Το Γραφείο Διασύνδεσης και Σταδιοδρομίας, στο πλαίσιο των δράσεών του, συναντά τους πρωτοετείς φοιτητές και τις φοιτήτριες του ακαδημαϊκού έτους 2026–2027, διοργανώνοντας Σεμινάριο Συμβουλευτικής Σταδιοδρομίας με θέμα:

«Προσαρμογή στη φοιτητική ζωή! Γίνε δραστήριος φοιτητής!»

📅 Ημερομηνία: Τετάρτη 21 Οκτωβρίου 2026| Ώρα: 13:00–15:00

Χώρος διεξαγωγής: Αμφιθέατρο Γ2.1 «Μανούσος Μανουσάκης», 📍 Χάρτης πρόσβασης στο Αμφιθέατρο Γ2.1

Στόχος του σεμιναρίου είναι να συμβάλει στην ομαλή προσαρμογή των πρωτοετών φοιτητών και φοιτητριών στο νέο ακαδημαϊκό περιβάλλον, ενισχύοντας την ενεργό συμμετοχή τους στη φοιτητική ζωή και την ανάπτυξη δεξιοτήτων για την αποτελεσματική διαχείριση της ακαδημαϊκής και επαγγελματικής τους πορείας καθ’ όλη τη διάρκεια των σπουδών τους.

https://www.career.tuc.gr/el/to-grafeio/nea/n/to-grafeio-diasyndesis-stadiodromias-synanta-toys-protoeteis-foitites-tries-2026-2027tetarti-14-oktobrioy-2026-1315-1500-g21-amfitheatro

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μαρίας Ράζου

με θέμα

Σχεδιασμός Κινητήρα Μονίμων Μαγνητών για Μονοθέσιο Ηλεκτρικό Όχημα

Permanent Magnet Motor Design for a Single-seat Electric Vehicle

Εξεταστική Επιτροπή

Καθηγητής Κωνσταντίνος Γυφτάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας (Σχολή ΗΜΜΥ)
Επίκουρος Καθηγητής Παναγιώτης Παναγιώτου (University of Sheffield, UK)

Περίληψη

Η παρούσα διπλωματική εργασία περιγράφει τον σχεδιασμό ενός σύγχρονου κινητήρα εσωτερικών μονίμων μαγνητών (IPMSM) για μονοθέσιο ηλεκτρικό όχημα. Ο κινητήρας χρησιμοποιεί μαγνήτες χωρίς σπάνιες γαίες, συγκεκριμένα νιτρίδιο του σιδήρου (Fe16N2) και φερρίτη. Οι μόνιμοι μαγνήτες είναι τοποθετημένοι σε τοπολογία σειράς. Αναλύονται λεπτομερώς η διαδικασία σχεδίασης, οι εξισώσεις διαστασιολόγησης που χρησιμοποιήθηκαν και η επιλογή των κατάλληλων υλικών. Επιπροσθέτως, η ανάλυση και η παρουσίαση της απόδοσής του πραγματοποιούνται μέσω του λογισμικού Ανάλυσης Πεπερασμένων Στοιχείων (FEA) Ansys Maxwell.

Abstract

This diploma thesis describes the design of an Interior Permanent Magnet Synchronous Motor (IPMSM) for a single-seat electric vehicle. The motor uses rare-earth-free magnets, namely iron nitride (Fe16N2) and ferrite, arranged in series. The design process, the sizing equations used and the selection of suitable materials are analyzed in detail. Furthermore, the motor's performance is analyzed and presented using the Finite Element Analysis (FEA) software Ansys Maxwell.

Meeting ID: 330 762 778 037 996 7
Password: TY7u9tp3

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μαρίας Στεφανάκη

με θέμα

Μηχανική Μάθηση σε Υπερφασματική Μικροσκοπία

Machine Learning in Hyperspectral Microscopy

Εξεταστική Επιτροπή

Καθηγητής Κωνσταντίνος Μπάλας (επιβλέπων, σχολή ΗΜΜΥ)
Καθηγητής Γεώργιος Χαλκιαδάκης (σχολή ΗΜΜΥ)
Δρ. Gianni Nteroli

Περίληψη

Η χρώση ανοσοϊστοχημείας για τον υποδοχέα οιστρογόνων (ER) και τον Ki-67 στον ιστό του μαστού βαθμολογείται συνήθως με το μάτι, και οι παρατηρητές διαφωνούν περισσότερο όταν η χρώση είναι ασθενής. Η υπερφασματική απεικόνιση καταγράφει το φάσμα κάθε εικονοστοιχείου και μπορεί να κάνει αυτή τη βαθμολόγηση λιγότερο υποκειμενική. Η εργασία εξετάζει πόσο από τη διάκριση ανάμεσα στις δομές του ιστού και στα επίπεδα χρώσης, όπως την ορίζει ένας ειδικός, μπορεί να ανακτήσει μια μέθοδος που δεν χρησιμοποιεί ετικέτες. Με κάμερα MUSES9-HS αποκτήθηκαν 19 υπερφασματικοί κύβοι (121 ζώνες, 400-1000 nm) ιστού μαστού με χρώση ER και Ki-67. Ένα επιβλεπόμενο μοντέλο, ταξινομητής Spectral Angle Mapper, εκπαιδεύτηκε σε δεκατρείς από αυτούς με φάσματα-παραδείγματα για έξι κλάσεις, που επιλέχθηκαν από τη συγγραφέα με την καθοδήγηση του επιβλέποντα, και στη συνέχεια εφαρμόστηκε χωρίς αλλαγές στους έξι κύβους που είχαν μείνει ανέγγιχτοι. Σε αυτούς τους έξι κύβους, η ομαδοποίηση K-means με έξι ομάδες, όπως υλοποιείται στο λογισμικό Λ3+, συγκρίθηκε εικονοστοιχείο προς εικονοστοιχείο με την έξοδο του επιβλεπόμενου μοντέλου. Το K-means ανακτά τα εικονοστοιχεία των έντονα βαμμένων πυρήνων (DAB++) με υψηλή ακρίβεια (0,92), αλλά βρίσκει μόνο περίπου τα μισά (ανάκληση 0,50). Τα εικονοστοιχεία των ασθενώς βαμμένων πυρήνων (DAB+) σχεδόν δεν ανακτώνται: το μέσο Dice είναι 0,17, το χαμηλότερο από όλες τις κλάσεις σε κάθε κύβο, και τα περισσότερα καταλήγουν στην ομάδα της αιματοξυλίνης. Η ομάδα που το K-means τοποθετεί δεύτερη σε σκουρότητα, και που αντιστοιχίστηκε στο DAB+, αποτελείται κυρίως (69%) από εικονοστοιχεία που το επιβλεπόμενο μοντέλο ονομάζει DAB++. Το στρώμα και το υπόβαθρο μοιράζονται μια ομάδα ενδιάμεσης φωτεινότητας, που περιέχει εικονοστοιχεία και των δύο. Η συμφωνία στο σύνολο της τμηματοποίησης είναι ασθενής (Cohen's Kappa 0,32). Το K-means διαβάζει κάθε επίπεδο χρώσης ως ασθενέστερο από ό,τι το επιβλεπόμενο μοντέλο. Το επιβλεπόμενο μοντέλο δεν συγκρίθηκε με βαθμολόγηση παθολογοανατόμου.

Abstract 

Immunohistochemical staining for the estrogen receptor (ER) and Ki-67 in breast tissue is normally scored by eye, and observers disagree most when the staining is weak. Hyperspectral imaging records the spectrum of every pixel and may make this scoring less subjective. This thesis asks how much of an expert-guided distinction between tissue structures and staining levels a method that uses no labels can recover. Nineteen hyperspectral cubes (121 bands, 400–1000 nm) of ER- and Ki-67-stained breast tissue were acquired with a MUSES9-HS camera. A supervised model, a Spectral Angle Mapper classifier, was trained on thirteen of them, using example spectra for six classes chosen by the author with the guidance of the supervisor, and was then applied without changes to the six cubes that had been kept untouched. On these six cubes, K-means clustering with six clusters, as implemented in the Λ3+ software, was compared pixel by pixel with the output of the supervised model. K-means recovers the pixels of strongly stained nuclei (DAB++) with high precision (0.92) but finds only about half of them (recall 0.50). The pixels of weakly stained nuclei (DAB+) are hardly recovered: the mean Dice is 0.17, the lowest of all classes in every cube, and most of them end up in the hematoxylin cluster. The cluster that K-means places second darkest, and that was matched to DAB+, consists mostly (69%) of pixels that the supervised model calls DAB++. Tissue and background each share a cluster of intermediate brightness that holds pixels of both. Agreement over the whole labeling is weak (Cohen's Kappa 0.32). K-means reads each level of staining as weaker than the supervised model does. The supervised model was not compared with a pathologist's scoring.
 

Meeting ID: 248 824 7146
Password: 7VSRdC

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δημήτρη Ηλία

με θέμα

Μάθηση για Ανεβοκατέβασμα σε Σκάλες με το Ανθρωποειδές Ρομπότ Unitree G1

Learning to Walk Up and Down Stairs with the Unitree G1 Humanoid Robot

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος (Σχολή ΗΜΜΥ)
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)

Περίληψη

Τα ανθρωποειδή ρομπότ αναμένεται να λειτουργούν σε περιβάλλοντα σχεδιασμένα για ανθρώπους, όπου οι σκάλες αποτελούν ένα από τα πιο συνηθισμένα εμπόδια. Σε αντίθεση με τις τροχοφόρες ή τις τετράποδες πλατφόρμες, ένα ανθρωποειδές πρέπει να τοποθετεί κάθε πόδι με ακρίβεια πάνω στο σκαλοπάτι πριν από την επαφή, να ισορροπεί σε μια μικρή επιφάνεια στήριξης και να συντονίζει ολόκληρο το σώμα του, γεγονός που καθιστά τη διάσχιση κλιμάκων μία από τις πιο απαιτητικές εργασίες βάδισης. Η παρούσα διπλωματική εργασία μελετά πώς το ανθρωποειδές ρομπότ Unitree G1 μπορεί να μάθει να ανεβαίνει και να κατεβαίνει σκάλες με χρήση Βαθιάς Ενισχυτικής Μάθησης. Η εκπαίδευση πραγματοποιείται εξ ολοκλήρου σε προσομοίωση, στο περιβάλλον NVIDIA Isaac Lab, όπου 4096 αντίγραφα του ρομπότ εκπαιδεύονται παράλληλα με τον αλγόριθμο Proximal Policy Optimization (PPO) μέσω της βιβλιοθήκης RSL-RL. Η πολιτική ελέγχου είναι ένα πλήρως συνδεδεμένο νευρωνικό δίκτυο, το οποίο παρατηρεί την ιδιοδεκτική κατάσταση του ρομπότ μαζί με έναν ρομποτοκεντρικό χάρτη υψομέτρου του εδάφους γύρω από τα πόδια του, αντίστοιχο με αυτόν που θα μπορούσε να κατασκευάσει το πραγματικό ρομπότ από το ενσωματωμένο LiDAR, και παράγει επιθυμητές θέσεις για τις αρθρώσεις των ποδιών και του κορμού. Η γεωμετρία της σκάλας τυχαιοποιείται στην αρχή κάθε επεισοδίου, ως προς τον αριθμό των σκαλοπατιών, το ύψος κάθε σκαλοπατιού και τον αριθμό των κλιμάκων, ώστε η πολιτική να αποκτήσει μια γενική δεξιότητα αναρρίχησης, αντί να απομνημονεύσει μια συγκεκριμένη διάταξη. ΄Ενα πρόγραμμα σταδιακής εκπαίδευσης (curriculum) εισάγει το έδαφος προοδευτικά, από ένα μεμονωμένο σκαλοπάτι σε μικρές και στη συνέχεια σε τυχαιοποιημένες σκάλες, ενώ μια προσεκτικά διαμορφωμένη συνάρτηση ανταμοιβής, η οποία βελτιώθηκε επαναληπτικά απέναντι στις ανεπιθύμητες συμπεριφορές που ανακάλυπτε ο πράκτορας, ενθαρρύνει την πρόοδο προς τα εμπρός, την τοποθέτηση του ποδιού σε υπερυψωμένη επιφάνεια, ένα φυσικό βάδισμα και όρθια στάση σώματος. Η εργασία αναπτύχθηκε σε δύο φάσεις: αρχικά με προνομιακή γνώση των θέσεων των σκαλοπατιών, για την επικύρωση της δεξιότητας βάδισης και του σχεδιασμού της ανταμοιβής, και στη συνέχεια με τον αντιληπτό χάρτη υψομέτρου, ο οποίος αποτελεί και το επίκεντρο της παρούσας εργασίας. Η εκπαιδευμένη πολιτική αξιολογείται σε γεωμετρίες σκάλας που δεν είχε συναντήσει κατά την εκπαίδευση. Στο τέλος της εκπαίδευσης, περίπου το 96% των επεισοδίων στο πλήρως τυχαιοποιημένο έδαφος τερματίζουν με τη συμπλήρωση του χρονικού ορίου και όχι με πτώση, ενώ ακολουθίες στιγμιοτύπων της τελικής πολιτικής την επιδεικνύουν τη δείχνουν να ανεβαίνει και να κατεβαίνει τόσο μεμονωμένες σκάλες, όσο και ζεύγη κλιμάκων που χωρίζονται από επίπεδο έδαφος, με όρθια στάση και κανονικό βηματισμό. Αυτό υποδεικνύει ότι η δεξιότητα που έμαθε το ρομπότ γενικεύεται σε νέες γεωμετρίες σκάλας, αντί να αναπαράγει μια απομνημονευμένη διάταξη.

Abstract

Humanoid robots are expected to operate in environments built for people, where staircases are among the most common obstacles. Unlike wheeled or quadruped platforms, a humanoid must place each foot precisely on a step before contact is made, balance on a small support area and coordinate its whole body, which makes stair traversal one of the most demanding locomotion tasks. This diploma thesis studies how the Unitree G1 humanoid robot can learn to ascend and descend staircases using Deep Reinforcement Learning. Learning is carried out entirely in simulation in NVIDIA Isaac Lab, where 4096 copies of the robot are trained in parallel with the Proximal Policy Optimization (PPO) algorithm through the RSL-RL library. The control policy is a fully connected neural network that observes the robot’s proprioceptive state together with a robot-centred elevation map of the terrain around its feet, resembling what the real robot could build from its onboard LiDAR, and outputs target positions for the leg and torso joints. The staircase geometry is randomized at the start of every episode, in the number of steps, the height of each riser and the number of staircases, so that the policy must acquire a general climbing skill, rather than memorize a fixed layout. A curriculum introduces the terrain progressively, from a single step to small and then randomized staircases, while a carefully shaped reward function, refined iteratively against the exploits the agent discovered, encourages forward progress, elevated foot placement, a natural gait and an upright posture. The work was developed in two phases: first with privileged knowledge of the step positions, to validate the locomotion skill and the reward design, and then with the perceived elevation map, which is the focus of this thesis. The trained policy is evaluated on staircase geometries that were not seen during training. By the end of training, approximately 96% of the episodes on the fully randomized terrain end by reaching the time limit rather than by a fall, and frame sequences of the final policy show it climbing and descending both single staircases and pairs of staircases separated by flat ground, with an upright posture and a regular stepping gait. This indicates that the learned skill generalizes to new staircase geometries rather than reproducing a memorized layout.
 

Meeting ID: 96687349326
Password: 464126

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σωτηρίου Σουρλαντζή

με θέμα

Αυτόματος εμπλουτισμός Ιδρυματικού Αποθετηρίου. Σχεδιασμός, ανάπτυξη και τεκμηρίωση, αρθρωτής υπηρεσίας αναζήτησης , ανάκτησης, μετάπτωσης, και εποπτευόμενης κατάθεσης βιβλιογραφικών εγγράφων σε Ιδρυματικά Αποθετήρια.

Automated Enrichment of Institutional Repository. Design, development, and documentation of a modular service for the search, retrieval, transformation, and supervised submission of bibliographic records to Institutional Repositories.

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Ευριπίδης Πετράκης  (Σχολή ΗΜΜΥ)
Council of the EU - General Secretariat Χρυσή Τσιναράκη (Εξωτερικό Μέλος)

Περίληψη

Η παρούσα διπλωματική εργασία εστιάζει στον σχεδιασμό, την ανάπτυξη και την τεκμηρίωση μιας αρθρωτής υπηρεσίας για την αυτοματοποιημένη αναζήτηση, ανάκτηση, μετασχηματισμό και εποπτευόμενη κατάθεση βιβλιογραφικών εγγραφών σε ιδρυματικά αποθετήρια, με περίπτωση αναφοράς το αποθετήριο του Πολυτεχνείου Κρήτης (ΠΚ). Στόχος είναι η αντιμετώπιση συγκεκριμένων προβλημάτων της τρέχουσας πρακτικής της Βιβλιοθήκης του Ιδρύματος. Σήμερα οι δημοσιεύσεις των μελών του Ιδρύματος εντοπίζονται με χωριστή αναζήτηση στις βάσεις Web of Science και Scopus, με φίλτρα την ιδρυματική συσχέτιση (affiliation) και το έτος. Τα αποτελέσματα εξάγονται από καθεμία και τα δύο αρχεία εξαγωγής διασταυρώνονται χειροκίνητα, πριν κάθε εγγραφή καταχωριθεί στο αποθετήριο του ιδρύματος με συμπλήρωση της φόρμας υποβολής, πεδίο προς πεδίο. Η πρακτική αυτή δεν είναι μόνο χρονοβόρα, αλλά δεν εγγυάται ούτε πλήρη κάλυψη, καθώς εξαρτάται αποκλειστικά από το τα δεδομένα που επιστρέφουν οι δύο αυτές πηγές. Επιπλέον εισάγει σφάλματα και ασυνεπή μεταδεδομένα στο ίδιο το αποθετήριο. Οι απαιτήσεις διαμορφώθηκαν σε συνεργασία με το προσωπικό της Βιβλιοθήκης, η υφιστάμενη ροή εργασιών του οποίου καθόρισε ποια τμήματα της διαδικασίας έπρεπε να αυτοματοποιηθούν και ποια να παραμείνουν υπό ανθρώπινο έλεγχο. Η εφαρμογή υποστηρίζει τη δυναμική ενσωμάτωση παρόχων βιβλιογραφικών δεδομένων. Οι διαχειριστές ορίζουν API, headers, παραμέτρους αναζήτησης και αντιστοιχίσεις μεταδεδομένων (crosswalks) μέσω μιας διαχειριστικής διεπαφής, χωρίς αλλαγές στον κώδικα. Οι ανακτημένες εγγραφές κανονικοποιούνται βάσει μίας εσωτερικής λίστας πεδίων και ελέγχονται για διπλότυπα τόσο μεταξύ των παρόχων όσο και έναντι του ίδιου του αποθετηρίου. Βασική οντότητα του συστήματος είναι οι ενοποιημένες βιβλιογραφικές εγγραφές. Η οντότητα αυτή διατηρεί την πρωτότυπη εγγραφή κάθε παρόχου ως διακριτή παραλλαγή, μαζί με την προέλευση σε επίπεδο πεδίου. Συγχωνεύει αυτόματα τις συμβατές τιμές και επισημαίνει ρητά συγκρούσεις όπου η αυτόματη συγχώνευση δεν θα ήταν ασφαλής. Στην διαμόρφωση των αντιστοιχίσεων συνδράμει επιπλέον ένας μηχανισμός προτάσεων, ο οποίος συνδυάζει ευρετική αντιστοίχιση πεδίων με ένα προαιρετικό, τοπικά εκτελούμενο μεγάλο γλωσσικό μοντέλο. Η τελική αντιστοίχιση παραμένει υποκείμενη στην έγκριση του διαχειριστή. Οι εγκεκριμένες βιβλιογραφικές αναφορές μετατρέπονται σε πακέτα υποβολής έτοιμα για το DSpace. Ένας μηχανισμός που λαμβάνει υπόψη την ιδρυματικό δομή προτείνει την κοινότητα και τη συλλογή προορισμού. Για τον σκοπό αυτό αντιστοιχίζει τους συγγραφείς με τον κατάλογο μελών του Ιδρύματος και τους τύπους των αναφορών με τις διαμορφωμένες αντιστοιχίσεις συλλογών. Συμπερασματικά, η εργασία αυτή δείχνει ότι ο εμπλουτισμός ενός αποθετηρίου μπορεί να αυτοματοποιηθεί σε σημαντικό βαθμό χωρίς να παρακάμπτεται η κρίση του βιβλιοθηκονόμου. Το σύστημα συνδυάζει την δυναμική ενσωμάτωση παρόχων, τον μετασχηματισμό μεταδεδομένων, τον εντοπισμό διπλοτύπων μεταξύ πηγών και τη ρητή ανθρώπινη έγκριση. Με αυτόν τον τρόπο μειώνει τον χρόνο χειρωνακτικής εργασίας και εξαλείφει τη χειροκίνητη συμπλήρωση της φόρμας δημιουργίας τεκμηρίων στο στάδιο της κατάθεσης. Οι μηχανισμοί επέκτασής του επιτρέπουν επίσης τη διάθεσή του ως λογισμικό ανοικτού κώδικα και την υιοθέτησή του από άλλα ιδρύματα.

Abstract

This thesis focuses on the design, development, and documentation of a modular service for the automated search, retrieval, transformation, and supervised deposit of bibliographic records into institutional repositories, with the Technical University of Crete (TUC) repository as its reference case. The goal is to address concrete problems in the current practice of the university library, where the publications of institution members are located by searching Web of Science and Scopus separately, filtered by institutional affiliation and year, exporting the results from each, and manually cross-checking the two export files before each record is entered into the local repository by filling in its submission form, field by field. This practice is not only slow, but also offers no guarantee of complete coverage, since it depends entirely on what these two sources index, and it introduces transcription errors and inconsistent metadata into the repository itself. The requirements were shaped in collaboration with the library staff, whose existing workflow determined which parts of the process should be automated and which should remain under human control. The application supports the dynamic integration of bibliographic providers. Administrators define API endpoints, request headers, search parameters, and metadata crosswalks through a back-office interface, without code changes. Retrieved records are normalized against an internal field list and checked for duplicates both across providers and against the repository itself. A central component of the system is its citation aggregate model, which preserves each provider's original record as a distinct variant together with field-level provenance, merges compatible values automatically, and raises explicit conflicts wherever automatic merging would be unsafe. Mapping configuration is further assisted by a suggestion mechanism that combines heuristic field matching with an optional local large language model, while the final mapping remains subject to administrator approval. Approved citations are converted into DSpace-ready submission packages, and an institution-aware routing mechanism proposes the target community and collection by matching authors against the institution member list and citation types against configured collection mappings. In conclusion, this work shows that repository enrichment can be substantially automated without removing librarian judgment from the process. By combining configurable provider integration, metadata normalization, cross-source deduplication, and explicit human approval, the system reduces hands-on time and removes manual transcription from the deposit step, and its extension mechanisms allow it to be released as open source and adopted by other institutions.

Meeting ID: 994 5939 3363
Password: 880149

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μάριου Δέση

με θέμα

Υλοποίηση Ασαφούς Ελέγχου σε Αυτόνομο Σύστημα Ενέργειας με Χρήση Ανανεώσιμων Πηγών Ενέργειας

Implementation of Fuzzy Control in an Autonomous Energy System Using Renewable Energy Sources and Hydrogen Fuel Cells

Εξεταστική Επιτροπή

Επίκουρος Καθηγητής Πέππας Γεώργιος (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Γυφτάκης Κωνσταντίνος (Σχολή ΗΜΜΥ)
Καθηγητής Σταυρουλάκης Γεώργιος (Σχολή ΜΠΔ)

Περίληψη

Η αυξανόμενη αξιοποίηση των ανανεώσιμων πηγών ενέργειας δημιουργεί νέες απαιτήσεις για την αποθήκευση, τη διαχείριση και τον έλεγχο της παραγόμενης ενέργειας, ιδιαίτερα σε αυτόνομα συστήματα όπου η διαθέσιμη ισχύς μεταβάλλεται ανάλογα με τις περιβαλλοντικές συνθήκες. Στο πλαίσιο αυτό, το υδρογόνο μπορεί να αξιοποιηθεί ως μέσο αποθήκευσης της πλεονάζουσας ανανεώσιμης ενέργειας και μεταγενέστερης επαναχρησιμοποίησής της, ενώ ο συνδυασμός διαφορετικών ενεργειακών τεχνολογιών επιτρέπει την αξιοποίηση της διαθέσιμης ενέργειας σε διαφορετικές συνθήκες λειτουργίας.
Η παρούσα διπλωματική εργασία αφορά την ανάπτυξη ενός αυτόνομου υβριδικού φωτοβολταϊκού-υδρογονικού ενεργειακού συστήματος στο περιβάλλον MATLAB/Simulink, το οποίο συνδυάζει φωτοβολταϊκή παραγωγή, μετατροπείς ισχύος, ηλεκτρολύτη, δεξαμενή αποθήκευσης υδρογόνου και κυψέλη καυσίμου. Η μοντελοποίηση περιλαμβάνει τη διασύνδεση των επιμέρους υποσυστημάτων και τις βασικές βαθμίδες μετατροπής της ενέργειας, ενώ στο φωτοβολταϊκό τμήμα χρησιμοποιείται αλγόριθμος MPPT για την παρακολούθηση του σημείου μέγιστης ισχύος και την αξιοποίηση της διαθέσιμης φωτοβολταϊκής παραγωγής.
Ο ασαφής έλεγχος υλοποιείται στις βαθμίδες Buck του φωτοβολταϊκού κλάδου και του κλάδου της κυψέλης καυσίμου, με σκοπό τη ρύθμιση της τάσης εξόδου των αντίστοιχων μετατροπέων. Η λειτουργία των ασαφών ελεγκτών διαμορφώνεται από το σφάλμα της τάσης και τη μεταβολή του, τα οποία επεξεργάζονται μέσω συναρτήσεων συμμετοχής και βάσης κανόνων, ώστε να καθορίζεται το αντίστοιχο σήμα ελέγχου.

Abstract

The increasing use of renewable energy sources creates new requirements for the storage, management and control of generated energy, particularly in autonomous systems where the available power varies according to environmental conditions. In this context, hydrogen can be used as a means of storing surplus renewable energy for later use, while the combination of different energy technologies enables the available energy to be utilized under varying operating conditions.
This thesis focuses on the development of an autonomous hybrid photovoltaic-hydrogen energy system in the MATLAB/Simulink environment, combining photovoltaic generation, power converters, an electrolyzer, a hydrogen storage tank and a fuel cell. The modelling includes the interconnection of the individual subsystems and the main energy conversion stages, while an MPPT algorithm is employed in the photovoltaic section to track the maximum power point and improve the utilization of the available photovoltaic power.
Fuzzy control is implemented in the Buck converter stages of the photovoltaic and fuel-cell branches in order to regulate the output voltage of the corresponding converters. The operation of the fuzzy controllers is based on the voltage error and its variation, which are processed through membership functions and a rule base to determine the corresponding control signal.

Meeting ID: 344 527 482 692 280
Password: eD7QT7nG

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Παντράκη

με θέμα

Επιλογή και οργάνωση αποσπασμάτων βίντεο μέσω γλωσσικών και οπτικών μοντέλων

Video Clip Selection and Sequencing via Language and Vision  Models

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Καλογεράκης Ευάγγελος (Σχολή ΗΜΜΥ, Επιβλέπων)
Αναπληρωτής Καθηγητής Σαμολαδάς Βασίλης (Σχολή ΗΜΜΥ)
Καθηγητής Πετράκης Ευριπίδης (Σχολή ΗΜΜΥ)

Περίληψη

Η διπλωματική εξετάζει την αυτόματη επιλογή και οργάνωση βιντεοκλίπ σύμφωνα με ένα σενάριο, συνδυάζοντας το VideoPrism με AI agents. Αξιολογεί την ακρίβεια του συστήματος, τη συνεισφορά των επιμέρους συστατικών του και την επίδραση μεγαλύτερων βιβλιοθηκών και της επαναχρησιμοποίησης κλιπ.

Abstract

This thesis investigates automatic video clip selection and organization based on a script, combining VideoPrism with AI agents. It evaluates the system’s accuracy, the contribution of its individual components, and the effects of larger video libraries and clip reuse.

Meeting ID: 966 6278 3098
Password: 450682

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Παντράκη

με θέμα

Επιλογή και οργάνωση αποσπασμάτων βίντεο μέσω γλωσσικών και οπτικών μοντέλων

Video Clip Selection and Sequencing via Language and Vision  Models

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Καλογεράκης Ευάγγελος (Σχολή ΗΜΜΥ, Επιβλέπων)
Αναπληρωτής Καθηγητής Σαμολαδάς Βασίλης (Σχολή ΗΜΜΥ)
Καθηγητής Πετράκης Ευριπίδης (Σχολή ΗΜΜΥ)

Περίληψη

Η διπλωματική εξετάζει την αυτόματη επιλογή και οργάνωση βιντεοκλίπ σύμφωνα με ένα σενάριο, συνδυάζοντας το VideoPrism με AI agents. Αξιολογεί την ακρίβεια του συστήματος, τη συνεισφορά των επιμέρους συστατικών του και την επίδραση μεγαλύτερων βιβλιοθηκών και της επαναχρησιμοποίησης κλιπ.

Abstract

This thesis investigates automatic video clip selection and organization based on a script, combining VideoPrism with AI agents. It evaluates the system’s accuracy, the contribution of its individual components, and the effects of larger video libraries and clip reuse.

Meeting ID: 966 6278 3098
Password: 450682

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ελευθερίου Καλαμάρα

με θέμα

Η Δομή των Χωρών Banach σχετικά με την Ιδιότητα Radon-Nikodym (RNP)
On the Structure of Banach Spaces in relation to the Radon Nikodym Property (RNP)

Εξεταστική Επιτροπή

Αφυπηρετήσας Αναπληρωτής Καθηγητής Μίνως Πετράκης (επιβλέπων)
Καθηγητής Διονύσιος Χριστόπουλος
Αναπληρωτής Καθηγητής Θεμιστοκλής Μήτσης (Πανεπιστήμιο Κρήτης, Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών)

Περίληψη

Αρχικά γίνεται μια επισκόπηση της βασικης  θεωρίας της ανάλυσης σε χώρους Banach σχετικά με την ιδιότητα Radon-Nikodym, όπως και σε βασικα αποτελέσματα και ιδιότητες γύρω απο την ισοδυναμία RNP-ΚΜΡ. Τέλος μελετάμε μια ειδική κατηγορία τελεστών, τους Μ_0- συνεχείς τελεστές και  παρουσιάζουμε νέα  αποτελέσματα που έχουν παραχθεί κατα την εκπόνηση της Διπλωματικής Εργασιάς πάνω στους  Dunford-Pettis Τελεστές και την Ιδιότητα πλήρους συνέχειας (CCP) που είναι σχετική με την RNP.

Abstract

Initially, an overview of the basic theory of analysis in Banach spaces regarding the Radon-Nikodym property is presented, as well as basic results and properties surrounding the RNP-KMP equivalence. Finally, we study a special class of operators, the M_0-continuous operators, and present new results produced during the preparation of the Diploma Thesis on  Dunford-Pettis operators and the Complete Continuity Property (CCP) relative to the RNP.

Meeting ID: 988 3170 5362
Password: 310184

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Ζεμπερλίγκου

με θέμα

Χαρτογράφηση, Εντοπισμός Θέσης και Σχεδιασμός Διαδρομής για Ρομποτικό Όχημα Εδάφους χρησιμοποιώντας ORB SLAM 3

Mapping, Localization and Path Planning for Ground Robotic Vehicle using ORB SLAM 3

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Μιχαήλ Ζερβάκης (Σχολή ΗΜΜΥ)
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)

Περίληψη

Η ικανότητα αυτόνομης πλοήγησης σε άγνωστα περιβάλλοντα είναι το κεντρικότερο πρόβλημα στο πεδίο των κινητών ρομποτικών συστημάτων. Η παρούσα διπλωματική εργασία έχει ως αντικείμενο τη μελέτη και υλοποίηση ενός ρομποτικού οχήματος διαφορικής κίνησης δύο τροχών, ικανού να πλοηγείται αυτόνομα σε άγνωστα περιβάλλοντα, με χρήση του προσομοιωτή Gazebo και του αλγορίθμου οπτικού εντοπισμού και χαρτογράφησης ORB SLAM 3. Περιγράφεται αρχικά η διαδικασία υλοποίησης του ρομποτικού μοντέλου διαφορικής κίνησης δύο τροχών, μαζί με τα βασικά στοιχεία που απαιτούνται για τον έλεγχο της κίνησής του. Μέσω του Gazebo, το σύστημα δοκιμάστηκε σε ελεγχόμενες συνθήκες, ώστε να εντοπισθούν τυχόν προβλήματα και να γίνουν οι απαραίτητες αλλαγές στο σχεδιασμό του. Κατόπιν, ενσωματώθηκαν τεχνικές χαρτογράφησης και εντοπισμού θέσης, αξιοποιώντας κυρίως τον αλγόριθμο ORB SLAM 3. Εξετάστηκαν διαφορετικοί τύποι αισθητήρων, όπως αδρανειακοί αισθητήρες, οπτικά συστήματα και LiDAR, και πώς τα δεδομένα που παρέχουν μπορούν να συμβάλουν στον εντοπισμό και στη χαρτογράφηση. Προχωρώντας στο θέμα του σχεδιασμού διαδρομής εξετάσθηκαν διαφορετικά σενάρια με τη χρήση τόσο μονοφθάλμιας, όσο και στερεοσκοπικής κάμερας. Η δοκιμή και αξιολόγηση αυτών των σεναρίων στο Gazebo βοήθησε στην ενδελεχή παρατήρηση της συμπεριφοράς του ρομποτικού συστήματος σε ελεγχόμενες ρεαλιστικές συνθήκες και επέτρεψε να φανεί στην πράξη τι λειτουργεί καλύτερα και ποιοι περιορισμοί υφίστανται σε κάθε περίπτωση. Σε αυτό το στάδιο εξετάστηκαν επιπλέον ζητήματα, όπως η ακρίβεια των αισθητήρων, η επεξεργασία των δεδομένων σε πραγματικό χρόνο και η απόκριση του συστήματος σε αλλαγές του περιβάλλοντος ή σε απρόβλεπτα εμπόδια. Τέλος, συνδυάστηκαν τα παραπάνω στοιχεία χαρτογράφησης, εντοπισμού θέσης και σχεδιασμού διαδρομής και διαμορφώθηκε ένα ολοκληρωμένο σύστημα αυτόνομης πλοήγησης, ώστε το ρομποτικό όχημα να μπορεί να κινείται και να ανταποκρίνεται σωστά στα χαρακτηριστικά του άγνωστου περιβάλλοντος.

Abstract

The ability to navigate autonomously in unknown environments is the central challenge in the field of mobile robotic systems. This diploma thesis focuses on the design and implementation of a two-wheeled differential-drive robotic vehicle capable of autonomous navigation in unknown environments, utilizing the Gazebo simulator and the ORB-SLAM3 visual localization and mapping algorithm. The implementation process of the two-wheeled differential-drive robot model is described first, along with the key components required for motion control. The system was tested in controlled conditions using Gazebo to identify potential issues and make necessary design adjustments. Subsequently, mapping and localization techniques were integrated, primarily leveraging the ORB-SLAM3 algorithm. Various sensor types —such as inertial sensors, vision systems, and LiDAR— were examined, along with how their data can contribute to localization and mapping. Finally, regarding path planning, different scenarios were evaluated using both monocular and stereoscopic cameras. Testing and evaluating these scenarios within Gazebo facilitated a thorough observation of the robotic system's behavior under controlled, realistic conditions, revealing in practice what works best and identifying the limitations inherent in each case. At this stage, additional aspects were examined, such as sensor accuracy, real-time data processing, and system responsiveness to environmental changes or unforeseen obstacles. Finally, the components for mapping, localization, and path planning were integrated to form a complete autonomous navigation system, enabling the robotic vehicle to move and respond effectively to the characteristics of an unknown environment.

Meeting ID: 97212465035
Password: 931502

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Τσουρή Εμμανουήλ

με θέμα

Δημιουργία Διαδραστικής Βιβλιοθήκης Αλγορίθμων μέσω Jupyter Notebooks και pgModeler για την Εκμάθηση Σχεσιακών Βάσεων Δεδομένων

Interactive Algorithm Library Development via Jupyter Notebooks and pgModeler for Relational Database Learning

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος

Περίληψη

Η παρούσα διπλωματική εργασία παρουσιάζει τη rel_db_learning, μια εγκαταστάσιμη βιβλιοθήκη Python για τη διδασκαλία σχεσιακών βάσεων δεδομένων σε φοιτητές θετικών επιστημών με ελάχιστο υπόβαθρο προγραμματισμού. Αντί για ένα εργαλείο ενός σκοπού, η βιβλιοθήκη προσφέρει μια ολοκληρωμένη διαδρομή, η οποία υλοποιείται μέσω Jupyter Notebooks και οδηγεί από το σχεσιακό μοντέλο, τη σχεσιακή άλγεβρα και τον σχεσιακό λογισμό, τον σχεδιασμό οντοτήτων‑συσχετίσεων και την SQL έως την κανονικοποίηση. Ο σχεδιασμός της ακολουθεί τρεις αρχές: την οπτικοποίηση πριν από τον συμβολισμό, με το pgModeler ως κεντρικό οπτικό εργαλείο, την καθοδηγούμενη ανακάλυψη, όπου ο φοιτητής πρώτα χτίζει μια βάση δεδομένων και μόνο αργότερα ανακαλύπτει τα ελαττώματά της και τα συγκεκριμένα παραδείγματα πριν από τα αφηρημένα, τα οποία παρουσιάζονται σε μια γεμάτη βάση δεδομένων μόνο για ανάγνωση, πριν ο φοιτητής εξασκηθεί στη δική του.Οι αρχές αυτές υλοποιούνται μέσα από μία ενιαία Βιβλιοθήκη, την οποία ο φοιτητής χτίζει, εξελίσσει σε έξι διαδοχικά στάδια σχήματος και τελικά κανονικοποιεί, ώστε τα σχεδιαστικά ελαττώματα που καθοδηγήθηκε να δημιουργήσει να γίνουν ακριβώς τα ελαττώματα που μαθαίνει να διορθώνει.Η βιβλιοθήκη υποστηρίζεται από συνεχώς χρησημοποιούμενες συναρτήσεις: μεταφραστές που μετατρέπουν τη σχεσιακή άλγεβρα και τον λογισμό σε εκτελέσιμη SQL, έναν επικυρωτή σχήματος που διαβάζει τόσο τα αρχεία του pgModeler όσο και τη ζωντανή βάση δεδομένων, μια οικογένεια εργαλείων αυτοαξιολόγησης που παρέχουν άμεση ανατροφοδότηση και ένα εργαλείο κανονικοποίησης για την ανάλυση των εξαρτήσεων. Η ορθότητα και η αναπαραγωγιμότητα διασφαλίζονται από μια αυτοματοποιημένη σουίτα δοκιμών και από την απαίτηση κάθε σημειωματάριο να εκτελείται από την αρχή σε καθαρό Kernel. Οι κύριες συνεισφορές είναι μια ολοκληρωμένη «βιβλιοθήκη ως βοήθημα σπουδών» που ενοποιεί εργαλεία τα οποία συνήθως διδάσκονται ξεχωριστά, ένα σταδιακό έργο βασισμένο στην ανακάλυψη, μια ρητή και εκτελέσιμη αντιστοίχιση από τη σχεσιακή άλγεβρα στην SQL και την κανονικοποίηση.

Abstract

This thesis presents rel_db_learning, an installable Python library that teaches relational databases to university students with little programming background. Rather than a single purpose tool, the library offers a complete learning path, delivered through Jupyter notebooks, that leads from the relational model through relational algebra and calculus, entity-relationship design and SQL, to normalisation. Its design follows three principles: visualization before notation, with pgModeler as the central visual tool, guided discovery, in which the student first builds a database and only later uncovers its faults and concrete examples before abstract ones, demonstrated on a populated read-only database before being practised on the student’s own. These principles are enacted through a single Library project that the student builds, evolves across six schema stages and finally normalises, so that the design flaws they were guided to create become exactly the flaws they learn to repair. The library is supported by reusable components: translators that turn relational algebra and calculus into executable SQL, a schema validator that reads both pgModeler files and the live database, a family of self-assessment widgets that give immediate feedback and a normalisation toolkit for functional-dependency analysis. Correctness and reproducibility are ensured by an automated test suite and by the requirement that every notebook runs from a clean kernel. The main contributions are an integrated library that unifies tools usually taught separately, a staged and discovery-driven project, an explicit and executable mapping from relational algebra to SQL and the reusable software components themselves.

Meeting ID: 952 0863 8364
Password: 341096

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ονησίφορου Διαμαντίδη

με θέμα

Πειραματική Μελέτη Διηλεκτρικής Συμπεριφοράς Νανορευστών SiC

Experimental Study of Dielectric Behavior of SiC Nanofluids

Εξεταστική Επιτροπή

Επίκουρος Καθηγητής Γεώργιος Πέππας (ΠΚ, Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης (ΠΚ, Σχολή ΗΜΜΥ)
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Σχολή ΗΜΜΥ)

Περίληψη

Η παρούσα διπλωματική εργασία μελετά πειραματικά τη διηλεκτρική συμπεριφορά νανορευστών με βάση έλαιο φυσικού εστέρα (FR3) και νανοσωματίδια καρβιδίου του πυριτίου (SiC), με στόχο τον προσδιορισμό της βέλτιστης συγκέντρωσης νανοσωματιδίων και την αξιολόγηση της επίδρασης της υγρασίας στη διηλεκτρική αντοχή.
Εξετάστηκαν επτά διαφορετικά μονωτικά υγρά: το καθαρό έλαιο FR3, το οποίο αποτέλεσε την κατάσταση αναφοράς, και έξι νανοδιηλεκτρικά με συγκεντρώσεις SiC από 0,002% έως 0,012% κατά βάρος (κ.β.). Οι μετρήσεις εναλλασσόμενης τάσης διάσπασης πραγματοποιήθηκαν σύμφωνα με το πρότυπο IEC 60156, με σταθερό διάκενο ηλεκτροδίων 2,5 mm, και κάθε δείγμα υποβλήθηκε σε διαδοχικούς κύκλους αφύγρανσης με περιστροφικό εξατμιστήρα. Συνολικά καταγράφηκαν 3.758 διασπάσεις, οι οποίες κατανεμήθηκαν σε σαράντα σύνολα δεδομένων και αναλύθηκαν στατιστικά με την κατανομή Weibull και την κανονική κατανομή, με χρήση των κριτηρίων καλής προσαρμογής Kolmogorov-Smirnov και Anderson-Darling.
Τα αποτελέσματα ανέδειξαν την υγρασία ως τον κυρίαρχο παράγοντα: η αφύγρανση του ελαίου βάσης οδήγησε σε αύξηση της μέσης τάσης διάσπασης από 28,5 σε 80,6 kV, ενώ η επίδρασή της αποδείχθηκε πλήρως αντιστρεπτή. Η προσθήκη νανοσωματιδίων SiC δεν μετέβαλε ουσιαστικά τη μέση τάση διάσπασης, μείωσε όμως συστηματικά τη διασπορά των μετρήσεων, με τον συντελεστή μεταβλητότητας να υποχωρεί από 11,4% στο 4,9%. Ως συνέπεια, οι συγκεντρώσεις 0,006% και 0,008% κατά βάρος υπερέβησαν το έλαιο βάσης ως προς την τάση που αντιστοιχεί σε πιθανότητα διάσπασης 1%. Η κατανομή Weibull δεν απορρίφθηκε σε καμία από τις σαράντα περιπτώσεις, σε αντίθεση με την κανονική κατανομή, η οποία απορρίφθηκε σε είκοσι τέσσερις και οδηγούσε συστηματικά σε μη συντηρητικές εκτιμήσεις.

