BEGIN:VCALENDAR VERSION:2.0 PRODID:-//TUC//Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Athens TZNAME:EEST DTSTART:19700329T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 BEGIN:STANDARD TZOFFSETFROM:+0200 TZOFFSETTO:+0300 TZNAME:EET DTSTART:19701025T040000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE BEGIN:VEVENT CREATED:20260513T141221Z LAST-MODIFIED:20260513T141221Z DTSTAMP:20260515T020225Z UID:1778799745_8419@tuc.gr SUMMARY:Παρουσίαση Διδακτορικής Διατριβής κα ς Δήμητρας Κυριάκου - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8419&cHash=27496043c7e6412 34c5e4ea313a1245d\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Δ ιδακτορικών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΔ ΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ\n Δήμητρας Κυριά κου\n με θέμα\n Συμβολή στην Ανάπτυξ η Προηγμένων Μεθόδων Διαχείρισης Ενέ ργειας και Ελέγχου Μικροδικτύων\n Co ntribution to the Development of Adv anced Energy Management and Control Methods for Microgrids\n Εξεταστική Επιτροπή\n Ομότιμος Καθηγητής Κωνστα ντίνος Καλαϊτζάκης (επιβλέπων)\n Καθ ηγητής Ευτύχιος Κουτρούλης\n Αναπληρ ωτής Καθηγητής Γεώργιος Τσεκούρας (Π ΑΔΑ, Τμήμα Η. & Η.Μ.)\n Καθηγητή ς Μιχαήλ Ζερβάκης\n Καθηγητής Βασίλη ς Κουϊκόγλου (ΠΚ, Σχολή ΜΠΔ)\n Αναπλ ηρωτής Καθηγητής Δημήτριος Ιψάκης (Π Κ, Σχολή ΜΠΔ)\n Καθηγητής Παύλος Γεω ργιλάκης (ΕΜΠ, Σχολή ΗΜΜΥ)\n Περίληψ η\n Η διδακτορική διατριβή αναπτύσσε ι προηγμένες μεθοδολογίες για τη δια χείριση ενέργειας και τον έλεγχο μικ ροδικτύων που ενσωματώνουν παραγωγού ς-καταναλωτές (prosumers), ηλεκτρικά οχήματα και συστήματα συμπαραγωγής ηλεκτρισμού και θερμότητας, με στόχο την οικονομικά αποδοτική, βιώσιμη κ αι αξιόπιστη λειτουργία τους.\n Τα υ πό μελέτη συστήματα περιλαμβάνουν κτ ίρια, ηλεκτρικά οχήματα και σταθμούς φόρτισης, μονάδες συμπαραγωγής ηλεκ τρισμού και θερμότητας, γεννήτριες κ αι ανανεώσιμες πηγές ενέργειας. Αναπ τύσσονται λεπτομερή μοντέλα για όλα τα στοιχεία του μικροδικτύου, συμπερ ιλαμβανομένων θερμικών και ηλεκτρικώ ν φορτίων, τα οποία ταξινομούνται σε κρίσιμα και μη κρίσιμα φορτία. Τα φ ορτία μπορούν να τροφοδοτούνται από το μικροδίκτυο και το κύριο δίκτυο ή αποκλειστικά από το μικροδίκτυο σε λειτουργία νησιδοποίησης. Το μικροδί κτυο παρέχει επίσης στήριξη συχνότητ ας και τάσης μέσω βέλτιστης ρύθμισης ενεργού και άεργου ισχύος. \n Κύρια καινοτομία της διατριβής αποτελεί η εφαρμογή της σε συστήματα που εκτεί νονται από οικιακούς καταναλωτές έως ιδιαίτερα πολύπλοκα μικροδίκτυα, χω ρίς σημαντική υπολογιστική επιβάρυνσ η. Παράλληλα, προτείνονται προσαρμοσ τικές μέθοδοι κατανομής ισχύος σε πρ αγματικό χρόνο, βασισμένες σε νέους ορισμούς ευελιξίας που απαιτούν ελάχ ιστες μετρήσεις.\n Οι κύριες επιστημ ονικές συνεισφορές συνοψίζονται ως ε ξής:\n 1. Ιεραρχικό πολυπρακτορικό σ ύστημα διαχείρισης ενέργειας και ελέ γχου μικροδικτύων σε πραγματικό χρόν ο\n Ανάπτυξη συστήματος πολυπρακτορι κού ελέγχου πραγματικού χρόνου για μ ικροδίκτυα με prosumers και ηλεκτρικ ά οχήματα, με στόχο την ελαχιστοποίη ση του λειτουργικού κόστους υπό μετα βαλλόμενο κόστος ηλεκτρικής ενέργεια ς και τεχνικούς περιορισμούς, χωρίς πρόβλεψη επόμενης ημέρας. \n 2. Διαχ είριση ισχύος μικροδικτύων μηδενικού ενεργειακού ισοζυγίου με χρήση ψηφι ακών διδύμων\n Ανάπτυξη πλαισίου δια χείρισης ισχύος για μικροδίκτυα μηδε νικού ενεργειακού ισοζυγίου που ενσω ματώνουν κτίρια, συστήματα CHP, αναν εώσιμες πηγές και ηλεκτρικά οχήματα, χρησιμοποιώντας απλοποιημένα ψηφιακ ά δίδυμα κτιρίων με μειωμένη υπολογι στική πολυπλοκότητα και υψηλή ακρίβε ια. \n 3. Βέλτιστος έλεγχος συχνότητ ας σε πολύπλοκα μικροδίκτυα\n Ανάπτυ ξη προηγμένων στρατηγικών ελέγχου συ χνότητας που αξιοποιούν την ευελιξία των κτιριακών φορτίων και των ηλεκτ ρικών οχημάτων μέσω μεθόδων ασαφούς λογικής, διασφαλίζοντας θερμική άνεσ η, συμμόρφωση με τεχνικούς περιορισμ ούς και μείωση εκπομπών CO₂. \n 4. Β έλτιστη και συντονισμένη λειτουργία θερμοηλεκτρικών μικροδικτύων\n Ανάπτ υξη πλαισίου βελτιστοποίησης για τον συντονισμένο έλεγχο συστημάτων συμπ αραγωγής ηλεκτρισμού και θερμότητας, prosumers και ηλεκτρικών οχημάτων, με στόχο την ελαχιστοποίηση του λειτ ουργικού κόστους, την εξομάλυνση του φορτίου υποσταθμού και την επίτευξη μηδενικού ενεργειακού ισοζυγίου. \n 5. Προσαρμοστικός έλεγχος πραγματικ ού χρόνου για μικροδίκτυα μηδενικού ενεργειακού ισοζυγίου\n Εισαγωγή νέα ς διατύπωσης θερμικών μοντέλων κτιρί ων, όπου οι αβεβαιότητες και οι χρον ικά μεταβαλλόμενες είσοδοι συγκεντρώ νονται σε μία ισοδύναμη είσοδο, επιτ ρέποντας προσαρμοστικό έλεγχο με ακρ ίβεια και υπολογιστική αποδοτικότητα . \n 6. Προηγμένος έλεγχος ηλεκτρικώ ν συστημάτων κτιρίων με χρήση τεχνητ ής νοημοσύνης\n Ανάπτυξη μεθοδολογιώ ν διαχείρισης ενέργειας βασισμένων σ ε τεχνητά νευρωνικά δίκτυα και Νευρο ασαφή Δίκτυα για εκτίμηση και προσαρ μοστικό έλεγχο σε πραγματικό χρόνο, βελτιώνοντας τη θερμική άνεση, την ε ρμηνευσιμότητα του ισοδύναμου μοντέλ ου, την ακρίβεια και την ενεργειακή αποδοτικότητα. \n 7. Διαχείριση φορτ ίου σε ενεργειακές κοινότητες βασισμ ένες σε μικροδίκτυα\n Ανάπτυξη μεθοδ ολογίας συνδυασμένης διαχείρισης ηλε κτρικών και θερμικών φορτίων σε ενερ γειακές κοινότητες, με στόχο την εξο μάλυνση της ζήτησης στον υποσταθμό κ αι λαμβάνοντας υπόψη τη θερμική άνεσ η και τους περιορισμούς συστημάτων θ έρμανσης/ψύξης. \n Όλες οι προτεινόμ ενες μέθοδοι έχουν επικυρωθεί θεωρητ ικά και μέσω προσομοιώσεων με χρήση λεπτομερών αναλυτικών μοντέλων σύνθε των συστημάτων μικροδικτύων.\n     \ n Abstract\n The doctoral dissertati on develops advanced methodologies f or the energy management and control of microgrids integrating prosumers , electric vehicles, and combined he at and power (CHP) systems, aiming a t economically efficient, sustainabl e, and reliable operation.