετικών υπερπαραμέτρων, σχολιάστηκαν και αξιολογήθηκαν ως προς την ικανότητα τους να παράγουν γενικευμένες προβλέψεις. Τέλος, έγινε αναφορά στην συνεισφορά της εργασίας μας και σε μελλοντικές προεκτάσεις που θα μπορούσε να έχει.	el
heal.advisorName	Κόλλιας, Στέφανος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	85 σ.	el
heal.fullTextAvailability	false