Λέξεις-κλειδιά: Ανάλυση Weibull, Διηλεκτρική αντοχή, Καρβίδιο του πυριτίου, Νανοδιηλεκτρικά υγρά, Τάση διάσπασης, Υγρασία, Φυσικός εστέρας

Abstract

This diploma thesis experimentally investigates the dielectric behavior of nanofluids based on FR3 natural ester oil with silicon carbide (SiC) nanoparticles, aiming to determine the optimal nanoparticle concentration and to evaluate the effect of moisture on dielectric strength.
Seven liquids were examined: pure FR3 oil, which served as the reference condition, and six nanodielectrics with SiC concentrations ranging from 0.002% to 0.012% by weight. AC breakdown voltage measurements were carried out in accordance with the IEC 60156 standard, using a fixed electrode gap of 2.5 mm, and each sample was subjected to successive dehydration cycles in a rotary evaporator. A total of 3,758 breakdowns were recorded, distributed across forty datasets and analyzed statistically using the Weibull and normal distributions, with the Kolmogorov-Smirnov and Anderson-Darling goodness-of-fit criteria.
The results identified moisture as the dominant factor: dehydration of the base oil increased the mean breakdown voltage from 28.5 to 80.6 kV, and its effect proved to be fully reversible. The addition of SiC nanoparticles did not increase the mean breakdown voltage, but systematically reduced the scatter of the measurements, with the coefficient of variation falling from 11.4% to 4.9%. As a result, the concentrations of 0.006% and 0.008% by weight exceeded the base oil in terms of the voltage corresponding to a 1% breakdown probability. The Weibull distribution was not rejected in any of the forty cases, in contrast to the normal distribution, which was rejected in twenty-four and consistently led to non-conservative estimates.

Keywords: AC breakdown voltage, dielectric strength, moisture, nanodielectric fluids, natural ester, silicon carbide, Weibull analysis a script, combining VideoPrism with AI agents. It evaluates the system’s accuracy, the contribution of its individual components, and the effects of larger video libraries and clip reuse.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Κοκκινάκη

με θέμα

Ανάπτυξη μιας Βιο-Ανταποκρινόμενης Προσομοίωσης Εικονικής Πραγματικότητας με Παρακολούθηση Φυσιολογικών Παραμέτρων σε Πραγματικό Χρόνο για Ταξινόμηση Συμπεριφορών

Development of a Bio-Responsive VR Simulation with Real-Time  Physiological Monitoring for Behavioral Classification

Εξεταστική Επιτροπή

Καθηγήτρια Αικατερίνη Μανιά (Σχολή ΗΜΜΥ, Επιβλέπουσα)
Καθηγητής Μιχαήλ Λαγουδάκης (Σχολή ΗΜΜΥ)
Καθηγητής Κωσταντίνος Μπάλας (Σχολή ΗΜΜΥ)

Περίληψη

Η ταξινόμηση και η κατανόηση της ανθρώπινης συμπεριφοράς κατά τη διαδικασία λήψης αποφάσεων αποτελεί σημαντικό μέρος της αναγνώρισης παραγόντων που μπορούν να βοηθήσουν στην διερεύνηση των μηχανισμών που οδηγούν σε παθολογική ευπάθεια και επηρεάζουν τον έλεγχο των παρορμήσεων. Στο πλαίσιο αυτό, η μεταφορά του παραδείγματος sign-tracking (ST) και goal-tracking (GT) από τα ζωικά μοντέλα στον άνθρωπο μπορεί να προσφέρει σημαντικές πληροφορίες για τις ατομικές διαφορές στην επεξεργασία σημάτων που έχουν συνδεθεί με την ανταμοιβή. Το sign-tracking μπορεί να σχετίζεται με την έντονη προτίμηση της προσοχής του ατόμου σε σήματα που συνδέονται με ουσίες ή τροφή, γεγονός που καθιστά σημαντική την καταγραφή και την περαιτέρω κατανόηση των επιδράσεών του. Οι συνηθέστερες μεθοδολογίες μέτρησής του περιλαμβάνουν φυσικές ή εικονικές δοκιμασίες Pavlovian Conditioned Approach (PCA), πειράματα Value-Modulated Attentional Capture (VMAC), καθώς και αξιολογήσεις βασισμένες σε μορφές παιχνιδιού ή νευροαπεικόνισης.

Η παρούσα προσέγγιση ενσωματώνει τη δομή μιας φυσικής δοκιμασίας PCA σε μια ελεγχόμενη εικονική προσομοίωση, αξιοποιώντας σε βάθος την εμπειρία που προσφέρει η Εικονική Πραγματικότητα (VR), ενώ παράλληλα καταγράφει με ακρίβεια την προσοχή και τη φυσιολογική κατάσταση των συμμετεχόντων μέσω της παρακολούθησης του βλέμματος (eye-tracking) και των σημάτων που σχετίζονται με την καρδιακή λειτουργία σε πραγματικό χρόνο. Αυτό επιτυγχάνεται μέσω της ανάπτυξης μιας προσομοίωσης στο περιβάλλον της Unity, η οποία προβάλλεται στα γυαλιά εικονικής πραγματικότητας (HMD) Meta Quest Pro, σε συνδυασμό με το BIOPAC Research Ring για τη συλλογή βιομετρικών δεδομένων, τα οποία επεξεργάζονται μέσω Python. Επιπλέον, η προσομοίωση μπορεί να χρησιμοποιήσει τα δεδομένα που σχετίζονται με την καρδιακή λειτουργία, ώστε να διερευνηθεί κατά πόσο η παρουσίαση του σήματος ανταμοιβής σε συγκεκριμένες χρονικές στιγμές του καρδιακού κύκλου μπορεί να επηρεάσει την αντίληψη των συμμετεχόντων. Το πλεονέκτημα αυτής της προσέγγισης είναι ότι επιτρέπει τη συλλογή ποικιλοτρόπων δεδομένων σχετικά με τη συμπεριφορά που σχετίζεται με την ανταμοιβή, με στόχο τη βελτίωση της οικολογικής εγκυρότητας. Αξίζει να σημειωθεί πως οι αρχικές δοκιμές του πειράματος επιβεβαίωσαν ότι είναι δυνατή η αξιόπιστη συλλογή δεδομένων.

Οι δραστηριότητες που πραγματοποιούνται στο εικονικό περιβάλλον σχεδιάστηκαν σε συνεργασία με το Brighton & Sussex Medical School (BSMS). Η τεχνική υλοποίηση, καθώς και η αξιολόγησή της, που αποτελούν το επίκεντρο της παρούσας διπλωματικής εργασίας, πραγματοποιήθηκαν στο Πολυτεχνείο Κρήτης (TUC). Τα τελικά πειράματα συλλογής δεδομένων, καθώς και η αναλυτική ψυχολογική μελέτη, πρόκειται να πραγματοποιηθούν στο BSMS.

Abstract

Classifying and understanding human behaviors when it comes to decision making is a crucial part of identifying pathways to pathological vulnerability and impulse control. Following this framework, translating the animal sign-tracking (ST) and goal-tracking (GT) paradigm to humans allows for key insights in evaluating individual variance when processing reward-associated cues. Sign-tracking can translate to attentional biases toward drug or food cues, hence it is important to be able to track it and further understand its effects. The most common methodologies to measure it are physical or virtual Pavlovian Conditioned Approach (PCA) tasks, Value-Modulated Attentional Capture (VMAC) experiments, and game-like or neuroimaging assessments.

This approach integrates physical PCA tasks in a controlled virtual simulation by leveraging the immersion of Virtual Reality (VR), while accurately tracking the participants' attention and physiological state through eye-tracking and real-time heart-related signals. This is achieved by developing a simulation in Unity and running it on the Meta Quest Pro Head-Mounted Display (HMD) while using the BIOPAC Research Ring to collect physiological data, which is processed through Python scripts. Furthermore, the simulation can use the heart-related data to explore whether presenting the reward cue during specific cardiac timing can influence participants' perception. The benefit of this approach is that it will produce a multi-modal assessment of reward-related behavior with enhanced ecological validity. Initial testing of the experiment confirmed that reliable data can be collected.

The tasks that take place in the virtual environment were designed in collaboration with the Brighton \& Sussex Medical School (BSMS). The technical implementation, along with its evaluation, which are the focus of this thesis, took place at the Technical University of Crete (TUC). The final data-gathering experiments and the deep psychological research will soon be conducted at BSMS.  

Meeting ID: 967 5520 2178  
Password: 776967

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μιχαήλ Φωκά

με θέμα

Εφαρμογή τεχνικών μηχανικής μάθησης για ανίχνευση επιθέσεων από αυτοματοποιημένα κακόβουλα προγράμματα στις παρυφές του Διαδικτύου των Πραγμάτων.

Botnet attack detection at the IoT edge using machine learning techniques.

Εξεταστική Επιτροπή

Καθηγητής Σωτήριος Ιωαννίδης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Γεώργιος Χαλκιαδάκης (Σχολή ΗΜΜΥ)
Καθηγητής Μιχαήλ Λαγουδάκης (Σχολή ΗΜΜΥ)

Περίληψη

Με την άνοδο της τεχνολογίας του Διαδικτύου των Πραγμάτων(IoT) και των διασυνδεδεμένων συσκευών, βρισκόμαστε σε μια νέα εποχή συνδεσιμότητας και λήψης αποφάσεων βάσει δεδομένων. Ταυτόχρονα, οι ανησυχίες για την ασφάλεια στον κυβερνοχώρο έχουν αυξηθεί λόγω των αυξημένων επιθέσεων στο οικοσύστημα του IoT. Οι συσκευές του IoT συχνά δεν διαθέτουν ούτε τα βασικά χαρακτηριστικά ασφαλείας, με αποτέλεσμα να αποτελούν αδύναμο σημείο για κάθε δίκτυο υπολογιστών. Οι κακόβουλοι χρήστες συνεχίζουν να βρίσκουν νέα τρωτά σημεία και αδυναμίες με στόχο να θέσουν σε κίνδυνο τις συσκευές IoT. Ο στόχος αυτών των επιθέσεων ποικίλλει, συμπεριλαμβανομέ-νων, μεταξύ άλλων, του phishing, της απάτης και της εξαπόλυσης επιθέσεων DDoS. Μια τέτοια απειλή είναι τα botnets. Το botnet είναι ένα δίκτυο πολυάριθμων παραβιασμένων συσκευών συνδεδεμένων στο διαδίκτυο που έχουν μολυνθεί με κακόβουλο λογισμικό και συνήθως ελέγχονται από έναν κεντρικό χρήστη. Στην παρούσα διπλωματική, παρουσιαζουμε ένα φορητό και ελαφρύ σύστημα ανίχνευσης εισβολών στο δίκτυο, το οποίο μπορεί να ανιχνεύσει με επιτυχία κακόβουλες συσκευές μέσω ανάλυσης της δικτυακής κίνησης. Η εργασία μας υλοποιεί και προσαρμόζει μιά υπάρχουσα μέθοδο υλοποιημένη σε MATLAB [1] σε ένα πλαίσιο βασισμένο στην Python. Το προτεινόμενο πλαίσιο χρησιμοποιεί μικρό αριθμό δεδομένων για εκπαίδευση που προέρχονται από ασφαλείς, μη επηρεασμένες συσκευές, χωρίς προηγούμενη γνώση των κακόβουλων περιπτώσεων, προκειμένου να αντιμετωπίσει τους περιορισμούς υπολογιστικής ισχύος των συσκευών IoT και να εξασφαλίσει γρήγορη αντίδραση. Το σύστημά μας αξιοποιεί τον άπληστο αλγόριθμο ανάκτησης αραιών δεδομένων, τον orthogonal matching pursuit, ο οποίος περιλαμβάνει μόνο δύο ρυθμίσεις υπερπαραμέτρων. Η προτεινόμενη λύση ανιχνεύει με επιτυχία κακόβουλη κίνηση που προέρχεται από διάφορες επιθέσεις με υψηλή ακρίβεια, ακόμη και με εξαιρετικά μικρό όγκο δεδομένων εκπαίδευσης. Επιπλέον, δείξαμε ότι το πλαίσιο Python μπορεί να αναπτυχθεί ακόμη και σε Rasberry Pi χωρίς να επηρεάσει την απόδοση της συσκευής, καθιστώντας το μια πρακτική και ελαφριά λύση. 

Abstract

With the rise of Internet of Things technology and interconnected devices, we are in a new era of connectivity and data-driven decision making. At the same time, cybersecurity concerns have risen due to the increased attacks on the IoT ecosystem. Internet of Things devices often do not even possess basic security features, and as a result, they represent a weak spot for any computer network. Malicious actors keep finding new vulnerabilities and exploits aiming to compromise IoT devices. The goal of such attacks varies, including, but not limited to, phishing, fraud, and launching DDoS attacks. One such threat is the botnets. Botnet is a network of numerous compromised internet-connected devices infected with malware and typically controlled by a central user. In this thesis, we present a portable, lightweight network intrusion detection system, that can successfully detect malicious devices by analyzing network traffic. Our work implements and adapts an existing MATLAB-based anomaly detection method [1] into a Python framework. The proposed framework utilizes small-sized normal training data with no prior knowledge of the malicious instances to deal with the low computational constraints of IoT devices and for fast reaction. Our system leverages the greedy sparse recovery algorithm, orthogonal matching pursuit, which involves only two hyperparame-
ter tuning. The proposed solution successfully detects malicious traffic from various attacks with high accuracy, even with an extremely low amount of training data. Furthermore, we showed that the modular Python framework can be deployed even on Raspberry Pi without impacting the device’s performance, making it a practical and lightweight solution.

Meeting ID: 934 1427 7031
Password: 581857 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Παντράκη

με θέμα

Επιλογή και Οργάνωση Αποσπασμάτων Βίντεο μέσω Γλωσσικών και Οπτικών Μοντέλων

Video Clip Selection and Sequencing via Language and Vision 
Models

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (Επιβλέπων)
Καθηγητής Ευριπίδης Πετράκης 
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς 

Περίληψη

Η διπλωματική εξετάζει την αυτόματη επιλογή και οργάνωση βιντεοκλίπ σύμφωνα με ένα σενάριο, συνδυάζοντας το VideoPrism με AI agents. Αξιολογεί την ακρίβεια του συστήματος, τη συνεισφορά των επιμέρους συστατικών του και την επίδραση μεγαλύτερων βιβλιοθηκών και της επαναχρησιμοποίησης κλιπ.

Abstract

This thesis investigates automatic video clip selection and organization based on a script, combining VideoPrism with AI agents. It evaluates the system’s accuracy, the contribution of its individual components, and the effects of larger video libraries and clip reuse.

Meeting ID: 966 6278 3098
Password: 45068

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Βασιλείου Κουτσοβασίλη

με θέμα

Υλοποίηση ενός Καθολικού Σκίτσου για Συχνά Δεδομένα και Συχνοτικές Στιγμές στο Apache Flink
Implementation of a Universal Sketch for Heavy Hitters and Frequency Moments in Apache Flink

Εξεταστική Επιτροπή

Καθηγητής Αντώνιος Δεληγιαννάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (Σχολή ΗΜΜΥ)
Καθηγητής Μίνως Γαροφαλάκης (Σχολή ΗΜΜΥ)

Περίληψη

Στον τομέα της επεξεργασίας ροών δεδομένων, υπάρχουν δύο επικρατέστερα μοντέλα: το μοντέλο  μόνο εισαγωγής και το μοντέλο turnstile, το οποίο επιτρέπει τόσο την εισαγωγή όσο και την διαγραφή στοιχείων. Στο πλαίσιο του turnstile μοντέλου με «φραγμένες» διαγραφές, όπου ο αριθμός των διαγραφών είναι περιορισμένος σε σχέση με τις εισαγωγές, ο υπολογισμός καθολικών μετρικών ροών καθίσταται ιδιαίτερα απαιτητικός, ειδικά υπό περιορισμούς μνήμης και την ανάγκη για επεξεργασία σε πραγματικό χρόνο. Οι καθολικές μετρικές αφορούν ταυτόχρονη εκτίμηση πολλαπλών στατιστικών δεικτών, συμπεριλαμβανομένης της ανά-στοιχείο συχνότητας, συχνών δεδομένων και συχνοτικών στιγμών. Σε αυτό το πλαίσιο προκύπτουν δύο κύριες προκλήσεις. Πρώτον, οι περισσότερες προηγούμενες μέθοδοι ανίχνευσης συχνών δεδομένων δεν μπορούν να εξασφαλίσουν «φραγμένο» σφάλμα ανίχνευσης όταν υπάρχουν συμβάντα διαγραφής. Δεύτερον, δεν υπάρχει ακόμη προηγούμενη εργασία για την ανά-κλειδί εκτίμηση συχνοτικών στιγμών υπό το turnstile μοντέλο, ειδικά σε πραγματικό χρόνο. Η παρούσα διπλωματική εργασία παρουσιάζει μια ανεξάρτητη υλοποίηση σε Java και εμπειρική αξιολόγηση του Αφαιρούμενου Επαυξημένου Σκίτσου (RAS) και του Αφαιρούμενου Καθολικού Σκίτσου (RUS), ενισχυμένο με έναν Εκτιμητή Στιγμών Πραγματικού Χρόνου (OME). Το πλαίσιο αυτό προτάθηκε αρχικά από τους Liang Zheng, Qingjun Xiao και Xuyuan Cai το 2024, με στόχο την αντιμετώπιση των δύο αυτών προκλήσεων μέσω σχεδιασμού ενός συμπιεσμένου μετρητή 16-bit με υποστήριξη αφαίρεσης και πρόσθεσης για την βελτίωση της εκτίμησης συχνοτήτων, ενός σκίτσου ενισχυμένου με προ-φίλτρο για την ακριβή ανίχνευση συχνών στοιχείων και μιας επαυξανόμενης τεχνικής εκτίμησης συχνοτικών στιγμών, η οποία λειτουργεί σε πραγματικό χρόνο. Κατά τον χρόνο συγγραφής της παρούσας διπλωματικής εργασίας, δεν υπήρχε διαθέσιμη προηγούμενη δημόσια υλοποίηση αυτού του πλαισίου. Τα πειραματικά αποτελέσματα επιβεβαιώνουν τα αναφερόμενα πλεονεκτήματα του πλαισίου και καταδεικνύουν ότι υπερτερεί των τωρινών διαθέσιμων αλγορίθμων τόσο στην ανίχνευση συχνών στοιχείων όσο και στην εκτίμηση συχνοτικών στιγμών, σε ένα ευρύ φάσμα αναλογιών διαγραφών και κατανομών συνόλων δεδομένων. Τέλος, η παρούσα εργασία επεκτείνει το πλαίσιο με μια κατανεμημένη ανάπτυξη χρησιμοποιώντας το Apache Flink και Apache Kafka  καταδεικνύοντας την δυνατότητα ενσωμάτωσης του προτεινόμενου πλαισίου σε έναν αγωγό επεξεργασίας δεδομένων σε πραγματικό χρόνο-μια επέκταση που δεν εξετάζεται στην αρχική εργασία.

Abstract

In the field of data stream processing, there are two prevalent models, the insertion-only model and the turnstile model, which permits both insertions and deletions of elements. Under the turnstile model with bounded deletions, where the number of deletions is constrained relative to insertions, computing universal stream measurements becomes significantly challenging, especially under memory constraints and the need for online processing. Universal measurements simultaneously estimate multiple statistical metrics including per-element frequency, heavy hitters and frequency moments. In this setting two key challenges emerge. Firstly, most previous methods for detecting heavy hitters cannot ensure a bounded detection error when there are deletion events. Secondly, there is still no prior work to estimate per-key element frequency moments under the turnstile model, especially in an online fashion. This thesis presents an independent Java implementation and empirical evaluation of the Removable Augmented Sketch (RAS) and Removable Universal Sketch (RUS) enhanced with an Online Moment Estimator (OME). This framework was originally proposed by Liang Zheng, Qingjun Xiao and Xuyuan Cai in 2024, to address these two challenges through a compressed 16-bit counter design supporting subtraction and addition to improve frequency estimation, a prefilter-augmented sketch for accurate heavy hitter tracking and an incremental moment estimation technique, which works in an online manner. At the time of writing this thesis no prior public reference implementation was available. Experimental results validate the frameworks reported advantages and demonstrate that it outperforms currently available algorithms both in the case of heavy hitter detection and frequency moment estimations, across a range of deletion ratios and dataset distributions. Finally, this thesis extends the framework with a distributed deployment using Apache Flink and Apache Kafka, demonstrating the feasibility of integrating the proposed framework into a real-time stream processing pipeline-an extension not addressed in the original work.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ζωγραφούλας Ιωάννας Νεαμονιτάκη

με θέμα

Ποσοστημόρια σε Ροές Δεδομένων με Σχετικό Σφάλμα στο Apache Flink

Relative Error Streaming Quantiles in Apache Flink

Εξεταστική Επιτροπή

Καθηγητής Αντώνιος Δεληγιαννάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης (Σχολή ΗΜΜΥ)
Αναπληρωτής Καθηγητής ΒασίλειοςΣαμολαδάς (Σχολή ΗΜΜΥ)

Περίληψη

Οι σύγχρονες εφαρμογές παράγουν έναν συνεχώς αυξανόμενο όγκο δεδομένων, επιβαρύνοντας τα υπάρχοντα υπολογιστικά συστήματα όταν απαιτείται η εκτέλεση στατιστικής ανάλυσης και επεξεργασίας δεδομένων σε ροές δεδομένων μεγάλης κλίμακας. Μία αποτελεσματική λύση σε αυτό το πρόβλημα είναι η χρήση δομών δεδομένων σύνοψης (synopsis data structures), οι οποίες επιτρέπουν τη μείωση των απαιτήσεων σε μνήμη και υπολογιστική ισχύ, ιδιαίτερα σε κατανεμημένα περιβάλλοντα και περιβάλλοντα επεξεργασίας ροών δεδομένων. Η παρούσα διπλωματική εργασία επικεντρώνεται στην υλοποίηση του Relative Error Quantile Sketch (ReqSketch), ενός τυχαιοποιημένου sketch που παρέχει εγγυήσεις πολλαπλασιαστικού σφάλματος για την εκτίμηση rank και quantile (rank and quantile estimations), καθώς και στην ενσωμάτωσή του στο Apache Flink. Σε αντίθεση με αλγορίθμους sketch που είχαν υλοποιηθεί προηγουμένως και παρέχουν εγγυήσεις αθροιστικού σφάλματος στην εκτίμηση του rank, το ReqSketch παρέχει μεγαλύτερη ακρίβεια για ranks τα οποία βρίσκονται κοντά στα άκρα της κατανομής των δεδομένων. Το ReqSketch δεν προϋποθέτει εκ των προτέρων γνώση του συνολικού μεγέθους της ροής δεδομένων και είναι πλήρως συγχωνεύσιμο (fully mergeable), γεγονός που επιτρέπει την εύκολη ενσωμάτωσή του σε παράλληλα και κατανεμημένα υπολογιστικά περιβάλλοντα. Το ReqSketch ενσωματώνεται στο Synopses Data Engine (SDE), με κύριο σκοπό τη χρήση του σε ένα κατανεμημένο περιβάλλον επεξεργασίας ροών δεδομένων. Η ενσωμάτωση αυτή υποστηρίζει τη δημιουργία, τη συντήρηση και την υποβολή ερωτημάτων σε συνόψεις ReqSketch σε πολλαπλές υπολογιστικές μονάδες. Η προκύπτουσα υλοποίηση του ReqSketch αξιολογείται ως προς τον ρυθμό εισαγωγής δεδομένων (data ingestion throughput) και τον ρυθμό εκτίμησης ερωτημάτων (query estimation throughput), τόσο για ερωτήματα rank όσο και για ερωτήματα ποσοστημορίων (quantiles), υπό συνθήκες παράλληλης εκτέλεσης.

Abstract

Modern applications generate a continuous and ever-increasing volume of data, stressing existing systems, if statistical analysis and data processing is to be performed on large-scale data streams. One effective solution to this problem is the use of synopsis data structures, allowing for memory and computational power requirement reduction, particularly in distributed and streaming environments. The focus of this thesis is the implementation of the Relative Error Quantile Sketch (ReqSketch), a randomized sketch that provides multiplicative-error guarantees for rank and quantile estimations and its integration into Apache Flink. In contrast to previously implemented sketch algorithms that provide additive rank-error guarantees, ReqSketch provides higher accuracy for ranks near the tails of the data distribution. ReqSketch assumes no prior knowledge of the stream length and is fully mergeable, enabling it to be easily integrated into parallel and distributed computing environments. ReqSketch is integrated into the Synopses Data Engine (SDE), with the express purpose of using it within a distributed stream-processing environment. The integration supports the creation, maintenance, and querying of ReqSketch synopses, across multiple computing units. The resulting ReqSketch algorithm is tested in terms of data ingestion throughput and query estimation throughput for both rank and quantile queries under parallel execution.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Χαβάκη

με θέμα

Πρόβλεψη Χαοτικών Δυναμικών Συστημάτων με Νευρωνικά Δίκτυα

Forecasting Chaotic Dynamical Systems with Neural Networks

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Διονύσιος Χριστόπουλος (Σχολή ΗΜΜΥ)
Δρ. Παντελής Βλάχας (ETH Zurich)

Περίληψη

Η πρόβλεψη χαοτικών δυναμικών συστημάτων αποτελεί ένα απαιτητικό πρόβλημα, καθώς ακόμη και μικρά σφάλματα ή μικρές αποκλίσεις στις αρχικές συνθήκες του συστήματος μπορούν να οδηγήσουν σε σημαντική απόκλιση της μελλοντικής του τροχιάς. Η παρούσα διπλωματική εργασία μελετά τη χρήση νευρωνικών δικτύων για την πρόβλεψη χρονοσειρών, με κύρια έμφαση στο χαοτικό σύστημα Lorenz και δευτερευόντως με αξιολόγηση σε πραγματικά κλινικά δεδομένα από το MIMIC-III benchmark για το πρόβλημα πρόβλεψης ενδονοσοκομειακής θνησιμότητας. Στο πλαίσιο της εργασίας συγκρίνονται δύο αρχιτεκτονικές μοντελοποίησης ακολουθιών, τα δίκτυα Long Short-Term Memory (LSTM) και τα Temporal Convolutional Networks (TCN). Για το σύστημα Lorenz δημιουργήθηκε συνθετική χρονοσειρά μέσω αριθμητικής επίλυσης των εξισώσεων του συστήματος και τα μοντέλα εκπαιδεύτηκαν στο πρόβλημα πρόβλεψης ενός βήματος. Η αξιολόγηση περιλαμβάνει τόσο την απόδοση στην πρόβλεψη ενός βήματος (one-step prediction), όσο και τη συμπεριφορά των μοντέλων σε αναδρομική πρόβλεψη πολλαπλών βημάτων (recursive rollout), όπου εξετάζεται η αύξηση του σφάλματος και ο αποτελεσματικός ορίζοντας πρόβλεψης. Δευτερευόντως, οι ίδιες αρχιτεκτονικές αξιολογήθηκαν στο ICU In-Hospital Mortality task, χρησιμοποιώντας πολυμεταβλητές κλινικές χρονοσειρές των πρώτων 48 ωρών παραμονής στη ΜΕΘ, ενώ η απόδοση αξιολογήθηκε με μετρικές, όπως AUROC, AUPRC accuracy και F1-score. Τα αποτελέσματα δείχνουν ότι και οι δύο αρχιτεκτονικές μπορούν να μάθουν βραχυπρόθεσμα χρονικά πρότυπα, τόσο σε συνθετικά, όσο και σε πραγματικά δεδομένα χρονοσειρών. Ωστόσο, στο πρόβλημα πρόβλεψης του συστήματος Lorenz το LSTM παρουσίασε μεγαλύτερο αποτελεσματικό ορίζοντα πρόβλεψης (effective prediction horizon) και πιο σταθερή συμπεριφορά κατά την αναδρομική πρόβλεψη (recursive rollout) σε σχέση με το TCN. Αντίστοιχα, στο πρόβλημα πρόβλεψης ενδονοσοκομειακής θνησιμότητας της ΜΕΘ το LSTM πέτυχε υψηλότερη τελική απόδοση, με test AUROC 0,77 έναντι 0,66 για το TCN. Συνολικά, τα αποτελέσματα υποδεικνύουν ότι το LSTM ήταν πιο αποτελεσματικό στα συγκεκριμένα πειράματα, αν και η απόδοση των μοντέλων εξαρτάται σημαντικά από τη φύση του εκάστοτε προβλήματος και τη διαθέσιμη ποσότητα δεδομένων. 

Abstract

Forecasting chaotic dynamical systems is a challenging problem, as even small errors or slight deviations in the initial conditions of the system can lead to significant divergence in its future trajectory. This diploma thesis studies the use of neural networks for time-series forecasting, with primary emphasis on the chaotic Lorenz system and, secondarily, with evaluation on real clinical data from the MIMIC-III benchmark for the in-hospital mortality prediction task. Within this work, two sequence-modeling architectures are compared: Long Short-Term Memory (LSTM) networks and Temporal Convolutional Networks (TCNs). For the Lorenz system, a synthetic time series was generated through numerical integration of the system equations, and the models were trained on a one-step-ahead prediction task. The evaluation includes both one-step prediction performance and the behavior of the models in multi-step recursive forecasting, where error growth and the effective prediction horizon are examined. Secondarily, the same architectures were evaluated on the ICU In-Hospital Mortality task, using multivariate clinical time series from the first 48 hours of ICU stay, while performance was assessed using metrics, such as AUROC, AUPRC, accuracy, and F1-score. The results show that both architectures can learn short-term temporal patterns in both synthetic and real-world time-series data. However, in the Lorenz forecasting task, the LSTM achieved a longer effective prediction horizon and exhibited more stable behavior during recursive rollout compared with the TCN. Similarly, in the ICU in-hospital mortality prediction task, the LSTM achieved higher final performance, with a test AUROC of 0.77 compared to 0.66 for the TCN. Overall, the results indicate that the LSTM was more effective in the specific experiments conducted, although model performance depends strongly on the nature of each problem and the amount of available data.  

Meeting ID: 96152983156
Password: 825484

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ερμιόνης Φώτη

με θέμα

MEREBO Reloaded: Ένα Υβριδικό Πλαίσιο Εργασίας με Υποστήριξη Μεγάλων Γλωσσικών Μοντέλων για την Συσχέτιση Εγγραφών και τη Βελτιστοποίηση Αγορών σε Κάθετες Διαδικτυακές Αγορές
MEREBO Reloaded: A Hybrid LLM-Assisted Framework for Record Linkage and Shopping Optimization in Vertical Web Markets

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος (επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς 

Περίληψη

Η παρούσα διπλωματική εργασία παρουσιάζει το MEREBO Reloaded, ένα προηγμένο υβριδικό πλαίσιο που επεκτείνει τις θεμελιώδεις ροές αντιστοίχισης προϊόντων και βελτιστοποίησης καλαθιού αγορών των MEREBO (Multi-source Entity REsolution and Basket Optimization) και MEREBO 2 στον τομέα του ηλεκτρονικού εμπορίου φαρμακευτικών προϊόντων. Παρότι τα προηγούμενα αυτά συστήματα συγκέντρωσαν με επιτυχία δεδομένα προϊόντων σουπερμάρκετ, απαιτούσαν σημαντική χειροκίνητη συντήρηση, λόγω των scrapers με CSS selectors που καθορίζονταν ξεχωριστά για κάθε ιστότοπο, της χειροκίνητης δημιουργίας ground truth και των εμπειρικά ορισμένων βαρών ομοιότητας. Επιπλέον, η βελτιστοποίησή τους δεν λάμβανε υπόψη τη γεωγραφική διάσταση, επιβάλλοντας μόνο ένα σταθερό ελάχιστο ποσό παραγγελίας ανά κατάστημα και αγνοώντας τα έξοδα αποστολής. Για να ξεπεραστούν αυτοί οι περιορισμοί, το MEREBO Reloaded ενσωματώνει Μεγάλα Γλωσσικά Μοντέλα (LLMs) σε πολλαπλά στάδια της ροής επεξεργασίας του. Τα LLMs αντικαθιστούν τους εύθραυστους CSS selectors, εξάγοντας αυτόνομα τα δεδομένα των προϊόντων σε δομημένη μορφή απευθείας από τις ιστοσελίδες των φαρμακείων. Η δημιουργία του ground truth αυτοματοποιείται πλήρως μέσω της εξαγωγής του Παγκόσμιου Αριθμού Εμπορικού Είδους (GTIN), σε συνδυασμό με ταξινόμηση βάσει LLM για προϊόντα χωρίς barcode. Η ομοιότητα προϊόντων υπολογίζεται ως συνδυασμός με βάρη της πιθανότητας του Random Forest, της ομοιότητας συνημιτόνου των πολύγλωσσων sentence embeddings και του Δείκτη Μέτρησης Δομικής Ομοιότητας (SSIM). Αντί να καθορίζονται εμπειρικά τα βάρη, ένα LLM τα βελτιστοποιεί ελαχιστοποιώντας μια loss function ευαίσθητη ως προς τα σφάλματα. Ένα LLM λειτουργεί επίσης ως τελικός κριτής της ταυτοποίησης οντοτήτων, επιβεβαιώνοντας ή απορρίπτοντας την κορυφαία υποψήφια αντιστοίχιση για κάθε φαρμακείο. Τέλος, ο αλγόριθμος βελτιστοποίησης καλαθιού αναβαθμίζεται ώστε να λαμβάνει υπόψη τη γεωγραφική διάσταση, απαριθμώντας τις καταστάσεις παράδοσης ανά κατάστημα και υπολογίζοντας δυναμικά το κόστος αποστολής με βάση την απόσταση Haversine μεταξύ του χρήστη και κάθε φαρμακείου. Το σύστημα υλοποιείται ως εφαρμογή full-stack, η οποία αποτελείται από μια ροή επεξεργασίας σε Python, ένα REST API σε Node.js, ένα ευρετήριο αναζήτησης στο Apache Solr και ένα mobile frontend σε Flutter. Η πειραματική αξιολόγηση επιβεβαιώνει τη βιωσιμότητα της προσέγγισης με τη βοήθεια LLM, καθιστώντας το MEREBO Reloaded βάση αναφοράς με δυνατότητα κλιμάκωσης και προσαρμογής για τη συγκέντρωση δεδομένων σε κάθετες αγορές.

Abstract

This thesis presents MEREBO Reloaded, an advanced hybrid framework extending the foundational product matching and basket optimization pipelines of MEREBO (Multi-source Entity REsolution and Basket Optimization) and MEREBO 2 to the pharmaceutical e-commerce domain. While these predecessors successfully aggregated grocery data, they required significant manual maintenance due to scrapers with hand-written CSS selectors, manual ground-truth labeling, and empirically set similarity weights. Their optimization was also geographically unaware, enforcing only a fixed minimum order per store and ignoring shipping costs. To overcome these limitations, MEREBO Reloaded integrates Large Language Models (LLMs) at multiple stages of its pipeline. LLMs replace fragile CSS selectors to autonomously extract structured data directly from pharmacy web pages. Ground-truth generation is fully automated using Global Trade Item Number (GTIN) extraction alongside LLM-based classification for products without barcodes. Product similarity is computed as a weighted combination of Random Forest probability, multilingual sentence embedding cosine similarity, and Structural Similarity Index Measure (SSIM). To eliminate empirical tuning, an LLM optimizes these weights by minimizing an error-aware loss function. An LLM further serves as the final arbiter of entity resolution, confirming or rejecting the top candidate match per pharmacy. Finally, the basket optimization algorithm is upgraded with geographical awareness, enumerating per-store delivery states and computing shipping costs dynamically based on the Haversine distance between the user and each pharmacy. The system is implemented as a full-stack application consisting of a Python pipeline, a Node.js REST API, an Apache Solr search index, and a Flutter mobile frontend. Experimental evaluations confirm the viability of this LLM-assisted approach, establishing MEREBO Reloaded as a scalable and adaptable baseline for vertical market aggregation.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μάνουελ Ράφαελ Μπάρτς

με θέμα

Ενοποίηση Πανεπιστημιακών Δεδομένων Ανοικτής Πρόσβασης: Εφαρμογή στο Πολυτεχνείο Κρήτης

Consolidation of University Open Access Data: Application to the Technical University of Crete

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγήτρια Αικατερίνη Μανιά (Σχολή ΗΜΜΥ)
Καθηγητής Γεώργιος Καρυστινός (Σχολή ΗΜΜΥ)

Περίληψη

Η ανοικτή πρόσβαση είναι ένα σημαντικό και επίκαιρο θέμα στις μέρες μας. Τρεις θεμελιώδεις ορισμοί οδήγησαν στη διαμόρφωση της έννοιας του όρου «Ανοικτή Πρόσβαση». Οι ορισμοί προέκυψαν από τη Πρωτοβουλία της Βουδαπέστης, τη Δήλωση της Bethesda και τη Διακήρυξη του Βερολίνου. Οι ορισμοί των κινημάτων αυτών έχουν ακόμα και σήμερα αξιόλογη επιρροή, ενώ καθοριστική στη δημιουργία των τριών κινημάτων ήταν και η συνεισφορά του Peter Suber. Ο όρος «Δεδομένα Ανοικτής Πρόσβασης», που αποτελεί κύριο αντικείμενο της παρούσας διπλωματικής εργασίας, φαίνεται να μην χρησιμοποιείται γενικά, όσο ένας όρος που είναι κοντά εννοιολογικά, συγκεκριμένα ο όρος «Ανοικτή Πρόσβαση στα Ερευνητικά Δεδομένα». Πηγές ανοικτών δεδομένων μπορούν να εντοπισθούν, τόσο σε πανεπιστημιακές, όσο και σε διάφορες άλλες, ιστοσελίδες. Η παρούσα διπλωματική εργασία εστιάζει αρχικά στην εξέταση και καταγραφή των 25 ιδρυματικών αποθετηρίων από τα 24 Ελληνικά ΑΕΙ. Επίσης, περιγράφεται ο Ελληνικός συσσωρευτής OpenArchives.gr που αποτελεί μια μορφή ενοποίησης πανεπιστημιακών και άλλων δεδομένων ανοικτής πρόσβασης, αλλά έχει κάποια μειονεκτήματα. Στη συνέχεια, παρουσιάζεται μια διαδικτυακή υπηρεσία ενοποίησης πανεπιστημιακών δεδομένων ανοικτής πρόσβασης, η οποία δημιουργήθηκε στο πλαίσιο της παρούσας διπλωματικής εργασίας, εστιάζοντας στα 25 ιδρυματικά αποθετήρια. Τέλος, ως εφαρμογή εξειδίκευσης στο Πολυτεχνείο Κρήτης, περιλαμβάνεται ως αυτοτελής ενότητα στην υπηρεσία και ένας κατάλογος πηγών ανοικτής πρόσβασης που συγκεντρώνει δεδομένα από ποικίλες πηγές εντός και εκτός ιδρύματος. Η εξειδίκευση στο Πολυτεχνείο Κρήτης αποτελεί παράδειγμα μελλοντικής αξιοποίησης ανάλογων δυνατοτήτων και για άλλα πανεπιστημιακά ιδρύματα. 

Abstract

Open Access is a significant and timely topic today. Three fundamental definitions shaped the concept of "Open Access": those arising from the Budapest Initiative, the Bethesda Statement, and the Berlin Declaration. The definitions put forward by these movements remain highly influential, and Peter Suber played a pivotal role in their inception. The term "Open Access Data" —the primary subject of this diploma thesis— appears to be less commonly used than the conceptually similar term "Open Access to Research Data". Sources of open data can be found on university websites, as well as various other sites. This diploma thesis initially focuses on examining and cataloging the 25 institutional repositories belonging to the 24 Greek Higher Education Institutions (HEIs). It also describes the Greek aggregator OpenArchives.gr, which consolidates university and other open-access data, but suffers from certain limitations. Finally, the diploma thesis presents a web-based service for consolidating university open-access data —developed as part of this study— that focuses specifically on these 25 institutional repositories. Finally, as a specific application to the Technical University of Crete, the service includes a standalone section featuring a directory of open-access resources that consolidates data from various sources both within and outside the institution. This application at the Technical University of Crete serves as an example of how similar capabilities could be utilized by other university institutions in the future.

Meeting ID: 96418020996
Password: 836199

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρήστου Κοιλανίτη

με θέμα

Από Κοινού Βελτιστοποίηση Πολλαπλών Εξόδων και Μονάδων Απόφασης σε Κατανεμημένα Βαθιά Νευρωνικά Δίκτυα
Joint Optimization of Online and Offline Decision Modules in Distributed Deep Neural Networks

Εξεταστική Επιτροπή

Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Διονύσιος Χριστόπουλος
Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης

Περίληψη

Η διπλωματική εργασία μελετά τη συνδυασμένη βελτιστοποίηση μοντέλων πρόβλεψης και μονάδων απόφασης σε κατανεμημένα συστήματα βαθιάς μάθησης. Για την πρόβλεψη πολυμεταβλητών χρονοσειρών χρησιμοποιούνται ένα μικρό τοπικό νευρωνικό δίκτυο και ένα απομακρυσμένο δίκτυο μεγαλύτερης χωρητικότητας. Μια μονάδα δρομολόγησης επιλέγει ποιο μοντέλο παρέχει κάθε πρόβλεψη, με στόχο την ελαχιστοποίηση ενός κριτηρίου που συνδυάζει το σφάλμα πρόβλεψης με μια προκαθορισμένη ποινή απομακρυσμένης εκτέλεσης.
Αρχικά εξετάζονται η κοινή εκπαίδευση και η τάση της δρομολόγησης να συγκεντρώνεται σε μία διαδρομή. Ακολουθεί μια διαχωρισμένη διαδικασία μάθησης, όπου η μονάδα απόφασης εκτιμά το αναμενόμενο πλεονέκτημα του απομακρυσμένου μοντέλου από πληροφορίες διαθέσιμες τη στιγμή της πρόβλεψης. Αναπτύσσεται επίσης επαναληπτική προσαρμογή του απομακρυσμένου μοντέλου και της μονάδας δρομολόγησης, με σταθερό το τοπικό μοντέλο και περιορισμούς στις αλλαγές της συμπεριφοράς τους. Μελετώνται παραλλαγές με συνελικτικά νευρωνικά δίκτυα και παλινδρόμηση Ridge.