\n The stu died systems include buildings, elec tric vehicles and charging stations, CHP units, generators, and renewabl e energy sources. Detailed models ar e developed for all microgrid compon ents, including thermal and electric al loads classified into critical an d non-critical (time-shiftable) load s. Loads may be supplied either by t he microgrid and the main grid or so lely by the microgrid in islanded mo de. The microgrid also provides freq uency and voltage support through op timal active and reactive power regu lation.\n A key innovation of the th esis is its applicability to systems ranging from residential consumers to highly complex microgrids without significant computational burden. A daptive real-time power allocation m ethods are also proposed based on no vel flexibility definitions requirin g minimal measurements.\n The main s cientific contributions are:\n 1. Hi erarchical multi-agent real-time ene rgy management and control\n Develop ment of a real-time multi-agent cont rol system for microgrids with prosu mers and electric vehicles, minimizi ng operational cost under varying el ectricity prices and technical const raints without day-ahead forecasting . \n 2. Power management of net-zero energy microgrids using digital twi ns\n Development of a power manageme nt framework for net-zero energy mic rogrids integrating buildings, CHP s ystems, renewable sources, and elect ric vehicles, using simplified build ing digital twins with reduced compu tational complexity and high accurac y. \n 3. Optimal frequency control i n complex microgrids\n Development o f advanced frequency control strateg ies exploiting the flexibility of bu ilding loads and electric vehicles t hrough fuzzy-logic-based methods tha t ensure thermal comfort, technical compliance, and reduced CO₂ emission s. \n 4. Optimal and coordinated ope ration of thermal-electrical microgr ids\n Development of an optimization framework for coordinated control o f CHP systems, building prosumers, a nd plug-in electric vehicles, minimi zing operational cost, smoothing sub station load, and enforcing net-zero energy balance. \n 5. Adaptive real -time control for net-zero energy mi crogrids\n Introduction of a novel f ormulation of building thermal model s aggregating uncertainties into an equivalent input, enabling adaptive control with improved robustness, ac curacy, and computational efficiency . \n 6. Advanced control of building electrical systems using artificial intelligence\n Development of energ y management methodologies based on artificial neural networks and Neuro -Fuzzy Networks for real-time estima tion and adaptive control, improving thermal comfort, interpretability o f the equivalent model, accuracy, an d energy efficiency. \n 7. Load mana gement in microgrid-based energy com munities\n Development of a methodol ogy for combined management of elect rical and thermal loads in energy co mmunities to smooth substation deman d while considering thermal comfort and heating/cooling constraints. \n All proposed methods have been valid ated theoretically and through simul ations using detailed analytical mod els of complex microgrid systems.\n Meeting ID: 987 6459 4178 \n Passwor d: 546811 \n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260519T100000 DTEND:20260519T120000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260513T102532Z LAST-MODIFIED:20260513T102532Z DTSTAMP:20260515T020225Z UID:1778799745_8418@tuc.gr SUMMARY:«Info Day Masters @ TUC 2026» Ημέρα Ενημέρωσης για τις Μεταπτυχιακές Σπο υδές στο Πολυτεχνείο Κρήτης | Τετάρτ η 20 Μαΐου 2026 |11:00 – 15:30| Αμφι θέατρο Γ2.1 & διαδικτυακά μέσω Zoom LOCATION:Γ2 - Κτίριο Γ2 DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8418&cHash=db6f2dfcd0668d1 905d99f25723667dc\nΤο Γραφείο Διασύν δεσης και Σταδιοδρομίας του Πολυτεχν είου Κρήτης σε συνεργασία με τις Σχο λές του Ιδρύματος διοργανώνει Ημέρα Ενημέρωσης για τις Μεταπτυχιακές Σπο υδές στο Πολυτεχνείο Κρήτης\n "Info Day Masters @ TUC 2026"\n Τετάρτη, 2 0 Μαΐου 2026\n Ώρες: 11:00 – 15:30\n Χώρος: Αμφιθέατρο Γ2.1 & διαδικ τυακά μέσω Zoom\n Facebook event\n Η εκδήλωση απευθύνεται σε υποψήφιους μεταπτυχιακούς φοιτητές οι οποίοι θα έχουν τη δυνατότητα να ενημερωθούν για : \n \n \nτη διάρθρωση του Προγρ άμματος Μεταπτυχιακών Σπουδών κάθε Σ χολής\n \nτη διαδικασία αίτησης, τις υποτροφίες και τα τέλη φοίτησης\n \ nτον τρόπο παρακολούθησης σε κάθε ΠΜ Σ (φυσική παρουσία ή/και τηλεκπαίδευ ση)\n \nτις επαγγελματικές προοπτικέ ς που ανοίγονται από κάθε ΠΜΣ\n \nτη ν έρευνα που παράγεται στο Πολυτεχνε ίο Κρήτης και τις δυνατότητες συμμετ οχής \n \n Κατά τη διάρκεια της εκδή λωσης θα παρουσιαστούν τα Μεταπτυχια κά και Διδακτορικά Προγράμματα Σπουδ ών όλων των Σχολών του Ιδρύματος από μέλη ΔΕΠ και Διευθυντές ΠΜΣ.\n Για τη συμμετοχή στην εκδήλωση με φυσική παρουσία απαιτείται εγγραφή στην ηλ εκτρονική φόρμα https://forms.gle/Rh bMqBLLQ5Fmgvie7 και για όσους θέλουν να παρακολουθήσουν διαδικτυακά ο σύ νδεσμος της πλατφόρμας zoom θα σταλε ί στο email που θα δηλώσετε στην ηλε κτρονική φόρμα μέχρι την Τρίτη 19 Μα ΐου 2026.