Abstract 

This diploma thesis investigates the coordinated optimization of forecasting models and decision modules in distributed deep learning systems. Multivariate time-series forecasting is formulated using a small local neural network and a larger remote network. A routing module selects which model supplies each forecast, aiming to minimize an objective that combines prediction error with a predefined penalty for remote execution.
The study first examines joint training and the tendency of routing to concentrate on a single execution path. It then develops a decoupled learning procedure in which the decision module estimates the expected advantage of the remote model using information available at prediction time. An iterative adaptation procedure updates the remote model and the router while keeping the local model fixed and constraining changes in their behavior. Variants based on convolutional neural networks and Ridge regression are investigated.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σπυρίδωνος Στάμου

με θέμα

Σχεδίαση και Υλοποίηση Υπηρεσιών Αναλυτικής Επεξεργασίας Ναυτιλιακών Δεδομένων AIS στο Apache Spark

Design and Implementation of Analytics Services for Maritime AIS Data Using Apache Spark

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη

Η ευρεία υιοθέτηση του Αυτόματου Συστήματος Αναγνώρισης (AIS) έχει οδηγήσει σε έναν διαρκώς αυξανόμενο όγκο δεδομένων κίνησης πλοίων. Η αφθονία αυτή καθιστά δυνατή τη διερεύνηση ζητημάτων θαλάσσιας κυκλοφορίας, συμπεριφοράς πλοίων και λειτουργίας λιμένων με εμπειρικό τρόπο, αντί μέσω δειγματοληψίας ή χειροκίνητης παρατήρησης. Ωστόσο, ο όγκος των δεδομένων και ο ρυθμός με τον οποίο καταφθάνουν υπερβαίνουν τις δυνατότητες της συμβατικής επεξεργασίας σε έναν κόμβο, δημιουργώντας την ανάγκη για εργαλεία ικανά να τα αναλύουν παράλληλα και σε μεγάλη κλίμακα.
Στην παρούσα διπλωματική εργασία παρουσιάζουμε το Nereus, ένα ολοκληρωμένο (end-to-end) σύστημα θαλάσσιας ανάλυσης δεδομένων AIS, βασισμένο στο Apache Spark. Το Nereus εφαρμόζει αρχικά μια κατανεμημένη διαδικασία προεπεξεργασίας, η οποία απομακρύνει τον θόρυβο που είναι εγγενής στις ακατέργαστες εκπομπές και παράγει καθαρές τροχιές πλοίων. Πάνω σε αυτές, υλοποιεί ένα σύνολο αναλυτικών υπηρεσιών που δεν βασίζονται σε καμία πληροφορία πέρα από τα χωρικά, χρονικά και κινηματικά χαρακτηριστικά του AIS και τον τύπο του πλοίου. Οι υπηρεσίες αυτές είναι η ανίχνευση σκόπιμης απενεργοποίησης του πομποδέκτη και «σκοτεινών» στόχων (dark targets), η χωροχρονική εκτίμηση πυκνότητας κυκλοφορίας, η ανίχνευση εγγύτητας μεταξύ πλοίων, η εξαγωγή προσεγγίσεων σε λιμένες (port calls), η ανίχνευση προσαράξεων και η αναγνώριση αλιευτικής δραστηριότητας. Περιλαμβάνονται επίσης μοντέλα πρόβλεψης χρόνου άφιξης, προορισμού και λιμενικής συμφόρησης. Τα αποτελέσματα αποθηκεύονται σε σχεσιακή βάση δεδομένων και διατίθενται μέσω REST API σε μια διαδραστική διαδικτυακή διεπαφή.
Η πειραματική μας αξιολόγηση πραγματοποιείται σε 46,2 εκατομμύρια ακατέργαστες αναφορές θέσης, από τις οποίες 45,0 εκατομμύρια παραμένουν μετά τον καθαρισμό. Οι αναφορές προέρχονται από 9.518 διακριτά πλοία και καλύπτουν τη θαλάσσια περιοχή της Κρήτης από τον Οκτώβριο του 2025 έως τον Ιούλιο του 2026. Στη cluster της SoftNet, η προεπεξεργασία και οι επτά υπηρεσίες ανίχνευσης ολοκληρώνονται σε 33 λεπτά με οκτώ executors των τεσσάρων πυρήνων ο καθένας, ενώ τα τρία μοντέλα πρόβλεψης εκπαιδεύονται σε έναν μόνο υπολογιστή. Η εκτίμηση του χρόνου άφιξης μειώνει το μέσο απόλυτο σφάλμα κατά 13,9% σε σχέση με την ισχυρότερη μέθοδο αναφοράς. Το όφελος εντοπίζεται κυρίως σε προβλέψεις που γίνονται περισσότερες από έξι ώρες πριν από την άφιξη. Η πρόβλεψη προορισμού επιτυγχάνει ακρίβεια top-1 56,1%, έναντι 29,9% για μια μέθοδο αναφοράς Markov βασισμένη στη συχνότητα διαδρομών, και φτάνει το 62,9% σε λιμένες με περισσότερα από εκατό καταγεγραμμένα στιγμιότυπα. Η πρόβλεψη του μεγέθους ουράς για την επόμενη ημέρα μειώνει το RMSE κατά 12,7% σε σχέση με το μοντέλο persistence.

Abstract 

Nowadays, the widespread adoption of the Automatic Identification System (AIS) has produced a continuously growing volume of vessel movement data. This abundance makes it possible to address questions of maritime traffic, vessel behaviour and port operation empirically, rather than through sampling or manual observation. However, the volume of these data and the rate at which they arrive exceed what conventional single-node processing can sustain, creating the need for tools able to analyse them in parallel and at scale.
In this thesis we present Nereus, an end-to-end system for maritime analytics over AIS data, built on Apache Spark. Nereus first applies a distributed preprocessing pipeline that removes the noise inherent in raw transmissions and produces clean vessel trajectories. On top of these, it implements a suite of analytic services that rely on no information beyond the spatial, temporal and kinematic attributes of AIS together with the vessel type: detection of intentional transponder deactivation and of dark targets, spatiotemporal traffic density estimation, ship-to-ship proximity detection, port call extraction, grounding detection and the recognition of fishing activity and predictive models for arrival time, destination and port congestion. The computed results are persisted in a relational store and served through a REST API to an interactive web interface. 
Our experimental evaluation is conducted on 46.2 million raw position reports, of which 45.0 million survive cleaning, from 9,518 distinct vessels, covering the Cretan maritime domain between October 2025 and July 2026. On the SoftNet cluster the preprocessing and the seven detection services complete in 33 minutes on eight executors of four cores each, while the three predictive models are trained on a single machine. Arrival-time estimation reduces mean absolute error by 13.9% over the strongest baseline, with the gain concentrated beyond six hours from arrival. Destination prediction reaches 56.1% top-1 accuracy against 29.9% for a Markov route-frequency baseline, rising to 62.9% on ports with more than one hundred recorded snapshots. Next-day queue-size forecasting reduces RMSE by 12.7% over persistence.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χαράλαμπου Χαραλάμπους

με θέμα

Συμβολή στην Οικονομοτεχνική Μελέτη Φωτοβολταϊκού Πάρκου στην Κύπρο
Contribution to the Economic and Technical Study of a Photovoltaic Park in Cyprus

Εξεταστική Επιτροπή

Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
ΕΔΙΠ Δρ. Ελευθερία Σεργάκη

Περίληψη

Τα φωτοβολταϊκά (Φ/Β) πάρκα είναι μια σύγχρονη και φιλική προς το περιβάλλον μέθοδος παραγωγής ενέργειας, που για την Κύπρο έχει ζωτική σημασία. Ως νησί, η Κύπρος δεν διαθέτει εγχώριους αξιοποιούμενους ορυκτούς ενεργειακούς πόρους. Τα Φ/Β πάρκα συμβάλλουν στη μείωση της εξάρτησης από εισαγόμενα καύσιμα, όπως το μαζούτ και το ντίζελ, που χρησιμοποιούνται για την παραγωγή ηλεκτρικής ενέργειας.
Στην παρούσα εργασία παρουσιάζεται η οικονομοτεχνική μελέτη ενός Φ/Β πάρκου στην περιοχή Αναφωτίδα της επαρχίας Λάρνακας, συνολικής εγκατεστημένης ισχύος 1.20 MWp, συνδεδεμένου στο δίκτυο Μέσης Τάσης 11/22 kV του Διαχειριστή Συστήματος Διανομής (ΔΣΔ) της Κυπριακής Δημοκρατίας. 
Με τη χρήση λογισμικού, θα σχεδιάσουμε τόσο το υφιστάμενο πάρκο όσο και το σενάριο προσθήκης μονάδας αποθήκευσης ενέργειας και με προσομοίωση τριάντα (30) ετών θα συγκρίνουμε τα αποτελέσματά μας για την εξαγωγή των όποιων συμπερασμάτων ως προς την απόδοση. 

Abstract 

Photovoltaic (PV) parks are a modern and environmentally friendly means of energy generation and are of particular importance to Cyprus. As an island, Cyprus has no domestic primary energy resources available for exploitation. PV parks help reduce the country’s dependence on imported fuels, such as heavy fuel oil and diesel, which are used for electricity generation.
This thesis presents a techno-economic study of a PV park in Anafotida, in the Larnaca district, with a total installed capacity of 1.20 MWp. The park is connected to the 11/22 kV medium-voltage network of the Distribution System Operator (DSO) of the Republic of Cyprus.
Using software, we will model both the existing park and a scenario incorporating an energy storage unit. Through a 30-year simulation, we will compare the results to draw conclusions regarding performance. 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δημητρίου Λάσκου

με θέμα

Ηλεκτρομαγνητική Ανάλυση Ηλεκτρικής Μηχανής Μονίμων Μαγνητών με Συνεργατική Προσομοίωση Πεπερασμένων Στοιχείων και Simulink

Electromagnetic Analysis of Permanent Magnet Electric Machine through Collaborative Simulation between FEA and Simulink

Εξεταστική Επιτροπή

Καθηγητής Κωνσταντίνος Γυφτάκης (Επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης
Δρ Ελευθερία Σεργάκη

Περίληψη

Η παρούσα διπλωματική εργασία διερευνά την ηλεκτρομαγνητική και λειτουργική συμπεριφορά μιας σύγχρονης γεννήτριας μόνιμων μαγνητών (PMSG) χωρίς κιβώτιο ταχυτήτων και συγκεκριμένα της τοπολογίας ακτινικής ροής C-GEN, ενσωματωμένης σε ένα σύστημα μεταφοράς ισχύος συνδεδεμένο με το δίκτυο. Χρησιμοποιώντας ένα πλαίσιο συνεργατικής προσομοίωσης που συνδυάζει την Ανάλυση Πεπερασμένων Στοιχείων (FEA) στο λογισμικό Simcenter MAGNET και τη μοντελοποίηση στο MATLAB Simulink, η μελέτη συγκρίνει διεξοδικά την απόδοση της μηχανής υπό κανονικές συνθήκες λειτουργίας και υπό συνθήκες σφάλματος απομαγνήτισης 20% σε έναν πόλο του δρομέα.

Abstract 

This thesis investigates the electromagnetic and operational behavior of a direct-drive Permanent Magnet Synchronous Generator (PMSG), specifically the C-GEN radial flux topology, integrated into a grid-tied power transmission system. Using a collaborative simulation framework between Finite Element Analysis (FEA) in Simcenter MAGNET and modeling in MATLAB Simulink, the study comprehensively compares the machine's performance under healthy conditions and under 20% demagnetization fault on a single rotor pole.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Λορίκ Χαϊρουλλάι

με θέμα

Σύστημα Διαχείρισης Διπλωματικών Εργασιών
Diploma Thesis Management System

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (επιβλέπων)
Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος
Καθηγητής Μιχαήλ Λαγουδάκης

Περίληψη

Η διοικητική διαχείριση της διπλωματικής εργασίας σε ένα σύγχρονο πανεπιστήμιο είναι μια σύνθετη διαδικασία. Στο Πολυτεχνείο Κρήτης μπορεί να εκτείνεται σε δύο ακαδημαϊκά έτη, εμπλέκει τέσσερις κατηγορίες συντελεστών (φοιτητές, επιβλέποντες, γραμματεία και διαχειριστές του ιδρύματος) και διέπεται από Κανονισμό Προπτυχιακών Σπουδών που διαφέρει από Σχολή σε Σχολή. Παρότι κάθε επιμέρους βήμα είναι εξ ορισμού ψηφιακό, στην πράξη η ροή από άκρο σε άκρο εκτελείται με συνημμένα ηλεκτρονικού ταχυδρομείου, υπογεγραμμένα έντυπα και χειροκίνητη αρχειοθέτηση. Οι συνέπειες ακολουθούν: αναθέσεις που χάνονται, ασυνεπή αρχεία, καθυστερήσεις εβδομάδων ανάμεσα στην παρουσίαση και την επίσημη βαθμολόγηση, και αδιαφανής εικόνα της ακαδημαϊκής δραστηριότητας της Σχολής σε κάθε χρονική στιγμή.
Η παρούσα διπλωματική εργασία παρουσιάζει το Unithesis, μια διαδικτυακή πλατφόρμα που υποστηρίζει τον πλήρη διοικητικό κύκλο ζωής μιας διπλωματικής εργασίας, από τη δημοσίευση ενός θέματος από τον επιβλέποντα έως τη βαθμολόγηση της δημόσιας παρουσίασης και την καταγραφή του αποτελέσματος. Το πεδίο μοντελοποιείται ρητά ως τρεις συνεργαζόμενες μηχανές πεπερασμένων καταστάσεων (μία για το Θέμα, μία για τη Διπλωματική και μία για την Παρουσίαση) και κάθε μετάβαση καταγράφεται σε πίνακα ιστορικού μόνο-προσθήκης, από τον οποίο υπολογίζονται τα συγκεντρωτικά μεγέθη των διοικητικών πινάκων ελέγχου. Ο έλεγχος πρόσβασης βασίζεται σε ρόλους με εναλλαγή ενεργού ρόλου, ώστε ένας χρήστης με περισσότερους από έναν ακαδημαϊκούς ρόλους να ενεργεί κάθε φορά με έναν. Η ταυτοποίηση ανατίθεται εξ ολοκλήρου στον ομοσπονδιακό πάροχο ταυτότητας του ιδρύματος, χωρίς αναπαραγωγή λογαριασμών. Κάθε Τμήμα παραμετροποιεί τους κανόνες του Κανονισμού μέσω μιας Πολιτικής, οπότε η ίδια εγκατάσταση εξυπηρετεί όλες τις Σχολές του ιδρύματος με έναν κώδικα. Υλοποιείται ως υπηρεσία Spring Boot με διεπαφή React, με MySQL για την αποθήκευση, Keycloak για την ενιαία σύνδεση και Redis για τον συντονισμό.

Abstract

The administration of an undergraduate thesis at a modern university is a complex process. At the Technical University of Crete (TUC) it can span two academic years, involve four different kinds of actor (students, supervisors, departmental staff and institutional administrators), and is governed by an Undergraduate Studies Regulation that differs from School to School. Despite the obvious digital nature of every individual step, in practice the end-to-end workflow is still carried out over e-mail attachments, signed forms and manual filing. The consequences follow: orphaned assignments, inconsistent records, weeks between a presentation and its official grading, and an opaque picture of the School's academic activity at any point in time.
This diploma thesis presents Unithesis, a web platform covering the administrative lifecycle of an undergraduate thesis at TUC, from the publication of a topic by a Supervisor to the grading of the public defense. It is a full-stack web application serving several Departments from one institutional deployment, each Department governed by its own editable Policy. It is built as a Spring Boot service and a React single-page application, with MySQL for persistence, Keycloak brokering the institutional single sign-on, and Redis for coordination. It does not hold the manuscript: only the workflow metadata (states, timestamps, committee, grades), while the body of each thesis goes to the existing institutional repository by a separate procedure.
The domain is modelled explicitly as three cooperating finite-state machines (one for a Topic, one for the Thesis, one for the Defense), and every transition is appended to a state-history table from which the administrative dashboards are computed. Access control is role-based with an active-role switch: a user holding more than one academic role acts in one of them at a time, named in an X-ActiveRole header and validated on the server before authorisation.
Three properties shaped the design: it fits on a single institutional virtual machine, it is built to authenticate against the existing SSO federation without duplicating accounts, and every Regulation rule it enforces is a Policy row rather than a line of code. 

Abstract

The performance of a datacenter server is increasingly set less by its components than by the interfaces between them. CPUs, NICs, caches and memory are provisioned independently and coordinate only through narrow, static interfaces that encode expectations reasonable at the time they were formed. The separation of concerns has enabled decades of independent innovation. But as network bandwidth has grown to rival memory bandwidth and CPUs have come to sit between heterogeneous workloads and heterogeneous memory technologies, those interfaces become the binding constraint, leaving performance unused that the hardware is fully capable of delivering.

Two properties determine whether an interface can keep up: expressiveness, whether it carries the information components actually need to coordinate, and elasticity, whether it can adapt at runtime rather than being fixed at design time. In this talk, I will show how enriching interfaces along these two axes unlocks performance already latent in the hardware. I will begin with Sweeper, which makes the interface between the network stack and the cache hierarchy more expressive. Placing incoming network traffic directly in the cache was meant to keep the network off the memory system, but the cache cannot tell when a buffer has been consumed, so it writes finished network data back to memory and spends bandwidth that co-located applications need. Sweeper lets software signal buffer liveness to the hardware, so the cache can drop those lines instead. I will then present MORIA, which makes the interface between the cache and its miss-handling hardware elastic. The structures tracking outstanding misses are sized at design time and cap how many memory requests a core can sustain, stalling cores while cache capacity sits underused beside them. MORIA virtualizes miss-tracking state inside the cache data array, letting the cache expand its own tracking capacity on demand.

Together, these systems show that precisely targeted interface changes, not full system redesign, can recover substantial performance. I will conclude by outlining my agenda for the datacenter of the future, where AI serving increasingly sets the terms. Accelerators will handle much of that work, but general-purpose components will serve alongside them. I plan to investigate ways to make those components adaptive enough to run AI workloads efficiently without giving up their generality, in energy as well as performance.

About the Speaker

Marina Vemmou recently completed her Ph.D. at the Georgia Institute of Technology, advised by Alexandros Daglis. Her research spans computer architecture and systems, focusing on the hardware-software interfaces through which memory- and networking-intensive applications coordinate with the systems that serve them. She has three publications at MICRO, one of the top conferences in computer architecture, and has held research internships at NVIDIA Research and Microsoft Research. She received the Georgia Tech SCS Incubator Graduate Fellowship and the Georgia Tech CoC Outstanding Graduate Teaching Assistant Award. Her overarching goal is to design hardware and software interfaces that let general-purpose datacenter components adapt to emerging workloads like agentic AI, with an emphasis on energy efficiency.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αγγελικής Χριστοπούλου

με θέμα

Μοντελοποίηση και Βελτιστοποίηση Αλγορίθμων Μείωσης Πόλωσης Απόψεων σε Κοινωνικά Δίκτυα

Modeling and Optimization of Opinion Depolarization Algorithms in Social Networks

Εξεταστική Επιτροπή

Καθηγητής Θρασύβουλος Σπυρόπουλος (Σχολή ΗΜΜΥ, επιβλέπων) 
Καθηγητής Αθανάσιος Λιάβας (Σχολή ΗΜΜΥ)
Καθηγητής Μιχαήλ Λαγουδάκης (Σχολή ΗΜΜΥ)

Περίληψη

Η παρούσα διπλωματική εργασία μελετά το πρόβλημα της μείωσης της πόλωσης απόψεων σε κοινωνικά δίκτυα μέσω κατάλληλης τροποποίησης των βαρών επιρροής μεταξύ των χρηστών. Η μελέτη επικεντρώνεται στο μοντέλο Friedkin–Johnsen, το οποίο περιγράφει την εξέλιξη των απόψεων λαμβάνοντας υπόψη τόσο την κοινωνική επιρροή όσο και την προσκόλληση των χρηστών στις αρχικές τους απόψεις. Με βάση τη μακροχρόνια κατάσταση ισορροπίας του μοντέλου, διατυπώνεται ένα πρόβλημα βελτιστοποίησης με στόχο την ελαχιστοποίηση της τελικής πόλωσης, υπό περιορισμό στον συνολικό βαθμό μεταβολής του πίνακα επιρροής του δικτύου. Για την επίλυση του προβλήματος εξετάζονται και συγκρίνονται διαφορετικές προσεγγίσεις βελτιστοποίησης, οι οποίες αξιολογούνται πειραματικά σε διαφορετικές κατηγορίες συνθετικών κοινωνικών δικτύων και για διαφορετικά επίπεδα διαθέσιμου προϋπολογισμού παρέμβασης. Τα αποτελέσματα δείχνουν ότι κατάλληλα σχεδιασμένες και περιορισμένες μεταβολές στα βάρη επιρροής μπορούν να οδηγήσουν σε σημαντική μείωση της μακροχρόνιας πόλωσης του δικτύου.

Abstract 

This thesis studies the problem of reducing opinion polarization in social networks through appropriate modifications of the influence weights between users. The study focuses on the Friedkin–Johnsen model, which describes opinion evolution by taking into account both social influence and users' attachment to their initial opinions. Based on the long-term equilibrium of the model, an optimization problem is formulated with the objective of minimizing the final polarization, subject to a constraint on the total modification of the network influence matrix. Different optimization approaches are investigated and compared, and their performance is experimentally evaluated on different classes of synthetic social networks and for multiple intervention-budget levels. The results show that appropriately designed and limited modifications of influence weights can lead to a significant reduction in the long-term polarization of the network.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μιχαέλας Καπουράνη

με θέμα

Σχεδιασμός και Υλοποίηση Ασφάλειας Πεζών με βάση το LiDAR

Designing and Implementing LiDAR-based Pedestrian Safety 

Εξεταστική Επιτροπή

Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός 
Δρ Ιωάννης Πευκιανάκης (Apple)

Περίληψη

Η χρήση κινητών τηλεφώνων κατά τη βάδιση μπορεί να αποσπάσει την προσοχή των πεζών, περιορίζοντας την αντίληψη του περιβάλλοντος και αυξάνοντας τον κίνδυνο σύγκρουσης με εμπόδια. Η παρούσα διπλωματική εργασία διερευνά την αξιοποίηση του αισθητήρα LiDAR που διαθέτουν οι συσκευές iPhone Pro και Pro Max ως συμπληρωματικού μέσου αντίληψης του περιβάλλοντος, με στόχο την ανίχνευση επικίνδυνων εμποδίων και την έγκαιρη προειδοποίηση του πεζού.
Αρχικά αξιολογήθηκαν τα χαρακτηριστικά, η ακρίβεια και η αξιοπιστία της πληροφορίας βάθους που παρέχεται μέσω του ARKit. Με χρήση της εφαρμογής StrayScanner συλλέχθηκαν δεδομένα βάθους και αντίστοιχες τιμές confidence σε ρεαλιστικές και ελεγχόμενες συνθήκες. Τα αποτελέσματα έδειξαν ότι το confidence επηρεάζεται από την απόσταση και τις περιβαλλοντικές συνθήκες. Οι μετρήσεις σε επίπεδους στόχους παρουσίασαν ακρίβεια της τάξης των εκατοστών, ενώ η συμπερίληψη μετρήσεων medium confidence αύξησε σημαντικά τη χωρική κάλυψη και βελτίωσε την αναπαράσταση της γεωμετρίας των αντικειμένων.
Με βάση τα παραπάνω αναπτύχθηκε σε Python σύστημα ανίχνευσης εμποδίων και εκτίμησης κινδύνου σύγκρουσης. Τα δεδομένα βάθους ανακατασκευάζονται σε τρισδιάστατες συντεταγμένες και μετασχηματίζονται στο σύστημα συντεταγμένων του ARKit. Στη συνέχεια αφαιρείται η επιφάνεια του εδάφους, τα υπόλοιπα σημεία ομαδοποιούνται σε πιθανά εμπόδια και εκτιμάται η κίνηση του χρήστη και των αντικειμένων. Ο κίνδυνος σύγκρουσης αξιολογείται βάσει της σχετικής κίνησης, μέσω περιοχής ασφαλείας και πρόβλεψης του χρόνου έως τη σύγκρουση, ενώ οι άμεσοι κίνδυνοι σε μικρή απόσταση αντιμετωπίζονται ανεξάρτητα ώστε να ενεργοποιείται προειδοποίηση χωρίς πρόσθετη καθυστέρηση. Τα αποτελέσματα δείχνουν ότι το σύστημα μπορεί να παρέχει έγκαιρες προειδοποιήσεις τόσο για άμεσους κινδύνους όσο και για προβλεπόμενες συγκρούσεις. Παράλληλα, η αξιολόγηση του χρόνου επεξεργασίας, της θερμικής συμπεριφοράς και της κατανάλωσης μπαταρίας δείχνει ότι η λειτουργία σε πραγματικό χρόνο είναι εφικτή, με μέσο ρυθμό περίπου 15 καρέ ανά δευτερόλεπτο. Συνολικά, η εργασία παρέχει τη βάση για μελλοντική υλοποίηση και ενσωμάτωση του συστήματος σε συμβατή συσκευή iPhone.

Abstract 

Smartphone use while walking can distract pedestrians, reduce awareness of the surrounding environment, and increase the risk of collisions with obstacles. This thesis investigates the use of the LiDAR sensor available on iPhone Pro and Pro Max devices as an additional sensing layer for detecting potentially hazardous obstacles and warning the pedestrian.
The work first evaluates the characteristics, accuracy, and confidence of the depth information provided through ARKit. LiDAR-derived depth and confidence data were collected using the StrayScanner application under both realistic and controlled conditions. The results showed that confidence is influenced not only by distance, but also by environmental conditions. Controlled measurements using planar targets demonstrated centimetre-level depth accuracy across the evaluated range, while the inclusion of medium-confidence measurements substantially increased scene coverage and improved the representation of object geometry.
Based on these findings, a complete offline pedestrian-safety pipeline was developed in Python. Depth measurements are reconstructed into three-dimensional coordinates and transformed into the ARKit world coordinate system. The ground surface is then estimated and removed, while the remaining points are clustered into candidate obstacles. User and obstacle motion are subsequently estimated over time. Collision risk is evaluated from their relative motion using a defined safety region and time-to-collision prediction. Immediate near-field hazards are handled independently of object tracking, allowing nearby obstacles to trigger warnings without the additional latency associated with temporal processing.
Experimental results show that the system can provide sufficiently early warnings for both immediate hazards and predicted future collisions. Processing latency, thermal behaviour, and battery-consumption measurements further indicate that real-time operation is feasible, with the developed pipeline achieving an average processing rate of approximately 15 frames per second.
Overall, the work demonstrates how smartphone LiDAR sensing, confidence-aware depth processing, geometric scene analysis, and motion estimation can be combined into a pedestrian obstacle-warning system. The proposed approach is intended as a supplementary safety mechanism and provides a basis for future real-time implementation and direct integration into compatible iPhone devices.

Meeting ID: 978 0765 1978
Password: 920680

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Στυλιανού Χαλκιά

με θέμα

Ηλεκτρομαγνητική Ανάλυση Κινητήρα Βασισμένου στο Μοντέλο Tesla 3 
Electromagnetic Analysis of a Traction Motor Based on the Tesla 3 Model 

Εξεταστική Επιτροπή
Καθηγητής Κωνσταντίνος Γυφτάκης  (επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης 
Επίκουρος Καθηγητής Γεώργιος Πέππας 

Περίληψη

Τα συστήματα κίνησης με IPMSM έχουν αποκτήσει ιδιαίτερη σημασία λόγω της ραγδαίας ανάπτυξης των ηλεκτροκίνητων μεταφορών, της ρομποτικής και των συστημάτων κίνησης υψηλών επιδόσεων. Οι IPMSM χρησιμοποιούνται ευρέως σε ηλεκτρικά οχήματα και αεροδιαστημικές εφαρμογές λόγω της υψηλής πυκνότητας ισχύος, της απόδοσης και του μεγάλου εύρους λειτουργίας ταχυτήτων τους. Ωστόσο, η πλήρης αξιοποίηση των δυνατοτήτων τους απαιτεί προηγμένες στρατηγικές ελέγχου, ιδιαίτερα στις περιοχές υψηλών ταχυτήτων με εξασθένηση πεδίου, όπου οι περιορισμοί τάσης αποτελούν τον καθοριστικό περιοριστικό παράγοντα. Η παρούσα διπλωματική εργασία διερευνά τη μοντελοποίηση και τον σχεδιασμό ελέγχου ενός συστήματος κίνησης IPMSM, βασισμένου στη δημοσίως διαθέσιμη γεωμετρία του πίσω κινητήρα του Tesla Model 3. Μέσω FEA στο Simcenter MAGNET, εξάγονται βασικές ηλεκτρικές παράμετροι όπως Ld, Lq και ψf , ενώ η αντίσταση του στάτη R προσδιορίζεται από την αναπαράσταση των τυλιγμάτων στο FEA και προσαρμόζεται στην τιμή αναφοράς. Οι παράμετροι αυτοί χρησιμοποιούνται στη συνέχεια για την υλοποίηση ενός μαθηματικού μοντέλου της μηχανής στους άξονες dq στο MATLAB/Simulink. Στη συνέχεια, αναπτύσσεται μια δομή FOC βασισμένη στο συγκεκριμένο μοντέλο, η οποία περιλαμβάνει PI ελεγκτές ταχύτητας και ρεύματος, ρυθμισμένους με τη μέθοδο pole placement, ώστε να διασφαλίζονται σταθερή και καλά αποσβεσμένη δυναμική συμπεριφορά του συστήματος. Η βασική στρατηγική ελέγχου ενισχύεται περαιτέρω με τις τεχνικές MTPA, FW και ZDF, με στόχο τη βελτίωση της απόδοσης και την επέκταση της λειτουργίας πέρα από τη ονομαστική ταχύτητα. Το σύστημα αξιολογείται μέσω προσομοιώσεων που καλύπτουν τη λειτουργία από την κατάσταση ακινησίας έως τη βαθιά περιοχή αποδυνάμωσης πεδίου. Η ανάλυση εξετάζει κατά πόσο η λειτουργία του συστήματος και οι μεταβάσεις μεταξύ των περιοχών λειτουργίας συμφωνούν με τη θεωρία. Ιδιαίτερη έμφαση δίνεται στη δυναμική απόκριση, την παραγωγή ροπής, τον περιορισμό του ρεύματος και την αξιοποίηση της τάσης. Τα αποτελέσματα των προσομοιώσεων επιβεβαιώνουν τις θεωρητικές αρχές λειτουργίας, αποδεικνύοντας σταθερή ρύθμιση του ρεύματος, ορθή συμπεριφορά υπό τους περιορισμούς τάσης και ρεύματος, καθώς και τα αναμενόμενα χαρακτηριστικά λειτουργίας στην περιοχή αποδυνάμωσης πεδίου, παρέχοντας έτσι τεκμηριωμένη επιβεβαίωση ότι η στρατηγική ελέγχου λειτουργεί σύμφωνα με τη θεωρία. 

Abstract 

Interior Permanent Magnet Synchronous Motor (IPMSM) drives have become increasingly important due to the rapid growth of electrified transportation, robotics, and high-performance motion systems. IPMSMs are widely used in electric vehicles and aerospace applications because of their high power density, efficiency, and wide operating speed range. However, fully exploiting their capabilities requires advanced control strategies, especially in high-speed field-weakening regions where voltage constraints become limiting. This thesis investigates the modelling and control design of an IPMSM drive system based on the publicly available geometry of the Tesla Model 3 rear motor. Using Finite Element Analysis (FEA) in Simcenter MAGNET, key electrical parameters such as Ld, Lq, and ψf are extracted, while the stator resistance R is determined from the FEA winding representation and adjusted to the reference value. These parameters are then used to develop and implement a dq-axis mathematical model of the machine in MATLAB/Simulink. A Field-Oriented Control (FOC) structure is then built on this model, including speed and current PI controllers tuned using the pole placement method to ensure stable and well-damped system dynamics. The baseline control strategy is further enhanced with Maximum Torque Per Ampere (MTPA), Field Weakening (FW), and Zero D-Axis Flux (ZDF) to improve performance and enable operation beyond base speed. The system is evaluated through simulations covering operation from standstill to deep FW conditions. The analysis examines whether the system operation and the transitions between operating regions are consistent with theoretical predictions. Particular emphasis is placed on dynamic response, torque production, current limitation and voltage utilization. The simulation results confirm the theoretical operating principles, demonstrating stable current regulation, appropriate voltage and current constraint behavior, and the expected characteristics of operation in the FW region, thereby providing evidence that the control strategy performs in accordance with the underlying theory.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δημητρίου Μελιόπουλου

με θέμα

Μία Μηχανή Παραγωγής Συνόψεων πάνω στη Μηχανή Structured Streaming του Spark

A Synopses Data Engine over Spark's Structured Streaming Engine

Εξεταστική Επιτροπή

Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη

Η παρούσα εργασία παρουσιάζει έναν κατανεμημένο μηχανισμό δεδομένων (SDE) που βασίζεται στον μηχανισμό Structured Streaming του Apache Spark και έχει σχεδιαστεί για να υποστηρίζει την απάντηση σε προσεγγιστικές ερωτήσεις με χαμηλό χρόνο καθυστέρησης σε ροές δεδομένων υψηλής ταχύτητας σε μεγάλη κλίμακα, μέσω της συνεχούς συντήρησης πιθανοτικών δομών δεδομένων σε topics του Kafka. Το σύστημα παρέχει δυνατότητες «synopsis-as-a-service», υποστηρίζοντας την ταυτόχρονη διαχείριση πολλαπλών τύπων συνόψεων σε διαμερισμένες ροές δεδομένων, διαμορφώσιμο οριζόντιο παραλληλισμό, λειτουργία ανθεκτική σε σφάλματα μέσω περιοδικών σημείων ελέγχου κατάστασης, καθώς και μια ανοιχτή αρχιτεκτονική συνόψεων που επιτρέπει την ενσωμάτωση νέων τύπων αλγορίθμων χωρίς τροποποίηση των τελεστών του pipeline. Η πειραματική αξιολόγηση στο ακαδημαϊκό cluster SoftNet HDP 3.1.0 διαπιστώνει: (i) σχεδόν γραμμική οριζόντια κλιμάκωση της απόδοσης ανάλογα με τον βαθμό παραλληλισμού, που φτάνει σε απόδοση 81,6% σε ένα εύρος 5× workers, (ii) η απόδοση δεν επηρεάζεται από τον όγκο του συνόλου δεδομένων και τον αριθμό των ροών, επιβεβαιώνοντας την ιδιότητα δρομολόγησης σταθερού χρόνου του δρομολογητή χωρίς state και (iii) ακρίβεια εκτίμησης εντός των θεωρητικών ορίων σφάλματος και για τους τέσσερις υποστηριζόμενους αλγόριθμους σύνοψης — CountMin Sketch, HyperLogLog, Bloom Filter και AMS Sketch.

Abstract 

This thesis introduces a distributed Synopsis Data Engine (SDE) built on Apache Spark's Structured Streaming engine, designed to sustain low-latency approximate query answering over high-velocity data streams at scale through the continuous maintenance of probabilistic data structures over Kafka topics. The system delivers synopsis-as-a-service capabilities, supporting concurrent management of multiple synopsis types across partitioned data streams, configurable horizontal parallelism, fault-tolerant operation through periodic state checkpointing, and an open synopsis architecture that allows new algorithm types to be integrated without modifying the pipeline operators. Experimental evaluation on the SoftNet HDP 3.1.0 academic cluster establishes: (i) near-linear horizontal throughput scaling with parallelism degree, reaching 81.6% efficiency across a 5× worker range; (ii) throughput insensitivity to dataset volume and stream cardinality, confirming the constant-time routing property of the stateless router; and (iii) estimation accuracy within theoretical error bounds for all four supported synopsis algorithms — CountMin Sketch, HyperLogLog, Bloom Filter, and AMS Sketch.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Όλγας Λαντζουράκη

με θέμα

Μοντέλο Παραγωγής Νοηματικής Γλώσσας: Προσεγγίσεις Ανάκτησης και Παραγωγικές Μέθοδοι
Text to Sign Language Production Model: Retrieval Based and Generative Approaches

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (επιβλέπων)
Καθηγήτρια Aικατερίνη Μανιά 
Καθηγητής Μιχαήλ Λαγουδάκης

Περίληψη

Η Παραγωγή Νοηματικής Γλώσσας (Sign Language Production, SLP) παράγει κίνηση νοηματικής από γραπτό κείμενο και παραμένει σημαντικά λιγότερο διερευνημένη από την αναγνώριση, παρά τις δυνατότητές της να βελτιώσει την προσβασιμότητα για τις κοινότητες των κωφών. Η εργασία συνεισφέρει έξι ολοκληρωμένα συστήματα SLP που μετατρέπουν ελεύθερο κείμενο σε συνεχή δισδιάστατη κινούμενη απεικόνιση σκελετού, σε τρεις οικογένειες: ανάκτηση πραγματικού βίντεο εκπαίδευσης, υβριδική προσέγγιση που εκλεπτύνει παραγωγικά το ανακτημένο βίντεο, και πλήρη σύνθεση με διαχωρισμένο διανυσματικά κβαντισμένο αυτοκωδικοποιητή και αιτιακό μετασχηματιστή κίνησης. Και τα έξι εκπαιδεύτηκαν στο How2Sign Αμερικανικής Νοηματικής και επανεκπαιδεύτηκαν στο PHOENIX14T, όπου ο επίσημος μηχανισμός αξιολόγησης του διαγωνισμού SLRTP2025 επιτρέπει άμεση σύγκριση με δημοσιευμένες εργασίες. Ολόκληρη η ροή αναπαράγεται σε λιγότερο από δεκαπέντε ώρες σε μία καταναλωτική κάρτα γραφικών.
Στη μετρική Total Distance του διαγωνισμού, που ποσοτικοποιεί πόση κίνηση νοηματικής παράγει ένα σύστημα, τα συστήματα ανάκτησης πλησιάζουν την πραγματική νοηματική περισσότερο από κάθε δημοσιευμένη συμμετοχή, συμπεριλαμβανομένου του νικητή του διαγωνισμού, ενώ στην ίδια μετρική τα παραγωγικά συστήματα βελτιώνονται έναντι της γραμμής βάσης Progressive Transformer. Οι τρεις οικογένειες αποδεικνύονται συμπληρωματικές και όχι ιεραρχικά κατατασσόμενες: η ανάκτηση προσφέρει αυθεντική ανθρώπινη άρθρωση, η υβριδική διατηρεί καλύτερα τον ρυθμό της φυσικής νοηματικής, και η πλήρης σύνθεση γενικεύει πέρα από το σύνολο εκπαίδευσης. Η διόρθωση μιας διαρροής δεδομένων σε επίπεδο πρότασης στον τυπικό διαχωρισμό του How2Sign θεμελιώνει τις συγκρίσεις αυτές σε στέρεη βάση.
Δύο ακόμη διαγνωστικά αποτελέσματα αφορούν την ίδια την αξιολόγηση. Οι μετρικές θέσης, στη μορφή ενιαίας αναφοράς, αποτυπώνουν την αληθοφάνεια της στάσης, την οποία μετρούν αξιόπιστα, και όχι τη σημασιολογική ορθότητα ενώ οι βαθμολογίες αντίστροφης μετάφρασης εξαρτώνται από το αν ο αναγνωριστής έχει συναντήσει τις στάσεις κατά την εκπαίδευση, καθώς το BLEU-4 του σε στάσεις από το δικό του σύνολο εκπαίδευσης είναι 6,2 φορές υψηλότερο από ό,τι σε άγνωστες στάσεις. Τα ευρήματα αυτά καθορίζουν τι οφείλει να ελέγχει μια αξιόπιστη σημασιολογική μετρική και οριοθετούν τι μπορεί να πιστωθεί στα έξι συστήματα. Η κατασκευή μιας τέτοιας μετρικής αποτελεί την κύρια κατεύθυνση για μελλοντική έρευνα.

Abstract 

Sign Language Production (SLP) generates signing motion from written text and remains far less explored than recognition, despite its potential to improve accessibility for deaf communities. This thesis develops six complete SLP systems that turn free text into a continuous two-dimensional skeleton animation, within the scope of three families: retrieval of a real training clip, a hybrid that refines a retrieved clip generatively, and full synthesis from a split vector-quantised autoencoder and a causal motion transformer. All six are trained on the How2Sign corpus of American Sign Language and retrained on the German PHOENIX14T corpus, where the official evaluator of the SLRTP2025 challenge allows direct comparison against published work. The complete pipeline reproduces in under fifteen hours on a single consumer GPU.
On Total Distance, the challenge measure of how much signing motion a system produces, the retrieval systems come closer to real signing than every published entry including the challenge winner, and on that same measure the generative systems improve on the Progressive Transformer baseline. The three families represent complimentary approaches rather than a rank order: the retrieval systems provide genuine human articulation, the hybrid approach best preserves the tempo of natural signing, and the fully generative systems extend to sentences absent from the training corpus. Correcting a sentence-level data leak in the standard How2Sign split places these comparisons on sound footing
Two further diagnostic results regard evaluation itself. Positional metrics in their single-reference form are shown to capture pose plausibility, which they measure reliably, rather than semantic correctness. Back-translation scores depend on whether the recognizer has seen the poses in training, since its BLEU-4 on poses from its own training partition is 6.2 times that on unseen poses. Together these establish what a trustworthy semantic metric must control for, and delimit what the six systems can be credited with. Constructing such a metric is the primary direction for future work.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δάφνης Παπαδάκη

με θέμα

Σύγκριση Τεχνικών Ομοσπονδιακής Μάθησης στο PyTorch
A Comparison of Federated Learning Techniques at PyTorch

Εξεταστική Επιτροπή

Καθηγητής Αντώνιος  Δεληγιαννάκης (επιβλέπων, ΗΜΜΥ)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (ΗΜΜΥ)
Καθηγητής Μίνως Γαροφαλάκης  (ΗΜΜΥ)

Περίληψη

Παραδοσιακά, στο Machine Learning, όλα τα raw data των clients στέλνονται σε έναν κεντρικό server με σκοπό την εκπαίδευση του μοντέλου. Η μεταφορά των δεδομένων των πελατών σε έναν server δεν είναι μόνο ακριβή από άποψη επικοινωνίας, αλλά δημιουργεί επίσης σοβαρούς κινδύνους για την ιδιωτικότητα και την ασφάλεια. Το πρόβλημα αυτό είναι ιδιαίτερα σημαντικό σε τομείς όπως η υγεία, τα χρηματοοικονομικά και οι φορητές συσκευές. Η Ομοσπονδιακή Μάθηση (Federated Learning) αντιμετωπίζει αυτό το πρόβλημα και διασφαλίζει ότι τα προσωπικά και ευαίσθητα δεδομένα παραμένουν στη συσκευή κάθε πελάτη. Αντί να στέλνονται τα raw data, οι clients συνεργάζονται για την εκπαίδευση ενός κοινού μοντέλου, αποστέλλοντας στον server μόνο τις παραμέτρους του μοντέλου ή άλλες απαραίτητες πληροφορίες απαραίτητες για τον αλγόριθμο. Με αυτόν τον τρόπο, η Ομοσπονδιακή Μάθηση επιτρέπει την αποκεντρωμένη εκπαίδευση μοντέλων, μειώνοντας παράλληλα το επικοινωνιακό κόστος και προστατεύοντας την ιδιωτικότητα των δεδομένων.
Ωστόσο, το πλαίσιο αυτό εισάγει ορισμένες βασικές προκλήσεις, όπως η ετερογένεια των δεδομένων μεταξύ των πελατών, οι διαφορές στο hardware των συσκευών τους, οι ασταθείς συνδέσεις δικτύου και τα διαφορετικά επίπεδα συμμετοχής των πελατών. Έχει προταθεί ένα ευρύ φάσμα αλγορίθμων, καθένας από τους οποίους στοχεύει στην αντιμετώπιση διαφορετικών προκλήσεων. Ωστόσο, έχει αποδειχθεί δύσκολο να προσδιοριστεί ποια μέθοδος είναι η βέλτιστη, καθώς οι υπάρχοντες αλγόριθμοι συχνά αξιολογούνται κάτω από διαφορετικές πειραματικές συνθήκες και με διαφορετικούς στόχους. Για τον λόγο αυτό, είναι απαραίτητη η δημιουργία ενός κοινού πειραματικού πλαισίου για τη σύγκριση αυτών των μεθόδων, ώστε να μπορούν να εξαχθούν αντικειμενικά και αξιόπιστα συμπεράσματα σχετικά με την απόδοσή τους.
Η παρούσα διπλωματική εργασία αξιολογεί διάφορους αλγορίθμους βελτιστοποίησης Ομοσπονδιακής Μάθησης κάτω από διαφορετικά σενάρια. Οι μέθοδοι που μελετώνται είναι οι FedAvg, FedProx, SCAFFOLD, FedAdam και FDA-OPT. Όλες οι μέθοδοι υλοποιούνται σε Python και αξιολογούνται σε τρία datasets, τα MNIST, EMNIST και CIFAR-10, και σε τέσσερις αρχιτεκτονικές μοντέλων: Logistic Regression, LeNet-5, CNN και ResNet-18. Το performance αξιολογείται με βάση τρια metrics: τον αριθμό γύρων επικοινωνίας, τον χρόνο εκπαίδευσης και το επικοινωνιακό κόστος που απαιτείται για την επίτευξη μιας επιθυμητής ακρίβειας.
Τα αποτελέσματα δεν αναδεικνύουν μία συγκεκριμένη μέθοδο ως ανώτερη από τις υπόλοιπες και στα τρια metrics. Ο FDA-OPT επιτυγχάνει γενικά το χαμηλότερο επικοινωνιακό κόστος, ενώ ο FedAdam συγκλίνει ταχύτερα ως προς τον χρόνο εκπαίδευσης. Ο SCAFFOLD, παρά τις ισχυρές θεωρητικές του εγγυήσεις, δυσκολεύεται να επιτύχει υψηλές τιμές ακρίβειας και συνοδεύεται από σημαντική επικοινωνιακή επιβάρυνση. Ο FedProx περιορίζει το φαινόμενο client drift σε ορισμένες περιπτώσεις, ενώ σε άλλες παρουσιάζει παρόμοια απόδοση με τον FedAvg. Συνολικά, τα αποτελέσματα δείχνουν ότι η Ομοσπονδιακή Μάθηση περιλαμβάνει έναν συμβιβασμό μεταξύ ταχύτητας, σταθερότητας και επικοινωνιακής αποδοτικότητας.

Abstract 

Traditionally in machine learning all the raw data from the clients is sent to a central server in order to train the model. Transferring the clients’ data to a server is not only expensive communication-wise, but it also creates serious privacy and security risks. This problem is especially important in sectors such as healthcare, finance, and mobile computing. Federated Learning (FL) addresses this problem and ensures that personal and sensitive data remain on each client’s device. Instead of sharing the raw data, clients collaboratively train a global model by sending only model parameters, or other necessary optimization information, to the server. That way, Federated Learning enables decentralized model training while reducing communication overhead and preserving data privacy. However, this framework introduces some key challenges, such as data heterogeneity across clients, difference in hardware on clients’ devices, unstable network connection and varying levels of client participation. A wide range of algorithms has been proposed, each aiming to address the different challenges and improve the optimization process. It has proved difficult to determine which method is the most optimal, since existing algorithms are often evaluated under different experimental settings, with different targets each time. For this reason, it’s necessary to create a common experimental framework and compare the popular methods. That way, objective and reliable conclusions about their performance can be drawn. This thesis evaluates several federated optimization algorithms under different scenarios. The methods studied include FedAvg, FedProx, SCAFFOLD, FedAdam and FDA-OPT. All methods are implemented in Python and are evaluated across 3 datasets (MNIST and EMNIST, CIFAR-10) and 4 model architectures (Logistic Regression, LeNet-5, and a custom CNN, ResNET-18). The performance is assessed under 3 metrics: communication rounds, training time, and communication cost that was required to reach a target accuracy. The results do not single out one specific method as consistently superior to the rest across all three metrics. FDA-OPT achieves generally the lowest communication cost , while FedAdam converges fastest in terms of training time. SCAFFOLD, in spite of its strong theoretical guarantees, struggles to reach the high accuracies and introduces significant communication overhead. FedProx alleviates client drift in some cases, while in others has identical perfomance with FedAvg. Overall, these findings showcase that Federated Learning involves a trade-off between speed, stability, and communication efficiency.

Abstract

Mathematical methods are fundamental tools in Electrical and Computer Engineering, as they enable the understanding and prediction of complex physical phenomena and provide effective tools for the analysis and design of modern technological systems. This talk presents representative problems in electromagnetic propagation, scattering, and waveguiding, highlighting how mathematical modeling connects fundamental theory with real-world applications in Electrical and Computer Engineering and industry.

The talk first considers the transfer of electromagnetic energy in urban environments in the presence of obstacles and corners, a problem of particular importance for current and future wireless networks. The possibility of guiding surface waves around corners by means of appropriately designed intelligent electromagnetic surfaces is investigated, with the aim of maintaining communication even when a direct line of sight between transmitter and receiver is unavailable.

PTD-symmetric waveguides are then presented, enabling the propagation of a strongly localized electromagnetic mode along the interface between two surfaces. Energy—and therefore information—is transported along the interface, while the electromagnetic field decays strongly in the transverse direction. This property enables propagation that is protected against backscattering and reflections. The study is extended from ideal theoretical structures to realistic Bed-of-Nails metasurfaces (periodic metallic pins), thereby connecting mathematical modeling with practically realizable waveguiding structures.

The interaction and scattering of electromagnetic waves by coupled dielectric scatterers are also examined, with the aim of understanding and controlling coupling and radiation directionality, properties of importance for photonic devices, optical antennas, and metamaterials. Anisotropic plasma structures are further considered, as they can support controlled and nonreciprocal propagation and radiation, with applications in microwave technology and the THz frequency range.

Finally, mathematical modeling is applied to biomedical problems in order to understand how electromagnetic waves transfer energy into and out of biological tissues. This analysis is important for wireless communication with implantable medical devices, a key application area of advanced Body Area Network technologies.

Overall, the talk highlights the role of Mathematical Methods in Electrical and Computer Engineering as a bridge between fundamental theory and the design of modern technological systems.

About the Speaker

Xenofon M. Mitsalas is an Electrical and Computer Engineer specializing in mathematical and semi-analytical methods in applied electromagnetics. He graduated first in his class from the Department of Electrical and Computer Engineering at Democritus University of Thrace and received his Ph.D. from the same Department with Honors.

His doctoral research focused on the development of analytical Wiener–Hopf methods for complex wave-propagation and radiation problems, including the factorization of non-symmetric and non-meromorphic kernel functions in anisotropic media and the analytical study of surface and leaky waves.

From 2022 to 2023, he worked as a postdoctoral researcher at the University of Brescia. Since 2023, he has been conducting research at the Department of Information Engineering and Mathematical Sciences of the University of Siena under the supervision of Professor Stefano Maci. His recent research focuses on the development of exact and semi-analytical methods for PTD-symmetric waveguides, metasurfaces, Bed-of-Nails structures, and problems involving diffraction and surface-wave propagation.

His research has led to original analytical solutions and publications in leading international journals, including IEEE Transactions on Antennas and Propagation and IEEE Open Journal on Antennas and Propagation. He has also presented his research at major international conferences, including EuCAP, IEEE AP-S/URSI, ICEAA, IEEE ACES, AES, and URSI EMTS.

He also serves as a reviewer for IEEE Transactions on Antennas and Propagation (TAP) and IEEE Open Journal on Antennas and Propagation (OJAP).

His main research interests include mathematical methods in electrical engineering, the Wiener–Hopf method, complex analysis, the Sommerfeld–Malyuzhinets method, waveguide theory, surface and leaky waves, electromagnetic diffraction, and metasurfaces.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σαλώμ Ιωχανά

με θέμα

Αξιολόγηση της Υδατοσήμανσης Εικόνων για Παραγωγικά Μοντέλα Διάχυσης
Evaluation of Image Watermarking for Generative Diffusion Models

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Ευάγγελος  Καλογεράκης (Σχολή ΗΜΜΥ, επιβλέπων)
Καθηγητής Θρασύβουλος  Σπυρόπουλος (Σχολή ΗΜΜΥ)
Καθηγητής Μιχαήλ Λαγουδάκης (Σχολή ΗΜΜΥ)

Περίληψη

Η υδατοσήμανση αποτελεί το βασικό εργαλείο για τον καθορισμό της προέλευσης μιας εικόνας, όπως για την προστασία των έργων καλλιτεχνών ή για τη διάκριση περιεχομένου που παράγεται από τεχνητή νοημοσύνη από πραγματικές εικόνες. Η ανθεκτικότητα ενός υδατογραφήματος εξαρτάται από τους μετασχηματισμούς στους οποίους έχει σχεδιαστεί να αντέχει, και οι περισσότεροι κλασικοί μετασχηματισμοί σε αυτόν τον τομέα αποτελούν μια άμεση συνάρτηση των pixels εισόδου της εικόνας. Η παρούσα εργασία εξετάζει την επίθεση ανακατασκευής 3D μοντέλου από εικόνα, κατά την οποία το αποτέλεσμα παράγεται από μια σημασιολογική αναπαράσταση της εικόνας. Αυτό το χαρακτηριστικό σε συνδυασμό με την πολυπλοκότητα της διαδικασίας, καθιστά τον εντοπισμό του υδατογραφήματος ιδιαίτερα απαιτητικό. Η προτεινόμενη προσέγγιση περιλαμβάνει το finetuning ενός κωδικοποιητή υδατογραφήματος ώστε να αντέχει στην συγκεκριμένη επίθεση για μια μόνο εικόνα, διατηρώντας σταθερό τον αποκωδικοποιητή, επιτυγχάνοντας έτσι ακρίβεια bit τουλάχιστον 0.7.

Abstract 

Watermarking is the main tool available for establishing whether an image came from a particular source, such as an artist protecting their work or distinguishing AI generated content from real images. How robust a watermark is depends on the transformations it was designed to withstand, and most classical transformations in this field currently share the property that their output is a direct function of the input pixels. This work addresses the image to 3D reconstruction attack, where the output is instead produced from a semantic representation of the image. This property together with the complexity of the pipeline, makes it a challenging case for watermark recovery. The proposed approach is to finetune a watermark encoder against the attack for a single image, while keeping the decoder frozen, achieving a bit accuracy of at least 0.7.

Meeting ID: 926 8774 0691
Password: 605754

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Γιαλούρη

με θέμα

Έξυπνη Πρόβλεψη και Ερμηνεία Κατανάλωσης Νερού  με Χρήση Μηχανικής Μάθησης και Μεγάλων Γλωσσικών Μοντέλων

Intelligent Forecasting and Explanation of Water Consumption  Using Machine Learning and Large Language Models

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος (Σχολή ΗΜΜΥ)
Δρ. Βασίλειος Διακολουκάς (Σχολή ΗΜΜΥ)

Περίληψη

Η εξάπλωση των έξυπνων υδρομετρητών αντικατέστησε τη χειροκίνητη καταμέτρηση με συνεχή ωριαία καταγραφή, επιτρέποντας την ανάλυση κατανάλωσης σε επίπεδο μεμονωμένου μετρητή. Η παρούσα διπλωματική εργασία αναπτύσσει δύο τέτοιες αναλύσεις — την πρόβλεψη και την ερμηνεία σε φυσική γλώσσα — επί ωριαίων μετρήσεων διετίας από 223 οικιακούς έξυπνους μετρητές στους Φιλίππους Καβάλας. Σε αυτό το επίπεδο ανάλυσης, οι χρονοσειρές εμφανίζουν πληθώρα μηδενικών τιμών, βαριές ουρές και ανομοιογένεια, ενώ η πρωτογενής καταγραφή φέρει κενά και αλλοιώσεις. Αρχικά, ένα σύστημα κανόνων εντοπίζει τα επαναλαμβανόμενα ελαττώματα στην αθροιστική χρονοσειρά, και οι προκύπτουσες ελλείπουσες τιμές συμπληρώνονται με τη μέθοδο Copy-Paste Imputation. Σε συνθετικά κενά, η μέθοδος αναπαρήγαγε την ελλείπουσα κατανάλωση πολύ πιο πιστά από τη γραμμική παρεμβολή. Επί της καθαρισμένης καταγραφής, τέσσερις προσεγγίσεις πρόβλεψης — το SARIMA, το XGBoost, το Temporal Fusion Transformer και το προεκπαιδευμένο θεμελιώδες μοντέλο Chronos-2 — συγκρίνονται σε ωριαίες προβλέψεις ορίζοντα επτά ημερών. Πρόκειται για την πρώτη μελέτη αξιολόγησης θεμελιώδους μοντέλου χρονοσειρών στην οικιακή κατανάλωση νερού σε τόσο λεπτομερή ανάλυση. Το Chronos-2, εφαρμοσμένο χωρίς προσαρμογή (zero-shot), πέτυχε το χαμηλότερο μέσο σφάλμα σημειακής πρόβλεψης, ωστόσο όλες οι σημειακές προβλέψεις υποεκτίμησαν συστηματικά τις αιχμές κατανάλωσης, συνέπεια του στοχαστικού χρονισμού των οικιακών δραστηριοτήτων· τα πιθανοτικά όρια ποσοστημορίων αντιστάθμισαν αυτή την αβεβαιότητα χρονισμού, ενώ περαιτέρω πειράματα με το Chronos-2 έδειξαν ότι η χρονική συνάθροιση βελτίωσε την ακρίβεια μονοτονικά και ότι οι μετεωρολογικές μεταβλητές βοήθησαν μόνο αφού η συνάθροιση είχε εξομαλύνει το σήμα. Τέλος, ένας αυτόνομος πράκτορας βασισμένος σε τοπικό μεγάλο γλωσσικό μοντέλο ανοικτών βαρών (ώστε τα δεδομένα να μην εγκαταλείπουν ποτέ την υποδομή του παρόχου) ερμηνεύει την καθαρισμένη καταγραφή μέσω δύο εργαλείων: μιας διεπαφής μετατροπής κειμένου σε SQL επί μιας βάσης δεδομένων με τις μετρήσεις και τις ανωμαλίες που έχουν εντοπιστεί με κανόνες, και ενός εργαλείου ανάλυσης προτύπων που αποτυπώνει τον ημερήσιο κύκλο και την εβδομαδιαία ρουτίνα ενός νοικοκυριού. Η διεπαφή απάντησε σωστά σε 39 από τις 40 ερωτήσεις αξιολόγησης. Καμία προηγούμενη εργασία δεν έχει αναπτύξει πράκτορα βασισμένο σε μεγάλο γλωσσικό μοντέλο για την ερμηνεία της οικιακής κατανάλωσης νερού από έξυπνους μετρητές.

Abstract

The spread of smart water metering has replaced the occasional manual reading with a continuous hourly record of each household's consumption, opening consumption analytics at the level of the individual meter. This diploma thesis pursues two such analytics — forecasting and natural-language interpretation — on hourly readings from 223 residential smart water meters in Filippoi, a rural area in the regional unit of Kavala, Greece, spanning nearly two years. At this resolution the consumption series are zero-inflated, heavy-tailed, and heterogeneous across meters, and the raw record carries the gaps and corruptions that smart meters routinely produce. The work first establishes a clean foundation: a rule-based system detects recurring defects in the raw cumulative series, and the resulting missing values are filled with Copy-Paste Imputation, which on synthetic gaps reproduced the missing consumption far more faithfully than linear interpolation. On the cleaned record, four forecasting paradigms — SARIMA, XGBoost, the Temporal Fusion Transformer, and the pretrained foundation model Chronos-2 — are compared on seven-day-ahead hourly forecasts across the full meter population. This is the first study to benchmark a pretrained time-series foundation model against classical and machine-learning methods for residential water consumption at this fine resolution. Chronos-2, applied zero-shot, achieved the lowest mean point error, yet all point forecasts systematically underestimated consumption peaks, a consequence of the stochastic timing of household activity; probabilistic quantile bounds hedged this timing uncertainty, and further experiments with Chronos-2 showed that temporal aggregation improved accuracy monotonically and that weather covariates helped only once aggregation had smoothed the signal. Finally, an autonomous LLM-based agent — an open-weight language model served locally, so that the fine-grained data never leaves the utility's infrastructure — interprets the cleaned record through two tools: a text-to-SQL interface to a database of readings and rule-detected anomalies, and a pattern-analysis tool that profiles a household's daily cycle and weekly routine. The interface answered 39 of 40 evaluation questions correctly. No prior work has built an LLM-based agent for interpreting residential water consumption from smart meters.

Meeting ID: 98786330180
Password: 241190
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ευθυμίου Σωτηρίου Παππά

με θέμα

Θερμική Συμπεριφορά και Πρόγνωση Λειτουργίας Γεννήτριας Μονίμων Μαγνητών για Ανανεώσιμες Πηγές Ενέργειας

Thermal Behaviour and Operational Prognosis of Permanent Magnet Generator for Renewable Energy Sources

Εξεταστική Επιτροπή

Καθηγητής Κωνσταντίνος Γυφτάκης (επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας
Δρ Ελευθερία Σεργάκη

Περίληψη

Η παρούσα διπλωματική εργασία μελετά τη διάγνωση σφαλμάτων εκκεντρότητας, και πιο ειδικά στατικής εκκεντρότητας σε γεννήτριες μονίμων μαγνητών, με ιδιαίτερη έμφαση στις γεννήτριες C-GEN, με στόχο τη βελτίωση της συντήρησης και της λειτουργίας των υπεράκτιων ανεμογεννητριών. 
Η C-GEN είναι μια σύγχρονη γεννήτρια διπλού δρομέα, χωρίς αυλάκια και χωρίς φερομαγνητικό πυρήνα στο στάτη. Λόγω αυτής της τοπολογίας, οι παραδοσιακές μέθοδοι διάγνωσης, όπως η Ανάλυση Υπογραφής Ρεύματος Κινητήρα (MCSA), μπορούν να οδηγήσουν σε ψευδώς αρνητικά αποτελέσματα παρόλο την ύπαρξη του σφάλματος.. Η παρούσα έρευνα προτείνει μια θερμική μέθοδο διάγνωσης που αξιοποιεί τη διαφορά θερμοκρασίας μεταξύ των πηνίων ως υπογραφή του σφάλματος στατικής εκκεντρότητας. Η ανομοιόμορφη κατανομή του διακένου προκαλεί ανισοκατανομή απωλειών ανά πηνίο και, κατά συνέπεια, μετρήσιμη θερμοκρασιακή απόκλιση μεταξύ πηνίων της ίδιας φάσης.
Διαφορετικά επίπεδα εκκεντρότητας προσομοιώνονται μέσω του Simcenter MAGNET για κάθε περίπτωση μόνιμης κατάστασης της γεννήτριας, υπό διαφορετικά ωμικά φορτία και ταχύτητες περιστροφής, από όπου εξάγονται οι απώλειες ανά πηνίο. Η θερμική συμπεριφορά της μηχανής αναλύεται με θερμικό μοντέλο συγκεντρωμένων παραμέτρων (Lumped Parameter Thermal Model) στο MATLAB. Μετά την επεξεργασία, εντοπίζουμε τις διαφορές παρατηρώντας τη θερμοκρασιακή απόκριση των υγιών και των ελαττωματικών περιπτώσεων. Η μέθοδος επικυρώνεται σε πρωτότυπο ίδιας τοπολογίας, ενώ εκτιμάται και η επίδραση της εκκεντρότητας στη διαφορική γήρανση της μόνωσης των πηνίων. 

Abstract 

This diploma thesis studies the diagnosis of eccentricity faults, and more specifically static eccentricity, in permanent magnet generators (PMGs), with particular emphasis on the C-GEN generator, aiming to improve the maintenance and operation of offshore wind turbines.
The C-GEN is a dual-rotor synchronous generator, slotless and without a ferromagnetic core in the stator. Due to this topology, traditional diagnostic methods, such as Motor Current Signature Analysis (MCSA), can lead to false negative results despite the presence of the fault. This research proposes a thermal diagnostic method that exploits the temperature differential between coils as a signature of the static eccentricity fault. The non-uniform air-gap distribution causes an uneven loss distribution among coils and, consequently, a measurable temperature deviation between coils of the same phase. 
Different eccentricity levels are simulated through Simcenter MAGNET for each steady-state case of the generator, under different resistive loads and rotational speeds, from which the per-coil losses are extracted. The thermal behavior of the machine is analyzed with a Lumped Parameter Thermal Model in MATLAB. After processing, we identify the differences by observing the thermal response of the healthy and faulty cases. The method is validated on a prototype of the same topology, while the effect of eccentricity on the differential aging of the coil insulation is also assessed.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αντωνίου Δρουβαλάκη

με θέμα

Σύστημα Προσομοίωσης Tsunami για Επιβίωση και Ειδοποίηση Έκτακτης Ανάγκης με Ενοποίηση Εργαλείων GIS και Unity3D

Tsunami Simulation System for Survival and Emergency Notification with GIS and Unity3D Tools Integration

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγήτρια Αικατερίνη Μανιά (Σχολή ΗΜΜΥ)
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)

Περίληψη

Τα τελευταία χρόνια παρατηρούνται πολλά γεγονότα που συμβαίνουν γύρω από το ενεργό ηφαίστειο της Σαντορίνης. Οι Έλληνες και οι πληθυσμοί ολόκληρης της Μεσογείου αντιμετωπίζουν σοβαρές και επαναλαμβανόμενες απειλές από αυτά τα γεγονότα μέσω τεκτονικά ενεργών περιοχών. Το νησί της Κρήτης υπέστη καταστροφή κατά τη Μινωική περίοδο το 1500 π.Χ. εξαιτίας της έκρηξης του ηφαιστείου της Θήρας. Επίσης, το ηφαίστειο ήταν ενεργό πριν από δύο χρόνια και αρκετά χρόνια νωρίτερα, γεγονός που αποτελεί επαρκές κίνητρο για την ανάπτυξη αποτελεσματικών εργαλείων ετοιμότητας για καταστροφές, ενημέρωσης του κοινού και σχεδιασμού εκκένωσης. Στην παρούσα διπλωματική εργασία, παρουσιάζουμε την πλήρη προσομοίωση ενός σεναρίου τσουνάμι που ξεκινά με την έκρηξη του ηφαιστείου της Θήρας, συνεχίζεται με την πραγματική διάδοση του κύματος τσουνάμι που χρειάζεται συγκεκριμένο χρόνο για να φτάσει σε κάποια ακτή προορισμού, συνεχίζεται με την παράκτια πλημμύρα σε φάσεις και ολοκληρώνεται όταν τα νερά υποχωρούν στη θάλασσα. Η εργασία αναπτύχθηκε στη Unity 6, η οποία παρέχει τρισδιάστατο περιβάλλον, δεδομένα εδάφους GIS από το Mapbox, εξαγωγή πραγματικού οδικού δικτύου από το OpenStreetMap, φυσικά μοντέλα διάδοσης κυμάτων, δυναμική απεικόνιση flood heatmap και αλγόριθμο A* pathfinding για τον υπολογισμό διαδρομών εκκένωσης. Μελετώνται δύο διαφορετικά σενάρια που αφορούν την παράκτια περιοχή των Χανίων και του Ηρακλείου. Η προσομοίωση λαμβάνει υπόψη και παρέχει επίσης δημογραφικά δεδομένα πληθυσμού και εκτίμηση επιπτώσεων βάσει της ΕΛΣΤΑΤ 2021. Το προτεινόμενο σύστημα προσομοιώνει και απεικονίζει μια αλυσίδα γεγονότων από την έκρηξη του ηφαιστείου, τη διάδοση του τσουνάμι, την παράκτια πλημμύρα και την απόκριση εκκένωσης, παρέχοντας ένα ολοκληρωμένο εργαλείο κατάλληλο για εφαρμογές εκπαιδευτικές, επιχειρησιακές, αλλά και εφαρμογές πολιτικής προστασίας.

Abstract

In recent years there are several events occurring around the Santorini Active Volcano. Greeks and the entire Mediterranean populations are in severe and recurring threat of these events through tectonically active regions. The island of Crete had a catastrophic tsunami in Minoan period on 1500 B.C. because of the eruption of the volcano of Thera. Also the volcano was active two years ago and several years before, so there is sufficient motivation to integrate effective tools for disaster preparedness, public awareness and evacuation planning. In this diploma thesis, we present the whole simulation of a tsunami scenario starting with a hypothetical Thera Volcano eruption, continue with real world tsunami wave propagation that needs a certain time to travel to a destination coast, continues with coastal flooding with phases and finishes with water receding in sea. This project was developed in Unity 6 that provides 3D environment, GIS terrain data from Mapbox, real road network extraction from OpenStreetMap, physical wave propagation models, dynamic flood heatmap visualization and A* pathfinding for evacuation route computation. There are two different scenarios studied that involve Chania and Heraklion coastal areas. The simulation also takes into account and provides demographic population data and impact estimation based on ELSTAT 2021. The proposed system simulates and visualizes a chain of events from volcano eruption, tsunami propagation, coastal flooding and evacuation response providing an integrated tool suitable for educational, planning and civil protection applications.

Meeting ID: 98679791002
Password: 074017

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μαγδαληνής Μαραγκουδάκη

με θέμα

Νέα Πειραματική Μοντελοποίηση Πόλων Κινητήρα για Ηλεκτρικά Οχήματα και Επίδραση Γήρανσης
New Experimental Modeling of Traction Motor Poles and Degradation Impact

Εξεταστική Επιτροπή

Καθηγητής Κωνσταντίνος Γυφτάκης (επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας
Δρ. Ελευθερία Σεργάκη (Ε.ΔΙ.Π.)

Περίληψη

Η παγκόσμια μετάβαση προς τις βιώσιμες μεταφορές έχει επιταχύνει σημαντικά την υιοθέτηση των Ηλεκτρικών Οχημάτων (EVs), με τους Σύγχρονους Κινητήρες Μόνιμου Μαγνήτη (PMSM) να αποτελούν την κυρίαρχη επιλογή λόγω υψηλής πυκνότητας ροπής, της συμπαγούς δομής και της εξαιρετικής τους απόδοσης. Ωστόσο, οι απαραίτητες συνθήκες λειτουργίας αυτών των κινητήρων εκθέτουν τα εσωτερικά τους μέρη σε έντονες καταπονήσεις. Πιο συγκεκριμένα, το σύστημα μόνωσης του στάτη είναι εξαιρετικά ευάλωτο στην σταδιακή γήρανση και υποβάθμιση, γεγονός που μπορεί να οδηγήσει σε βραχυκύκλωμα και καταστροφική βλάβη του κινητήρα. Η παρούσα διπλωματική εργασία εστιάζει στην εξέλιξη της μοντελοποίησης μέσω ισοδύναμων κυκλωμάτων υψηλών συχνοτήτων και διερευνά τους μηχανισμούς γήρανσης των μονωτικών υλικών στους πόλους του στάτη. Για την προσομοίωση του πραγματικού περιβάλλοντος λειτουργίας, δοκίμια πόλων υποβάλλονται σε διαβαθμισμένη γήρανση μέσω σταθερής θερμοκρασίας και μηχανικού στρες. Η διαδικασία γήρανσης του υλικού και η συνολική κατάσταση της μόνωσης παρακολουθούνται συνεχώς με την χρήση της μεθόδου Ανάλυση Απόκρισης Συχνότητας (Frequency Response Analysis - FRA). Τα πειραματικά δεδομένα που συλλέγονται μέσω της μεθόδου FRA χρησιμοποιούνται στην συνέχεια για την βελτιστοποίηση ενός αναλυτικού μοντέλου ισοδύναμου κυκλώματος του πόλου. Συσχετίζοντας την φυσική γήρανση του υλικού, που προκαλείται από τα θερμικά, μηχανικά stresses και ramp tests, με συγκεκριμένες μεταβολές στις παραμέτρους του κυκλώματος,  η έρευνα αυτή βελτιώνει σημαντικά την ανίχνευση σφαλμάτων στους πόλους. Τελικά, αυτό το εξελιγμένο μοντέλο αποσαφηνίζει το αντίκτυπο των καταπονήσεων στο σύστημα μόνωσης, προσφέροντας αξιόπιστη διαγνωστική προσέγγιση για την παρακολούθηση της κατάστασης και την έγκαιρη ανίχνευση σφαλμάτων στους σύγχρονους ηλεκτρικούς κινητήρες.

Abstract 

The global transition towards sustainable transportation has significantly accelerated the adoption of Electric Vehicles (EVs), with Permanent Magnet Synchronous Motors (PMSMs) emerging as the predominant choice for traction applications due to their high torque density, compact structure, and superior efficiency. However, the demanding operational conditions of these motors expose their internal components to severe stress. The stator insulation system, in particular, is highly vulnerable to progressive aging and degradation, which can ultimately lead to short circuits and catastrophic motor failure. This thesis focuses on improving and refining high-frequency equivalent-circuit modeling and investigating the aging mechanisms of stator pole insulation materials. To simulate harsh operational environments, stator pole specimens with mounted armature coils are subjected to scaled aging cycles under fixed thermal and mechanical stresses. The degradation process and the overall condition of the insulation are continuously monitored using Frequency Response Analysis (FRA). The experimental data collected via the FRA is then utilized to optimize and enhance a detailed equivalent circuit model of the pole. By correlating the material's physical aging, induced by thermal and mechanical stresses and ramp tests, with specific variations in the model’s electrical parameters, this research significantly improves fault detection in stator poles. Ultimately, this enhanced model clarifies how different stresses affect the insulation system, offering a robust diagnostic approach for condition monitoring and early fault detection in modern electric motors.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Γανωτή

με θέμα

Πρόβλεψη Φωτοβολταϊκής Παραγωγής και Βελτιστοποίηση Διαχείρισης Ενέργειας σε Συστήματα με Αποθήκευση

Forecasting Photovoltaic Power Generation and Optimizing Energy Management in Systems with Energy Storage

Εξεταστική Επιτροπή

Καθηγητής Βασίλειος Διγαλάκης (επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης
Καθηγητής Κωνσταντίνος Γυφτάκης 

Περίληψη

Η αυξανόμενη διείσδυση των Ανανεώσιμων Πηγών Ενέργειας και ιδιαίτερα των φωτοβολταϊκών συστημάτων δημιουργεί νέες απαιτήσεις για την αποτελεσματική διαχείριση της παραγόμενης ενέργειας, λόγω της μεταβλητότητας της φωτοβολταϊκής παραγωγής και της χρονικής ασυμφωνίας μεταξύ παραγωγής και ζήτησης. Η παρούσα διπλωματική εργασία αναπτύσσει ένα ολοκληρωμένο πλαίσιο πρόβλεψης φωτοβολταϊκής παραγωγής και βελτιστοποιημένης ενεργειακής διαχείρισης για ένα υποθετικό σενάριο εμπορικής εγκατάστασης τύπου σούπερ μάρκετ, η οποία διαθέτει φωτοβολταϊκό σύστημα, σύστημα αποθήκευσης ενέργειας και σύνδεση με το ηλεκτρικό δίκτυο.
Για τη φωτοβολταϊκή παραγωγή χρησιμοποιούνται ωριαίες χρονοσειρές από το PVGIS. Η καταλληλότητά τους εξετάζεται μέσω σύγκρισης με δεδομένα πραγματικής λειτουργούσας φωτοβολταϊκής εγκατάστασης για την περίοδο 2018–2020, με στόχο τον έλεγχο της εποχικότητας και της γενικής μορφής του προφίλ παραγωγής.
Για τη βραχυχρόνια πρόβλεψη συγκρίνονται δύο μοντέλα: η Γραμμική Παλινδρόμηση και ένα μοντέλο Long Short-Term Memory (LSTM). Και τα δύο μοντέλα χρησιμοποιούν ιστορικό παράθυρο 168 ωρών και κοινό χρονολογικό διαχωρισμό σε σύνολα εκπαίδευσης και ελέγχου. Στην πρόβλεψη ενός βήματος τα δύο μοντέλα παρουσιάζουν παρόμοια επίδοση. Στην αναδρομική πρόβλεψη 12 ωρών, όμως, η Γραμμική Παλινδρόμηση εμφανίζει μικρότερο MAE, ίσο με 27,63 kW έναντι 29,69 kW, μικρότερο RMSE, ίσο με 53,77 kW έναντι 54,93 kW, και μεγαλύτερο R², ίσο με 0,8218 έναντι 0,8139. Σε συνδυασμό με τον σημαντικά μικρότερο χρόνο εκπαίδευσης, η Γραμμική Παλινδρόμηση επιλέγεται για την τροφοδότηση της διαδικασίας ενεργειακής διαχείρισης.
Το πρόβλημα ενεργειακής διαχείρισης διατυπώνεται ως πρόβλημα διαδοχικών αποφάσεων και επιλύεται με Δυναμικό Προγραμματισμό. Ως βασική μεταβλητή κατάστασης χρησιμοποιείται η κατάσταση φόρτισης της μπαταρίας, ενώ λαμβάνονται υπόψη τα όρια φόρτισης και εκφόρτισης, οι αποδόσεις μετατροπής, η πλήρης κάλυψη του φορτίου και ο επιχειρησιακός κύκλος λήψης αποφάσεων. Η πραγματική κατάσταση φόρτισης διατηρείται συνεχής, ενώ το διακριτό πλέγμα χρησιμοποιείται για τον υπολογισμό της συνάρτησης αξίας με γραμμική παρεμβολή στις ενδιάμεσες καταστάσεις.
Η τελική αξιολόγηση πραγματοποιείται σε ενιαίο εβδομαδιαίο χρονικό ορίζοντα 168 ωρών μέσω 14 διαδοχικών κύκλων κυλιόμενου ορίζοντα. Σε κάθε κύκλο παράγεται αναδρομική πρόβλεψη διάρκειας 36 ωρών. Οι πρώτες 12 ώρες αντιστοιχούν στην καθυστέρηση εφαρμογής και οι επόμενες 24 ώρες στον ορίζοντα βελτιστοποίησης. Από το πρόγραμμα που υπολογίζεται εφαρμόζονται οι πρώτες 12 αποφάσεις και στη συνέχεια η διαδικασία επαναλαμβάνεται με ενημερωμένη κατάσταση φόρτισης.
Η στρατηγική Δυναμικού Προγραμματισμού παρουσιάζει καθαρό εβδομαδιαίο κόστος 1.312,52 €, έναντι 4.993,69 € για τη στρατηγική χωρίς μπαταρία και 4.722,78 € για τη στρατηγική Fill Battery First. Συνεπώς, επιτυγχάνεται μείωση κόστους κατά περίπου 73,7% σε σχέση με τη λειτουργία χωρίς μπαταρία και κατά 72,2% σε σχέση με την απλή στρατηγική φόρτισης κατά προτεραιότητα. Η τελική κατάσταση φόρτισης της στρατηγικής Δυναμικού Προγραμματισμού είναι 2.534,57 kWh, δηλαδή παραμένει πολύ κοντά στην αρχική τιμή των 2.500 kWh.
Τα αποτελέσματα δείχνουν ότι ο συνδυασμός πρόβλεψης, αποθήκευσης και βελτιστοποίησης μπορεί να περιορίσει σημαντικά το λειτουργικό ενεργειακό κόστος. Ωστόσο, το μέγεθος του οικονομικού οφέλους εξαρτάται από τις τιμές αγοράς και πώλησης ηλεκτρικής ενέργειας, καθώς και από τις επιτρεπόμενες ενεργειακές ροές μεταξύ του δικτύου και της μπαταρίας. Επομένως, τα αριθμητικά αποτελέσματα αφορούν το συγκεκριμένο εξεταζόμενο σενάριο και δεν αποτελούν γενικεύσιμη εκτίμηση για κάθε πραγματική εγκατάσταση.
Λέξεις-κλειδιά: Ανανεώσιμες Πηγές Ενέργειας, φωτοβολταϊκή παραγωγή, πρόβλεψη χρονοσειρών, Γραμμική Παλινδρόμηση, LSTM, PVGIS, αποθήκευση ενέργειας, Δυναμικός Προγραμματισμός, ενεργειακή διαχείριση.

Abstract 

The increasing penetration of Renewable Energy Sources, particularly photovoltaic systems, creates new requirements for the effective management of generated energy due to the variability of photovoltaic production and the temporal mismatch between generation and demand. This thesis develops an integrated framework for photovoltaic power forecasting and optimized energy management for a hypothetical commercial facility represented by a supermarket equipped with a photovoltaic system, battery energy storage, and a connection to the electrical grid.
Hourly photovoltaic generation time series obtained from the Photovoltaic Geographical Information System (PVGIS) are used as the main data source. Their suitability is examined through comparison with operational data from an actual photovoltaic installation for the period 2018–2020, focusing on the seasonal behavior and the general shape of the production profile.
Two forecasting models are compared: Linear Regression and a Long Short-Term Memory (LSTM) model. Both models use a 168-hour historical input window and the same chronological training and test split. For one-step-ahead forecasting, the two models achieve similar performance. However, for the recursive 12-hour forecasting horizon, Linear Regression achieves a lower MAE of 27.63 kW compared with 29.69 kW, a lower RMSE of 53.77 kW compared with 54.93 kW, and a higher R² value of 0.8218 compared with 0.8139. Combined with its significantly lower training time, Linear Regression is selected as the forecasting model used by the energy management process.
The energy management problem is formulated as a sequential decision-making problem and is solved using Dynamic Programming. The battery State of Charge is used as the main state variable, while charging and discharging power limits, conversion efficiencies, full load coverage, and the operational decision cycle are incorporated into the model. The actual State of Charge is maintained as a continuous quantity, while the discrete state grid is used for the value function, with linear interpolation applied to intermediate states.
The final evaluation is conducted over a continuous weekly horizon of 168 hours through 14 consecutive rolling-horizon cycles. In each cycle, a 36-hour recursive photovoltaic forecast is generated. The first 12 hours correspond to the implementation delay, while the following 24 hours form the optimization horizon. Only the first 12 decisions of the calculated schedule are implemented before the forecasting and optimization processes are repeated using the updated battery State of Charge.
The Dynamic Programming strategy results in a weekly net cost of €1,312.52, compared with €4,993.69 for the No Battery strategy and €4,722.78 for the Fill Battery First strategy. Therefore, the proposed strategy achieves a cost reduction of approximately 73.7% compared with the No Battery scenario and 72.2% compared with the Fill Battery First strategy. The final State of Charge under the Dynamic Programming strategy is 2,534.57 kWh, which remains close to the initial value of 2,500 kWh.
The results demonstrate that the integration of forecasting, battery storage, and optimization can significantly reduce operational energy costs. However, the magnitude of the economic benefit depends on the electricity purchase and selling prices and on the energy flows permitted between the grid and the battery. Consequently, the numerical results apply to the specific scenario considered and should not be interpreted as a general estimate for every real-world installation.
Keywords: Renewable Energy Sources, photovoltaic generation, time-series forecasting, Linear Regression, LSTM, PVGIS, battery energy storage, Dynamic Programming, energy management.