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260520T110000 DTEND:20260520T153000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260512T134537Z LAST-MODIFIED:20260512T134537Z DTSTAMP:20260515T020225Z UID:1778799745_8410@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Βασιλείου Γκεντσούδη - Σχολή ΗΜΜΥ LOCATION:Δ5 - Κτίριο ΜΠΔ, Δ5.015 DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8410&cHash=693e6520f8bac90 c01b6adf10df75aba\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Βασιλείου Γκεντ σούδη\n με θέμα\n Εφαρμογή για Μετρή σεις και Επεξεργασία Ταλαντώσεων σε Κινητές Συσκευές\n Application for V ibration Measurements and Processing on Mobile Devices\n Εξεταστική Επιτ ροπή\n Καθηγητής Γεώργιος Καρυστινός (επιβλέπων)\n Καθηγητής Διονύσιος Χ ριστόπουλος (Πολυτεχνείο Κρήτης, Σχο λή ΗΜΜΥ)\n Καθηγητής Γεώργιος Σταυρο υλάκης (Πολυτεχνείο Κρήτης, Σχολή ΜΠ Δ)\n Περίληψη\n Η παρούσα διπλωματικ ή εργασία παρουσιάζει την ανάπτυξη μ ιας εφαρμογής για κινητές συσκευές A ndroid που επιτρέπει τη μέτρηση και ανάλυση δονήσεων με τη χρήση των ενσ ωματωμένων αισθητήρων επιτάχυνσης. Η εφαρμογή, που αναπτύχθηκε στη γλώσσ α Kotlin, παρέχει, μέσω φασματικής α νάλυσης, ζωντανή απεικόνιση των αποτ ελεσμάτων τόσο στο πεδίο του χρόνου όσο και στο πεδίο των συχνοτήτων. Η εφαρμογή υποστηρίζει ευέλικτο ρυθμό δειγματοληψίας από 10Hz έως 400Hz, ε πιτρέποντας τη μέτρηση δονήσεων σε έ να ευρύ φάσμα συχνοτήτων. Επιπλέον, προσφέρει τη δυνατότητα εξαγωγής των μετρήσεων σε αρχεία CSV και των γρα φημάτων σε μορφή PNG, ενώ ενσωματώνε ι υψηπερατό φίλτρο για την αφαίρεση της συνιστώσας της επιτάχυνσης της β αρύτητας. Η αξιολόγηση της εφαρμογής πραγματοποιήθηκε μέσω πειραματικών δοκιμών που περιλάμβαναν μετρήσεις μ ε γνωστές συχνότητες, ανίχνευση καρδ ιακών παλμών και επικύρωση με επαγγε λματικό σύστημα δοκιμής δονήσεων. Τα αποτελέσματα επιβεβαίωσαν την ακρίβ εια και την αξιοπιστία της εφαρμογής , καθιστώντας την κατάλληλη για εκπα ιδευτικούς, ερευνητικούς και πρακτικ ούς σκοπούς.\n Abstract \n This dipl oma thesis presents the development of a mobile application for Android devices that enables the measurement and analysis of vibrations using th e built-in accelerometer sensors. Th e application, developed in Kotlin, provides, through spectral analysis, real-time visualization of results in both the time domain and the freq uency domain. The application suppor ts a flexible sampling rate ranging from 10 Hz to 400 Hz, allowing vibra tion measurements across a wide freq uency spectrum. Moreover, it offers the ability to export measurements a s CSV files and graphs in PNG format , while incorporating a high-pass fi lter to remove the gravitational acc eleration component. The application was evaluated through experimental tests that included measurements at known frequencies, heartbeat detecti on, and validation against a profess ional vibration testing system. The results confirmed the accuracy and r eliability of the application, makin g it suitable for educational, resea rch, and practical purposes.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260514T090000 DTEND:20260514T100000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260511T131022Z LAST-MODIFIED:20260511T131022Z DTSTAMP:20260515T020225Z UID:1778799745_8405@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Λεωνίδα Καραγιάννη – Ξανθάκη - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8405&cHash=b712d8d902af233 67a4704a6005b24ee\n \n ΠΟΛΥΤΕΧΝΕΙΟ Κ ΡΗΤΗΣ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμ μα Προπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Λεωνίδα Καρ αγιάννη – Ξανθάκη \n με θέμα\n Ενσωμ ατωμένο Σύστημα Ανάλυσης Φασματικού Κύβου και RF Μετάδοσης Φασματικών Χα ρτών σε Πλατφόρμες Drone\n Embedded System for Spectral Cube Processing and RF Transmission of Spectral Maps in Drone Platforms\n Εξεταστική Επι τροπή\n Καθηγητής Κωνσταντίνος Μπάλα ς \n Καθηγητής Ματτίας Μπούχερ \n Κα θηγητής Γεώργιος Καρυστινός\n Περίλη ψη\n Η ενσωμάτωση της φασματικής απε ικόνισης σε πραγματικό χρόνο σε μη ε πανδρωμένα εναέρια οχήματα (UAV) παρ εμποδίζεται από τον μεγάλο όγκο δεδο μένων των πολυφασματικών αισθητήρων και τους αυστηρούς περιορισμούς εύρο υς ζώνης των εναέριων ζεύξεων δεδομέ νων. Αυτή η διατριβή παρουσιάζει το σχεδιασμό, την υλοποίηση και την επι κύρωση ενός πλήρους ενσωματωμένου συ στήματος που ξεπερνά αυτό το σημείο συμφόρησης επιτρέποντας τη μετάδοση σε πραγματικό χρόνο επεξεργασμένων α ναλυτικών στοιχείων βλάστησης από μι α κινητή πλατφόρμα. Το έργο περιλαμβ άνει την επιλογή και τη διαμόρφωση μ ιας εμπορικής πολυφασματικής κάμερας στιγμιότυπου, την επεξεργασία των α κατέργαστων δεδομένων της σε δείκτες βλάστησης και μια νέα στρατηγική με τάδοσης. \n Abstract \n The integrat ion of real-time spectral imaging on unmanned aerial vehicles (UAVs) is impeded by the high data volume of m ultispectral sensors and the stringe nt bandwidth constraints of aerial d ata links. This thesis presents the design, implementation, and validati on of a complete embedded system tha t overcomes this bottleneck by enabl ing the real-time transmission of pr ocessed vegetation analytics from a mobile platform. The work encompasse s the selection and configuration of a commercial snapshot multispectral camera, the processing of its raw d ata into vegetation indices, and a n ovel transmission strategy. \n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260514T140000 DTEND:20260514T150000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260508T142129Z LAST-MODIFIED:20260508T142129Z DTSTAMP:20260515T020225Z UID:1778799745_8401@tuc.gr SUMMARY:"Algorithm/hardware co-design in thr ee acts" by Dr. Alexios Balatsoukas- Stimming LOCATION:Λ - Κτίριο Επιστημών/ΗΜΜΥ, 141Π-98 DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8401&cHash=829ad93501dc404 616c9e5e64fefa37a\nAbstract\n The pe rformance and efficiency of modern s ignal processing systems depend on t ight and often non-linear interactio ns between algorithms and hardware. Algorithmic gains that look compelli ng on paper can diminish or even rev erse when confronted with real archi tectural constraints, just as new ha rdware may underperform without algo rithms designed to exploit it. Evalu ations that focus on only one dimens ion therefore risk producing mislead ing conclusions about scalability, e nergy efficiency, or impact. This ta lk argues that algorithm–hardware co -design is essential not only for op timization, but for reaching correct insights. We will focus on three si gnal processing applications (decodi ng of polar codes, non-linearity com pensation, and decoding of Reed-Mull er codes), each showcasing a differe nt aspect where the joint considerat ion of algorithms and hardware can p roduce unexpected results.