Meeting ID: 920 6397 3040
Password: 840767

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών (Διδακτορικών) Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ

Νικολάου Μακρή 

με θέμα

Συμπαγής Μοντελοποίηση JFETs και MESFETs Διπλής Πύλης Βασισμένη στη Θεωρία Φορτίων

Charge-Based Compact Modeling of Double Gate JFETs and MESFETs

Εξεταστική Επιτροπή

Καθηγητής Ματτίας Μπούχερ (επιβλέπων)
Καθηγητής Κωνσταντίνος Μπάλας
Dr. Jean-Michel Sallese, EPFL
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας
Δρ. Κωνσταντίνος Ζεκεντές, Ίδρυμα Τεχνολογίας και Έρευνας (ΙΤΕ)
Δρ. Γεώργιος Κωνσταντινίδης, Ίδρυμα Τεχνολογίας και Έρευνας (ΙΤΕ)

Περίληψη

Η ακριβής προσομοίωση κυκλωμάτων με τρανζίστορ επίδρασης πεδίου επαφής (JFET) απαιτεί ένα συμπαγές μοντέλο που περιγράφει, μέσα σε ένα ενιαίο και συνεπές πλαίσιο, την ηλεκτροστατική της διάταξης, το ρεύμα απαγωγού, τα φορτία των ακροδεκτών, τις ενδογενείς χωρητικότητες, τον θόρυβο και την εξάρτηση από τις παραμέτρους. Τα υφιστάμενα μοντέλα JFET χρησιμοποιούν συνήθως διαφορετικές εκφράσεις ανά περιοχή λειτουργίας ή εμπειρικές συναρτήσεις μετάβασης και δεν παρέχουν μια κοινή φυσική μεταβλητή που να συνδέει τη στατική και τη δυναμική λειτουργία, τον θόρυβο και τη λειτουργία σε επίπεδο κυκλώματος. Οι απαιτήσεις αυτές, σε συνδυασμό με την απουσία ενός ευρέως αποδεκτού βιομηχανικού προτύπου συμπαγούς μοντέλου JFET, αποτελούν το κίνητρο για την ανάπτυξη που παρουσιάζεται στην παρούσα διατριβή.
Αναπτύσσεται ένα πλαίσιο συμπαγούς μοντελοποίησης, βασισμένο στη φυσική και στο φορτίο, για συμμετρικά και ασύμμετρα τρανζίστορ επίδρασης πεδίου επαφής διπλής πύλης (DG JFET) και συναφείς δομές MESFET. Το κινητό φορτίο του καναλιού χρησιμοποιείται ως η κοινή φυσική μεταβλητή που συνδέει την ηλεκτροστατική του ημιαγωγού με το ρεύμα απαγωγού, τη διαγωγιμότητα, το φορτίο των ακροδεκτών, την ενδογενή διαχωρητική χωρητικότητα, τον θόρυβο, την εξαγωγή παραμέτρων και την προσομοίωση κυκλωμάτων. Ξεκινώντας από την ηλεκτροστατική προσέγγιση μακρού καναλιού, εξάγεται μια συνεχής σχέση φορτίου–τάσης, η οποία χρησιμοποιείται για τη διατύπωση του ρεύματος απαγωγού και των διαγωγιμοτήτων, λαμβάνοντας υπόψη την ολίσθηση και τη διάχυση. Η στατική διατύπωση επεκτείνεται στα φορτία των ακροδεκτών μέσω του επιμερισμού Ward–Dutton και οι ενδογενείς διαχωρητικές χωρητικότητες προκύπτουν από την παραγώγιση των φορτίων των ακροδεκτών. Το μοντέλο δεν απαιτεί πρόσθετες τροποποιήσεις για να παραμένει συνεχές σε μηδενική πόλωση απαγωγού, V_DS=0. Αναπτύσσεται ένα σχήμα κανονικοποίησης που ορίζει ένα σύνολο κανονικοποιημένων φυσικών μεγεθών, τα οποία χρησιμοποιούνται για την εξαγωγή νέων διατυπώσεων βασισμένων στο φορτίο και συναρμολογούνται στο Charge-based JFET Model (CJM). Το CJM υλοποιείται σε Verilog-A και επεκτείνεται ώστε να λαμβάνει υπόψη τον κορεσμό ταχύτητας, τη διαμόρφωση μήκους καναλιού, την υποβάθμιση της κινητικότητας, τις αντιστάσεις σειράς και τις παρασιτικές χωρητικότητες.
Το πλαίσιο επεκτείνεται περαιτέρω σε ασύμμετρα DG JFET τεσσάρων ακροδεκτών με ανεξάρτητα πολωμένες πύλες και διαφορετικές επαφές πύλης. Η αποσύνθεση σε δύο συζευγμένες ισοδύναμες συμμετρικές διατάξεις οδηγεί σε αναλυτικές εκφράσεις για την ηλεκτροστατική, το ρεύμα απαγωγού, τα φορτία των ακροδεκτών, τον πίνακα ενδογενών χωρητικοτήτων και την τάση κατωφλίου. Στο εξεταζόμενο εύρος πολώσεων, η προσέγγιση που χρησιμοποιείται σε αυτή τη διατύπωση παρουσιάζει μέγιστη κανονικοποιημένη απόκλιση <0.5% στο συνολικό κινητό φορτίο σε σχέση με την αριθμητική ηλεκτροστατική λύση.
Οι διατυπώσεις του μοντέλου υλοποιούνται σε Verilog-A και επικυρώνονται μέσω σύγκρισης με προσομοιώσεις TCAD, μετρήσεις διατάξεων και πειράματα σε επίπεδο κυκλώματος, τα οποία καλύπτουν συμμετρικές και ασύμμετρες διατάξεις, τεχνολογίες πυριτίου, SiC και GaN, καθώς και θερμοκρασίες έως 500 ^∘ C. Ένας ενισχυτής κοινής πηγής σχεδιάζεται και κατασκευάζεται εσωτερικά και η μετρούμενη απόκρισή του σε εναλλασσόμενο σήμα συγκρίνεται με προσομοίωση που χρησιμοποιεί το CJM σε Verilog-A. Η προσομοίωση αναπαράγει το μετρούμενο κέρδος στη μεσαία περιοχή συχνοτήτων και τη μετρούμενη απόκριση συχνότητας.
Αναπτύσσονται επίσης διατυπώσεις θερμικού θορύβου και θορύβου χαμηλής συχνότητας βασισμένες στο φορτίο, οι οποίες αξιολογούνται έναντι προσομοιώσεων TCAD και μετρήσεων διατάξεων. Μια ειδική διάταξη μέτρησης χαμηλού θορύβου σχεδιάζεται και υλοποιείται εσωτερικά για τον χαρακτηρισμό εμπορικών JFET. Τα μετρούμενα χαρακτηριστικά θορύβου χαμηλής συχνότητας ως προς την πόλωση ενός εμπορικού JFET αναπαράγονται με τη χρήση της διατύπωσης διακυμάνσεων κινητικότητας που βασίζεται στο φορτίο. Αναπτύσσεται επίσης μεθοδολογία εξαγωγής παραμέτρων βασισμένη στο φορτίο για την εξαγωγή της ενεργού κινητικότητας, της αντίστασης σειράς και της τάσης κατωφλίου.
Οι κύριες καινοτόμες συνεισφορές περιλαμβάνουν: (i) μια συνεχή διατύπωση φορτίου–τάσης και ρεύματος απαγωγού, η οποία ενσωματώνει την ολίσθηση και τη διάχυση χωρίς παρεμβολή μεταξύ περιοχών λειτουργίας· (ii) εκφράσεις φορτίου ακροδεκτών και ενδογενών χωρητικοτήτων που παραμένουν συνεχείς στο V_DS=0· (iii) ένα σχήμα κανονικοποίησης και τις προκύπτουσες διατυπώσεις βασισμένες στο φορτίο που συναρμολογούνται στο CJM· (iv) μια διατύπωση ασύμμετρου DG JFET τεσσάρων ακροδεκτών που διατηρεί τη διατήρηση φορτίου και λαμβάνει υπόψη ανεξάρτητες πολώσεις πύλης και διαφορετικές επαφές πύλης, μαζί με μια ρητή έκφραση της τάσης κατωφλίου· (v) ένα διαδικτυακό εργαλείο προσομοίωσης που χρησιμοποιεί το πλαίσιο μοντελοποίησης βασισμένο στο φορτίο· και (vi) διατυπώσεις θερμικού θορύβου, θορύβου χαμηλής συχνότητας και εξαγωγής παραμέτρων.
Συνολικά, η εργασία διαμορφώνει ένα ενιαίο πλαίσιο που συνδέει την ηλεκτροστατική και τη μεταφορά φορέων στον ημιαγωγό με την υλοποίηση συμπαγών μοντέλων και την προσομοίωση κυκλωμάτων. Η προσέγγιση που βασίζεται στο φορτίο παρέχει κοινή βάση για τη μοντελοποίηση, τον χαρακτηρισμό και την αξιοποίηση συμμετρικών και ασύμμετρων τεχνολογιών JFET σε κυκλωματικές εφαρμογές. Η έρευνα οδήγησε σε τέσσερα άρθρα σε επιστημονικά περιοδικά και τρεις εργασίες σε συνέδρια. Παράλληλα, αναπτύχθηκε το διαδικτυακό εργαλείο JFETlab και διατέθηκε μέσω της πλατφόρμας nanoHUB, ώστε το πλαίσιο μοντελοποίησης να μπορεί να χρησιμοποιηθεί σε προσομοιώσεις επιπέδου διάταξης. Μία από τις συνεδριακές εργασίες τιμήθηκε με το Βραβείο Καλύτερης Εργασίας στο ESSDERC 2018.
Λέξεις-κλειδιά: συμπαγής μοντελοποίηση· προσομοίωση κυκλωμάτων· JFET διπλής πύλης· MESFET· μοντελοποίηση βασισμένη στο φορτίο · φορτίο και χωρητικότητα ακροδεκτών· ασύμμετρο JFET· μοντελοποίηση θορύβου· εξαγωγή παραμέτρων· Verilog-A

Abstract

Accurate circuit simulation of junction field-effect transistors (JFETs) requires a compact model that describes the device electrostatics, drain current, terminal charges, intrinsic capacitances, noise, and parameter dependence within a single consistent framework. Existing JFET models commonly employ separate regional expressions or empirical transitions and do not provide a common physical variable linking static, dynamic, noise, and circuit-level operation. These requirements, together with the absence of a widely adopted industry-standard JFET compact model, motivate the development presented in this thesis.
A physics-based, charge-based compact-modeling framework is developed for symmetric and asymmetric double-gate Junction Field-Effect Transistors (DG JFETs) and related MESFET structures. Mobile channel charge is used as the common physical variable linking the semiconductor electrostatics to drain current, transconductance, terminal charge, intrinsic trans-capacitance, noise, parameter extraction, and circuit simulation. Starting from the long-channel electrostatics, a continuous charge–voltage relation is derived and used to formulate the drain current and transconductances while accounting for drift and diffusion. The static formulation is extended to the terminal charges through Ward–Dutton partitioning, and the intrinsic trans-capacitances are obtained by differentiating the terminal charges. The model requires no additional modifications to remain continuous at zero drain bias, V_DS=0. A normalization scheme is developed to define a set of normalized physical quantities used to derive new charge-based formulations, which are assembled into the Charge-based JFET Model (CJM). The CJM is implemented in Verilog-A and extended to account for velocity saturation, channel-length modulation, mobility degradation, series resistance, and parasitic capacitances.
The framework is further extended to asymmetric four-terminal DG JFETs with independently biased gates and dissimilar gate contacts. Decomposition into two coupled equivalent symmetric devices yields analytical expressions for the electrostatics, drain current, terminal charges, intrinsic-capacitance matrix, and threshold voltage. Over the investigated bias range, the approximation used in this formulation produces a maximum normalized discrepancy of <0.5% in the total mobile charge relative to the numerical electrostatic solution.
The model formulations are implemented in Verilog-A and validated against TCAD simulations, device measurements, and circuit-level experiments covering symmetric and asymmetric devices, silicon, SiC, and GaN technologies, and temperatures up to 500 ^∘ C. A common-source amplifier is designed and fabricated in-house, and its measured AC response is compared with simulation using the Verilog-A CJM. The simulation captures the measured midband gain and reproduces the measured frequency response.
Charge-based thermal- and low-frequency noise formulations are also developed and evaluated against TCAD simulations and device measurements. A dedicated low-noise measurement setup is designed and implemented in-house to characterize commercial JFETs. The measured bias-dependent low-frequency-noise characteristics of a commercial JFET are reproduced using the charge-based mobility-fluctuation formulation. Charge-based extraction methodology is also developed for extracting effective mobility, series resistance, and threshold voltage.
The principal novel contributions comprise: (i) a continuous charge-voltage and drain-current formulation incorporating drift and diffusion without region-dependent interpolation; (ii) terminal-charge and intrinsic-capacitance expressions that remain continuous at V_DS=0; (iii) a normalization scheme and the resulting charge-based formulations assembled into the CJM; (iv) a charge-conserving four-terminal asymmetric DG JFET formulation accounting for independent gate biases and dissimilar gate contacts, together with an explicit threshold-voltage expression; (v) an online simulation tool employing the charge-based modeling framework; and (vi) thermal-noise, low-frequency-noise, and parameter-extraction formulations.
The resulting framework establishes a consistent path from semiconductor electrostatics and carrier transport to compact-model implementation and circuit-level simulation. By using this charge-based modeling approach, the work provides a unified basis for the modeling, characterization, and circuit application of symmetric and asymmetric JFET technologies. This work resulted in four journal articles and three conference papers. An online tool, JFETlab, was also developed and published on the nanoHUB platform, enabling users to apply the modeling framework to device-level simulations. One of the conference papers received the Best Paper Award at ESSDERC 2018.
Keywords: compact modeling; circuit simulation; double-gate JFET; MESFET; charge-based modeling; terminal charge and capacitance; asymmetric JFET; noise modeling; parameter extraction; Verilog-A

Meeting ID:  999 9019 1441
Passcode: 963844

Who

Dr. Kostas Blekos
The Cyprus Institute

Abstract

Quantum hardware has advanced faster than our understanding of what to compute with it. The talk describes a research programme aimed at that gap, taking quantum simulation as the application where the case is strongest and photonic and hybrid light-matter systems as its platforms. It opens with how quantum computers and quantum simulators work and then presents variational quantum algorithms as the practical near-term method, with results obtained on current quantum processors. It closes with ongoing work on photonic and hybrid light-matter platforms as analog quantum simulators, and with the direction of the programme in the coming years.

About the Speaker

Dr. Kostas Blekos is an Associate Research Scientist in Quantum Computing at CaSToRC within The Cyprus Institute and a core member of the QUEST team. He earned his Ph.D. in Theoretical and Computational Physics from the University of Patras, working on the optical control of quantum systems and photon sources. His research bridges applied and mathematical aspects of quantum computing, spanning quantum complexity theory, quantum information, and the design of hybrid quantum-classical algorithms (notably the Quantum Approximate Optimization Algorithm, QAOA), alongside machine learning for physical-science applications. He has led initiatives that include devising new quantum algorithms, advancing quantum control and noise-mitigation methods, and exploring the quantum simulation of many-body dynamics on emerging quantum processors, logging hundreds of hours of experimental runs on quantum-processing units (QPUs).

Who

Dr. Sofia Evangelou
Technical University of Crete | National Centre of Scientific Research Demokritos

Abstract

Controlling the interaction between quantum systems and their surroundings is a central challenge in quantum science and technology. Although coupling to the environment is usually associated with dissipation and decoherence, engineered photonic and electromagnetic environments can profoundly reshape quantum dynamics and provide new mechanisms for control, readout, sensing, and simulation.

This talk will present an overview of my research in theoretical and computational quantum physics, following its development from quantum optics and nanophotonics to structured reservoirs, quantum sensing and metrology, and quantum computation. I will discuss how plasmonic and graphene-based environments can modify spontaneous emission, induce quantum interference, and generate distinct bright and dark dynamical components. These microscopic effects can be translated into experimentally accessible optical signatures, including modified emission spectra, transparency windows, steep dispersion, nonlinear optical response, and phase-sensitive spectral readout.

I will then focus on structured photonic reservoirs as platforms for simulating open quantum-system dynamics. Spectral gaps, band edges, Dirac-like structures, and emitter–reservoir bound states provide controllable mechanisms for non-Markovian behaviour and the preservation
of phase information, quantified through the quantum Fisher information. The final part of the talk will address variational quantum algorithms, noise-aware gate-level simulations, Qiskit-based implementations, and calculations on real NISQ quantum hardware. I will conclude by outlining a research direction that connects photonic quantum systems, reservoir engineering, quantum sensing, and hardware-aware quantum computation.

About the Speaker

Dr. Sofia Evangelou is a Senior Postdoctoral Researcher at the School of Electrical and Computer Engineering of the Technical University of Crete and a Collaborating Researcher at the Institute of Quantum Computing and Quantum Technology of NCSR "Demokritos." She received her Ph.D. in Materials Science from the University of Patras, where her research focused on nonlinear optical processes in structured photonic environments.

Her research is in theoretical and computational quantum physics, with interests spanning quantum optics, quantum photonics, nanophotonics, open quantum systems, structured reservoirs, quantum sensing and metrology, and quantum computation. Her work has involved semiconductor quantum systems, plasmonic and graphene-based nanostructures, photonic reservoirs, and the control and protection of quantum information through engineered open-system dynamics. Within the Horizon Europe QCFD project, she works on variational quantum algorithms, Qiskit-based gate-level simulations, noise analysis, and implementations on real NISQ quantum hardware. She has also taught courses in Physics, Quantum Computing, Quantum Technologies, Electronics, and Telecommunications at several Greek universities.

Abstract

In this talk, a summary of my research interests will be given. Starting with the description of particle - antiparticle generation from the interaction of high intensity laser pulses with the quantum vacuum system, some significant numerical results regarding the particle production efficiency will be presented.  On the second part of the talk newer experimental schemes for particle creation will be presented with emphasis on the production of muon and neutron beams and their applications.

About the Speaker

Ioannis Ploumistakis received a BSc degree from the Department of Physics, University of Crete, Greece. Following his studies, he completed his MSc thesis in the Department of Sciences, Technical University of Crete, Greece. The subject of his thesis was the interaction of high intensity and ultrashort duration laser pulses with vacuum for the creation of electron positron pairs. He completed his PhD studies at the Department of Production Engineering and Management, Technical University of Crete, Greece. His research topic was the creation of a laser based high energy electron beam that interacts with high intensity lasers producing particle antiparticle pairs. He also studied the case of muon creation from the interaction of solid targets with high intensity laser pulses and the possibility of using those muons as a catalyst on muon catalyzed fusion reaction of a D-T mixture.

Who

Dr. Haralampos Gavriilidis
University of California, Berkeley

Abstract

Modern analytics increasingly spans heterogeneous data formats and systems rather than a single database engine. While this flexibility allows applications to combine the capabilities of different systems, it also creates fundamental challenges for query processing, interoperability, and efficient data movement. In this talk, we will examine how federated and composable data systems can address these challenges without replacing the engines that already work well. We will discuss XDB for decentralized cross-database query processing, XDBC for fast and adaptive data transfer across heterogeneous systems, and SheetReader for efficiently integrating spreadsheets into analytical pipelines. Together, these systems show how query execution, data exchange, and format integration can be redesigned to enable faster and more resource-efficient analytics across heterogeneous data environments. Finally, we will explore how these principles can be extended beyond relational data to support analytics across heterogeneous data, models, and systems.

About the Speaker

Haralampos “Harry” Gavriilidis is a Visiting Scholar at UC Berkeley EECS, working with Scott Shenker in the NetSys Lab, and a Postdoctoral Fellow at the International Computer Science Institute, supported by a DAAD IFI Fellowship. He received his PhD in Computer Science from Technische Universität Berlin, conducting research at BIFOLD and the DIMA group, advised by Volker Markl. His work focuses on making heterogeneous data systems operate efficiently as a unified analytical environment. During his PhD, he designed XDB, XDBC, and SheetReader, leading to publications at SIGMOD, VLDB, ICDE, EDBT, and Information Systems. He also led two research projects in collaboration with industry, including a German Software Campus project. Before entering academia, he worked for several years as a software engineer. His current research explores how declarative data processing can support analytics beyond relational data, across heterogeneous data, models, and systems.

Who

Dr. Sofia Botsi, NASA Jet Propulsion Laboratory

Title

Quantum Physics with Emphasis on Photonic Quantum Computers and Quantum Simulators

Abstract

Quantum simulations use highly controllable quantum systems (such as neutral atoms and molecules, photons, ions, superconducting circuits, …) to mimic the behavior of more complex quantum systems that classical computers cannot compute due to exponential scaling of quantum states and quantum operations. Ultracold neutral atoms and dipolar molecules provide an exceptional platform for quantum simulations because they offer long coherence times, tunable interactions, reconfigurable geometries, and the ability to implement both analog and digital Hamiltonians with high precision. When cooling atoms to temperatures within a millionth of a degree of absolute zero, they form exotic quantum states such as Bose-Einstein Condensates (BECs). Researchers create and utilize BECs on ground and more recently in space for fundamental physics investigations. This presentation provides an overview of the scientific foundations of ultracold‑atom–based quantum simulations, including experimental advances in creating controllable atomic and molecular qubits, theoretical modeling of interaction potentials, and the emerging role of neutral-atom platforms in next-generation ground- and space-based quantum technologies, while outlining future research directions and opportunities for growth within the broader quantum ecosystem.

About the Speaker

Dr. Sofia Botsi is the Engineering Model Testbed Lead of NASA's Cold Atom Lab mission onboard the ISS. She is responsible for the operation, maintenance, and testing of experiments with the ground instrument prior to execution on flight. She is leading the optical dipole trap study, which may be delivered as an upgrade during a future resupply of the science instrument in orbit, and she is also a Co-Investigator on the Feshbach molecules in microgravity study. Her research interests include high-precision measurements, quantum simulations, and quantum computations with ultracold atomic and molecular gases. She joined JPL as a Postdoctoral Fellow in 2023 after receiving her Ph.D. from the National University of Singapore and her M.Sc. from the Max Planck Institute for Nuclear Physics at Heidelberg University.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Πρόγραμμα Μεταπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Ζαχαρόπουλου

με θέμα

Από Πρωτείνες σε Νευρώνες : Τοπολογίες Βιολογικών Δικτύων για Νευροεξέλιξη

From Proteins to Neurons: Biological Network Topologies for Neuroevolution

Εξεταστική Επιτροπή

Καθηγητής Σωτήριος Ιωαννίδης (επιβλέπων)
Καθηγητής Μιχαήλ Ζερβάκης 
Δρ. Ιωάννης Αραπάκης (Telefonica Scientific Research)

Περίληψη

Η Φυσική Υπολογιστική (Natural Computing) αποτελεί ένα διεπιστημονικό πεδίο που αντλεί έμπνευση από βιολογικές, φυσικές και εξελικτικές διεργασίες με σκοπό την ανάπτυξη μοντέλων Μηχανικής Μάθησης (Machine Learning – ML). Στο πλαίσιο αυτό, οι εξελικτικοί αλγόριθμοι και τα τεχνητά νευρωνικά δίκτυα έχουν αναδείξει ότι δομές που βρίσκονται στη φύση, μπορούν να δημιουργήσουν αποτελεσματικά υπολογιστικά μοντέλα για την επίλυση σύνθετων προβλημάτων. Η παρούσα διπλωματική εργασία παρουσιάζει ένα βιολογικά θεμελιωμένο νευροεξελικτικό αλγόριθμο, στο οποίο οι αρχιτεκτονικές Δικτύων Γραφικών Νευρώνων (Graph Neural Networks – GNNs) δημιουργούνται αξιοποιώντας πραγματικά δίκτυα πρωτεϊνικών αλληλεπιδράσεων (Protein–Protein Interaction – PPI), προερχόμενα από οργανισμούς όπως o ζυμομύκητας , ο ποντικός και ο άνθρωπος. Στην προτεινόμενη προσέγγιση, οι νευρώνες αντιστοιχίζονται σε πρωτεϊνικές οντότητες, ενώ η συναπτική συνδεσιμότητα περιορίζεται από τις πειραματικά τεκμηριωμένες αλληλεπιδράσεις που παρατηρούνται στα γνωστά δίκτυα PPI. Ως αποτέλεσμα, οι αρχικές νευρωνικές τοπολογίες κληρονομούν χαρακτηριστικά που συναντώνται στα δίκτυα PPI, όπως η διάσπαρτη συνδεσιμότητα, η τμηματική οργάνωση και τα πολύπλοκα πρότυπα αλληλεπίδρασης. Σε αντίθεση με τα συμβατικά GNNs, τα οποία εκπαιδεύονται αποκλειστικά μέσω βελτιστοποίησης βασισμένης στην οπισθοδιάδοση σφάλματος και σε μεθόδους κλίσης (gradient-based  optimization),  το  προτεινόμενο  πλαίσιο  υλοποιεί  πληθυσμιακή  εξελικτική βελτιστοποίηση μέσω βιολογικά εμπνευσμένων μηχανισμών μετάλλαξης, επιλογής και προσαρμογής της τοπολογίας. Το σύστημα υποστηρίζει τόσο την εξέλιξη των παραμέτρων όσο και τη δομική τροποποίηση του νευρωνικού δικτύου, επιτρέποντας τη δυναμική προσαρμογή του κατά τη διάρκεια διαδοχικών γενεών. Το προτεινόμενο πλαίσιο αξιολογείται σε προβλήματα ταξινόμησης κόμβων (node classification) και παλινδρόμησης (regression), χρησιμοποιώντας καθιερωμένα σύνολα δεδομένων αναφοράς για γράφους, με στόχο να διερευνηθεί κατά πόσο οι δομές συνδεσιμότητας που προέρχονται από βιολογικά δίκτυα μπορούν να λειτουργήσουν ως αποτελεσματικές επαγωγικές παραδοχές (inductive priors) για τη νευρωνική υπολογιστική. Επιπλέον, εξετάζεται η επίδραση των ειδικά διαμορφωμένων τοπολογιών αλληλεπιδράσεων πρωτεϊνών κάθε οργανισμού στη μαθησιακή συμπεριφορά, στη δυναμική σύγκλισης, στη δομική ποικιλότητα και στην εξελικτική προσαρμογή του συστήματος, προκειμένου να αξιολογηθούν η ευρωστία και η επεκτασιμότητά του. Τα πειραματικά αποτελέσματα αναδεικνύουν τη σκοπιμότητα ενσωμάτωσης βιολογικών δικτύων αλληλεπιδράσεων σε συστήματα μάθησης επί γράφων, αποδεικνύοντας ότι οι νευρωνικές αρχιτεκτονικές που καθοδηγούνται από δίκτυα PPI αποτελούν μια πολλά υποσχόμενη ερευνητική κατεύθυνση στον χώρο της Φυσικής Υπολογιστικής και της βιολογικά εμπνευσμένης Τεχνητής Νοημοσύνης.

Abstract

Natural computing is an interdisciplinary field inspired by biological, physical, and evolutionary processes in order to develop MachineLearning (ML) models. Within this domain, evolutionary algorithms and artificial neural networks have shown that naturally occurring structures can provide effective models for solving complex learning tasks. This thesis introduces a biologically grounded neuroevolutionary framework in which graph neural network (GNN) architectures are generated using real-world protein-protein interaction (PPI) networks derived from species including yeast, mouse, and human. In the proposed approach, neurons are associated with protein entities, while synaptic connectivity is constrained by experimentally observed in known PPI networks. Consequently, initialized neural topologies inherit the structural characteristics observed in PPI networks, such as sparse connectivity, modular organization, and complex interaction patterns. Unlike conventional GNNs trained through gradient-based optimization alone, the proposed framework performs population-based evolutionary optimization through biologically inspired mutation, selection, and topology adaptation. The system supports both parameter evolution and structural neural modification, enabling dynamic adaptation over successive generations. The framework is evaluated on both node classification and regression tasks using established graph benchmark datasets in order to investigate whether biologically derived connectivity structures can function as effective inductive priors for neural computation. The influence of species-specific protein interaction topologies on learning behavior, convergence dynamics, structural diversity, and evolutionary adaptation is also examined in order to ensure robustness and scalability. Experimental results showcase the feasibility of integrating biological interaction networks into graph learning systems, therefore proving that PPI-guided neural architectures present a promising research direction within Natural Computing and biologically inspired artificial intelligence.

Meetin ID: 974 2132 5729
Password: 592185

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Πεσλή

με θέμα

Πολυτροπική Κατάτμηση Εγκεφάλου με χρήση Βαθιάς Μάθησης
Multimodal Brain Tumor Segmentation with Deep Learning Techniques

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Ευριπίδης Πετράκης 
Δρ Ελευθερία Σεργάκη 

Περίληψη

Η παρούσα διπλωματική εργασία πραγματεύεται την αυτόματη τμηματοποίηση εγκεφαλικών όγκων από πολυτροπικές εικόνες μαγνητικής τομογραφίας (MRI) με χρήση τεχνικών βαθιάς μάθησης. Η ακριβής τμηματοποίηση των υποπεριοχών ενός όγκου αποτελεί κρίσιμο βήμα για τη διάγνωση, τον σχεδιασμό θεραπείας και την παρακολούθηση της εξέλιξης της νόσου, ωστόσο η χειροκίνητη διαδικασία είναι ιδιαίτερα χρονοβόρα και παρουσιάζει σημαντική μεταβλητότητα μεταξύ διαφορετικών ειδικών.
Στο πλαίσιο της εργασίας χρησιμοποιήθηκε το σύνολο δεδομένων BraTS 2020 και υλοποιήθηκαν διαφορετικές αρχιτεκτονικές βασισμένες στο U-Net. Συγκεκριμένα, αναπτύχθηκαν και συγκρίθηκαν ένα βασικό 2D Shallow U-Net, καθώς και εκδόσεις του U-Net με encoders VGG-19, ResNet-50 και Inception V3. Επιπλέον, σχεδιάστηκε και αξιολογήθηκε ένα μοντέλο 3D U-Net με χρήση Conv3D επιπέδων, ώστε να αξιοποιηθεί η πλήρης τρισδιάστατη χωρική πληροφορία των δεδομένων MRI.
Η αξιολόγηση όλων των μοντέλων πραγματοποιήθηκε με 5-fold cross-validation, χρησιμοποιώντας ως κύρια μετρική τον Dice Similarity Coefficient για τις υποπεριοχές Whole Tumor (WT), Tumor Core (TC) και Enhancing Tumor (ET). Τα αποτελέσματα έδειξαν ότι μεταξύ των δισδιάστατων μοντέλων η καλύτερη απόδοση επιτεύχθηκε από το Inception V3 U-Net, ενώ το 3D U-Net παρουσίασε τη συνολικά υψηλότερη ακρίβεια, επιτυγχάνοντας μέσες τιμές Dice 0.85 για τις περιοχές WT και TC και 0.79 για την περιοχή ET. Η εργασία καταδεικνύει τα σημαντικά πλεονεκτήματα των τρισδιάστατων αρχιτεκτονικών στην τμηματοποίηση ιατρικών εικόνων και συμβάλλει στη συγκριτική αξιολόγηση σύγχρονων προσεγγίσεων βαθιάς μάθησης για εφαρμογές νευροαπεικόνισης. 

Abstract 

This thesis investigates the automatic segmentation of brain tumors from multimodal Magnetic Resonance Imaging (MRI) scans using deep learning techniques. Accurate segmentation of tumor subregions is a critical step in diagnosis, treatment planning, and disease monitoring. However, manual segmentation is a time-consuming process and is subject to considerable inter-observer variability among medical experts.
In this study, the BraTS 2020 dataset was utilized, and several U-Net-based architectures were implemented and evaluated. Specifically, a baseline 2D Shallow U-Net was developed and compared with U-Net models employing VGG19, ResNet50, and InceptionV3 as encoder backbones. Furthermore, a 3D U-Net model incorporating Conv3D layers was designed and assessed in order to exploit the full three-dimensional spatial information available in MRI volumes.
The performance of all models was evaluated using 5-fold cross-validation, with the Dice Similarity Coefficient serving as the primary evaluation metric for the Whole Tumor (WT), Tumor Core (TC), and Enhancing Tumor (ET) regions. The experimental results demonstrated that, among the two-dimensional models, the InceptionV3 U-Net achieved the best overall performance. However, the 3D U-Net outperformed all other architectures, achieving mean Dice scores of 0.85 for the WT and TC regions and 0.79 for the ET region. These findings highlight the significant advantages of three-dimensional deep learning architectures for medical image segmentation and contribute to the comparative evaluation of modern deep learning approaches for neuroimaging applications.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ελεωνόρας Βλάσση

με θέμα

Μελέτη Μεταβατικής Συμπεριφοράς Συστημάτων Γείωσης
Transient Behaviour of Grounding Systems

Εξεταστική Επιτροπή

Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης 
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Τμήμα ΗΜΜΥ)

Περίληψη

Στις σύγχρονες ηλεκτρικές εγκαταστάσεις, τα συστήματα γείωσης αποτελούν ένα από τα σημαντικότερα μέσα προστασίας έναντι υπερτάσεων που προκαλούνται από κεραυνικά πλήγματα. Βασικός σκοπός τους είναι η ασφαλής διοχέτευση των ηλεκτρικών ρευμάτων στο έδαφος, εξασφαλίζοντας την προστασία τόσο του προσωπικού όσο και του εξοπλισμού. Ωστόσο, η συμπεριφορά των συστημάτων γείωσης υπό μεταβατικές συνθήκες επηρεάζεται από φυσικές και γεωμετρικές παραμέτρους, όπως η ειδική αντίσταση του εδάφους, η γεωμετρία του πλέγματος γείωσης και ο ιονισμός του εδάφους.
Ο ιονισμός του εδάφους μπορεί να επηρεάσει τη μέγιστη ανύψωση δυναμικού γης (Ground Potential Rise – GPR) που αναπτύσσεται γύρω από τις ράβδους γείωσης, επιδρώντας άμεσα στις τάσεις επαφής και βηματισμού, καθώς και στην ηλεκτρική καταπόνηση του ηλεκτρολογικού εξοπλισμού.
Η παρούσα διπλωματική εργασία διερευνά τη μεταβατική συμπεριφορά συστημάτων γείωσης που υποβάλλονται σε κεραυνικά πλήγματα, λαμβάνοντας υπόψη τον ιονισμό του εδάφους και τη θεωρία της ενεργού επιφάνειας του Grcev, η οποία περιγράφει τα τμήματα του πλέγματος γείωσης που συμμετέχουν αποτελεσματικά στη διάχυση των υψίσυχνων κεραυνικών ρευμάτων.
Για την ανάλυση και την προσομοίωση του συστήματος χρησιμοποιήθηκαν τα λογισμικά MATLAB και ATP-EMTP. Παράλληλα, εξετάστηκε η επίδραση παραμέτρων όπως ο χρόνος μετώπου του κεραυνικού ρεύματος, η γεωμετρία του πλέγματος, τα χαρακτηριστικά του εδάφους και το σημείο έγχυσης του ρεύματος στη μεταβατική απόκριση του συστήματος γείωσης.

Abstract

In modern electrical installations, grounding systems constitute one of the most important means of protection against overvoltages caused by lightning strikes. The primary purpose of grounding systems is the safe dissipation of currents into earth, ensuring the protection of both personnel and equipment. However, the behavior of grounding systems under transient conditions is influenced by physical and geometrical parameters such as soil resistivity, grid geometry and soil ionization.
Soil ionization can affect the maximum Ground Potential Rise (GPR) developed around grounding rods, directly influencing touch and step voltages, as well as the electrical stress imposed on electrical equipment.
This thesis investigates the transient behavior of grounding systems subjected to lightning strikes, taking into account soil ionization and Grcev’s effective area theory which represents the parts of the grounding grid that effectively participate in the dissipation of high frequency lightning currents.
MATLAB and ATP-EMTP were used for the analysis and simulation of the system , while observing the influence of parameters such as lightning front time, grid geometry, soil characteristics and current injection point have on the transient response of the grounding system.

Αναγνωριστικό σύσκεψης: 311 884 261 069 439
Κωδικός πρόσβασης: MW6NY3yM

 
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολάου Κουρσιούμη

με θέμα

Διεύρυνση του Ρυθμού Ροής Πληροφορίας σε Συζευγμένα Στοχαστικά Συστήματα με Ταλαντώσεις

Investigations of Information Flow Rate in Coupled Oscillating Stochastic Systems

Εξεταστική Επιτροπή

Καθηγητής Διονύσιος Χριστόπουλος (επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός
Καθηγητής Αθανάσιος Λιάβας

Περίληψη

Η παρούσα διπλωματική εργασία μελετά τον ρυθμό ροής πληροφορίας σε συζευγμένα στοχαστικά συστήματα ταλαντωτών, εντός του φορμαλισμού ροής πληροφορίας του Liang. Ο φορμαλισμός αυτός θεωρεί την αιτιότητα στα πλαίσια ενός αυστηρά ορισμένου μαθηματικού πλαισίου το οποίο στηρίζεται στην  περιθώρια εντροπία των μονάδων ενός συστήματος και τον κατευθυντικό ρυθμό μεταβολής της. Εφαρμόζουμε τον φορμαλισμό του Liang σε τρεις τοπολογίες συζευγμένων στοχαστικών ταλαντωτών που περιλαμβάνουν αμφίδρομη σύζευξη με ασύμμετρη διέγερση, αμφίδρομη σύζευξη με παράλληλη διέγερση και κατευθυντική σύζευξη με παράλληλη διέγερση. Για κάθε περίπτωση εξάγονται ακριβείς, κλειστές αναλυτικές εκφράσεις της αιτιακής ροής πληροφορίας οι οποίες προκύπτουν από τη στάσιμη εξίσωση Lyapunov για το συζευγμένο στοχαστικό σύστημα.
Κεντρικό αναλυτικό αποτέλεσμα της εργασίας είναι η ανάδειξη του καθολικού άνω φράγματος (και για τις τρεις τοπολογίες) για τον ρυθμό ροής πληροφορίας, το οποίο προκύπτει από την εξίσωση T = c/m, όπου c είναι η σταθερά απόσβεσης και m  η μάζα του δέκτη. Το φράγμα αυτό σχετίζεται άμεσα με το Θεώρημα Διακύμανσης–Απαγωγής (Fluctuation Dissipation Theorem). Αποδεικνύουμε ότι το όριο αυτό εμφανίζεται σε διαφορετικές οριακές καταστάσεις —τόσο σε αμφίδρομα όσο και σε κατευθυντικά συζευγμένα συστήματα υπό παράλληλη στοχαστική διέγερση— ως ένα άνω φράγμα ανεξάρτητο της τοπολογίας.  Στο όριο μηδενικής απόσβεσης (c₁ = c₂ = 0) αποδεικνύουμε ότι θεμελιώνεται το φαινόμενο αραίωσης της πληροφορίας, δηλαδή ότι ο ρυθμός ροής της πληροφορίας μεταβάλλεται αντίστροφα ανάλογα του χρόνου. Το φαινόμενο αυτό αποτελεί άμεση συνέπεια της διατήρησης του όγκου ενός συστήματος στον χώρο των φάσεων (σύμφωνα με το θεώρημα Liouville). Τέλος, εισάγουμε το φαινόμενο του αιτιακού συντονισμού: η βέλτιστη μεταφορά πληροφορίας δεν επιτυγχάνεται μεταξύ ταυτόσημων ταλαντωτών, αλλά όταν οι ιδιοσυχνότητες των δύο ταλαντωτών διαφέρουν σύμφωνα με μία κλειστής μορφής έκφραση που περιλαμβάνει τις χαρακτηριστικές σταθερές των ταλαντωτών και μηδενίζεται όταν οι αποσβέσεις τους συμπίπτουν.  Αποδεικνύουμε ότι το φαινόμενο αυτό παρατηρείται λόγω της φασματικής επικάλυψης των ταλαντωτών που επιβάλλει η ασύμμετρη απόσβεση.
Οι παραπάνω αναλυτικές προβλέψεις επικυρώνονται αριθμητικά χρησιμοποιώντας αριθμητική εκτίμηση της ροής πληροφορίας κατά Liang, χρησιμοποιώντας την Εκτιμήτρια βάσει Ομάδας Lie (ΕΟL). Με τον τρόπο αυτό αποδεικνύουμε ότι ισχύει το φαινόμενο της αραίωσης της πληροφορίας και το φαινόμενο του αιτιακού συντονισμού.  Επιπλέον επιβεβαιώσαμε για διάφορα σενάρια ότι τα αναλυτικά αποτελέσματα συμφωνούν με τα αριθμητικά.  Σημειώνεται ότι τα αναλυτικά αποτελέσματα επανακτώνται αριθμητικά ακόμα και όταν είναι άμεσα μετρήσιμες μόνο οι θέσεις των ταλαντωτών ενώ οι ταχύτητες ανακατασκευάζονται αριθμητικά από αυτές. Επίσης με τα αριθμητικά αποτελέσματα επιβεβαιώνεται η μηδενική ανάστροφη ροή σε περίπτωση μονόδρομης κατευθυντικής σύζευξης. Τέλος, σημαντικό αποτέλεσμα της παρούσας διπλωματικής αποτελεί ότι σε συστήματα συζευγμένων ταλαντωτών η ροή πληροφορίας προκύπτει μηδενική αν χρησιμοποιηθούν αποκλειστικά οι χρονοσειρές θέσης, χωρίς να αναλυθούν και οι ταχύτητες των ταλαντωτών. 

Λέξεις-κλειδιά: ροή πληροφορίας, αιτιότητα, στοχαστικοί ταλαντωτές, εξίσωση Lyapunov, Θεώρημα Διακύμανσης–Απαγωγής, Εκτιμήτρια Ομάδας Lie, αιτιακός συντονισμός, φαινόμενο αραίωσης.

Abstract 
This thesis studies the rate of information flow in coupled stochastic oscillator systems, within Liang's infor-mation flow formalism. This formalism treats causality within a rigorously defined mathematical framework based on the marginal entropy of a system's units and its directional rate of change. We apply Liang's formalism to three topologies of coupled stochastic oscillators, comprising bidirectional coupling with asymmetric excita-tion, bidirectional coupling with parallel excitation, and directional coupling with parallel excitation. For each case, exact, closed-form analytical expressions of the causal information flow are derived, arising from the sta-tionary Lyapunov equation for the coupled stochastic system.
A central analytical result of this work is the identification of a universal upper bound (valid for all three topol-ogies) on the rate of information flow, given by the equation T = c/m, where c is the damping constant and m is the mass of the receiver. This bound is directly related to the Fluctuation–Dissipation Theorem. We prove that this limit appears under different limiting conditions —both in bidirectionally and directionally coupled systems under parallel stochastic excitation— as a topology-independent upper bound. In the limit of zero damping (c₁ = c₂ = 0), we prove that the information dilution phenomenon is established, i.e., that the rate of information flow varies inversely with time. This phenomenon is a direct consequence of the conservation of phase-space volume of a system (in accordance with Liouville's theorem). Finally, we introduce the phenomenon of causal reso-nance: optimal information transfer is not achieved between identical oscillators, but rather when the natural frequencies of the two oscillators differ according to a closed-form expression involving the characteristic con-stants of the oscillators, which vanishes when their damping coefficients coincide. We prove that this phenome-non is observed due to the spectral overlap of the oscillators imposed by the asymmetric damping.
The above analytical predictions are validated numerically using a numerical estimation of Liang information flow, employing the Lie Group Estimator (LGE). In this way, we demonstrate that the information dilution phenomenon and the causal resonance phenomenon hold. Furthermore, we confirmed for various scenarios that the analytical results agree with the numerical ones. It is noted that the analytical results are recovered numeri-cally even when only the positions of the oscillators are directly measurable, while the velocities are numerically reconstructed from them. Additionally, the numerical results confirm the zero-reverse flow in the case of one-way directional coupling. Finally, an important result of this thesis is that in systems of coupled oscillators, the information flow is found to be zero if only the position time series are used, without also analyzing the veloci-ties of the oscillators.
Keywords: information flow, causality, stochastic oscillators, Lyapunov equation, Fluctuation–Dissipation Theorem, Lie Group Estimator, causal resonance, dilution phenomenon.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολάου Γκότη

με θέμα

Βελτιστοποίηση Bayes για την εκτίμηση του πυρήνα συνδιασποράς σε Γκαουσσιανές Στοχαστικές Διαδικασίες

Bayesian Optimization for Covariance Kernel Estimation of Gaussian Processes

Εξεταστική Επιτροπή

Καθηγητής Διονύσιος Χριστόπουλος (επιβλέπων)
Καθηγητής Αθανάσιος Λιάβας
Καθηγητής Θρασύβουλος Σπυρόπουλος

Περίληψη

Η Μπεϋζιανή Βελτιστοποίηση (BO) έχει αναδειχθεί ως μια ισχυρή μέθοδος για τη βελτιστοποίηση συναρτήσεων κόστους τύπου «μαύρου κουτιού» και έχει εφαρμοστεί με επιτυχία σε ένα ευρύ φάσμα επιστημονικών και μηχανικών πεδίων. Η ικανότητά της να εξισορροπεί αποτελεσματικά την εξερεύνηση και την εκμετάλλευση την καθιστά ιδιαίτερα κατάλληλη για προβλήματα στα οποία οι υπολογισμοί της συνάρτησης είναι υπολογιστικά δαπανηρές και στα οποία δεν είναι διαθέσιμη η συνάρτηση κλίσης.
Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή της Μπεϋζιανής Βελτιστοποίησης στην εκτίμηση των συναρτήσεων του πυρήνα συνδιασποράς και των αντίστοιχων υπερπαραμέτρων τους σε Γκαουσσιανές Στοχαστικές Διαδικασίες (GPs). 
Δεδομένου ότι η απόδοση προβλέψεων μιας Γκαουσσιανής Διαδικασίας εξαρτάται σε μεγάλο βαθμό από την επιλογή του πυρήνα και των παραμέτρων του, η ακριβής εκτίμηση του πυρήνα αποτελεί θεμελιώδη πρόκληση στη μηχανική μάθηση και στη στατιστική μοντελοποίηση.
Η εργασία παρουσιάζει ένα ολοκληρωμένο θεωρητικό μαθηματικό υπόβαθρο, το οποίο περιέχει τις Γκαουσσιανές Διαδικασίες, τους πυρήνες συνδιακύμανσης, τη Μπεϋζιανή συμπερασματολογία, τη μοντελοποίηση με υποκατάστατα μοντέλα και τις συναρτήσεις απόκτησης. 
Η μαθηματική διατύπωση της Μπεϋζιανής Βελτιστοποίηση αναπτύσσεται λεπτομερώς, αναδεικνύοντας το πιθανοτικό της πλαίσιο, τις ιδιότητες σύγκλισης και τις θεμελιώσεις της στη θεωρία αποφάσεων. Εξετάζονται αρκετές ευρέως χρησιμοποιούμενες συναρτήσεις πυρήνα, συμπεριλαμβανομένων των πυρήνων Ακτινικής Βάσης (RBF), καθώς και συναρτήσεις Matérn και ρητές τετραγωνικές μορφές και η επίδρασή αυτών στη συμπεριφορά και την απόδοση των Γκαουσσιανών Διαδικασιών.
Για την ανάδειξη της αποτελεσματικότητας της προτεινόμενης προσέγγισης, η Μπεϋζιανή Βελτιστοποίηση εφαρμόζεται σε προβλήματα εκτίμησης υπερπαραμέτρων πυρήνα Γκαουσσιανών διαδικασιών καθώς και στην βελτιστοποίηση αιτιοκρατικών συναρτήσεων, συμπεριλαμβανομένης της συνάρτησης Ackley. Πραγματοποιούνται συγκριτικές αναλύσεις με εναλλακτικές τεχνικές βελτιστοποίησης, με στόχο την αξιολόγηση της απόδοσης, της ευρωστίας και της υπολογιστικής αποδοτικότητας. Επιπλέον, η μεθοδολογία επεκτείνεται στην εκτίμηση υπερπαραμέτρων του μοντέλου Στοχαστικής Τοπικής Αλληλεπίδρασης (SLI), καταδεικνύοντας την εφαρμοσιμότητά της σε προχωρημένα προβλήματα χωρικής και στατιστικής μοντελοποίησης.
Τα αποτελέσματα δείχνουν ότι η Μπεϋζιανή Βελτιστοποίηση παρέχει ένα αποτελεσματικό και υπολογιστικά αποδοτικό πλαίσιο για την εκτίμηση των υπερπαραμέτρων διαφορετικών μοντέλων, προσφέροντας σημαντικά πλεονεκτήματα στην πλοήγηση σύνθετων, πολυτροπικών παραμετρικών χώρων. Η εργασία ολοκληρώνεται με συζήτηση πρακτικών εφαρμογών σε μακροσκοπικά και μικροσκοπικά μοντέλα, των περιορισμών και των πιθανών κατευθύνσεων για μελλοντική έρευνα στη μηχανική μάθηση, τη χωρική στατιστική και την τεχνητή νοημοσύνη.