\n \n Abou t the Speaker\n Dr. Alexios Balatsou kas-Stimming holds Dipl.-Ing. (2010) and MSc (2012) degrees in Electroni cs and Computer Engineering from the Technical University of Crete. He r eceived his PhD in Computer and Comm unications Sciences from the École p olytechnique fédérale de Lausanne (E PFL) in 2016. He then spent a year a s Marie Skłodowska-Curie postdoctora l fellow at the European Laboratory for Particle Physics (CERN), before joining the Telecommunications Circu its Laboratory of EPFL as postdoctor al researcher. Dr. Balatsoukas-Stimm ing is currently a tenured Assistant Professor in the Electronic Systems Group of the Eindhoven University o f Technology. His research lies on t he intersection between communicatio ns, hardware design, and machine lea rning and his specific research inte rests include VLSI circuits for comm unications, error-correction coding theory and practice, and non-linear signal processing.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260511T140000 DTEND:20260511T150000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260504T141002Z LAST-MODIFIED:20260504T141002Z DTSTAMP:20260515T020225Z UID:1778799745_8393@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Σταματίου Αλεξίου - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8393&cHash=8001d050717bb21 eb13e4370162fa60d\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Σταματίου Αλεξί ου\n με θέμα\n Διεπαφή Επαυξημένης Π ραγματικότητας για τον Έλεγχο Ρομποτ ικού Βραχίονα μέσω Εστίασης Βλέμματο ς\n Augmented Reality Interface for Robotic Arm Control via Gaze-Based I nteraction\n Εξεταστική Επιτροπή\n Κ αθηγήτρια Αικατερίνη Μανιά (επιβλέπο υσα)\n Καθηγητής Μιχαήλ Λαγουδάκης\n Επίκουρος Καθηγητής Νικόλαος Γιατρά κος\n Περίληψη\n Οι Διεπαφές Ανθρώπο υ-Ρομπότ είναι καθοριστικές για τη γ εφύρωση του χάσματος μεταξύ ανθρώπων και ρομπότ, επιτρέποντας τη διαισθη τική επικοινωνία και συνεργασία. Η ρ ομποτική διαδικασία επιλογής και τοπ οθέτησης (pick-and-place) αποτελεί τ ον πυρήνα του αυτόνομου χειρισμού. Ό ταν εκτελείται σε περιβάλλοντα με πο λλά αντικείμενα ή αυξημένη πολυπλοκό τητα, τα ρομπότ πρέπει να συνεκτιμού ν την επιλεγμένη λαβή και τις επιθυμ ητές θέσεις τοποθέτησης, προκειμένου να διασφαλιστεί η επιτυχής εκτέλεση .\n Η παρούσα διπλωματική εργασία πα ρουσιάζει ένα πλαίσιο επαυξημένης πρ αγματικότητας (AR) βασισμένο σε προσ ομοίωση, το οποίο είναι σχεδιασμένο να υποστηρίζει τον έλεγχο ενός ρομπο τικού βραχίονα, καθοδηγούμενο από το βλέμμα, για εργασίες επιλογής και τ οποθέτησης αντικειμένων. Η προτεινόμ ενη διεπαφή επιτρέπει στους χρήστες να επιλέγουν το αντικείμενο-στόχο εί τε μέσω της παραμονής του βλέμματος (gaze dwell) είτε μέσω αλληλεπίδραση ς με βλεφάρισμα (blink). Μόλις επιλε γεί ένα αντικείμενο, παράγονται υποψ ήφιες στάσεις λαβής από ένα ενσωματω μένο σύστημα Ανίχνευσης Θέσης Λαβής (Grasp Pose Detection - GPD) που λει τουργεί στο νέφος σημείων (point clo ud) του αντικειμένου, παράγοντας τις δέκα κορυφαίες εφικτές διαμορφώσεις σύλληψης. Ωστόσο, δεδομένου ότι το σύστημα GPD δεν λαμβάνει υπόψη την π ολυπλοκότητα της σκηνής, εκπαιδεύτηκ ε ένα μοντέλο μηχανικής μάθησης για να αξιολογεί τις παραγόμενες λαβές μ ε βάση την καταλληλότητά τους μέσα σ τη δεδομένη σκηνή. Για τον καθορισμό της τοποθέτησης, ο χρήστης χειρίζετ αι έναν εικονικό κλώνο του επιλεγμέν ου αντικειμένου στον χώρο χρησιμοποι ώντας την προσήλωση του βλέμματος (g aze fixation) και τον σταθεροποιεί σ την επιθυμητή θέση τοποθέτησης μέσω βλεφαρίσματος. Αφού αποκτηθούν τόσο οι θέσεις λαβής όσο και τοποθέτησης, οι πληροφορίες αυτές μεταδίδονται σ το Robot Operating System (ROS). Στη συνέχεια, ο σχεδιασμός της κίνησης και η παραγωγή της τροχιάς πραγματοπ οιούνται χρησιμοποιώντας το εργαλείο MoveIt, διασφαλίζοντας εκτέλεση χωρ ίς συγκρούσεις. Η προκύπτουσα τροχιά αποστέλλεται πίσω στο σύστημα, όπου ο χρήστης λαμβάνει οπτική ανατροφοδ ότηση σε πραγματικό χρόνο για το ρομ πότ που εκτελεί την εργασία ή, σε πε ρίπτωση αποτυχίας, ένα ενημερωτικό μ ήνυμα που υποδεικνύει την αιτία (π.χ ., μη προσβάσιμος στόχος). Το προτει νόμενο πλαίσιο αξιολογήθηκε σε προσο μοιωμένα σενάρια χειρισμού με δύο επ ίπεδα πολυπλοκότητας σκηνής. Τα αποτ ελέσματα καταδεικνύουν αξιόπιστη επι λογή αντικειμένου με βάση το βλέμμα, αποτελεσματική εκτέλεση της λαβής κ αι αποδοτική ολοκλήρωση της εργασίας . Συνολικά, η εργασία αυτή συμβάλλει στους τομείς της επαυξημένης πραγμα τικότητας και του ρομποτικού χειρισμ ού, παρουσιάζοντας μια διεπαφή AR κα θοδηγούμενη από το βλέμμα, η οποία ε νσωματώνει την επιλογή λαβής μέσω μη χανικής μάθησης με τον σχεδιασμό κίν ησης που βασίζεται στο ROS.