Abstract 

Bayesian Optimization (BO) has emerged as a powerful framework for the optimization of expensive, black-box objective functions and has been successfully applied across a wide range of scientific and engineering domains. Its ability to efficiently balance exploration and exploitation makes it particularly suitable for problems where function evaluations are computationally costly and gradient information is unavailable.
This thesis investigates the application of Bayesian Optimization to the estimation of covariance kernel functions and their associated hyperparameters in Gaussian Processes (GPs). Since the predictive performance of a Gaussian Process depends critically on the choice of kernel and its parameters, accurate kernel estimation constitutes a fundamental challenge in probabilistic machine learning and statistical modeling.
This thesis presents a comprehensive theoretical foundation, covering Gaussian Processes, covariance kernels, Bayesian inference, surrogate modelling, and acquisition functions. The mathematical formulation of Bayesian Optimization is presented in detail, highlighting its probabilistic nature, convergence properties, and decision-based foundations. Several commonly used kernel functions, including the Radial Basis Function (RBF), the Matérn kernel function family, and the Rational Quadratic kernels, are examined alongside their influence on Gaussian Process behavior and performance.
To demonstrate the effectiveness of the proposed approach, Bayesian Optimization is applied to kernel hyperparameter estimation problems and benchmark optimization tasks, including the optimization of the Ackley function. Comparative analyses with alternative optimization techniques are conducted to evaluate performance, robustness, and computational efficiency. Furthermore, the methodology is extended to the estimation of kernel hyperparameters within the Stochastic Local Interaction (SLI) model, illustrating its applicability to advanced spatial and statistical modelling problems as well.
The results demonstrate that Bayesian Optimization provides an effective and sample-efficient framework for kernel estimation, offering significant advantages in navigating complex, multimodal parameter spaces. The thesis concludes with a discussion of practical applications, limitations, and potential directions for future research in machine learning, spatial statistics, and artificial intelligence.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ευαγγέλου Νικολόπουλου

με θέμα

Πρωτόκολλα Συγχρονισμού βάσει Δεδομένων για Παραλληλία Μοντέλου στη Νευρωνική Μάθηση πάνω σε Ροές Δεδομένων

Data-Driven Synchronization Protocols for Model-Parallel Neural Learning

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος (επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Καθηγητής Μιχαήλ Γ. Λαγουδάκης

Περίληψη

Η διαρκώς αυξανόμενη κλίμακα των αρχιτεκτονικών νευρωνικών δικτύων, καθώς και ο όγκος των δεδομένων που απαιτείται για την εκπαίδευσή τους, έχουν καταστήσει την εκπαίδευση σε μία μόνο συσκευή ολοένα και πιο ανέφικτη, επιβάλλοντας την υιοθέτηση κατανεμημένων στρατηγικών για την κάλυψη των κλιμακούμενων υπολογιστικών απαιτήσεων. Μεταξύ αυτών, οι προσεγγίσεις παραλληλισμού δεδομένων (data parallel) έχουν αναδειχθεί ως μια πρακτική λύση για τη διαχείριση μεγάλων συνόλων δεδομένων, αναπαράγοντας το μοντέλο σε πολλαπλούς κόμβους εργασίας (workers), εκπαιδεύοντας τον καθένα σε μια ξένη (disjoint) κατάτμηση των δεδομένων και συναθροίζοντας τις προκύπτουσες ενημερώσεις. Αν και αποτελεσματική για μοντέλα μέτριου μεγέθους, η προσέγγιση αυτή καθίσταται ακατάλληλη για μεγάλες αρχιτεκτονικές, όπου οι επιμέρους κόμβοι εργασίας δεν μπορούν να χωρέσουν ολόκληρο το μοντέλο στη διαθέσιμη μνήμη τους. Οι προσεγγίσεις παραλληλισμού μοντέλου (model parallel) αντιμετωπίζουν αυτόν τον περιορισμό κατανέμοντας τμήματα της αρχιτεκτονικής του μοντέλου στους κόμβους εργασίας. Ωστόσο, αυτό εισάγει τις δικές του προκλήσεις: την επιβάρυνση της επικοινωνίας μεταξύ των συσκευών που απαιτείται για την προώθηση των τανυστών, καθώς και την αύξηση του χρόνου εκπαίδευσης που προέρχεται από περιορισμούς σε επίπεδο πλαισίου (framework), όπως οι μεταφορές τανυστών από CPU σε GPU, η καθυστέρηση του δικτύου (network latency) και η σειριοποίηση και αποσειριοποίηση των τανυστών.
Η παρούσα διπλωματική εργασία εισάγει νέα πρωτόκολλα συγχρονισμού για την εκπαίδευση με παραλληλισμό μοντέλου, τα οποία αντιμετωπίζουν αυτές τις αναποτελεσματικότητες μέσω μιας σειράς αλγορίθμων παρακολούθησης και πρόβλεψης παραμέτρων. Παρακολουθώντας τοπικά το ιστορικό εκπαίδευσης κάθε κόμβου εργασίας, τα προτεινόμενα πρωτόκολλα επιτρέπουν την πρόβλεψη των μελλοντικών καταστάσεων των παραμέτρων, χωρίς να απαιτούνται πλήρη βήματα διαδικτυακής (online) εκπαίδευσης. Τα μοντέλα πρόβλεψης επιλέχθηκαν σκόπιμα ώστε να αποφεύγονται δαπανηροί υπολογισμοί, όπως η παραγώγιση (gradient derivation), διασφαλίζοντας ότι η επιβάρυνση που εισάγει η διαδικασία πρόβλεψης δεν επηρεάζει αρνητικά την ακρίβεια του μοντέλου.
Η πειραματική μας αξιολόγηση δείχνει ότι τα νέα πρωτόκολλα συγχρονισμού μπορούν να προσφέρουν έως και 27 φορές μειωμένη επικοινωνία και 5 φορές επιτάχυνση του χρόνου εκπαίδευσης, με μόλις 10% πτώση της ακρίβειας σε σύγκριση με τις απλές (vanilla) εναλλακτικές παραλληλισμού μοντέλου.

Abstract 

The growing scale of neural network architectures, and the data volumes required to train them, have made single-device training increasingly unfeasible, compelling the adoption of distributed strategies to meet escalating computational demands. Among these, data parallel approaches have emerged as a practical solution for handling large datasets by replicating the model across multiple workers, training each on a disjoint partition of the data, and aggregating the resulting updates. While effective for mod- erately sized models, this approach becomes unsuitable for large architectures where individual workers cannot accommodate the full model within their available memory. Model parallel approaches address this constraint by distributing portions of the model architecture across workers. However, this introduces its own challenges: inter-device communication overhead required for tensor forwarding, and increased training time stemming from framework-level limitations such as CPU-to-GPU tensor transfers, network latency, and tensor serialization and deserialization. This thesis introduces novel synchronization protocols for model parallel training that address these inefficiencies through a suite of parameter monitoring and prediction algorithms. By locally tracking each worker’s past training history, the proposed protocols enable predictions of future parameter states without requiring full online training steps. The prediction models were deliberately chosen to avoid computationally expensive operations such as gradient derivation, ensuring that the overhead introduced by the prediction process does not offset the efficiency gains achieved.
Our experimental evaluation shows that our novel synchronization protocols can provide up to 27 times reduced communication, 5 times training time speed up with only 10% accuracy drop compared to vanilla model parallel alternatives.

 ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Θεοδώρου – Χριστοφόρου Κουτσαβδή 

με θέμα

Εφαρμογή Κατάρτισης του Ωρολογίου Προγράμματος Μαθημάτων του Πολυτεχνείου Κρήτης
An Application for Technical University of Crete Class Schedule

Εξεταστική Επιτροπή

Καθηγητής Γεώργιος Καρυστινός (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης 
Αναπληρωτής Καθηγητής Νικόλαος Γιατράκος 

Περίληψη

Η παρούσα διπλωματική εργασία αφορά στον σχεδιασμό και την ανάπτυξη μιας διαδικτυακής εφαρμογής για την κατάρτιση του ωρολογίου προγράμματος μαθημάτων στο Πολυτεχνείο Κρήτης. Κύριος στόχος της εφαρμογής είναι η αυτοματοποίηση της διαδικασίας δημιουργίας του ωρολογίου προγράμματος, μειώνοντας τον απαιτούμενο χρόνο και διευκολύνοντας το έργο του προσωπικού του ιδρύματος. 
Η εφαρμογή αναπτύχθηκε με τη χρήση τεχνολογιών full-stack, όπως το Angular για το frontend, το Express.js για το backend, και η βάση δεδομένων PostgreSQL. Βασικό χαρακτηριστικό της αποτελεί ο εξειδικευμένος αλγόριθμος που αναπτύχθηκε για την αυτόματη ανάθεση των μαθημάτων στις κατάλληλες αίθουσες, με βάση τις προτιμήσεις, την ημέρα, και την ώρα. Επιπλέον, δόθηκε ιδιαίτερη έμφαση στην ασφάλεια της εφαρμογής, αξιοποιώντας τεχνολογίες όπως το bcrypt για την ασφαλή διαχείριση των κωδικών πρόσβασης και τα JSON Web Tokens για την αυθεντικοποίηση και την εξουσιοδότηση των χρηστών. 
Το αποτέλεσμα είναι μια εύχρηστη και ασφαλής εφαρμογή, η οποία μπορεί εύκολα να αναβαθμιστεί και να συντηρηθεί, παρέχοντας ουσιαστική υποστήριξη στη διαχείριση του ωρολογίου προγράμματος εξαμήνου στο Πολυτεχνείο Κρήτης.

Abstract 

This thesis is on the design and development of a web application for course scheduling at the Technical University of Crete. The main objective of the application is to automate the process of creating the timetable, reducing the time required, and facilitating the work of the institution's staff.
The application was developed using full-stack technologies, such as Angular on the frontend, Express.js on the backend, and the PostgreSQL database. A key feature is the special algorithm developed to automatically assign courses to the appropriate classrooms based on preferences, day, and time. In addition, particular emphasis was placed on the security of the application, utilizing technologies such as bcrypt for secure password management and JSON Web Tokens for user authentication and authorization. 
The result is an easy to use and secure application that can be easily upgraded and maintained, providing substantial assistance in managing the semester timetable at the Technical University of Crete.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολάου Μαλαμά

με θέμα

Ανάλυση και Βελτιστοποίηση της Παράλληλης Υπολογιστικής Απόδοσης Κώδικα Lattice-Boltzmann για Διφασική Ροή

Profiling and Parallel Performance Optimization of a Lattice-Boltzmann 2-phase Flow Simulator

Εξεταστική Επιτροπή

Καθηγητής Αθανάσιος Λιάβας (επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς
Επίκουρος Καθηγητής Ανδρέας Γιώτης (ΕΜΠ, Σχολή Αγρονόμων και Τοπογράφων Μηχανικών – Μηχανικών Γεωπληροφορικής)

Περίληψη

Στην παρούσα διπλωματική εργασία μελετάται η υπολογιστική βελτιστοποίηση της παράλληλης έκδοσης ενός προσομοιωτή ροής που βασίζεται στη μέθοδο Lattice Boltzmann και χρησιμοποιείται κυρίως σε υπολογισμούς μεγάλης κλίμακας στη μελέτη της διφασικής ροής σε πορώδη μέσα. Με τη χρήση εργαλείων ανάλυσης επιδόσεων (profiling), εξετάζεται λεπτομερώς ο υπολογιστικός φόρτος που αντιστοιχεί τόσο στους βασικούς αριθμητικούς υπολογισμούς όσο και στις επικοινωνίες μεταξύ των διεργασιών, οι οποίες υλοποιούνται μέσω του προτύπου MPI, με στόχο τον εντοπισμό των σημείων συμφόρησης που επιβαρύνουν σημαντικά τον συνολικό χρόνο εκτέλεσης.
Με βάση τα αποτελέσματα της ανάλυσης, εφαρμόζεται μια σειρά βελτιώσεων στις διαδικασίες επικοινωνίας, οι οποίες αφορούν κυρίως τη συχνότητα των ανταλλαγών, το μέγεθος των μεταδιδόμενων μηνυμάτων και τον τύπο των χρησιμοποιούμενων λειτουργιών επικοινωνίας. Επιπροσθέτως, υιοθετούνται αποδοτικότερες τεχνικές προγραμματισμού για την προσπέλαση πολυδιάστατων μεταβλητών μέσα σε εμφωλευμένους βρόχους do, με στόχο τη βελτίωση της τοπικότητας των δεδομένων στη μνήμη cache και τον περιορισμό των δαπανηρών προσπελάσεων σε επίπεδα της ιεραρχίας μνήμης με μεγαλύτερο χρόνο απόκρισης.
Επιπλέον, πραγματοποιούνται εκτεταμένες βελτιώσεις στην υλοποίηση υπολογισμών κινητής υποδιαστολής, όπως εκθετικές πράξεις και πράξεις λογαρίθμων, ώστε να αξιοποιούνται αποτελεσματικότερα οι δυνατότητες σύγχρονων επεξεργαστών, όπως οι αρχιτεκτονικές AMD EPYC.
Τέλος, προτείνεται ένα υβριδικό σχήμα παραλληλοποίησης MPI+OpenMP, το οποίο αποδεικνύεται ιδιαίτερα αποδοτικό, καθώς συνδυάζει τις βελτιστοποιημένες διακομβικές επικοινωνίες που παρέχει το MPI με την αποτελεσματική αξιοποίηση της κοινόχρηστης μνήμης και της ιεραρχίας της μνήμης cache μέσω του OpenMP εντός του ίδιου υπολογιστικού κόμβου. Η τελική υλοποίηση του κώδικα είναι σημαντικά αποδοτικότερη, επιτυγχάνοντας αξιοσημείωτη βελτίωση των επιδόσεων και εξαιρετική παράλληλη κλιμάκωση, η οποία σε ορισμένες περιπτώσεις εμφανίζεται υπεργραμμική καθώς αυξάνεται ο αριθμός των χρησιμοποιούμενων πυρήνων επεξεργασίας.

Abstract 

This diploma thesis investigates the computational optimization of the parallel version of a flow simulator based on the Lattice Boltzmann method, primarily employed in large-scale simulations of two-phase flow through porous media. Using performance-profiling tools, the computational workload associated with both the main numerical calculations and the communication between parallel processes, implemented using the MPI standard, is analysed in detail. The objective is to identify the computational and communication bottlenecks that contribute significantly to the overall execution time.
Based on the profiling results, a series of improvements is introduced into the communication procedures, primarily addressing the frequency of data exchanges, the size of the transmitted messages, and the type of communication operations employed. Additionally, more efficient programming techniques are adopted for accessing multidimensional variables within nested do-loops, with the aim of improving data locality in cache memory and reducing costly accesses to higher-latency levels of the memory hierarchy.
Furthermore, extensive optimizations are applied to the implementation of floating-point calculations, including exponential and logarithmic operations, to make more effective use of the capabilities of modern processors, such as AMD EPYC architectures.
Finally, a hybrid MPI+OpenMP parallelization scheme is proposed and shown to be particularly efficient. This approach combines the optimized inter-node communication provided by MPI with the effective utilization of shared memory and the cache hierarchy enabled by OpenMP within each individual computing node. The resulting code implementation is substantially more efficient, achieving significant performance improvements and excellent parallel scalability, with superlinear scaling observed in certain cases as the number of processing cores increases.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Παύλου Μπόγκνταν Ζούνιτς

με θέμα

Αξιολόγηση Τριδιάστατων Μετασχηματιστών για Τμηματοποίηση Αντικειμένων

Evaluation of 3D Transformer Techniques for Object Segmentation

Εξεταστική Επιτροπή

Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος
Καθηγητής Μιχαήλ Γ. Λαγουδάκης

Περίληψη

Η τμηματοποίηση τρισδιάστατων αντικειμένων σε επιμέρους μέρη αποτελεί ένα σημαντικό πρόβλημα της τρισδιάστατης μηχανικής όρασης, με εφαρμογές στη ρομποτική, το CAD, το animation και την επαυξημένη πραγματικότητα. Πολλές υπάρχουσες μέθοδοι βασίζονται σε προκαθορισμένες semantic labels, γεγονός που περιορίζει την ευελιξία τους όταν απαιτείται η τμηματοποίηση αυθαίρετων ή άγνωστων τμημάτων ενός αντικειμένου. Η παρούσα διπλωματική εργασία μελετά την υλοποίηση και αξιολόγηση ενός native 3D point-promptable part segmentation συστήματος, εμπνευσμένο από το P3-SAM, το οποίο δέχεται ένα point prompt και προβλέπει τη binary mask του αντίστοιχου object part. Η εκπαίδευση πραγματοποιήθηκε στο PartNet dataset, τόσο σε category-specific όσο και σε cross-category ρυθμίσεις. Παράλληλα, εξετάστηκαν δύο διαφορετικές feature extraction διατάξεις: η χρήση του pretrained Sonata ως μοναδικού feature extractor και ο συνδυασμός των Sonata features με τα part-aware features του PartField. Η αξιολόγηση βασίστηκε κυρίως στο Intersection over Union (IoU), ενώ πραγματοποιήθηκε και ποιοτική ανάλυση των παραγόμενων segmentations. Τα αποτελέσματα έδειξαν ότι το μοντέλο μπορεί να μάθει αξιόπιστες prompt-conditioned segmentations τόσο σε μεμονωμένες κατηγορίες όσο και σε ένα ευρύτερο σύνολο αντικειμένων. Επιπλέον, διαπιστώθηκε ότι η προσθήκη των PartField features δεν οδηγεί σε σταθερή βελτίωση της απόδοσης, ενώ το Sonata-only configuration προσφέρει ισχυρά αποτελέσματα με μικρότερη υπολογιστική πολυπλοκότητα. Συνολικά, η εργασία υποστηρίζει ότι το point-promptable 3D part segmentation αποτελεί μια αποτελεσματική και ευέλικτη προσέγγιση για την ανάλυση της εσωτερικής δομής τρισδιάστατων αντικειμένων.

Abstract 

3D object segmentation into individual parts is an important problem in 3D computer vision, with applications in robotics, CAD, animation, and augmented reality. Many existing methods rely on predefined semantic labels, which limits their flexibility when arbitrary or previously unseen object parts need to be segmented. This thesis studies the implementation and evaluation of a native 3D point-promptable part segmentation system inspired by P3-SAM, which receives a point prompt and predicts the binary mask of the corresponding object part. The model is trained on the PartNet dataset using both category-specific and cross-category training settings. In addition, two different feature extraction configurations are investigated: the use of a pretrained Sonata model as the sole feature extractor and the combination of Sonata features with the part-aware features of PartField. The evaluation is based primarily on the Intersection over Union (IoU) metric, while a qualitative analysis of the generated segmentations is also performed. The results show that the model can learn reliable prompt-conditioned segmentations both for individual object categories and across a diverse set of object classes. Furthermore, the incorporation of PartField features does not lead to a consistent improvement in performance, while the Sonata-only configuration achieves strong results with lower computational complexity. Overall, this work demonstrates that point-promptable 3D part segmentation is an effective and flexible approach for understanding the internal structure of 3D objects.

Meeting ID: 927 6026 2241
Password: 136789

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου – Κωνσταντίνου Καραλή

με θέμα

Σχεδίαση Κυκλωμάτων Αναφοράς Ρεύματος Ακριβείας Χαμηλής Κατανάλωσης με χρήση Τεχνολογίας ΙΗΡ 130nm CMOS Open-Source Process Design Kit (PDK)

Design of Precision Low-Power Current Reference Circuits using ΙΗΡ 130nm CMOS Open-Source Process Design Kit (PDK)

Εξεταστική Επιτροπή

Καθηγητής Matthias Bucher (επιβλέπων)
Καθηγητής Κωνσταντίνος Μπάλας
Δρ. Νικόλαος Φασαράκης

Περίληψη

Η παρούσα διπλωματική εργασία αναπτύσσει μια πλήρη μεθοδολογία σχεδίασης κυκλωμάτων αναφοράς ρεύματος ακριβείας και χαμηλής κατανάλωσης, από τη φυσική της διάταξης έως την επαλήθευση του κυκλώματος. Η υλοποίηση πραγματοποιείται στην τεχνολογία CMOS 130 nm IHP SG13G2, χρησιμοποιώντας αποκλειστικά εργαλεία ανοικτού κώδικα (το PDK, το xschem και τον προσομοιωτή NGSPICE). Βασικός πυλώνας της προσέγγισης είναι το μοντέλο EKV, το οποίο επιτρέπει τη σχεδίαση με άξονα το ειδικό ρεύμα (Ispec) και την περιοχή λειτουργίας του MOSFET. Η έρευνα εξελίσσεται ποιοτικά σε τρία αλληλένδετα στάδια.
Αρχικά, εξάγονται οι παράμετροι του μοντέλου EKV σε ένα ευρύ φάσμα γεωμετριών και θερμοκρασιών, δημιουργώντας ένα ολοκληρωμένο αποθετήριο δεδομένων. Στη συνέχεια, τα δεδομένα αυτά χρησιμοποιούνται για τον χαρακτηρισμό θεμελιωδών κυκλωματικών δομών, όπως οι καθρέπτες ρεύματος και οι κλασικές αναφορές Vittoz–Fellrath. Μέσα από αυτή τη διαδικασία, επιβεβαιώνονται οι θεωρητικοί νόμοι λειτουργίας και εντοπίζονται οι μη ιδανικότητες που αλλοιώνουν την ακρίβεια στην πράξη, όπως η ασυμμετρία των τάσεων υποδοχής. Ως τελικό επίτευγμα, η εργασία συνθέτει τα παραπάνω ευρήματα σχεδιάζοντας τον Εξαγωγέα Ειδικού Ρεύματος (Specific Current Extractor, SCE), ένα αυτο-πολωμένο κύκλωμα χωρίς παθητικές αντιστάσεις. Το κύκλωμα παράγει ρεύμα εξόδου που ακολουθεί πιστά το ειδικό ρεύμα του τρανζίστορ βάσει ενός καθαρού θεωρητικού νόμου, χωρίς την ανάγκη εμπειρικής προσαρμογής. Συνολικά, η διπλωματική αποστάζει πρακτικούς και μεταφέρσιμους κανόνες, αποδεικνύοντας ότι η αναλογική σχεδίαση ακριβείας μπορεί να παραχθεί αξιόπιστα από τη θεωρία έως το τελικό κύκλωμα, αξιοποιώντας πλήρως ελεύθερα διαθέσιμες τεχνολογίες.

Abstract

This thesis develops a complete design methodology for precision, low-power current reference circuits, from device physics to circuit verification. The implementation is carried out in the 130 nm IHP SG13G2 CMOS technology, exclusively utilizing open-source tools (the PDK, xschem, and the NGSPICE simulator). The foundational pillar of this approach is the EKV model, which enables design centered around the specific current (Ispec) and the MOSFET’s region of operation. The research unfolds in three interconnected stages.
Initially, the EKV model parameters are extracted across a wide range of geometries and temperatures, creating a comprehensive data repository. Subsequently, these data are used to characterize fundamental circuit structures, such as current mirrors and classic Vittoz–Fellrath references. Through this process, the theoretical laws of operation are confirmed, and non-idealities that degrade practical accuracy—such as drain voltage asymmetry—are identified. As a final achievement, the work synthesizes these findings by designing the Specific Current Extractor (SCE), a self-biased circuit free of passive resistors. The circuit generates an output current that faithfully tracks the transistor’s specific current based on a pure theoretical law, without the need for empirical fitting. Overall, the thesis distills practical, transferable design rules, demonstrating that precision analog design can be reliably executed from theory to the final verified circuit, fully leveraging freely available technologies.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αχιλλέα Σφακιανάκη

με θέμα

Χαρακτηρισμός Περιοχών Εδάφους με χρήση Υπερφασματικού Περιεχομένου και Τεχνικών Βαθιάς Μάθησης
Characterization of Land Areas Using Hyperspectral Content and Deep Learning Techniques

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Καθηγητής Παναγιώτης Παρτσινέβελος

Περίληψη

Οι υπερφασματικές εικόνες από μη επανδρωμένα αεροσκάφη χρησιμοποιούνται στη γεωργία ακριβείας και στην ανάλυση κάλυψης γης, προσφέροντας φασματική λεπτομέρεια που συμβατικές κάμερες δεν μπορούν να παρέχουν. Η διαθεσιμότητα αισθητήρων έχει αυξηθεί σημαντικά τα τελευταία χρόνια, επιτρέποντας λεπτομερή ανάλυση βλάστησης σε κλίμακα πεδίου. Ωστόσο, η ακριβής ταξινόμηση της υγείας της βλάστησης παραμένει ένα δύσκολο πρόβλημα. Αυτό οφείλεται κυρίως στην απουσία ετικετών υγείας στα περισσότερα διαθέσιμα σύνολα δεδομένων, στην υψηλή διαστασιμότητα των υπερφασματικών δεδομένων και στην φασματική ομοιότητα μεταξύ διαφορετικών επιπέδων καταπόνησης. Η παρούσα διπλωματική εργασία διερευνά τον χαρακτηρισμό περιοχών εδάφους από υπερφασματικές εικόνες UAV με χρήση σημασιολογικής κατάτμησης βαθιάς μάθησης. Το σύνολο δεδομένων UAV-HSI-Crop-Dataset, που αποκτήθηκε από αγροτικά εδάφη στην Κίνα σε 200 φασματικές ζώνες από 385 έως 1024 nm, περιέχει μόνο ετικέτες για τον τύπο καλλιέργειας. Για την αντιμετώπιση της απουσίας των απαιτούμενων ετικετών υγείας βλάστησης, προτείνεται μια διαδικασία δημιουργίας τους, με τη χρήση ενός συστήματος ψηφοφορίας δεικτών βλάστησης (voting system), εφαρμόζοντας επικάλυψη (masking) και εξισορρόπηση του συνόλου δεδομένων βάσει εντροπίας (balancing), για την παραγωγή ετικετών υγείας τεσσάρων κλάσεων - Background, Severe stress, Moderate και Healthy. Προτείνεται μια ελαφρύτερη αρχιτεκτονική U-Net, το HSI U-Net, και συγκρίνεται με την αρχική αρχιτεκτονική U-Net σε εννέα επίπεδα αφαίρεσης φασματικών ζωνών. Η μελέτη αφαίρεσης ζωνών εξυπηρετεί δύο σκοπούς: διερευνά τη συνεισφορά μεμονωμένων φασματικών περιοχών στην απόδοση ταξινόμησης και αντιμετωπίζει το πρόβλημα κυκλικότητας που προκύπτει όταν οι ετικέτες παράγονται από τα ίδια φασματικά δεδομένα που χρησιμοποιούνται για την εκπαίδευση. Τα εννέα σενάρια αφαίρεσης ζωνών κυμαίνονται από ένα σενάριο πλήρους υπερφασματικού περιεχομένου διακοσίων ζωνών, έως ένα RGB σενάριο τριών ζωνών. Το HSI U-Net υπερτερεί του αρχικού U-Net σε όλα τα σενάρια με σημαντικά λιγότερες παραμέτρους - 7,82 εκατομμύρια έναντι 31,15 εκατομμυρίων. Στο βασικό σενάριο 200 ζωνών, το HSI U-Net επιτυγχάνει συνολική ακρίβεια 93,79% και mIoU 0,84. Η μελέτη αφαίρεσης δείχνει ότι η φασματική ποικιλομορφία έχει μεγαλύτερη σημασία από την ποσότητα ζωνών και αναγνωρίζει το NIR ως την πιο σημαντική ζώνη για την ταξινόμηση υγείας βλάστησης - η αφαίρεσή του από το RGB μειώνει τη συνολική ακρίβεια από 94,39% σε 84,79%. ΄Ενα μοντέλο τεσσάρων ζωνών RGB+NIR επιτυγχάνει συνολική ακρίβεια 94,39%, πλησιάζοντας το βασικό μοντέλο πλήρους υπερφάσματος, υποδηλώνοντας ότι ελαφριοί πολυφασματικοί αισθητήρες μπορούν να χρησιμεύσουν ως εναλλακτική λύση σε πραγματικές συνθήκες. Η δοκιμή σε μια πλήρη αεροφωτογραφία από την Ελλάδα, αποδεικνύει τη δυνατότητα του μοντέλου να γενικεύσει σε άγνωστα δεδομένα από διαφορετική περιοχή και αισθητήρα χωρίς επανεκπαίδευση.

Abstract 

Unmanned Aerial Vehicle (UAV) hyperspectral imagery is used across precision agriculture and land cover analysis, offering spectral detail that conventional cameras cannot provide. Sensor availability has grown considerably over recent years, allowing for fine-grained vegetation analysis at field scale. Nevertheless, accurate vegetation health classification remains a difficult task. This is mainly due to the absence of annotated health labels in most available datasets, the high dimensionality of hyperspectral data, and the spectral similarity between different stress levels. This thesis investigates the characterization of land areas from UAV hyperspectral imagery using deep learning based semantic segmentation. The UAV-HSI- Crop-Dataset, acquired over agricultural fields in China across 200 spectral bands ranging from 385 to 1024 nm, only includes crop type annotations. To address the absence of vegetation health annotations, a ground truth generation pipeline is proposed, using vegetation index voting system, masking and entropy-based dataset balancing to produce four-class health labels - Background, Severe stress, Moderate and Healthy. A lightweight U-Net driven architecture, the HSI U-Net, is proposed and compared with the original U-Net architecture across nine spectral band exclusion levels. The ablation study serves two different purposes: it investigates the contribution of individual spectral regions to classification performance and addresses the circularity concern that arises when ground truth labels are generated from the same spectral data used for training. The nine exclusion scenarios range from full 200- band hyperspectral baseline down to a three-band RGB scenario. The HSI U-Net outperforms the original U-Net in all scenarios with significantly fewer parameters - 7.82 million compared to 31.15 million. At the full 200-band baseline the HSI U-Net achieves 93.79% overall accuracy and 0.84 mIoU. The ablation study shows that spectral diversity matters more than spectral quantity and identifies NIR as the most important band for vegetation health classification - removing it from RGB drops overall accuracy from 94.39% to 84.79%, a loss of 9.6 percentage points from a single band. A four-band RGB+NIR model approaches the full hyperspectral baseline at 94.39% overall accuracy, suggesting that lightweight multispectral sensors can serve as a practical alternative to hyperspectral sensors for field deployment. A full-size aerial image inference from Greece demonstrates generalization to unseen data from a different area and sensor without retraining

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρήστου Κούκουζα

με θέμα

Συγκριτική Αξιολόγηση Μεθόδων Sun-Tracking για Φωτοβολταϊκά Συστήματα
Comparative Evaluation of Sun-Tracking Methods for Photovoltaic Systems

Εξεταστική Επιτροπή

Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας 

Περίληψη

Η εργασία αυτή πραγματεύεται τη συγκριτική μελέτη μεθόδων ηλιακής ιχνηλάτησης (sun-tracking) για φωτοβολταϊκά συστήματα, με ιδιαίτερη εστίαση στις σύγχρονες τεχνολογίες τεχνητής νοημοσύνης που αναπτύσσονται τα τελευταία χρόνια. Η ηλιακή ιχνηλάτηση αποτελεί έναν από τους πλέον αποδοτικούς τρόπους αύξησης της παραγωγής ενέργειας φωτοβολταϊκών εγκαταστάσεων καθώς, ανάλογα με τον αλγόριθμο, επιτρέπει τη διατήρηση της επιφάνειας των πάνελ κάθετη στη διεύθυνση της ηλιακής ακτινοβολίας, μεγιστοποιώντας έτσι τη συλλεκτική επιφάνεια καθ' όλη τη διάρκεια της ημέρας.
Στην εργασία εξετάζονται αναλυτικά οι βασικοί τύποι ηλιακών ιχνηλατών: μονοαξονικοί οριζόντιου άξονα (HSAT), κατακόρυφου άξονα (VSAT), κεκλιμένοι (TSAT), πολικά ευθυγραμμισμένοι (PASAT), και διαξονικοί (AADAT, TTDAT). Παράλληλα, αναλύονται οι τρεις κατηγορίες ελέγχου, ενεργοί, παθητικοί και χρονολογικοί ιχνηλάτες. Επίσης, σε αυτή την εργασία εξετάζονται σύγχρονες μέθοδοι τεχνητής νοημοσύνης για ηλιακή ιχνηλάτηση:, νευρο-ασαφή συστήματα (ANFIS) για τον έλεγχο μονοαξονικών και διαξονικών ιχνηλατών, βαθιά ενισχυτική μάθηση (Deep Reinforcement Learning) για τον βέλτιστο έλεγχο γωνίας κλίσης, όραση υπολογιστή με βαθιά μάθηση για τον εντοπισμό της θέσης του Ήλιου και αλγόριθμοι τεχνητής νοημοσύνης για ιχνηλάτες σε εγκαταστάσεις μεγάλης κλίμακας με bifacial πάνελ.
Τα κύρια συμπεράσματα δείχνουν ότι οι μέθοδοι τεχνητής νοημοσύνης υπερτερούν των κλασικών σε δυναμικές συνθήκες (σύννεφα, σκόνη), χωρίς ωστόσο να υπάρχει μία μέθοδος που να υπερέχει σε όλα, καθώς κάθε τεχνική ταιριάζει σε διαφορετικό πλαίσιο εφαρμογής. Για τις Ελληνικές συνθήκες, κρίνεται αποτελεσματική μία υβριδική στρατηγική με την τεχνική HSAT συνδυασμένη με ενσωματωμένο ANFIS ελεγκτή για βέλτιστη απόδοση σε δυσμενείς καιρικές συνθήκες.

Abstract 

This thesis presents a comparative study of sun-tracking methods for photovoltaic systems, with particular focus on the modern artificial intelligence technologies developed in recent years. Solar tracking is one of the most effective ways to increase the energy production of photovoltaic installations, as it allows the panel surface to be kept perpendicular to the direction of solar radiation, thereby maximizing the collecting surface throughout the day.
The thesis examines in detail the main types of solar trackers: horizontal single-axis (HSAT), vertical single-axis (VSAT), tilted single-axis (TSAT), polar-aligned single-axis (PASAT), and dual-axis trackers (AADAT, TTDAT). It also analyzes the three control categories, active, passive, and chronological trackers. Also, this thesis examines modern artificial intelligence methods for solar tracking: neural networks combined with metaheuristic optimization, neuro-fuzzy systems (ANFIS), reinforcement learning (Reinforcement Learning and Deep Q-Networks), computer vision with deep learning, and artificial intelligence algorithms for utility-scale installations with bifacial panels. 
The main conclusions show that artificial intelligence methods outperform classical ones under dynamic conditions (clouds, dust), although no single method is superior in every respect, since each technique is best suited to a different application context. For Greek conditions, a hybrid strategy is considered effective with the HSAT technique combined with an embedded ANFIS controller for optimal performance under adverse weather conditions.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σοφοκλή – Φιλάρετου Γαβριηλίδη

με θέμα

Πρόβλεψη Χρονοσειρών από Πολλαπλές Πηγές με χρήση Μεθοδολογιών Βαθιάς Μάθησης

Timeseries Forecasting from Multiple Sources using Deep Learning Procedures

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Επίκουρος Καθηγητής Μάριος Αντωνακάκης (ΕΛΜΕΠΑ, Τμήμα Ηλεκτρονικών Μηχανικών)

Περίληψη

Η αυτοματοποιημένη πρόβλεψη επιληπτικών κρίσεων με χρήση σημάτων Ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) έχει αναδειχθεί σε ένα σημαντικό ερευνητικό πεδίο, λόγω της δυνατότητάς της να παρέχει έγκαιρες προειδοποιήσεις για επιληπτικά επεισόδια και να βελτιώνει την ποιότητα ζωής των ασθενών. Ωστόσο, η ανάπτυξη αξιόπιστων μοντέλων πρόβλεψης παραμένει μια πρόκληση εξαιτίας των έντονα μη ισορροπημένων (imbalanced) συνόλων δεδομένων, της υψηλής διαστατικότητας των καταγραφών ΗΕΓ, και των υπολογιστικών περιορισμών που σχετίζονται με την επεξεργασία μεγάλων χρονικών ακολουθιών. Η παρούσα μελέτη διερευνά τη χρήση ενός νευρωνικού δικτύου Μακράς Βραχυπρόθεσμης Μνήμης (Long Short-Term Memory - LSTM) για την ταξινόμηση πολυκάναλων σημάτων ΗΕΓ σε καταστάσεις κρίσης (seizure) και μη-κρίσης (non-seizure). Λόγω περιορισμών μνήμης του τοπικού συστήματος, μήκη ακολουθιών μεγαλύτερα από 19.200 χρονικά βήματα (time steps) προκαλούσαν τον τερματισμό από το λειτουργικό σύστημα κατά τη διάρκεια της εκπαίδευσης. Κατά συνέπεια, οι καταγραφές ΗΕΓ περικόπηκαν και συμπληρώθηκαν με μηδενικά (zero-padded) σε ένα σταθερό μήκος ακολουθίας 9.600 χρονικών βημάτων, παράγοντας μια τελική αναπαράσταση εισόδου (100, 9600, 19) για 100 δείγματα. Εφαρμόστηκε διαχωρισμός με στρωματοποίηση κλάσεων (class-stratified split), κατανέμοντας το 75% των δεδομένων για εκπαίδευση, το 12% για επικύρωση (validation) και το 13% για δοκιμή (testing).
Η απόδοση του μοντέλου αξιολογήθηκε σε 50 υποκείμενα, μεταβάλλοντας τον Ορίζοντα Πρόβλεψης Κρίσης (Seizure Prediction Horizon - SPH) στα 5, 10, 15, 25 και 40 δευτερόλεπτα (s), διατηρώντας παράλληλα σταθερή την Περίοδο Εκδήλωσης Κρίσης (Seizure Occurrence Period - SOP) στα 35 s. Ένα αρχικό μοντέλο βάσης LSTM (baseline), εκπαιδευμένο απευθείας σε ακατέργαστες (raw) ακολουθίες ΗΕΓ, πέτυχε συνολική ορθότητα (accuracy) 61,54% στο σύνολο δοκιμής. Ωστόσο, η βαθμολογία ROC–AUC 0,45 αποκάλυψε φτωχή απόδοση ταξινόμησης, με το μοντέλο να καταφεύγει σε προβλέψεις της πλειοψηφούσας κλάσης (majority-class), αναγνωρίζοντας σωστά όλα τα δείγματα μη-κρίσης, αλλά αποτυγχάνοντας να ανιχνεύσει τα επεισόδια κρίσεων. Για την αντιμετώπιση αυτού του περιορισμού, αναπτύχθηκε ένα δεύτερο μοντέλο χρησιμοποιώντας εξαγόμενα χαρακτηριστικά στο πεδίο του χρόνου και των συχνοτήτων (π.χ. παράμετροι Hjorth, φασματική πυκνότητα ισχύος Welch, μορφοκλασματικές διαστάσεις / fractal dimensions) και αξιολογήθηκε στις πέντε τιμές του SPH. Η απόδοση βελτιωνόταν σταθερά καθώς αυξανόταν ο ορίζοντας πρόβλεψης: σε SPH = 5 s, το μοντέλο έφτασε σε μέση ορθότητα 88%, αλλά το μέσο F1-score ήταν μόλις 39,1%, αντανακλώντας τη συνεχιζόμενη δυσκολία στην ανίχνευση των επιληπτικών επεισοδίων. Τα καλύτερα αποτελέσματα προέκυψαν σε SPH = 40 s, όπου το μοντέλο πέτυχε μέση Ακρίβεια (Precision) 92%, μέση Ανάκληση (Recall) 74%, μέσο F1-score 78%, μέση Ορθότητα (Accuracy) 91% και AUC 0,85, διατηρώντας παράλληλα το μέσο Ποσοστό Ψευδώς Θετικών (False Positive Rate) κάτω από το 1%.
Τα αποτελέσματα καταδεικνύουν ότι η επέκταση του ορίζοντα πρόβλεψης μπορεί να ενισχύσει σημαντικά την ικανότητα των μοντέλων που βασίζονται σε LSTM να αναγνωρίζουν μοτίβα ΗΕΓ που σχετίζονται με κρίσεις, υπό συνθήκες έντονα μη ισορροπημένων δεδομένων. Ωστόσο, το μικρό μέγεθος του δείγματος δοκιμής (test sample size) εισάγει σημαντική μεταβλητότητα στις αναφερόμενες μετρικές και περιορίζει τη στατιστική ισχύ των συμπερασμάτων. Συνεπώς, η μελλοντική έρευνα θα πρέπει να επικεντρωθεί σε πιο ισχυρές στρατηγικές επικύρωσης, συμπεριλαμβανομένης της k-πλήρους διασταυρούμενης επικύρωσης (k-fold cross-validation), καθώς και σε κλιμακούμενα πλαίσια επεξεργασίας δεδομένων και επιτάχυνση υλικού (hardware acceleration), ώστε να καταστεί δυνατή η εκπαίδευση σε μεγαλύτερες, μη-περικομμένες ακολουθίες ΗΕΓ. Συνολικά, τα ευρήματα αναδεικνύουν τόσο τις δυνατότητες όσο και τους πρακτικούς περιορισμούς των προσεγγίσεων βαθιάς μάθησης για την πρόβλεψη επιληπτικών κρίσεων βάσει ΗΕΓ σε περιβάλλοντα με περιορισμένους πόρους.