\n Abstra ct \n Human-Robot Interfaces are piv otal in bridging the gap between hum ans and robots, enabling intuitive c ommunication and collaboration. Robo tic pick-and-place constitutes the c ore of autonomous manipulation. When conducted in cluttered or complex e nvironments, robots must jointly rea son about the selected grasp and des ired placement locations to ensure s uccessful execution. This thesis pre sents a simulation-based augmented r eality (AR) framework designed to su pport gaze-driven control of a robot ic arm for object pick-and-place tas ks. The proposed interface allows us ers to select the target object eith er through gaze dwell or blink inter action. Once an object is selected, candidate grasp poses are generated by an integrated Grasp Pose Detectio n (GPD) system operating on the obje ct’s point cloud, producing the top ten feasible grasp configurations. H owever, since GPD does not take into consideration scene complexity, a m achine learning model is trained to evaluate the generated grasps based on their suitability within the give n scene. For placement specification , user manipulates a virtual clone o f the selected object in space using gaze fixation and locks it at the d esired placement position via blinki ng. After, both grasp and placement poses have been acquired, this infor mation is transmitted to the Robot O perating System (ROS). Motion Planni ng and trajectory generation are the n performed using MoveIt, ensuring c ollision-free execution. The resulti ng trajectory is sent back to the sy stem, where user receives real-time visual feedback of the robot perform ing the task or, in the case of fail ure, an informative log indicating t he cause (e.g., unreachable target). The proposed framework was evaluate d in simulated manipulation scenario s with two levels of scene complexit y. The results demonstrate reliable gaze-based object selection, effecti ve grasp execution, and efficient ta sk completion. Overall, this work co ntributes to the fields of augmented reality and robotic manipulation by presenting a gaze-driven AR interfa ce that integrates learning-based gr asp selection with ROS-based motion planning.\n Meeting ID: 989 8380 362 7\n Passcode: 688370\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260507T163000 DTEND:20260507T173000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260504T091319Z LAST-MODIFIED:20260504T091319Z DTSTAMP:20260515T020225Z UID:1778799745_8391@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Αθανασίου Χριστόπουλου - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8391&cHash=9fd105020b5c435 b09cfdda2223cfc9a\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Αθανασίου Χριστ όπουλου\n με θέμα\n Ομοσπονδιακή Βελ τιστοποίηση Σμήνους Σωματιδίων (PSO) σε Μικροϋπηρεσίες Kafka Streams με χρήση DeepLearning4J\n Federated Par ticle Swarm Optimization (PSO) on De epLearning4J-powered Kafka Streams M icroservices\n Εξεταστική Επιτροπή\n Επίκουρος Καθηγητής  Νικόλαος Γιατρ άκος (Επιβλέπων)\n Καθηγητής Αντώνιο ς Δεληγιαννάκης\n Αναπληρωτής Καθηγη τής Βασίλειος Σαμολαδάς\n Περίληψη\n Η παρούσα διπλωματική εργασία παρου σιάζει ένα κατανεμημένο σύστημα για την εκπαίδευση νευρωνικών δικτύων με χρήση του αλγορίθμου Βελτιστοποίηση ς Σμήνους Σωματιδίων (Particle Swarm Optimization – PSO), ως εναλλακτική προσέγγιση στην μέθοδο η Στοχαστική Κατηφόρα Κλίση (Stochastic Gradient Descent – SGD). Το σύστημα υλοποιεί ται με χρήση των Apache Kafka και Ka fka Streams, όπου οι εργαζόμενοι κόμ βοι λειτουργούν ως ανεξάρτητα σωματί δια και επικοινωνούν ασύγχρονα μέσω Kafka, κάτι που επιτρέπει επίσης τη λειτουργία του σε ομοσπονδιακά (fede rated) περιβάλλοντα. Η προτεινόμενη αρχιτεκτονική είναι παραμετροποιήσιμ η και επεκτάσιμη, υποστηρίζοντας δια φορετικές διαμορφώσεις του PSO, τρόπ ους επικοινωνίας και στρατηγικές εκπ αίδευσης νευρωνικών δικτύων.\n Σε αν τίθεση με τις παραδοσιακές σύγχρονες υλοποιήσεις του PSO, το σύστημα λει τουργεί με ασύγχρονο τρόπο, επιτρέπο ντας στους εργαζόμενους κόμβους να ε νημερώνουν τα μοντέλα τους ανεξάρτητ α χωρίς καθολικό συγχρονισμό, γεγονό ς που βελτιώνει τον χρόνο εκπαίδευση ς και την επεκτασιμότητα. Το σύστημα υποστηρίζει επίσης διαφορετικές στρ ατηγικές επικοινωνίας, συμπεριλαμβαν ομένης της καθολικής και της βασισμέ νης σε γειτονιές ανταλλαγής πληροφορ ίας, καθώς και μηχανισμούς φιλτραρίσ ματος επικοινωνίας, επιτρέποντας ευέ λικτο έλεγχο της συμπεριφοράς του σμ ήνους.\n Το σύστημα αξιολογήθηκε πει ραματικά σε πολλαπλά σύνολα δεδομένω ν, με έμφαση τόσο στην ποιότητα πρόβ λεψης όσο και στην απόδοση του συστή ματος, συμπεριλαμβανομένου του χρόνο υ εκπαίδευσης και του επικοινωνιακού κόστους. Τα αποτελέσματα δείχνουν ό τι η εκπαίδευση με PSO είναι εφικτή σε κατανεμημένα και ομοσπονδιακά περ ιβάλλοντα και ότι το προτεινόμενο σύ στημα υποστηρίζει βελτιστοποίηση χωρ ίς παραγώγους και παράλληλη επεξεργα σία, διατηρώντας παράλληλα ανταγωνισ τική απόδοση.\n Abstract \n This the sis presents a distributed system fo r training neural networks using Par ticle Swarm Optimization (PSO) as an alternative to conventional gradien t-based methods, such as Stochastic Gradient Descent (SGD). It is implem ented using Apache Kafka and Kafka S treams, where workers act as indepen dent particles and communicate async hronously through Kafka topics, whic h also enables operation in federate d settings. The proposed architectur e is configurable and extensible, su pporting different PSO configuration s, communication modes, and neural n etwork training strategies.\n Unlike traditional synchronous PSO impleme ntations, the system operates in an asynchronous manner, allowing worker s to update independently without gl obal synchronization, which improves training time and scalability. The system also supports different commu nication strategies, including globa l, neighborhood-based information sh aring and communication filtering, e nabling flexible control over swarm behavior.\n The system was evaluated experimentally on multiple datasets , with emphasis on both predictive q uality and system performance, inclu ding training time and communication overhead. The results show that PSO training is feasible in distributed and federated settings and that the proposed system supports derivative -free and parallel optimization, whi le maintaining competitive performan ce.