Abstract 

Automated seizure prediction using Electroencephalogram (EEG) signals has emerged as an important research area due to its potential to provide early warnings for epileptic events and improve patient quality of life. However, developing reliable prediction models remains challenging because of highly imbalanced datasets, the high dimensionality of EEG recordings, and computational limitations associated with processing long temporal sequences. This study investigates the use of a Long Short-Term Memory (LSTM) neural network for classifying multi-channel EEG signals into seizure and non-seizure states. Due to local system memory constraints, sequence lengths greater than 19,200 time steps resulted in operating system termination during training. Consequently, EEG recordings were truncated and zero-padded to a fixed sequence length of 9,600 time steps, producing a final input representation of (100, 9600, 19) across 100 samples. A class-stratified split was employed, allocating 75% of the data for training, 12% for validation, and 13% for testing. 
Model performance was evaluated across 50 subjects by varying the Seizure Prediction Horizon (SPH) at 5, 10, 15, 25, and 40 s while maintaining a fixed Seizure Occurrence Period (SOP) of 35 s. An initial baseline LSTM model trained directly on raw EEG sequences achieved a test accuracy of 61.54%; however, a ROC–AUC score of 0.45 revealed poor classification performance, with the model defaulting to majority-class predictions by correctly identifying all non-seizure samples while failing to detect any seizure events. To address this limitation, a second model was developed using engineered time- and frequency-domain features (e.g., Hjorth parameters, Welch power spectral density, fractal dimensions) and evaluated across the five SPH values. Performance improved steadily as the prediction horizon increased: at SPH = 5 s the model reached a mean accuracy of 88% but a mean F1-score of only 39.1%, reflecting continued difficulty in detecting seizure events. The best results were obtained at SPH = 40 s, where the model achieved a mean Precision of 92%, a mean Recall of 74%, a mean F1-score of 78%, a mean accuracy of 91%, and an AUC of 0.85, while keeping the mean False Positive Rate below 1%. 
The results demonstrate that extending the prediction horizon can significantly enhance the ability of LSTM-based models to identify seizure-related EEG patterns under highly imbalanced conditions. Nevertheless, the small test sample size introduces considerable variability in the reported metrics and limits the statistical strength of the conclusions. Future work should therefore focus on more robust validation strategies, including k-fold cross-validation, as well as scalable data-processing frameworks and hardware acceleration to enable training on longer, untruncated EEG sequences. Overall, the findings highlight both the potential and the practical limitations of deep learning approaches for EEG-based seizure prediction in resource-constrained environments. 

Meeting ID: 954 649 5567
Password: 956799

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Χατζηγεωργίου

με θέμα

Προς την Αυτοματοποίηση Επιθέσεων Διαδικτυακών Εφαρμογών
Towards Automating Web Application Attacks

Εξεταστική Επιτροπή

Καθηγητής Σωτήριος Ιωαννίδης (Επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς 
Δρ Σπυρίδων Αντωνάτος (Director Cymph Ltd.)

Περίληψη

Content Management Systems φιλοξενούν το μεγαλύτερο μέρος του σύγχρονου διαδικτύου. Το W3Techs τοποθετεί το WordPress στο 42,8% όλων των ιστοτόπων και την κατηγορία CMS συνολικά πάνω από το 70%. Αυτή η κλίμακα, σε συνδυασμό με την μεγάλη επιφάνεια επίθεσης που δημιουργείται από το μοντέλο επέκτασης που μοιράζονται τα περισσότερα CMS, τα καθιστά τόσο έναν προφανή στόχο για επιτιθέμενους όσο και για αυτοματοποιημένη αναγνώριση (reconnaissance). Η παρούσα διπλωματική αξιολογεί κατά πόσο η τρέχουσα γενιά open-source scanners και enumerators για CMS μπορεί να υποστηρίξει αυτή την αυτοματοποίηση στην πράξη.
Το πείραμα εκτελεί δώδεκα εργαλεία. WhatWeb, Nikto, CMSeeK, Vulnx, CMSmap, Droopescan, WPScan, JoomScan, Juumla, Drupwn, Nuclei, καθώς και υποστηρικτική αναγνώριση με το nmap, έναντι τριάντα πέντε σκόπιμα ευάλωτων στόχων: Είκοσι πέντε πλήρη VMs από το VulnHub που καλύπτουν WordPress, Joomla, Drupal, CMS Made Simple και αρκετές διατάξεις πολλαπλών εφαρμογών, συν δέκα Vulhub Docker containers που απομονώνουν συγκεκριμένα CVEs για Drupal, Joomla και WordPress. Κάθε ακατέργαστο αποτέλεσμα αξιολογείται βάσει τεσσάρων ερευνητικών ερωτημάτων: ποιότητα αναγνώρισης (reconnaissance), ποιότητα απαρίθμησης (enumeration), ποιότητα σήματος ευπάθειας (vulnerability-signaling) και ετοιμότητα αυτοματοποίησης.
Τα αποτελέσματα δείχνουν πως ανίχνευση πλατφόρμας είναι αξιόπιστη για τα τρία μεγαλύτερα CMS αλλά όχι για τα λιγότερο διαδεδομένα. Μόνο το CMSeeK παρήγαγε θετική αναγνώριση CMS Made Simple, και μόνο στον στόχο που διαφημίζει την πλατφόρμα στο ίδιο του το path. Ο εντοπισμός έκδοσης (version pinning) είναι αξιόπιστος για το WordPress, εξίσου αξιόπιστος για το Drupal μέσω του Droopescan, για το Joomla επίσης αξιόπιστη με το Juumla. Το WPScan είναι το μόνο εργαλείο του οποίου το enumeration είναι άμεσα αξιοποιήσιμo από επίπεδο αυτοματοποίησης, και το Nuclei είναι το μόνο εργαλείο σηματοδότησης ευπαθειών (vulnerability-signaling tool) του οποίου οι αλυσίδες τεκμηρίωσης CVE (CVE evidence chains) μπορούν να αναπαραχθούν χωρίς επιπλέον εργασία αντιστοίχισης έκδοσης. Πέντε από τα εργαλεία απαίτησαν patches σε επίπεδο πηγαίου κώδικα για να εκτελεστούν καν σε μια τρέχουσα εικόνα Kali με Python 3.13, ένα κόστος που η διπλωματική υποστηρίζει ότι αποτελεί κι αυτό μέρος της εικόνας ετοιμότητας αυτοματοποίησης. Στην εργασία προτείνεται και μια λειτουργικά χρήσιμη ροή (pipeline).

Abstract

Content Management Systems host the majority of the modern public web. W3Techs places WordPress alone at 42.8% of all websites and the CMS category as a whole at over 70%. That scale, combined with the extension-model attack surface that most CMSs share, makes them both an obvious target for adversaries and an obvious candidate for automated reconnaissance. This thesis evaluates whether the current generation of open-source CMS scanners and enumerators can support that automation in practice.
The experiment runs twelve scanning tools. WhatWeb, Nikto, CMSeeK, Vulnx, CMSmap, Droopescan, WPScan, JoomScan, Juumla, Drupwn, Nuclei, plus supporting reconnaissance with nmap, against thirty-five intentionally vulnerable targets: Τwenty-five full VMs from VulnHub covering WordPress, Joomla, Drupal, CMS Made Simple and several multi-application layouts, plus ten Vulhub Docker containers isolating specific Drupal, Joomla and WordPress CVEs.
Every raw output is evaluated against four research questions: Identification quality, enumeration quality, vulnerability-signal quality, and automation readiness. The results show that platform detection is reliable for the big three CMSs but not for less-common ones. Only CMSeeK produced a positive CMS Made Simple identification, and only on the target that advertises the platform in its own path. Version pinning is reliable for WordPress, equally reliable for Drupal via Droopescan and Joomla via Juumla. WPScan is the only tool whose enumeration output is directly consumable by an automation layer, and Nuclei is the only vulnerability-signaling tool whose CVE evidence chains are reproducible without additional version-mapping work. Five of the tools required source-level patches to run at all on a current Python 3.13 Kali image, a cost the thesis argues is itself part of the automation-readiness picture. An operationally useful pipeline is recommended in the thesis.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Μάντη

με θέμα

Αυτόνομη Πλοήγηση Οχήματος υπό Κλίμακα σε Μικρογραφία Αστικού Περιβάλλοντος για τον Διαγωνισμό Bosch Future Mobility Challenge

Autonomous Navigation of a Scaled Vehicle in Miniature Urban Environments for the Bosch Future Mobility Challenge

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (Σχολή ΗΜΜΥ)
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)

Περίληψη
    
Η μετάβαση προς τις αυτόνομες μεταφορές βασίζεται σε αξιόπιστα συστήματα πλοήγησης που μπορούν αυτόνομα να αντιληφθούν το περιβάλλον τους, να εκτιμήσουν τη θέση τους και να λάβουν αποφάσεις οδήγησης σε πραγματικό χρόνο. Παρόλο που αυτές οι δεξιότητες έχουν εξελιχθεί σημαντικά τα τελευταία χρόνια, η εφαρμογή τους σε ενσωματωμένες πλατφόρμες με περιορισμένη επεξεργαστική ισχύ, μνήμη και ενεργειακούς πόρους παραμένει μια μεγάλη πρόκληση, ειδικά σε αυτόνομα οχήματα υπό κλίμακα. Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση ενός ελαφρού, βασισμένου στη σύνθεση ανεξάρτητων υπομονάδων, αξιόπιστου συστήματος αυτόνομης πλοήγησης για ένα όχημα κλίμακας 1/10, το οποίο αναπτύχθηκε για τον διαγωνισμό Bosch Future Mobility Challenge. Το όχημα καλείται να λειτουργήσει σε μια μικρογραφία αστικού περιβάλλοντος που περιέχει πινακίδες κυκλοφορίας, δυναμικά εμπόδια και ρεαλιστικούς κανόνες οδήγησης, βασιζόμενο αποκλειστικά στους ενσωματωμένους αισθητήρες και το δικό του υπολογιστικό υλικό. Για την ικανοποίηση αυτών των απαιτήσεων, αναπτύχθηκε μια υπολογιστική αρχιτεκτονική χρησιμοποιώντας ένα Raspberry Pi 5, μια κάμερα χωρικής τεχνητής νοημοσύνης Luxonis OAK-D Lite και έναν μικροελεγκτή STM32 Nucleo. Οι υπολογιστικά απαιτητικές εργασίες αντίληψης εκτελούνται στον ενσωματωμένο επεξεργαστή τεχνητής νοημοσύνης της κάμερας, όπου ένα κατάλληλα εκπαιδευμένο μοντέλο YOLOv8n εκτελεί ανίχνευση αντικειμένων, παράλληλα με μια τοπική μέθοδο δειγματοληψίας 5ου εκατοστημορίου για αξιόπιστη εκτίμηση στερεοσκοπικού βάθους. Ο εντοπισμός θέσης του οχήματος χειρίζεται από ένα υβριδικό πιθανοτικό σύστημα, το οποίο συνδυάζει την τεχνική Adaptive Monte Carlo Localization για την εκτίμηση της απόλυτης θέσης με ένα φίλτρο Extended Kalman Filter για συνεχή παρακολούθηση θέσης σε πραγματικό χρόνο. Η πλοήγηση επιτυγχάνεται μέσω του σχεδιασμού διαδρομών με τον αλγόριθμο αναζήτησης A*, της δημιουργία τροχιών με κυβικές καμπύλες Bézier για την «τυφλή» διέλευση διασταυρώσεων και ενός τροποποιημένου ελεγκτή Stanley για τη διατήρηση της θέσης εντός των λωρίδων και τον έλεγχο κατεύθυνσης. Το προτεινόμενο σύστημα αξιολογήθηκε τόσο σε προσομοιώσεις, όσο και σε πειράματα στον πραγματικό κόσμο. Η κατανεμημένη αρχιτεκτονική διατήρησε έναν σταθερό ρυθμό επεξεργασίας 8 FPS (Frames Per Second), ενώ κράτησε τις καθυστερήσεις επεξεργασίας από άκρο σε άκρο κάτω από 125 χιλιοστά του δευτερολέπτου, αποτρέποντας την θερμική υπερφόρτωση του ενσωματωμένου υλικού κατά τη λειτουργία. Το σύστημα εντοπισμού θέσης ανέκαμψε με επιτυχία από σενάρια «απαγωγής ρομπότ» και το πλήρες σύστημα πλοήγησης έδειξε αξιόπιστη απόδοση καθ’ όλη τη διάρκεια του διαγωνισμού. Αυτά τα αποτελέσματα συνέβαλαν στην κατάκτηση της 7ης θέσης από το όχημα μεταξύ 78 διεθνών ομάδων στο Bosch Future Mobility Challenge 2026 που έλαβε χώρα στο Cluj-Napoca της Ρουμανίας τον Μάιο του 2026, αποδεικνύοντας ότι η αποτελεσματική αυτόνομη πλοήγηση μπορεί να επιτευχθεί ακόμη και σε υπολογιστικά-περιορισμένες ενσωματωμένες πλατφόρμες.

Abstract
    
The transition towards autonomous transportation depends on reliable navigation systems that can autonomously perceive their surroundings, estimate their position and make driving decisions in real time. While these capabilities have advanced significantly in recent years, implementing them on embedded platforms with limited processing power, memory and energy resources remains a major challenge, particularly in scaled autonomous vehicles. This diploma thesis presents the design and implementation of a lightweight, modular and reliable autonomous navigation system for a 1/10-scale vehicle developed for the Bosch Future Mobility Challenge. The vehicle is required to operate in a miniature urban environment containing traffic signs, dynamic obstacles and realistic traffic rules, while relying solely on its onboard sensors and computing hardware. To meet these requirements, a computing architecture was developed using a Raspberry Pi 5, a Luxonis OAK-D Lite spatial Artificial Intelligence (AI) camera and an STM32 Nucleo microcontroller. Computationally demanding perception tasks are executed on the camera’s onboard AI processor, where a custom-trained YOLOv8n model performs object detection alongside a localized 5th-percentile patch sampling method for robust stereo depth estimation. Vehicle localization is handled by a hybrid probabilistic framework that combines Adaptive Monte Carlo Localization for global pose estimation with an Extended Kalman Filter for continuous real-time position tracking. Navigation is achieved through A* path planning, cubic Bézier curve trajectory generation for negotiating “blind” intersections and a modified Stanley controller for lane-following and steering control. The proposed system was evaluated in both simulation and real-world experiments. The distributed architecture maintained a stable processing rate of 8 FPS (Frames Per Second), while keeping end-to-end processing latency below 125 milliseconds, preventing thermal throttling of the embedded hardware during operation. The localization framework successfully recovered from “kidnapped robot” scenarios and the complete navigation system demonstrated reliable performance throughout the competition. These results contributed to the vehicle achieving the 7th place among 78 international teams in the Bosch Future Mobility Challenge 2026 that took place in Cluj-Napoca, Romania in May 2026, demonstrating that effective autonomous navigation can be achieved even on computationally-constrained embedded platforms.

Meeting ID: 97319181712
Password: 804909

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρήστου – Αγγέλου Κουτουνίδη

με θέμα

Θεμελιακές Αρχές και Αλγοριθμικές Προσεγγίσεις για την Αποπόλωση Απόψεων μέσω Προτεινόμενου Περιεχομένου 

Foundations and Algorithms for Recommendation-Driven Opinion Depolarization

Εξεταστική Επιτροπή

Καθηγητής Θρασύβουλος Σπυρόπουλος, (Επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Καθηγητής Αντώνιος Δεληγιαννάκης

Περίληψη

Η πόλωση ιδεών είναι ένα σημαντικό θέμα στην σημερινή εποχή, λόγω την ύπαρξης των social platforms και της συνεχής επιρροής των ατόμων από αυτά. Η βάση αυτών των πλατφόρμων είναι συστήματα προτάσεων περιεχομένου και παρότι η εξατομίκευση του περιεχομένου μπορεί να βελτιώσει την εμπειρία του χρήστη, η συνεχής προβολή παρόμοιων θέσεων μπορεί να ενισχύσει φαινόμενα όπως τα echo chambers και τα filter bubbles, αυξάνοντας την πόλωση. Στην παρούσα διπλωματική εργασία η αποπόλωση απόψεων σε κοινωνικά δίκτυα μοντελοποιείται ως ένα πρόβλημα διαδοχικών συστάσεων με την χρήση Διαδικασίας Αποφάσεων Markov (MDP). Ο στόχος είναι η ανάπτυξη μιας αποδοτικής αλγοριθμικής λύσης που να επιτυγχάνει πλήρη αποπόλωση, καταφέρνοντας επίσης να κάνει scale σε μεγαλύτερα δίκτυα. Αρχικά εφαρμόζονται μέθοδοι ενισχυτικής μάθησης, όπως Policy Iteration και Value Iteration, ώστε να επιβεβαιωθεί ότι σενάρια βασισμένα στο MDP που εφαρμόστηκε, μπορούν πράγματι να αποπολωθούν. Στη συνέχεια εισάγονται μέθοδοι βασισμένες σε Deep Q-Networks (DQN) και Graph Neural Networks (GNN), για την αντιμετώπιση των  περιορισμών επεκτασιμότητας των μεθόδων ενισχυτικής μάθησης. Τα τελικά αποτελέσματα δείχνουν ότι τα GNN, σε μεγαλύτερα κοινωνικά δίκτυα παρουσιάζουν σταθερή και ισχυρή απόδοση αποπόλωσης.

Abstract 

Opinion polarization is an important issue in today’s society due to the widespread use of social media platforms and their continuous influence on users. These platforms rely heavily on content recommendation systems, and although personalization can improve the user experience, repeatedly exposing users to similar viewpoints can reinforce phenomena such as echo chambers and filter bubbles, thereby increasing polarization. In this thesis, the process of selecting content recommendations in a social network is formulated as a sequential decision-making problem using a Markov Decision Process (MDP). The goal is to develop an algorithmic solution that can efficiently achieve full depolarization while also having the ability to scale to larger networks. Initially, tabular methods such as Policy Iteration and Value Iteration are used to verify that scenarios based on the proposed MDP can indeed be successfully depolarized. Subsequently, methods based on Deep Q-Networks (DQN) and Graph Neural Networks (GNNs) are introduced, to address the scalability limitations of the tabular approaches. The final results show that GNN-based methods maintain stable and robust depolarization performance when applied to larger social networks.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Βαλεντίνου Παπαϊακώβου

με θέμα

Βαθιά Μάθηση Μοντέλου για Εντοπισμό και Συγκομιδή Φυτών

Deep Learning Model for Plant Detection and Harvesting

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης (Σχολή ΗΜΜΥ)
Καθηγητής Σπυρίδων Παπαευθυμίου (Σχολή ΜΠΔ)

Περίληψη

Η τεχνητή νοημοσύνη (ΤΝ) διαδραματίζει σημαντικό ρόλο στη βελτιστοποίηση των συστημάτων ανίχνευσης και συγκομιδής αγροτικών προϊόντων ενισχύοντας την αποδοτικότητα, την ακρίβεια και την παραγωγικότητα. Τα συστήματα με τεχνητή νοημοσύνη χρησιμοποιούν την υπολογιστική όραση για να αναγνωρίζουν ώριμους καρπούς με βάση το χρώμα, το μέγεθος και άλλες οπτικές ενδείξεις, επιτρέποντας ακριβείς αποφάσεις συγκομιδής. Οι αλγόριθμοι μηχανικής μάθησης αναλύουν τεράστιες ποσότητες δεδομένων για να βελτιώσουν την απόδοση της πρόβλεψης, να βελτιστοποιήσουν τα χρονοδιαγράμματα συγκομιδής και να μειώσουν τη σπατάλη. Συνολικά, η τεχνητή νοημοσύνη μεταμορφώνει τη συγκομιδή λαχανικών και φρούτων, επιτρέποντας την πιο έξυπνη λήψη αποφάσεων και τη λειτουργική αποτελεσματικότητα σε όλο τον κύκλο της καλλιέργειας. Στην παρούσα διπλωματική εργασία εκπαιδεύονται και εξετάζονται πέντε παραλλαγές του αλγορίθμου YOLOv5 για την ανίχνευση και κατηγοριοποίηση ντομάτας και πράσινης πιπεριάς με χρήση δύο διαφορετικών βελτιστοποιητών. Το σύνολο δεδομένων εκπαίδευσης και το σύνολο εικόνων ελέγχου δημιουργήθηκαν με τη χρήση απλής κάμερας υπολογιστή για να εξασφαλιστεί η συνέπεια στη διαδικασία συλλογής και εξέτασης δεδομένων. Στον αλγόριθμο ανίχνευσης YOLOv5 έχει ενσωματωθεί ψηφιακή μετα-επεξεργασία της έγχρωμης εικόνας με σκοπό την περαιτέρω βελτίωση του μοντέλου για τη συγκομιδή. Παράλληλα, αναλύονται τα αποτελέσματα της εξέτασης των μοντέλων, σε συνδυασμό με δύο βελτιστοποιητές (SGD και Adam) και επιλέγεται ο καλύτερος συνδυασμός. Για ανιχνευτές ντομάτας και πράσινης πιπεριάς που στοχεύουν στη συγκομιδή, προτείνεται τελικά το μοντέλο YOLOv5l (YOLOv5-large εκδοχή) σε συνδυασμό με τον βελτιστοποιητή SGD. Το συγκεκριμένο μοντέλο εξισορροπεί την υψηλή ακρίβεια ανίχνευσης με χαμηλό ποσοστό σφάλματος, καθιστώντας το ιδανικό για γεωργικές εφαρμογές.

Abstract

Artificial intelligence (AI) plays an important role in optimizing agriculture product detection and harvesting systems by enhancing efficiency, accuracy and productivity. AI systems use computer vision to identify ripe products based on colour, size and other visual cues, enabling accurate harvesting decisions. Machine learning algorithms analyze vast amounts of data to improve forecasting performance, optimize harvest schedules and reduce waste. Overall, AI is transforming vegetable and fruit harvesting, enabling smarter decision-making and operational efficiency throughout the crop cycle. In this diploma thesis, five variants of the YOLOv5 algorithm are trained and tested for tomato and pepper detection and classification using two different optimizers. The training dataset and the testing image set were generated using a simple computer camera to ensure consistency in the data collection and examination process. Digital meta-processing of the color image has been incorporated into the YOLOv5 detection algorithm to further improve the model for harvesting. At the same time, the results of the model examination are analyzed in combination with two optimizers (SGD and Adam), and the best-performing configuration is identified. For tomato and pepper detectors targeting harvesting, the model YOLOv5l (YOLOv5-large variant) in combination with the SGD optimizer is finally recommended. This model balances high detection accuracy with a low error rate, making it ideal for agricultural applications.

Meeting ID: 94202170030
Password: 453258

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Βίκτορος Παναγιώτου

με θέμα

Σχεδίαση και Ανάπτυξη Αυτόνομου Πράκτορα για το Επιτραπέζιο Παιχνίδι "Ricochet Robots"

Design and Development of an Autonomous Agent for the Board Game "Ricochet Robots"

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγήτρια Αικατερίνη Μανιά (Σχολή ΗΜΜΥ)
Καθηγητής Θρασύβουλος Σπυρόπουλος (Σχολή ΗΜΜΥ)

Περίληψη

Η παρούσα διπλωματική εργασία ασχολείται με τη σχεδίαση και την ανάπτυξη αυτόνομου πράκτορα για το επιτραπέζιο παιχνίδι Ricochet Robots. Αυτό επιτεύχθηκε με τη δημιουργία μιας διαδικτυακής εφαρμογής με γραφική διεπαφή χρήστη, με κύριο σκοπό τη μελέτη αλγορίθμων αναζήτησης και ευρετικών συναρτήσεων σε ένα περιβάλλον που συνδυάζει απλούς κανόνες με έναν πολύ μεγάλο χώρο καταστάσεων. Το Ricochet Robots αποτελεί ένα ενδιαφέρον πρόβλημα για την Τεχνητή Νοημοσύνη, καθώς κάθε κίνηση ενός ρομπότ δεν τερματίζεται απλά σε κάποιο γειτονικό κελί, αλλά συνεχίζεται μέχρι να συναντήσει κάποιο εμπόδιο, όπως τοίχο, άλλο ρομπότ ή απαγορευμένη περιοχή. Αυτός ο απλός κανόνας δημιουργεί έναν σύνθετο χώρο καταστάσεων, όπου οι μεταβάσεις εξαρτώνται από την τρέχουσα τοπολογία της πίστας, και κάνει την εύρεση λύσης πιο απαιτητική, όσο αυξάνεται η δυσκολία του παζλ. Στο πλαίσιο της εργασίας υλοποιήθηκε ένα πλήρως παραμετρικό περιβάλλον παιχνιδιού, στο οποίο ο χρήστης μπορεί να δημιουργεί χάρτες, να παίζει χειροκίνητα, να επιλέγει έναν εκ των πέντε διαθέσιμων αλγόριθμων αναζήτησης για επίλυση και να παρακολουθεί την εκτέλεση της λύσης βήμα προς βήμα. Η εφαρμογή υποστηρίζει παραγωγή τυχαίων παζλ με χρήση φύτρου, ώστε κάθε χάρτης να μπορεί να δημιουργηθεί ξανά με τις ίδιες ρυθμίσεις, κάτι που είναι σημαντικό για την επανάληψη πειραμάτων και τη δίκαιη σύγκριση διαφορετικών μεθόδων. Για την επίλυση των παζλ υλοποιήθηκαν και ενσωματώθηκαν αλγόριθμοι μη πληροφορημένης (Breadth-First Search, Iterative-Deepening Depth-First search) και πληροφορημένης αναζήτησης (Greedy Best-First Search, A*, Iterative-Deepening A*). Παράλληλα, σχεδιάστηκαν διαφορετικές ευρετικές συναρτήσεις, οι οποίες αξιοποιούν με διαφορετικό τρόπο τη γεωμετρία της πίστας, τις θέσεις των ρομπότ και του στόχου και τις πιθανές ενδιάμεσες κινήσεις. Η υλοποίηση οργανώθηκε με τέτοιο τρόπο, ώστε οι αλγόριθμοι να χρησιμοποιούν κοινή αναπαράσταση καταστάσεων και κοινό μηχανισμό παραγωγής διαδόχων, επιτρέποντας έτσι την άμεση σύγκρισή τους στο ίδιο πρόβλημα. Επιπλέον, για τις διαδικασίες της αναζήτησης χρησιμοποιήθηκε η τεχνολογία των Web Workers, ώστε η διεπαφή της εφαρμογής να παραμένει ενεργή, ακόμη και όταν η επίλυση ενός παζλ απαιτεί περισσότερο χρόνο. Για την πειραματική αξιολόγηση δημιουργήθηκαν σύνολα παζλ διαφορετικών μεγεθών και επιπέδων δυσκολίας, ενώ καταγράφηκαν μετρικές, όπως χρόνος εκτέλεσης, αριθμός επεκταμένων και παραγόμενων κόμβων, μέγεθος frontier, ποσοστό επίλυσης και μήκος λύσης. Τέλος, η εργασία περιλαμβάνει και αξιολόγηση ευχρηστίας με βάση την κλίμακα System Usability Scale (SUS), ώστε να εξεταστεί όχι μόνο η αλγοριθμική πλευρά της εφαρμογής, αλλά και η εμπειρία χρήσης της από διαφορετικές κατηγορίες χρηστών. Με αυτόν τον τρόπο, η εργασία συνδυάζει την ανάπτυξη ενός λειτουργικού παιχνιδιού, την υλοποίηση αυτόνομου πράκτορα για το παιχνίδι και την πειραματική μελέτη τεχνικών αναζήτησης σε ένα ενιαίο σύστημα.

Abstract

This diploma thesis focuses on the design and development of an autonomous agent for the board game Ricochet Robots. This was achieved through the implementation of a web application with a graphical user interface, whose main purpose is the study of search algorithms and heuristic functions in an environment that combines simple rules with a very large state space. Ricochet Robots is an interesting problem for Artificial Intelligence, because each robot movement is not terminated simply in an adjacent cell, but continues until the robot meets an obstacle, such as a wall, another robot, or a forbidden area. This simple rule generates a complex state space, where transitions depend on the current topology of the board, and makes the search for a solution more demanding, as the difficulty of the puzzle increases. As part of this thesis, a fully parameterized game environment was implemented, in which the user can generate maps, play manually, select one of the five available search algorithms for solving, and observe the execution of the solution step by step. The application supports random puzzle generation using seeds, so that each map can be recreated with the same settings. This is important for repeating experiments and for fairly comparing different methods. For solving the puzzles, both uninformed (Breadth-First Search, Iterative-Deepening Depth-First search) and informed search algorithms (Greedy Best-First Search, A*, Iterative-Deepening A*) were implemented and integrated. At the same time, different heuristic functions were designed, each of which uses the geometry of the board, the position of the robots and the target, and the possible intermediate moves in different ways. The implementation was organized, so that all algorithms use a common state representation and a common successor generation mechanism, allowing them to be directly compared on the same problem. In addition, Web Workers were used for the search procedures, so that the application interface remains responsive, even when solving a puzzle requires more time. For the experimental evaluation, sets of puzzles with different sizes and difficulty levels were generated, while metrics, such as execution time, number of expanded and generated nodes, frontier size, solve rate, and solution length, were recorded. Finally, the thesis also includes a usability evaluation based on the System Usability Scale (SUS), in order to examine not only the algorithmic aspect of the application, but also the user experience for different categories of users. In this way, the thesis combines the development of a functional game, the implementation of an autonomous agent for this game, and the experimental study of search techniques in a unified system.

Meeting ID: 92635783061
Password: 757084

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ηλία Βογιατζή

με θέμα

Διηλεκτρικές Μετρήσεις και Χαρακτηρισμός Νανοϋγρών

Dielectric Measurements and Characterization of Nanofluids

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Τμήμα ΗΜΜΥ)

Περίληψη

Η αξιόπιστη και αδιάλειπτη παροχή ενέργειας είναι απαραίτητη για τη σύγχρονη κοινωνία,  καθώς οι υπηρεσίες, οι ηλεκτρονικές συσκευές και οι βιομηχανικές διεργασίες απαιτούν ολοένα και αυξανόμενες ποσότητες ηλεκτρικής ισχύος. Παράλληλα, η αύξηση της ζήτησης συχνά ξεπερνά την ανάπτυξη νέας παραγωγικής ικανότητας τόσο από ανανεώσιμες όσο και από συμβατικές πηγές,  γεγονός που καθιστά ολοένα και πιο σημαντική την αποδοτική αξιοποίηση των υπάρχοντων υποδομών και τον περιορισμό της υποβάθμισής τους.
Η παρούσα διπλωματική εργασία διερευνά τις διηλεκτρικές ιδιότητες και την ευστάθεια του φυσικού εστέρα Envirotemp FR₃ και εξετάζει πώς αυτές οι ιδιότητες τροποποιούνται όταν το υγρό εμπλουτίζεται με νανοσωματίδια οξειδίου του σιδήρου(ΙΙΙ) (Fe₂O₃) σε διαφορετικές συγκεντρώσεις. Η επίδραση της περιεκτικότητας σε Fe₂O₃ στη διηλεκτρική αντοχή και την ευστάθεια των νανορευστών FR₃ αξιολογείται σε σύγκριση με το καθαρό FR₃.
Οι μετρήσεις τάσης διάσπασης πραγματοποιήθηκαν με συσκευή BAUR DTA 100E σύμφωνα με το πρότυπο IEC 60156:1995. Κάθε σειρά δοκιμών περιελάμβανε έξι μετρήσεις διάσπασης, ενώ τα δείγματα υποβλήθηκαν σε υπερηχητική επεξεργασία μετά από κάθε δύο σειρές για τον περιορισμό της συσσωμάτωσης των νανοσωματιδίων εντός του νανορευστού FR₃. Συνολικά πραγματοποιήθηκαν περισσότερες από 200 μετρήσεις διάσπασης για καθένα από τα τέσσερα δοκιμαζόμενα υγρά, και τα δεδομένα αναλύθηκαν με τα στατιστικά μοντέλα Gumbel, Fréchet και Weibull για τον προσδιορισμό των χαρακτηριστικών τάσεων διάσπασης U₁, U₁₀, U₅₀ και U₉₀, καθώς και για την ανεύρεση της βέλτιστης συγκέντρωσης νανοσωματιδίων w/w μεταξύ των δοκιμαζόμενων δειγμάτων. 
Τα τέσσερα δείγματα νανορευστού είχαν συγκεντρώσεις Fe₂O₃ 0%, 0,005%, 0,050% και 0,500% w/w. Μεταξύ αυτών, το δείγμα 0,005% w/w παρουσίασε την υψηλότερη μέση τάση διάσπασης εναλλασσόμενου ρεύματος και τη μικρότερη υποβάθμιση της αντοχής διάσπασης κατά τις επαναλαμβανόμενες δοκιμές. Το δείγμα 0,500% w/w εμφάνισε παρόμοια συμπεριφορά διάσπασης με το βασικό υγρό (0% w/w), αλλά με αυξημένη αντίσταση στις μεταβολές τάσης διάσπασης, γεγονός που ενδέχεται να συνδέεται με τη συσσωμάτωση νανοσωματιδίων εντός του κελιού δοκιμής.

Abstract 

Reliable and continuous energy supply is essential for modern society, as services, electronic devices, and industrial processes require steadily increasing amounts of electrical power. At the same time, demand growth often outpaces the deployment of new generation capacity from both renewable and conventional sources, which makes efficient utilization of existing assets and mitigation of their degradation increasingly important. 
This thesis investigates the dielectric and stability properties of the natural ester fluid Envirotemp FR₃ and examines how these properties are modified when the fluid is doped with iron(III) oxide (Fe₂O₃) nanoparticles at different concentrations. The influence of Fe₂O₃ loading on the dielectric strength and stability of FR₃ nanofluids is evaluated in comparison with pure FR₃.
AC breakdown measurements were performed using a BAUR DTA 100E apparatus in accordance with IEC 60156:1995. Each test set comprised six breakdown measurements, and the samples were sonicated after every two sets to limit nanoparticle agglomeration within the FR3 nanofluid. In total, more than 200 breakdown measurements were carried out for each of the four tested liquids, and the resulting data were analyzed using Gumbel, Fréchet, Weibull and Normal statistical models to determine the characteristic breakdown voltages U₁, U₁₀, U₅₀, and U₉₀ and to identify the optimal w/w nanoparticle concentration among the tested samples.
The four nanofluid samples had Fe₂O₃ concentrations of 0%, 0.005%, 0.050%, 0.500% w/w. Among these, the 0.005 w/w% sample exhibited the highest average AC breakdown voltage and the lowest degradation of breakdown strength over repeated tests. The 0.500 w/w% had yielded similar breakdown behavior to the base fluid (0 w/w%), but with increased resistance to breakdown voltage changes, which may be associated with nanoparticle agglomeration within the test cell.

Αναγνωριστικό σύσκεψης: 375 624 303 006 45
Κωδικός πρόσβασης: mK92L7C7

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σωτηρίου Λίτσιου

με θέμα

Ανάπτυξη Ηλεκτρονικού Συστήματος Ασύρματης Μεταφοράς Ισχύος μέσω Χωρητικής Σύζευξης

Development of an Electronic System for Wireless Power Transmission through Capacitive Coupling

Εξεταστική Επιτροπή

Καθηγητής Ευτύχιος Κουτρούλης, Επιβλέπων
Καθηγητής Κωνσταντίνος Γυφτάκης 
Επίκουρος Καθηγητής Γεώργιος Πέππας

Περίληψη

Σκοπός της παρούσας εργασίας ήταν η σχεδίαση, η προσομοίωση και η υλοποίηση ενός συστήματος ασύρματης μεταφοράς ισχύος μέσω χωρητικής σύζευξης (Capacitive Power Transfer – CPT). Το σύστημα σχεδιάστηκε για ισχύ 25 W, απόσταση πομπού - δέκτη 10 cm και συχνότητα λειτουργίας 1 MHz. Επιλέχθηκε η τοπολογία LCLC όπου ένας μετατροπέας DC/AC πλήρους γέφυρας τροφοδοτεί το δικτύωμα LCLC του πομπού, ενώ στην πλευρά του δέκτη ένα αντίστοιχο δικτύωμα τροφοδοτεί μέσω ανορθωτή μία μπαταρία. Στην εργασία γίνεται μια σύντομη παρουσίαση των τεχνολογιών ασύρματης μεταφοράς ενέργειας και των βασικών τοπολογιών CPT.
Αρχικά κατασκευάστηκε ο coupler τεσσάρων πλακών αλουμινίου 20 cm x 20 cm και μετρήθηκαν οι χωρητικότητές του με LCR meter ακριβείας, ώστε η σχεδίαση να βασιστεί στις πραγματικές τιμές της κατασκευής. Με βάση τις μετρήσεις υπολογίστηκαν τα στοιχεία των κυκλωμάτων αντιστάθμισης και το σύστημα προσομοιώθηκε, πρώτα ως θεωρητικό κύκλωμα στο LTspice και στη συνέχεια μαζί με τον μετατροπέα DC/AC και τα κυκλώματα οδήγησης στο PSpice. Στη συνέχεια, σχεδιάστηκαν και κατασκευάστηκαν τρεις πλακέτες: του πομπού (μετατροπέας DC/AC, κυκλώματα οδήγησης και το LCLC του πομπού), ενός DC/DC τροφοδοτικού με απομονωμένες εξόδους και του δέκτη (δίκτυο LCLC και ανορθωτής). Τέλος, επιβεβαιώθηκε πειραματικά η λειτουργία των επιμέρους υποσυστημάτων, καθώς και η εμφάνιση τάσης στις πλάκες του δέκτη μέσω της χωρητικής σύζευξης.

Abstract 

This thesis presents the design, simulation, and experimental implementation of a wireless power transfer system based on capacitive coupling (Capacitive Power Transfer – CPT). The system was designed to deliver 25 W across a 10 cm transmitter–receiver gap at an operating frequency of 1 MHz. A double-sided LCLC compensation topology was adopted where a full-bridge DC/AC converter drives the transmitter LCLC network, while on the receiver side a corresponding network charges a battery through a rectifier.
As a first step, a four-plate coupler was constructed using 20 cm × 20 cm aluminum plates, and its capacitances were measured with a precision LCR meter, allowing the design to be grounded in the actual parameters of the physical structure rather than idealized values. Based on these measurements, the compensation network components were calculated and the system was simulated, at first as an idealized circuit in LTspice, and then including the DC/AC converter and its gate driver circuitry in PSpice. Three printed circuit boards were subsequently designed and fabricated: the transmitter board (DC/AC converter, gate drivers, and the transmitter-side LCLC network), an auxiliary DC/DC power supply with isolated outputs and the receiver board (LCLC network and rectifier). Finally, the operation of the individual subsystems was verified experimentally, along with the development of voltage on the receiver plates through the capacitive coupling.

Meeting ID: 967 8767 2714
Password: 259569

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Παναγιώτη Σαββαΐδη

με θέμα

Διερευνώντας το Namespace Pollution στους Φυλλομετρητές και τις Επιπλοκές του στην Ιδιωτικότητα των Χρηστών στο Διαδίκτυο

Exploring Namespace Pollution in Browsers and its Implications on User’s Privacy on the Web

Εξεταστική Επιτροπή
Καθηγητής Σωτήριος Ιωαννίδης (επιβλέπων)
Καθηγητής Ευριπίδης Πετράκης
Λέκτορας Παναγιώτης Ηλία (Τεχνολογικό Πανεπιστήμιο Κύπρου, Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής)

Περίληψη

Η ασφάλεια και η ιδιωτικότητα των χρηστών στο διαδίκτυο είναι για πολλά χρόνια αντικείμενο έρευνας. Οι εξελίξεις στη τεχνολογία του διαδικτύου επιτρέπουν την συλλογή και αποθήκευση δεδομένων των χρηστών κατά την προσπέλαση ιστοσελίδων, δεδομένα που επιτρέπουν την ταυτοποίηση και παρακολούθηση των προτιμήσεων τους. Αυτό επιτρέπει σε εταιρίες διαδικτυακής διαφήμισης να δημιουργούν προφίλ χρηστών και να κερδοσκοπούν από αυτή τη πληροφορία πουλώντας τη σε data markets, παράλληλα όμως επιτρέπουν σε κακόβουλα μέρη να εκμεταλλευτούν τα κενά στους σύγχρονους φυλλομετρητές για να διαβάσουν ή και να παραποιήσουν την πληροφορία που συλλέγεται για τους χρήστες.
Ενώ το κύριο μέσο αποθήκευσης αυτής της πληροφορίας που εξετάζεται εκτενώς στη βιβλιογραφία είναι τα cookies, στη παρούσα εργασία εξετάζουμε το Window Object των ιστοσελίδων ως μέσο αποθήκευσης και ανταλλαγής πληροφορίας ανάμεσα σε scripts διαφορετικής προέλευσης εκμεταλλευόμενα το φαινόμενο που λέγεται namespace pollution (ρύπανση ονοματοχώρου).
Προκειμένου να αποκτήσουμε μια συνεκτική εικόνα του φαινομένου, προσπελαύνουμε τη λίστα Tranco 10K και μετράμε τη διάδραση των scripts στα properties του Window Object. Αναλύουμε και βρίσκουμε πως το 68% των ιστοσελίδων περιέχει διάδραση scripts διαφορετικής προέλευσης στα ίδια properties και ορίζουμε το μετρικό diffWRi για να ποσοτικοποιήσουμε τη συμπεριφορά των scripts στο global namespace.
Καταλήγουμε πως το φαινόμενο της ρύπανσης ονοματοχώρου είναι παρόν στις σύγχρονες ιστοσελίδες και υπάρχουν τρόποι να παρακαμφθούν τα πρωτόκολλα ασφαλείας στους φυλλομετρητές προκειμένου να σταλεί η πληροφορία προς κατευθύνσεις που δεν προορίζεται εξαρχής. Στα πιο δημοφιλή features διαπιστώσαμε πως δεν είναι εμφανής η προσπέλαση ευαίσθητων πληροφοριών από scripts τρίτων μερών, αν και υπάρχουν ενδειξεις για διαρροή πληροφοριών που θα μπορούσαν να συμβάλλουν στην έμμεση ταυτοποίηση χρηστών (fingerprinting).

Abstract 

User security and privacy on the internet have been a subject of research for many years. Advances in internet technology enable the collection and storage of user data when accessing websites, data that enables the identification and tracking of their preferences. This allows online advertising companies to create user profiles and profit from this information by selling it on data markets; however, it also allows malicious actors to exploit vulnerabilities in modern browsers to read or even tamper with the information collected about users.
While the primary means of storing this information, which is extensively examined in the literature, is cookies, in this paper we examine the Window Object of web pages as a means of storing and exchanging information between scripts of different origins by exploiting the phenomenon known as namespace pollution.
To gain a coherent picture of the phenomenon, we access the Tranco 10K list and measure the interaction of scripts on the properties of the Window Object. We analyze and find that 68% of web pages contain interaction between scripts of different origins on the same properties, and we define the metric diffWRi to quantify the behavior of scripts in the global namespace.
We conclude that the phenomenon of namespace pollution is present in modern websites and that there are ways to bypass security protocols in browsers in order to send information to destinations for which it was not originally intended. In the most popular features, we found that access to sensitive information by third-party scripts is not apparent, although there are indications of information leaks that could contribute to indirect user identification (fingerprinting).