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260506T110000 DTEND:20260506T120000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260430T145835Z LAST-MODIFIED:20260430T145835Z DTSTAMP:20260515T020225Z UID:1778799745_8390@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Κωνσταντίνου Δώρα - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8390&cHash=0940a2bbefffbf7 c823d2e180471c7e4\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Κωνσταντίνου Δώ ρα\n με θέμα\n Aσύγχρονος προγραμματ ισμός (Flow-based Programming) στον Ιστό των Πραγμάτων (Web of Things)\n Asynchronous Flow-Based Programming in the Web of Things\n Εξεταστική Ε πιτροπή\n Καθηγητής Ευριπίδης Πετράκ ης\n Επίκουρος Καθηγητής Νικόλαος Γι ατράκος\n Δρ Χρύσα Τσιναράκη (EU Cou ncil, ICT Application Coordinator an d Analyst)\n Περίληψη\n Η παρούσα δι πλωματική εργασία αφορά τον σχεδιασμ ό και την υλοποίηση ενός συστήματος προσομοίωσης έξυπνης κατοικίας, βασι σμένου σε ασύγχρονη επικοινωνία. Η υ λοποίηση πραγματοποιείται στην πλατφ όρμα Node-RED και αξιοποιεί το πρότυ πο AsyncAPI (έκδοση 3+) ως τυπικό συ μβόλαιο επικοινωνίας μεταξύ των επιμ έρους συνιστωσών.\n Το AsyncAPI χρησ ιμοποιείται για τον ορισμό της δομής του επιπέδου ανταλλαγής μηνυμάτων, συμπεριλαμβανομένων των καναλιών επι κοινωνίας, των σχημάτων δεδομένων κα ι των προτύπων αλληλεπίδρασης publis h–subscribe, παρέχοντας μια τυποποιη μένη και μηχανικά αναγνώσιμη περιγρα φή της επικοινωνίας, κατάλληλη για e vent-driven περιβάλλοντα του Διαδικτ ύου των Πραγμάτων (IoT).\n Για την ε νσωμάτωση του προτύπου, αναπτύχθηκε προσαρμοσμένος κόμβος στην πλατφόρμα Node-RED, ο οποίος υλοποιήθηκε ως έ ργο σε Node.js. Ο κόμβος αυτός είναι υπεύθυνος για τη σύνδεση με τον εξυ πηρετητή MQTT, τη δημιουργία και δια χείριση των καναλιών επικοινωνίας (t opics), καθώς και για την επικύρωση των ανταλλασσόμενων μηνυμάτων βάσει JSON Schema, διασφαλίζοντας τη συνέπ εια και την ορθότητα των δεδομένων.\ n Στο πλαίσιο της προσομοίωσης, υλοπ οιείται ένα ολοκληρωμένο μοντέλο έξυ πνης κατοικίας που περιλαμβάνει συστ ήματα φωτισμού, συστήματα θέρμανσης και κλιματισμού, οικιακές συσκευές, αισθητήρες περιβάλλοντος και έξυπνες πρίζες με δυνατότητες απομακρυσμένο υ ελέγχου και παρακολούθησης ενεργει ακής κατανάλωσης. Επιπλέον, αξιοποιε ίται το OpenAPI για την υλοποίηση σύ γχρονων λειτουργιών μέσω webhooks.\n Τέλος, μέσω της χρήσης subflows στο Node-RED, το σύστημα επεκτείνεται γ ια την προσομοίωση πολλαπλών κατοικι ών, συγκροτώντας ένα εικονικό έξυπνο δίκτυο γειτονιάς. Η προσέγγιση αυτή επιτρέπει την κλιμάκωση του συστήμα τος και τη μελέτη της κατανεμημένης ενεργειακής κατανάλωσης, αναδεικνύον τας τα πλεονεκτήματα του specificati on-driven σχεδιασμού σε εφαρμογές Io T.\n Abstract \n This thesis focuses on the design and implementation of a smart-home simulation system base d on asynchronous communication. The system is developed on the Node-RED platform and utilizes the AsyncAPI standard (version 3+) as a formal co mmunication contract between distrib uted components.\n AsyncAPI is used to define the structure of the messa ging layer, including communication channels, data schemas, and publish– subscribe interaction patterns, prov iding a standardized and machine-rea dable description of communication, suitable for event-driven Internet o f Things (IoT) environments.\n To in tegrate this standard, a custom node was developed within Node-RED, impl emented as a project in Node.js. Thi s node is responsible for establishi ng the connection to the MQTT server , creating and managing communicatio n channels (topics), and validating exchanged messages based on JSON Sch ema, ensuring the consistency and co rrectness of the exchanged data.\n W ithin the simulation, a comprehensiv e smart-home model is implemented, i ncluding lighting systems, heating a nd cooling systems, household applia nces, environmental sensors, and sma rt plugs that enable remote control and energy consumption monitoring. F urthermore, OpenAPI is utilized to i mplement synchronous operations thro ugh webhooks.\n Finally, by using su bflows in Node-RED, the system is ex tended to simulate multiple smart ho mes, forming a virtual smart neighbo rhood. This approach enables system scalability and supports the analysi s of distributed energy consumption, highlighting the advantages of spec ification-driven design in IoT appli cations.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260506T090000 DTEND:20260506T100000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260429T101952Z LAST-MODIFIED:20260429T101952Z DTSTAMP:20260515T020225Z UID:1778799745_8387@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Κωνσταντίνου Όντρια - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8387&cHash=4e05e699c737a80 107238952dab32951\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Κωνσταντίνου Όν τρια\n με θέμα\n Βραχυπρόθεσμη Πρόβλ εψη Χρηματοοικονομικών Δεδομένων με Χρήση Μοντέλων Χρονοσειρών και Μεθόδ ων Μηχανικής Μάθησης\n Short-Term Fo recasting of Financial Market Data U sing Time Series Models and Machine Learning Methods\n Εξεταστική Επιτρο πή\n Καθηγητής Διονύσιος Χριστόπουλο ς (επιβλέπων)\n Καθηγητής Μιχαήλ Λαγ ουδάκης\n Δρ. Σοφία Τσακιρίδου (Σχολ ή ΗΜΜΥ, ΕΔΙΠ)\n Περίληψη\n Οι χρηματ οοικονομικές αγορές έχουν παραδοσιακ ά θεωρηθεί ως ένας από τους βασικούς δείκτες οικονομικής δραστηριότητας, με τις αγορές μετοχών να προσελκύου ν ιδιαίτερη προσοχή, καθώς οι τιμές των μετοχών αντανακλούν την αγοραία αξία μιας επιχείρησης, την αναμενόμε νη μελλοντική της κερδοφορία, τις πρ οοπτικές ανάπτυξης και τους επενδυτι κούς κινδύνους που αντιμετωπίζει, κα θώς και τις ευρύτερες οικονομικές συ νθήκες. Συνεπώς, η προσπάθεια πρόβλε ψης των τιμών καθώς και των αποδόσεω ν των μετοχών θεωρείται μία από τις πιο σύνθετες προκλήσεις στη σύγχρονη χρηματοοικονομική οικονομική θεωρία . Σύμφωνα με την Υπόθεση της Αποτελε σματικής Αγοράς (Fama, 1970), οι χρη ματοοικονομικές αγορές είναι πληροφο ριακά αποτελεσματικές, γεγονός που σ υνεπάγεται ότι οι τιμές των μετοχών ενσωματώνουν πλήρως όλες τις δημόσια διαθέσιμες πληροφορίες, με αποτέλεσ μα οι επενδυτές να μην μπορούν να επ ιτυγχάνουν συστηματικά υπερβάλλουσες αποδόσεις. Παραδοσιακά, για σκοπούς πρόβλεψης χρησιμοποιούνται οικονομε τρικά μοντέλα χρονοσειρών, όπως το μ οντέλο Αυτοπαλίνδρομου Ολοκληρωμένου Κινητού Μέσου Όρου (Autoregressive Integrated Moving Average – ARIMA). Ωστόσο, δεδομένου ότι τα χρηματοοικο νομικά δεδομένα συχνά παρουσιάζουν τ ο φαινόμενο της συσσώρευσης της μετα βλητότητας (volatility clustering), εφαρμόζονται συχνά επεκτάσεις όπως τ α μοντέλα ARIMA-GARCH για την καλύτε ρη αποτύπωση της δυναμικής της αγορά ς. Παράλληλα, τα τελευταία χρόνια τε χνικές μηχανικής μάθησης εφαρμόζοντα ι ολοένα και περισσότερο στην πρόβλε ψη χρηματοοικονομικών δεδομένων. Ιδι αίτερα, ο αλγόριθμος Extreme Gradien t Boosting (XGBoost) έχει αναδειχθεί σε ένα ισχυρό εργαλείο πρόβλεψης, λ όγω της ικανότητάς του να διαχειρίζε ται μη γραμμικές σχέσεις και χώρους χαρακτηριστικών υψηλών διαστάσεων. \ n Παρακινούμενη από τις  παραπάνω εξ ελίξεις, η παρούσα διπλωματική εργασ ία αξιολογεί την ακρίβεια πρόβλεψης των μοντέλων ARIMA, ARIMA-GARCH και XGBoost χρησιμοποιώντας δεδομένα μετ οχών πέντε μεγάλων αμερικανικών εται ρειών, οι οποίες αντιπροσωπεύουν δια φορετικούς τομείς της οικονομίας. Συ γκεκριμένα, εξετάζονται μετοχές των εταιρείων Apple Inc. (AAPL), Microso ft Corp. (MSFT), Exxon Mobil Corp. ( XOM), JPMorgan Chase & Co. (JPM) , και The Coca-Cola Company (KO). Οι προβλέψεις των ημερήσιων λογαριθμικ ών αποδόσεων πραγματοποιούνται με τη χρήση ενός πλαισίου κυλιόμενης πρόβ λεψης ενός βήματος ώστε να προσομοιω θούν ρεαλιστικές συνθήκες πρόβλεψης εκτός δείγματος, ενώ η ακρίβεια των μοντέλων αξιολογείται με τη χρήση με τρικών ακρίβειας πρόβλεψης. Τα αποτε λέσματα δείχνουν ότι η ακρίβεια πρόβ λεψης εξαρτάται τόσο από τα χαρακτηρ ιστικά των μετοχών που περιλαμβάνοντ αι στο υπό εξέταση χαρτοφυλάκιο όσο και από τις προδιαγραφές του εκάστοτ ε μοντέλου. Παρότι το μοντέλο ARIMA είναι ικανό να αποτυπώσει γραμμικές σχέσεις, το υβριδικό μοντέλο ARIMA–G ARCH αποτελεί απαραίτητη επέκταση το υ βασικού μοντέλου ARIMA, καθώς επιτ ρέπει τη βελτίωση των προβλέψεων λαμ βάνοντας υπόψη και το φαινόμενο της συσσώρευσης μεταβλητότητας. Τέλος, τ ο μοντέλο XGBoost επιτυγχάνει ελαφρώ ς υψηλότερη ακρίβεια στις προβλέψεις του σε σύγκριση με τα υπόλοιπα μοντ έλα, ιδιαίτερα όταν το σύνολο χαρακτ ηριστικών ιδιοτήτων εμπλουτίζεται με  πρόσθετα χαρακτηριστικά (engineere d features) και εξωτερικούς δείκτες της αγοράς. Ωστόσο, τα κέρδη ως προς την ακρίβεια πρόβλεψης παραμένουν ο ριακά σε σύγκριση με το μοντέλο αναφ οράς του τυχαίου περιπάτου (random w alk). Τα αποτελέσματα δείχνουν ότι, παρότι το μοντέλο μηχανικής μάθησης μπορεί να προσφέρει μια ελάχιστα αυξ ημένη προβλεπτική ικανότητα, η συνολ ική συμπεριφορά των αποδόσεων των με τοχών παραμένει συμβατή με την Υπόθε ση της Αποτελεσματικής Αγοράς.\n Abs tract \n Financial markets have trad itionally been perceived as one of t he major indicators of economic acti vity, with the equity markets attrac ting particular attention, as stock prices reflect the market value of a company, its expected future profit ability, growth potential, and risk, as well as broader economic conditi ons. Therefore, forecasting stock pr ices and returns is considered one o f the most important challenges in t oday's financial economics. Accordin g to the Efficient Market Hypothesis (Fama 1970), financial markets are informationally efficient, implying that asset prices fully reflect all publicly available information; this means that investors cannot systema tically generate abnormal profits. T raditionally, econometric time serie s models, such as the Autoregressive Integrated Moving Average (ARIMA) m odel, are used for forecasting purpo ses. However, considering that finan cial data often exhibit volatility c lustering, extensions such as ARIMA– GARCH models are frequently applied to better capture market dynamics. F urthermore, in recent years, machine learning techniques have also been increasingly applied in financial fo recasting. In particular, Extreme Gr adient Boosting (XGBoost) has emerge d as a powerful predictive tool, owi ng to its ability to handle non-line ar relationships and high-dimensiona l feature spaces. \n Motivated by th ese developments, this dissertation evaluates the forecasting performanc e of ARIMA, ARIMA–GARCH, and XGBoost models, using daily stock data from five major U.S. corporations repres enting various sectors of the econom y: Apple Inc. (AAPL), Microsoft Corp . (MSFT), Exxon Mobil Corp. (XOM), J PMorgan Chase & Co. (JPM), and T he Coca-Cola Company (KO). Forecasts of daily log-returns are generated using a rolling one-step-ahead frame work to simulate realistic out-of-sa mple prediction conditions, and mode l performance is evaluated using sta ndard forecasting accuracy metrics. The results indicate that predictive accuracy depends on the characteris tics of the assets included in the p ortfolio and the specifications used in the model. Although the ARIMA mo del can capture linear relationships , the ARIMA-GARCH hybrid model is a necessary extension of the baseline ARIMA model, which can provide enhan ced predictions by also accounting f or volatility clustering. Finally, t he XGBoost model provides slightly h igher predictive accuracy compared t o the other models, especially if th e feature set is enriched with engin eered variables and external market indicators. However, the predictive accuracy gains are marginal compared to the random walk model. Overall, the results indicate that even if th e machine learning model can provide some predictive accuracy, the overa ll behavior of the stocks is consist ent with the Efficient Market Hypoth esis.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260504T180000 DTEND:20260504T190000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT BEGIN:VEVENT CREATED:20260429T094852Z LAST-MODIFIED:20260429T094852Z DTSTAMP:20260515T020225Z UID:1778799745_8386@tuc.gr SUMMARY:Παρουσίαση Διπλωματικής Εργασίας κ. Ανδρέα Λοπάτα - Σχολή ΗΜΜΥ LOCATION: DESCRIPTION:https://www.ece.tuc.gr/el/katalogos- ekdiloseon?tx_tucevents2_tuceventsdi splay%5Baction%5D=show&tx_tucevents2 _tuceventsdisplay%5Bcontroller%5D=Ev ent&tx_tucevents2_tuceventsdisplay%5 Bevent%5D=8386&cHash=d772a809f213c8c 664b3f86cb22077c8\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών\n Πρόγραμμα Π ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Ανδρέα Λοπάτα\n με θέμα\n Αλγόριθμοι Ομαδοποίησης γ ια την Βέλτιστη Τοποθέτηση Μικροϋπηρ εσιών στο Kubernetes \n Clustering A lgorithms for Optimal Microservices Scheduling in Kubernetes\n Εξεταστικ ή Επιτροπή\n Καθηγητής Ευριπίδης Πετ ράκης (επιβλέπων)\n Καθηγητής Γεώργι ος Χαλκιαδάκης\n Αναπληρωτής Καθηγητ ής Βασίλειος Σαμολαδάς\n Περίληψη\n Η ευρεία υιοθέτηση της αρχιτεκτονική ς μικροϋπηρεσιών στις σύγχρονες εφαρ μογές έχει οδηγήσει σε σημαντικές πρ οκλήσεις όσον αφορά τη διαχείριση κα ι την ενορχήστρωση αυτών των υπηρεσι ών. Το Kubernetes, ένα εργαλείο για την ενορχήστρωση containerized εφαρμ ογών, έχει καταστεί μια δημοφιλής επ ιλογή για τη διαχείριση μικροϋπηρεσι ών. Ένα Kubernetes cluster αποτελείτ αι από Nodes (VMs) που μπορούν να πε ριέχουν ένα ή περισσότερα pods. Κάθε pod μπορεί να περιέχει μία ή περισσ ότερες μικροϋπηρεσίες.\n Για την τοπ οθέτηση αυτών των pods στα Nodes, το Kubernetes χρησιμοποιεί έναν defaul t scheduler που λαμβάνει αποφάσεις μ ε βάση τα αιτήματα και τα όρια πόρων . Αυτή η default στρατηγική τοποθέτη σης είναι στατική και δεν λαμβάνει υ πόψη τις αλλαγές στο workload, γεγον ός που μπορεί να οδηγήσει σε μη βέλτ ιστες τοποθετήσεις. Πολλές στρατηγικ ές τοποθέτησης έχουν προταθεί για τη βελτιστοποίηση της τοποθέτησης των pods στο cluster, ωστόσο οι περισσότ ερες είναι στατικές και δεν προσαρμό ζονται στις μεταβολές του workload, οδηγώντας σε λύσεις που ενδέχεται να μην είναι βέλτιστες.\n Στην παρούσα εργασία προτείνουμε μια δυναμική στ ρατηγική τοποθέτησης που χρησιμοποιε ί έναν incremental density-based clu stering algorithm, προκειμένου να εν ημερώνει δυναμικά την τοποθέτηση των μικροϋπηρεσιών σε απόκριση στις αλλ αγές του workload.\n Για την αξιολόγ ηση της απόδοσης της προτεινόμενης a daptive στρατηγικής, τη συγκρίνουμε με μια στατική στρατηγική τοποθέτηση ς που χρησιμοποιεί τον ίδιο density- based clustering algorithm, αλλά χωρ ίς προσαρμογή στις μεταβολές του wor kload. Χρησιμοποιούνται δύο benchmar k εφαρμογές, το Google Online Boutiq ue (eShop) και το iXen, οι οποίες αν απτύσσονται σε ένα πραγματικό Kubern etes cluster στο GCP.\n Τα πειραματι κά αποτελέσματα δείχνουν ότι η δυναμ ική προσέγγιση μειώνει σημαντικά το εξερχόμενο traffic και βελτιώνει τον χρόνο απόκρισης σε σύγκριση με τη σ τατική προσέγγιση. Επιπλέον, η δυναμ ική μέθοδος τοποθέτησης επιτυγχάνει χαμηλότερο χρόνο εκτέλεσης και μειωμ ένη χρήση CPU, οδηγώντας σε μικρότερ ο υπολογιστικό κόστος σε σχέση με τη ν επανεκτέλεση της στατικής μεθόδου, καθιστώντας την κατάλληλη για real- time δυναμική τοποθέτηση μικροϋπηρεσ ιών.\n Abstract \n The widespread ad option of microservices-based archit ecture in modern applications has le d to significant challenges in manag ing and orchestrating these services effectively. Kubernetes, a tool for orchestrating containerized applica tions, has become a popular choice f or managing microservices. A Kuberne tes cluster consists of Nodes(VMs) t hat can host one or more pods. Each pod can contain one or more microser vices.\n To allocate these pods on t he Nodes, Kubernetes uses a default scheduler that makes placement decis ions based on resource requests and limits. This default placement strat egy is a static one and does not tak e into account the workload changes so it can lead to suboptimal placeme nts. Many placement strategies have been proposed to optimize the placem ent of the pods in the cluster, but most of them are static and do not a dapt to changing workloads leading t o placements that may not be optimal .\n In our work we propose an adapti ve placement strategy that uses an i ncremental density-based clustering algorithm to update the placement of microservices in response to worklo ad changes.\n To evaluate the perfor mance of our adaptive placement stra tegy, we compare it with a static pl acement strategy that uses the same clustering density-based algorithm b ut does not adapt to workload change s. Two benchmarks applications are u sed, Google’s Online Boutique eShop and iXen, which are deployed on a re al Kubernetes cluster in GCP. Experi mental results demonstrate that the adaptive clustering approach signifi cantly reduces egress traffic and im proves response time compared to the static approach. Furthermore, the a daptive placement method achieves lo wer execution time and CPU utilizati on leading to lower overhead cost, c ompared to rerunning the static plac ement method, making it suitable for real-time adaptive microservice pla cement.\n STATUS:CONFIRMED ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr DTSTART:20260512T100000 DTEND:20260512T110000 TRANSP:OPAQUE CLASS:DEFAULT END:VEVENT END:VCALENDAR