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Εμμανουήλ Πετράκη

με θέμα

Βελτιστοποίηση Σχεδιασμού Συστημάτων Αποθήκευσης Ενέργειας σε Συσσωρευτές που Διασυνδέονται με το Ηλεκτρικό Δίκτυο

Design Optimization of Grid-connected Battery Energy-Storage Systems

Εξεταστική Επιτροπή

Καθηγητής Ευτύχιος Κουτρούλης (Επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας

Περίληψη

Η αυξανόμενη διείσδυση των Ανανεώσιμων Πηγών Ενέργειας (ΑΠΕ) στα σύγχρονα ηλεκτρικά δίκτυα δημιουργεί αυξημένες απαιτήσεις για την ανάπτυξη αποδοτικών συστημάτων αποθήκευσης ενέργειας. Tα Συστήματα Αποθήκευσης Ενέργειας με Μπαταρίες (Battery Energy Storage Systems – BESS) αποτελούν μία από τις σημαντικότερες τεχνολογίες για την υποστήριξη της λειτουργίας των ηλεκτρικών δικτύων και την αποτελεσματική αξιοποίηση της παραγόμενης ενέργειας.
Στην παρούσα διπλωματική εργασία αναπτύσσεται μια μεθοδολογία βελτιστοποίησης του μεγέθους (διαστασιολόγηση) συστημάτων αποθήκευσης ενέργειας που αποτελούνται από πέντε διαφορετικές τεχνολογίες μπαταριών: μπαταρίες Lead Acid, μπαταρίες Vanadium Redox Flow Battery (VRFB), μπαταρίες Sodium Sulphur (NaS), μπαταρίες Lithium-Ion LFP και μπαταρίες Nickel Cadmium (NiCd). Η αξιολόγηση του συστήματος πραγματοποιείται μέσω ετήσιας προσομοίωσης 8760 ωριαίων χρονικών βημάτων, χρησιμοποιώντας ενεργειακό προφίλ που προέκυψε από επεξεργασία δεδομένων παραγωγής του ΔΕΔΔΗΕ για το νησιωτικό σύστημα Κω–Καλύμνου για το έτος 2025.
Η διαδικασία βελτιστοποίησης υλοποιείται σε περιβάλλον MATLAB με χρήση Γενετικών Αλγορίθμων (Genetic Algorithms – GA). Κάθε υποψήφια λύση περιγράφεται από δεκαπέντε ακέραιες μεταβλητές που καθορίζουν τη διαμόρφωση των επιμέρους τεχνολογιών, δηλαδή τον αριθμό συστοιχιών και τη συνδεσμολογία σε σειρά και παράλληλα. Για κάθε λύση πραγματοποιείται πλήρης προσομοίωση της λειτουργίας του συστήματος και υπολογίζονται οι οικονομικοί δείκτες Net Present Cost (NPC), Net Present Value (NPV) και Levelized Cost of Energy (LCOE).
Η ανάλυση πραγματοποιείται για δύο διαφορετικά σενάρια λειτουργίας. Στο πρώτο σενάριο το BESS ανήκει στον διαχειριστή του δικτύου και λειτουργεί με σκοπό την υποστήριξη του ηλεκτρικού δικτύου, ενώ στο δεύτερο σενάριο εξετάζεται η λειτουργία του BESS από ιδιώτη επενδυτή, ο οποίος αγοράζει ηλεκτρική ενέργεια από το δίκτυο σε χαμηλή τιμή, την αποθηκεύει και στη συνέχεια την μεταπωλεί σε υψηλότερη τιμή, με σκοπό τη μεγιστοποίηση του οικονομικού οφέλους.
Τα αποτελέσματα δείχνουν ότι το μοντέλο λειτουργίας και οι οικονομικές παραδοχές επηρεάζουν καθοριστικά τη βέλτιστη σύνθεση του συστήματος αποθήκευσης. Στο πρώτο σενάριο η βέλτιστη λύση αξιοποιεί και τις πέντε διαθέσιμες τεχνολογίες μπαταριών, με τις Li- Ion LFP να παρουσιάζουν τη μεγαλύτερη εγκατεστημένη ενεργειακή χωρητικότητα και τις Lead Acid να συμμετέχουν επίσης σημαντικά στη συνολική διαμόρφωση του συστήματος. Αντίθετα, στο δεύτερο σενάριο επιλέγονται μόνο οι τεχνολογίες Li-Ion LFP και NaS, σύμφωνα με τις οικονομικές παραδοχές της μελέτης. Και στα δύο σενάρια επιτυγχάνεται πλήρης κάλυψη του ετήσιου ενεργειακού φορτίου. Η εργασία αναδεικνύει τη σημασία της τεχνοοικονομικής βελτιστοποίησης κατά τον σχεδιασμό συστημάτων αποθήκευσης ενέργειας και δείχνει ότι η βέλτιστη επιλογή των τεχνολογιών εξαρτάται τόσο από τα τεχνικά χαρακτηριστικά των μπαταριών όσο και από το μοντέλο λειτουργίας και τις οικονομικές παραμέτρους που χρησιμοποιούνται στη διαδικασία βελτιστοποίησης.

Abstract 

The increasing penetration of Renewable Energy Sources (RES) into modern power systems has created a growing demand for efficient energy storage technologies. Battery Energy Storage Systems (BESS) have emerged as one of the most promising solutions for improving grid stability, increasing the utilization of renewable energy, and enhancing the overall reliability of electrical power systems. 
This diploma thesis presents an optimization methodology for the optimal sizing of a hybrid Battery Energy Storage System consisting of five different battery technologies: Lead Acid, Vanadium Redox Flow Battery (VRFB), Sodium Sulphur (NaS), Lithium-Ion Lithium Iron Phosphate (Li-Ion LFP), and Nickel Cadmium (NiCd). The proposed methodology is implemented in MATLAB and is based on an annual simulation of 8,760 hourly time steps using an energy profile derived from processed Hellenic Electricity Distribution Network Operator (HEDNO) generation data for the Kos–Kalymnos island power system for the year 2025. 
The optimization process is performed using Genetic Algorithms (GA). Each candidate solution is represented by fifteen integer decision variables defining the number of battery strings as well as the series and parallel configuration of each battery technology. For every candidate solution, a complete annual simulation is carried out and the corresponding economic performance is evaluated using the Net Present Cost (NPC), Net Present Value (NPV), and Levelized Cost of Energy (LCOE) indices. 
The proposed methodology is evaluated under two different operating scenarios. In the first scenario, the BESS is owned by the grid operator and is used to support grid operation by storing surplus energy and supplying energy during periods of demand. In the second scenario, the BESS is owned by a private investor who purchases electricity from the grid at a low price, stores it, and sells it back to the grid at a higher price in order to maximize economic benefit. 
The results demonstrate that the operating model and the economic assumptions significantly influence the optimal configuration of the hybrid BESS. In the first scenario, the optimal solution utilizes all five battery technologies, with Li-Ion LFP batteries providing the largest installed energy capacity, while Lead Acid batteries also contribute significantly to the overall system configuration. In contrast, the second scenario selects only Li-Ion LFP and NaS batteries according to the economic assumptions adopted in this study. In both scenarios, the system achieves full annual demand coverage while satisfying all technical operating constraints. 
Overall, the proposed methodology demonstrates that combining annual time-series simulation with Genetic Algorithms provides an effective and reliable approach for the optimal sizing of hybrid Battery Energy Storage Systems. Furthermore, the study highlights that the optimal selection of battery technologies depends not only on their technical characteristics but also on the operating strategy and the economic parameters considered during the optimization process.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Τσάμη 

με θέμα

Ενεργό Ρομποτικό SLAM (Simultaneous Localization and Mapping) με χρήση Ενισχυτικής Μάθησης

Active Robot SLAM (Simultaneous Localization and Mapping) using Reinforcement Learning

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος (Σχολή ΗΜΜΥ)
Καθηγητής Παναγιώτης Παρτσινέβελος (Σχολή ΜΗΧΟΠ)

Περίληψη

Τα αυτόνομα ρομπότ χρησιμοποιούνται όλο και περισσότερο για την εξερεύνηση και τη χαρτογράφηση περιβαλλόντων που είναι άγνωστα και συχνά επικίνδυνα για τον άνθρωπο. Η εξερεύνηση και η χαρτογράφηση συνδέονται στενά με το πρόβλημα του Ταυτόχρονου Εντοπισμού Θέσης και Χαρτογράφησης (Simultaneous Localization and Mapping – SLAM), το οποίο απαντά σε δύο ερωτήματα ταυτόχρονα: «Πού βρίσκομαι;» και «Πώς μοιάζει ο κόσμος;» Όταν το ίδιο το ρομπότ αποφασίζει πού και πώς θα κινηθεί κατά τη διάρκεια του SLAM, ώστε να διατηρεί τον χάρτη και τη θέση του ακριβή, το πρόβλημα γίνεται Ενεργό SLAM (Active SLAM). Η παρούσα διπλωματική εργασία μελετά το Ενεργό SLAM για κινητά ρομπότ σε άγνωστα περιβάλλοντα με χρήση Ενισχυτικής Μάθησης (Reinforcement Learning) για τη λήψη αυτών των αποφάσεων. Ο πράκτορας παρατηρεί το περιβάλλον μέσω του (μερικού, ημιτελή) χάρτη που παράγεται κατά τη διαδικασία του SLAM. Με βάση αυτήν την παρατήρηση, επιλέγει μια ενέργεια που αντιστοιχεί σε μετακίνηση προς κάποια θέση-στόχο μέσα στο περιβάλλον. Στόχος του πράκτορα είναι να μάθει πώς να λαμβάνει αποφάσεις μετακίνησης, έτσι ώστε αποδοτικά να κατασκευάσει έναν συνεπή χάρτη που να καλύπτει όσο το δυνατόν μεγαλύτερο μέρος του περιβάλλοντος, διατηρώντας παράλληλα σταθερή εκτίμηση της θέσης του μέσα στον υπό κατασκευή χάρτη. Η προτεινόμενη μέθοδος βασίζεται στον αλγόριθμο Deep Q-Network (DQN). Επειδή η τρέχουσα κατάσταση του περιβάλλοντος αναπαρίσταται ως εικόνα, στον αλγόριθμο ενισχυτικής μάθησης ενσωματώνονται και Συνελικτικά Νευρωνικά Δίκτυα (CNN) για αποδοτικότερη επεξεργασία. Όλα τα πειράματα διεξήχθησαν στο περιβάλλον προσομοίωσης Gazebo, χρησιμοποιώντας το Robot Operating System (ROS) και ένα τροχοφόρο κινητό ρομπότ εξοπλισμένο με αισθητήρα LiDAR. Τα αποτελέσματα δείχνουν ότι ο πράκτορας μαθαίνει να αντιμετωπίζει το πρόβλημα σε διάφορα περιβάλλοντα με διαφορετικά χαρακτηριστικά. Πραγματοποιήθηκαν επίσης πειράματα σε εντελώς άγνωστα περιβάλλοντα που δεν χρησιμοποιήθηκαν κατά την εκπαίδευση, όπου ο πράκτορας διατήρησε σχετικά σταθερή εκτίμηση της θέσης του και χαρτογράφησε ικανοποιητικά μεγάλο μέρος του περιβάλλοντος. 

Abstract

Autonomous robots are increasingly used to explore and map environments that are unknown and often unsafe for people. Exploration and mapping are closely related to the Simultaneous Localization and Mapping (SLAM) problem, which answers two questions at the same time: “Where am I?” and “What does the world look like?” When the robot itself decides where and how to move during SLAM, so as to keep both the map and its position accurate, the problem becomes Active SLAM. This diploma thesis studies Active SLAM for mobile robots in unknown environments using Reinforcement Learning to make these decisions. The agent observes the environment through the (partial, incomplete) map produced during the SLAM process. Based on this observation, it selects an action that corresponds to locomotion to a target location in the environment. The objective of the agent is to learn how to make locomotion decisions, in order to efficiently build a consistent map that covers as much of the environment as possible, while it keeps a stable estimate of its position within the map under construction. The proposed method is based on the Deep Q-Network (DQN) algorithm. Since the state is represented as an image, Convolutional Neural Networks (CNNs) are integrated into the reinforcement learning algorithm for efficient processing. All experiments were conducted in the Gazebo simulation environment, using the Robot Operating System (ROS) and a wheeled mobile robot equipped with LiDAR sensor. The results show that the agent learns to address the problem in several environments with different characteristics. Experiments were also conducted in totally unknown environments that were not used during training, where the agent kept a relatively stable estimate of its position and mapped satisfactorily a large part of the environment.

Meeting ID: 92827658713
Password: 694946

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κλέϊντα Γιαούπι

με θέμα

Ανάπτυξη Ενσωματωμένου Συστήματος Καταγραφής και Ανάλυσης Βιοσημάτων

Design and Implementation of an Embedded System for Biosignal Acquisition and Analysis

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Ζερβάϰης (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάϰης
Επίκουρος Καθηγητής Μάριος Αντωναϰάϰης (ΕΛΜΕΠΑ)

Περίληψη

Η Ηλεϰτροεγϰεφαλογραφία είναι η μοναδική ευρέως προβάσιμη τεχνολογία που επιτρέπει την καταγραφή της εγκεφαλικής δραστηριότητας με ανάλυση της τάξης του χιλιοστού του δευτερολέπτου. Παρά τις δεκαετίες μεθοδολογικής εξέλιξης, οι τυπικές εργαστηριακές διατάξεις εξακολουθούν να είναι δαπανηρές, μη φορητές και να παρέχουν αργή ανατροφοδότηση κατά τη διάρκεια της καταγραφής. Η παρούσα διπλωματική εργασία διερευνά αν το ίδιο επιστημονικό έργο μπορεί να επιτευχθεί σε έναν προσιτό ενσωματωμένο υπολογιστή Raspberry Pi 5, μέσω της κατασκευής ενός πλήρους συστήματος παρακολούθησης και ανάλυσης EEG σε πραγματικό χρόνο σε συνεργασία με το ασύρματο ακουστικό g.tec Unicorn Hybrid Black. Το σύστημα υλοποιεί ολόκληρη τη διαδικασία επεξεργασίας πάνω σε μία
μόνο ενσωματωμένη πλακέτα: λήψη σήματος μέσω Bluetooth από το ακουστικό, επιλογή καναλιών, φιλτράρισμα ζώνης αποκοπής (notch) ϰαι ζωνοδιαβατό (bandpass), καϑώς και εκτίμηση φασματικής πυκνότητας ισχύος ϰατά Welch, με εξαγωγή χαρακτηριστικών ισχύος και λόγων ζωνών. Η οπτικοποίηση και ο έλεγχος όλων αυτών των διεργασιών, που εκτελούνται συγχρονισμένα, πραγματοποιούνται μέσω ενός πίνακα ελέγχου (dashboard) στον browser του ερευνητή. Πέρα από την κλασική επεξεργασία, ενσωματώνεται ένα εξατομικευμένο ανά υποκείμενο σύστημα ανίχνευσης ανωμαλιών, εκπαιδευμένο από μια σύντομη καταγραφή της κατάστασης ηρεμίας του. Αυτή λαμβάνεται ως baseline στην αρχή κάϑε
συνεδρίας επισημαίνοντας αποκλίσεις από το ατομικό πρότυπο τόσο σε πραγματικό χρόνο όσο και στην offline ανάλυση. Η επιβεβαίωση της λειτουργικότητας του συστήματος έγινε μέσω του κλασικού οπτικού παραδείγματος oddball, στο οποίο ο εξεταζόμενος καλείται να μετρήσει σπάνια ερεθίσματα μέσα σε μια ροή συχνότερων ερεθισμάτων. Το σύστημα ανέκτησε την αναμενόμενη απόκριση P300, με τιμές πλάτους και υστέρησης πλήρως συμβατές με τη βιβλιογραφία και η ανάλυση επιβεβαίωσε το εύρημα. Η εργασία δείχνει ότι μια φορητή, οικονομική πλατφόρμα EEG ανοιχτού κώδικα μπορεί να λειτουργήσει ως ολοκληρωμένο ερευνητικό όργανο.

Abstract

Electroencephalography (EEG) is the only widely accessible technology that enables the recording of brain activity with millisecond-scale temporal resolution. Despite decades of methodological advancement, standard laboratory setups remain expensive, non-portable, and provide delayed feedback during recording. This thesis investigates whether the same scientific work can be achieved on an affordable embedded computer, the Raspberry Pi 5, through the development of a complete real-time EEG monitoring and analysis system in conjunction with the wireless g.tec Unicorn Hybrid Black headset. The system implements the entire processing pipeline on a single embedded board: signal acquisition via Bluetooth from the headset, channel selection, notch and bandpass filtering, as well as power spectral density estimation using Welch’s method, with the extraction of power features and band ratios. Visualization and control of all these synchronously running processes are carried out through a dashboard in the researcher’s browser. Beyond conventional processing, the system incorporates a subject- specific anomaly detection module, trained on a short recording of the subject’s resting state. This baseline is recorded at the start of each session, enabling the system to flag deviations from the individual’s normal pattern both in real time and during offline analysis. The functionality of the system was validated using the classic visual oddball paradigm, in which the participant is asked to count rare stimuli within a sequence of standard stimuli. The system successfully recovered the expected P300 response, with amplitude and latency values fully consistent with the literature, and subsequent analysis robustly confirmed these findings. This work demonstrates that a portable, low-cost, and open-source EEG platform can function effectively as a complete research instrument

Meeting ID: 954 649 5567
Password: 956799

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ευγενίας Αναστασοπούλου

με θέμα

Ανάπτυξη Ηλεκτρονικού Συστήματος Συλλογής Δεδομένων για Διαχείριση Ενέργειας Κτηρίων
Development of an Electronic data-acquisition System for Building Energy Management

Εξεταστική Επιτροπή

Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Καθηγητής Σωτήριος Ιωαννίδης
Επίκουρος Καθηγητής Γεώργιος Πέππας

Περίληψη

Η συνεχώς αυξανόµενη διείσδυση των Ανανεώσιµων Πηγών Ενέργειας, η ανάπτυξη των έξυπνων ηλεκτρικών δικτύων και η ανάγκη για αποδοτικότερη αξιοποίηση της ηλεκτρικής ενέργειας έχουν αναδείξει τη σηµασία της παρακολούθησης της κατανάλωσης ηλεκτρικής ενέργειας σε πραγµατικό χρόνο, σε επίπεδο κτηρίου. Η παρακολούθηση της λειτουργίας µεµονωµένων οικιακών ηλεκτρικών συσκευών αποτελεί ϐασική προϋπόθεση για την ανάπτυξη συστηµάτων ενεργειακής διαχείρισης, τα οποία µπορούν να ϐελτιστοποιήσουν την κατανάλωση, να αξιοποιήσουν τη δυναµική τιµολόγηση της ηλεκτρικής ενέργειας και να υποστηρίξουν κτήρια που διαθέτουν τοπική παραγωγή και αποθήκευση ενέργειας. Οι έξυπνοι µετρητές ηλεκτρικής ενέργειας, οι οποίοι υποστηρίζουν αµφίδροµη επικοινωνία και µετρήσεις σε πραγµατικό χρόνο, αποτελούν τη ϐασική τεχνολογική υποδοµή για αυτή τη λειτουργικότητα, αντικαθιστώντας τους παϱαδοσιακούς αναλογικούς µετρητές που δεν παρείχαν δυνατότητες αποµακρυσµένης παρακολούθησης ή ελέγχου. 
Στόχος της παρούσας διπλωµατικής εργασίας ήταν ο σχεδιασµός και η υλοποίηση, σε εργαστηριακό επίπεδο, ενός ηλεκτρονικού συστήµατος συλλογής δεδοµένων για εϕαρµογές ενεργειακής διαχείρισης κτηρίων, ικανού να µετρά σε πραγµατικό χρόνο ηλεκτρικά και περιβαλλοντικά µεγέθη, να τα µεταδίδει ασύρµατα σε έναν κεντρικό κόµβο και να αποτελεί την απαραίτητη υποδοµή για τη µελλοντική εφαρµογή αλγορίθµων ενεργειακής διαχείρισης. Τα πειραµατικά αποτελέσµατα επιβεβαίωσαν την ορθή λειτουργία του συστήµατος που αναπτύχθηκε.

Abstract 

The growing penetration of Renewable Energy Sources, the development of smart electrical grids, and the need for more efficient use of electrical energy have made real-time, building-level consumption data increasingly important. Monitoring the operation of individual household appliances is a prerequisite for developing energy management systems that can optimize consumption, exploit dynamic electricity pricing, and support buildings with local generation and storage capabilities. Smart energy meters, capable of two-way communication and real-time measurement, provide the technological foundation for this functionality, replacing traditional analog meters that offered no remote monitoring or control. 
The goal of this thesis was to design and implement, at the laboratory level, an electronic data-acquisition system for building energy management, capable of measuring electrical and environmental quantities in real time, transmitting them wirelessly to a central node, and forming the infrastructure for the future application of energy management algorithms. The experimental results confirmed the successful operation of the developed system.

Meeting ID: 967 8767 2714
Password: 259569

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Ζαχαρόπουλου

με θέμα

Από Πρωτεΐνες σε Νευρώνες : Τοπολογίες Βιολογικών Δικτύων για Νευροεξέλιξη 

From Proteins to Neurons: Biological Network Topologies for Neuroevolution

Εξεταστική Επιτροπή

Καθηγητής Σωτήριος Ιωαννίδης (επιβλέπων) (ΠΚ, Σχολή ΗΜΜΥ)
Καθηγητής Μιχαήλ Ζερβάκης (ΠΚ, Σχολή ΗΜΜΥ)
Δρ Ιωάννης Αραπάκης (Telefonica Scientific Research) 

Περίληψη

Η Φυσική Υπολογιστική (Natural Computing) αποτελεί ένα διεπιστημονικό πεδίο που αντλεί έμπνευση από βιολογικές, φυσικές και εξελικτικές διεργασίες με σκοπό την ανάπτυξη μοντέλων Μηχανικής Μάθησης (Machine Learning – ML). Στο πλαίσιο αυτό, οι εξελικτικοί αλγόριθμοι και τα τεχνητά νευρωνικά δίκτυα έχουν αναδείξει ότι δομές που βρίσκονται στη φύση, μπορούν να δημιουργήσουν αποτελεσματικά υπολογιστικά μοντέλα για την επίλυση σύνθετων προβλημάτων. Η παρούσα διπλωματική εργασία παρουσιάζει ένα βιολογικά θεμελιωμένο νευροεξελικτικό αλγόριθμο, στο οποίο οι αρχιτεκτονικές Δικτύων Γραφικών Νευρώνων (Graph Neural Networks – GNNs) δημιουργούνται αξιοποιώντας πραγματικά δίκτυα πρωτεϊνικών αλληλεπιδράσεων (Protein–Protein Interaction – PPI), προερχόμενα από οργανισμούς όπως o ζυμομύκητας , ο ποντικός και ο άνθρωπος. Στην προτεινόμενη προσέγγιση, οι νευρώνες αντιστοιχίζονται σε πρωτεϊνικές οντότητες, ενώ η συναπτική συνδεσιμότητα περιορίζεται από τις πειραματικά τεκμηριωμένες αλληλεπιδράσεις που παρατηρούνται στα γνωστά δίκτυα PPI. Ως αποτέλεσμα, οι αρχικές νευρωνικές τοπολογίες κληρονομούν χαρακτηριστικά που συναντώνται στα δίκτυα PPI, όπως η διάσπαρτη συνδεσιμότητα, η τμηματική οργάνωση και τα πολύπλοκα πρότυπα αλληλεπίδρασης. Σε αντίθεση με τα συμβατικά GNNs, τα οποία εκπαιδεύονται αποκλειστικά μέσω βελτιστοποίησης βασισμένης στην οπισθοδιάδοση σφάλματος και σε μεθόδους κλίσης (gradient-based optimization), το προτεινόμενο πλαίσιο υλοποιεί πληθυσμιακή εξελικτική βελτιστοποίηση μέσω βιολογικά εμπνευσμένων μηχανισμών μετάλλαξης, επιλογής και προσαρμογής της τοπολογίας. Το σύστημα υποστηρίζει τόσο την εξέλιξη των παραμέτρων όσο και τη δομική τροποποίηση του νευρωνικού δικτύου, επιτρέποντας τη δυναμική προσαρμογή του κατά τη διάρκεια διαδοχικών γενεών. Το προτεινόμενο πλαίσιο αξιολογείται σε προβλήματα ταξινόμησης κόμβων (node classification) και παλινδρόμησης (regression), χρησιμοποιώντας καθιερωμένα σύνολα δεδομένων αναφοράς για γράφους, με στόχο να διερευνηθεί κατά πόσο οι δομές συνδεσιμότητας που προέρχονται από βιολογικά δίκτυα μπορούν να λειτουργήσουν ως αποτελεσματικές επαγωγικές παραδοχές (inductive priors) για τη νευρωνική υπολογιστική. Επιπλέον, εξετάζεται η επίδραση των ειδικά διαμορφωμένων τοπολογιών αλληλεπιδράσεων πρωτεϊνών κάθε οργανισμού στη μαθησιακή συμπεριφορά, στη δυναμική σύγκλισης, στη δομική ποικιλότητα και στην εξελικτική προσαρμογή του συστήματος, προκειμένου να αξιολογηθούν η ευρωστία και η επεκτασιμότητά του. Τα πειραματικά αποτελέσματα αναδεικνύουν τη σκοπιμότητα ενσωμάτωσης βιολογικών δικτύων αλληλεπιδράσεων σε συστήματα μάθησης επί γράφων, αποδεικνύοντας ότι οι νευρωνικές αρχιτεκτονικές που καθοδηγούνται από δίκτυα PPI αποτελούν μια πολλά υποσχόμενη ερευνητική κατεύθυνση στον χώρο της Φυσικής Υπολογιστικής και της βιολογικά εμπνευσμένης Τεχνητής Νοημοσύνης.

Abstract

Natural computing is an interdisciplinary field inspired by biological, physical, and evolutionary processes in order to develop MachineLearning (ML) models. Within this domain, evolutionary algorithms and artificial neural networks have shown that naturally occurring structures can provide effective models for solving complex learning tasks. This thesis introduces a biologically grounded neuroevolutionary framework in which graph neural network (GNN) architectures are generated using real-world protein-protein interaction (PPI) networks derived from species including yeast, mouse, and human. In the proposed approach, neurons are associated with protein entities, while synaptic connectivity is constrained by experimentally observed in known PPI networks. Consequently, initialized neural topologies inherit the structural characteristics observed in PPI networks, such as sparse connectivity, modular organization, and complex interaction patterns. Unlike conventional GNNs trained through gradient-based optimization alone, the proposed framework performs population-based evolutionary optimization through biologically inspired mutation, selection, and topology adaptation. The system supports both parameter evolution and structural neural modification, enabling dynamic adaptation over successive generations. The framework is evaluated on both node classification and regression tasks using established graph benchmark datasets in order to investigate whether biologically derived connectivity structures can function as effective inductive priors for neural computation. The influence of species-specific protein interaction topologies on learning behavior, convergence dynamics, structural diversity, and evolutionary adaptation is also examined in order to ensure robustness and scalability. Experimental results showcase the feasibility of integrating biological interaction networks into graph learning systems, therefore proving that PPI-guided neural architectures present a promising research direction within Natural Computing and biologically inspired artificial intelligence.

Meetin ID: 992 8792 4476 
Password: 019995 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δημητρίου Σπανού 

με θέμα

Απλή Υπηρεσία Αναζήτησης σε Περιγραφές AsyncAPI με Σημασιολογικές Επεκτάσεις

Simple Querying Service for AsyncAPI Descriptions with Semantic Web Extensions

Εξεταστική Επιτροπή

Καθηγητής Ευριπίδης Γ. Μ. Πετράκης (Επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Καθηγητής Γεώργιος Χαλκιαδάκης

Περίληψη

Η παρούσα διπλωματική εργασία παρουσιάζει την AsyncAPI Query Language (AAQL), μια γλώσσα για την υποβολή ερωτημάτων σε AsyncAPI documents. Το AsyncAPI είναι ένα καθιερωμένο πρότυπο για την περιγραφή event-driven services, βασισμένο σε JSON και YAML. Η AAQL έχει σχεδιαστεί με σύνταξη παρόμοια με αυτή της SQL και υποστηρίζει την υποβολή ερωτημάτων στα πιο συχνά χρησιμοποιούμενα πεδία του AsyncAPI (με πλήρη συντακτική κάλυψη των AsyncAPI documents), καθώς και στα semantic annotations που προτείνονται στην AAQL για τον εμπλουτισμό της αναπαραστατικής ισχύος του AsyncAPI. Υλοποιήθηκε ένα Web service ικανό να εκτελεί ερωτήματα AAQL. Το service αυτό αποθηκεύει metadata για κάθε περιγραφή και εκτελεί τα ερωτήματα επί των metadata, ώστε να αποφεύγεται η επιβάρυνση των υπολογιστικά ακριβών join operations. Δημιουργεί indexes για την επιτάχυνση των ερωτημάτων, μπορεί να διαχειριστεί σύνθετα Schema objects και χρησιμοποιεί reasoning για την υποστήριξη αναζήτησης σε semantic models στα οποία αναφέρονται ιδιότητες του AsyncAPI. Η AAQL επιδεικνύει σχεδόν real-time απόδοση σε μια βάση δεδομένων δοκιμών με 20.332 AsyncAPI documents, ακόμη και για σύνθετα ερωτήματα που συνδυάζουν περισσότερες από μία ιδιότητες. Σε σύγκριση με την OAQL2, το σύστημα που σχεδιάστηκε για το OpenAPI, η AAQL είναι μια γλώσσα ερωτημάτων σχεδιασμένη για το event-driven πεδίο, εισάγοντας νέους πίνακες όπως Broker, Channel, Message και MessageContent.

Abstract

This thesis presents AsyncAPI Query Language (AAQL), a language for querying AsyncAPI documents. AsyncAPI is a well-established format for describing eventdriven services, based on JSON and YAML. AAQL is designed with syntax similar to SQL and supports querying the most commonly used fields of AsyncAPI (with complete syntax coverage for AsyncAPI documents) as well as the semantic annotations proposed in AAQL to enrich the representational power of AsyncAPI. A Web service capable of executing AAQL queries was implemented. This service stores metadata for each description and executes the queries on metadata to avoid the overhead of expensive join operations. It builds indexes to speed up queries, can handle composite Schema objects, and uses reasoning to support searching on semantic models referred to by AsyncAPI properties. AAQL demonstrates almost real-time performance on a test database with 20,332 AsyncAPI documents even for complex queries combining more than one property. Compared to OAQL2, the system designed for OpenAPI, AAQL is a query language designed for the event-driven domain, introducing new tables such as Broker, Channel, Message and MessageContent.

Meeting ID: 613 764 0471
Password: 582678

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών (Διδακτορικών) Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ (ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ)

ΑΠΟΣΤΟΛΟΥ ΚΑΡΑΣΜΑΝΟΓΛΟΥ

με θέμα

Πολυτροπική Ανίχνευση Ανωμαλιών σε Πολλαπλά Βιοσήματα με χρήση Τεχνικών Μηχανικής και Βαθιάς Μάθησης για τον Εντοπισμό Μοτίβων Επιληψίας
Multimodal Anomaly Detection on Multiple Biosignals using Machine and Deep Learning Techniques for Identifying Epilepsy Patterns

Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Διονύσιος Χριστόπουλος
Επίκουρος Καθηγητής Μάριος Αντωνακάκης (ΕΛΜΕΠΑ, Τμήμα Ηλεκτρονικών Μηχανικών)

Περίληψη
Η επιληψία επηρεάζει σημαντικό μέρος του πληθυσμού και χαρακτηρίζεται από επαναλαμβανόμενες κρίσεις χωρίς προφανή εξωτερική αιτία, που προκύπτουν από μη φυσιολογικές, εκτεταμένες ηλεκτρικές εκκενώσεις στον εγκέφαλο. Τα επακόλουθα συμπτώματα κυμαίνονται από σύντομες απώλειες συνείδησης έως σοβαρά σπασμωδικά επεισόδια, με άμεσες συνέπειες στην ασφάλεια και την ποιότητα ζωής των ασθενών. Η έγκαιρη αυτόματη ανίχνευση και πρόβλεψη των κρίσεων είναι συνεπώς απαραίτητη, καθώς επιτρέπει παρεμβάσεις που μπορούν να μειώσουν τη βλάβη και να βελτιώσουν τα κλινικά αποτελέσματα. Οι συμβατικές προσεγγίσεις αυτόματης παρακολούθησης κρίσεων βασίζονται σε μεγάλο βαθμό στην ηλεκτροεγκεφαλογραφία (ΗΕΓ) και τη μαγνητοεγκεφαλογραφία (ΜΕΓ), οι οποίες καταγράφουν άμεσα τη νευρωνική δραστηριότητα. Πιο πρόσφατα, η ηλεκτροκαρδιογραφία (ΗΚΓ) έχει αναδειχθεί ως μια συμπληρωματική μεθοδολογία, καθώς οι αυτονομικές μεταβολές που προηγούνται μιας κρίσης αντικατοπτρίζονται στην καρδιακή δραστηριότητα. Ειδικότερα, οι προεπιληπτικές μεταβολές στο Αυτόνομο Νευρικό Σύστημα (ΑΝΣ) εκδηλώνονται ως μετρήσιμες αλλαγές στη Μεταβλητότητα του Καρδιακού Ρυθμού (HRV), προσφέροντας μια μη επεμβατική οδό αυτόματης παρακολούθησης κρίσεων που δεν εξαρτάται αποκλειστικά από το ΗΕΓ. Καθώς οι περισσότερες υπάρχουσες προσεγγίσεις απαιτούν ακόμη μεγάλα, πλήρως επισημασμένα σύνολα δεδομένων, παραμένει σαφής η ανάγκη για ημι-επιβλεπόμενα συστήματα ικανά να λειτουργούν με περιορισμένη επίβλεψη και συνεπώς καταλληλότερα για πραγματική χρήση. Η παρούσα διατριβή αναπτύσσει και αξιολογεί ένα τέτοιο σύστημα: μια ολοκληρωμένη μεθοδολογία ημι-επιβλεπόμενης ανίχνευσης ανωμαλιών για την ανίχνευση και πρόβλεψη επιληπτικών κρίσεων από σήματα ΗΚΓ και ΗΕΓ, σχεδιασμένη με γνώμονα την ενσωμάτωση σε φορητές συσκευές και την προσαρμοστικότητα στον εκάστοτε ασθενή. Το αναπτυχθέν σύστημα μπορεί να λειτουργήσει είτε με δεδομένα ΗΚΓ είτε ΗΕΓ, είτε και τα δύο από κοινού, απαιτώντας ελάχιστα επισημασμένα δεδομένα, καθιστώντας το κατάλληλο για πραγματική κλινική χρήση. Πραγματοποιήθηκαν δύο μελέτες για την αξιολόγηση αυτής της προσέγγισης. Η πρώτη αξιοποίησε χαρακτηριστικά Μεταβλητότητας Καρδιακού Ρυθμού που προέρχονται από ΗΚΓ σε διάφορα μοντέλα ανίχνευσης ανωμαλιών, επισημαίνοντας με επιτυχία μεταβολές στο HRV έως και 30 λεπτά πριν την έναρξη της κρίσης σε 9 επεισόδια κρίσεων από 7 ασθενείς, δείχνοντας ότι τα καρδιακά σήματα από μόνα τους φέρουν χρήσιμη προγνωστική πληροφορία για λιγότερο επεμβατική παρακολούθηση. Η δεύτερη μελέτη επέκτεινε το σύστημα σε πολυτροπική χρήση, συνδυάζοντας ΗΚΓ και ΗΕΓ σε 29 καταγραφές κρίσεων από 7 παιδιατρικούς ασθενείς· αυτή η συνδυαστική προσέγγιση πέτυχε ισχυρή απόδοση ανίχνευσης και πρόβλεψης απαιτώντας παράλληλα ελάχιστη επίβλεψη, με τη σύντηξη και των δύο τύπων σημάτων να βελτιώνει τη συνολική αξιοπιστία χωρίς να αίρει την καταλληλότητα του συστήματος για φορητή χρήση. Από κοινού, αυτές οι μελέτες υποστηρίζουν την εφικτότητα υλοποίησης προσιτών, άνετων για τον ασθενή συστημάτων έγκαιρης προειδοποίησης που θα μπορούσαν να βελτιώσουν ουσιαστικά την ποιότητα ζωής των ανθρώπων που ζουν με επιληψία.

Abstract
Epilepsy affects a substantial portion of the population and is defined by recurrent, unprovoked seizures arising from abnormal, excessive electrical discharges in the brain. The resulting symptoms range from brief lapses in awareness to severe convulsive episodes, with direct consequences for patients' safety and quality of life. Timely automatic detection and prediction of seizures is therefore essential, as it allows for interventions that can reduce harm and improve outcomes. Conventional automatic seizure-monitoring approaches rely heavily on electroencephalography (EEG) and magnetoencephalography (MEG), both of which directly capture neural activity. More recently, electrocardiography (ECG) has emerged as a complementary modality, since the autonomic changes that precede a seizure are reflected in cardiac activity. In particular, pre-ictal shifts in the Autonomic Nervous System (ANS) manifest as measurable changes in Heart Rate Variability (HRV), offering a non-invasive route to automatic seizure monitoring that does not depend on EEG alone. Because most existing approaches still require large, fully labelled datasets, there remains a clear need for semi-supervised frameworks capable of operating with limited supervision and therefore better suited to real-world deployment. This thesis develops and evaluates such a framework: a semi-supervised anomaly detection pipeline for epileptic seizure detection and prediction from ECG and EEG signals, designed with wearable-device integration and patient-specific adaptability in mind. The resulting system can operate on either ECG or EEG inputs, or both jointly, while needing only minimal labelled data, making it suitable for real-world clinical use. Two studies were carried out to evaluate this approach. The first applied ECG-derived Heart Rate Variability features within several anomaly detection models, successfully flagging HRV alterations up to 30 minutes before seizure onset across 9 seizure events from 7 patients, and showing that cardiac signals alone carry useful predictive information for less invasive monitoring. The second study extended the framework to a multi-modal setting, combining ECG and EEG across 29 seizure recordings from 7 pediatric patients; this combined approach achieved robust detection and prediction performance while still requiring only minimal supervision, with the fusion of both signal types improving overall reliability without sacrificing suitability for wearable use. Together, these studies support the feasibility of accessible, patient-friendly early-warning systems that could meaningfully improve quality of life for people living with epilepsy.

Meeting ID: 954 649 5567
Password: 956799

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΑΝΤΩΝΟΓΙΑΝΝΑΚΗ ΙΩΑΝΝΗ

με θέμα

Βέλτιστη Εκτέλεση Ροών Εργασίας σε Πλατφόρμες IoT με Αντιγραφή Τελεστών
Optimal Workflow Execution Across IoT Platforms with Operator Replication

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Επίκουρος Καθηγητής Νικόλαος Γιατράκος

Περίληψη
Πολλές IoT εφαρμογές σε διαφορετικούς τομείς βασίζονται στην εκτέλεση ροών εργασίας ανάλυσης δεδομένων σε πραγματικό χρόνο, ώστε να επιτυγχάνεται έγκαιρη λήψη αποφάσεων. Η αποδοτική εκτέλεση αυτών των ροών εργασίας απαιτεί την αξιοποίηση της διαθέσιμης υπολογιστικής ισχύος σε όλο το cloud-to-edge συνεχές. Ωστόσο, η ετερογένεια και η κλίμακα αυτών των περιβάλλοντων καθιστούν την εύρεση βέλτιστων πλάνων εκτέλεσης πιο δύσκολη. Συγκεκριμένα, οι ροές των δεδομένων αλλάζουν δυναμικά με την πάροδο του χρόνου, ενώ τα μεγαλύτερα IoT δίκτυα αυξάνουν την πολυπλοκότητα του προβλήματος βελτιστοποίησης. Για την αντιμετώπιση αυτού του προβλήματος, έχει προταθεί ο DAG*, ένας αλγόριθμος εμπνευσμένος από τον A*, ο οποίος μειώνει τον χώρο αναζήτησης που εξερευνάται, διατηρώντας παράλληλα τη βέλτιστότητα για το παραγόμενο πλάνο εκτέλεσης. Στον DAG*, κάθε τελεστής ανατίθεται σε έναν τρόπο εκτέλεσης, ο οποίος καθορίζει την συσκευή όπου εκτελείται και την πλατφόρμα που χρησιμοποιείται για την εκτέλεσή του. Βασισμένη σε αυτή την προσέγγιση, η παρούσα διπλωματική επεκτείνει τη λογική των τρόπων εκτέλεσης τελεστών του DAG*, λαμβάνοντας επίσης υπ' όψιν τον αριθμό των πυρήνων επεξεργασίας της συσκευής που ανατίθενται σε κάθε τελεστή. Ο στόχος είναι να αξιοποιηθούν πιο αποτελεσματικά οι διαθέσιμοι πόροι των συσκευών και να μειωθεί η εκτιμώμενη καθυστέρηση εκτέλεσης της ροής εργασίας.

Abstract 
Many IoT applications across different domains depend on the real-time execution of online analytics workflows to achieve timely decision-making. The efficient execution of analytics workflows requires the uti- lization of the available processing power available across the cloud-to-edge continuum. However, the heterogeneity and scale of these environments make the derivation of optimal execution plans more challenging. In particular, input data streams change dynamically over time, whereas larger IoT networks increase the complexity of the optimization problem. To address this problem, DAG* was proposed as an A*-alike algorithm that prunes the explored search space while retaining optimality for the produced workflow execution plan. In DAG*, each operator is assigned to an execution configuration, which determines the site where it is executed and the platform used for its execution. Building on this approach, this thesis extends the configuration logic of DAG* by also considering the number of processing site cores assigned to each operator. The goal is to exploit available site resources more effectively and reduce the estimated end-to-end workflow latency.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΑΝΤΩΝΟΓΙΑΝΝΑΚΗ ΙΩΑΝΝΗ

με θέμα

Βέλτιστη Εκτέλεση Ροών Εργασίας σε Πλατφόρμες IoT με Αντιγραφή Τελεστών
Optimal Workflow Execution Across IoT Platforms with Operator Replication

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Επίκουρος Καθηγητής Νίκος Γιατράκος

Περίληψη
Πολλές IoT εφαρμογές σε διαφορετικούς τομείς βασίζονται στην εκτέλεση ροών εργασίας ανάλυσης δεδομένων σε πραγματικό χρόνο, ώστε να επιτυγχάνεται έγκαιρη λήψη αποφάσεων. Η αποδοτική εκτέλεση αυτών των ροών εργασίας απαιτεί την αξιοποίηση της διαθέσιμης υπολογιστικής ισχύος σε όλο το cloud-to-edge συνεχές. Ωστόσο, η ετερογένεια και η κλίμακα αυτών των περιβάλλοντων καθιστούν την εύρεση βέλτιστων πλάνων εκτέλεσης πιο δύσκολη. Συγκεκριμένα, οι ροές των δεδομένων αλλάζουν δυναμικά με την πάροδο του χρόνου, ενώ τα μεγαλύτερα IoT δίκτυα αυξάνουν την πολυπλοκότητα του προβλήματος βελτιστοποίησης. Για την αντιμετώπιση αυτού του προβλήματος, έχει προταθεί ο DAG*, ένας αλγόριθμος εμπνευσμένος από τον A*, ο οποίος μειώνει τον χώρο αναζήτησης που εξερευνάται, διατηρώντας παράλληλα τη βέλτιστότητα για το παραγόμενο πλάνο εκτέλεσης. Στον DAG*, κάθε τελεστής ανατίθεται σε έναν τρόπο εκτέλεσης, ο οποίος καθορίζει την συσκευή όπου εκτελείται και την πλατφόρμα που χρησιμοποιείται για την εκτέλεσή του. Βασισμένη σε αυτή την προσέγγιση, η παρούσα διπλωματική επεκτείνει τη λογική των τρόπων εκτέλεσης τελεστών του DAG*, λαμβάνοντας επίσης υπ' όψιν τον αριθμό των πυρήνων επεξεργασίας της συσκευής που ανατίθενται σε κάθε τελεστή. Ο στόχος είναι να αξιοποιηθούν πιο αποτελεσματικά οι διαθέσιμοι πόροι των συσκευών και να μειωθεί η εκτιμώμενη καθυστέρηση εκτέλεσης της ροής εργασίας.

Abstract 
Many IoT applications across different domains depend on the real-time execution of online analytics workflows to achieve timely decision-making. The efficient execution of analytics workflows requires the uti- lization of the available processing power available across the cloud-to-edge continuum. However, the heterogeneity and scale of these environments make the derivation of optimal execution plans more challenging. In particular, input data streams change dynamically over time, whereas larger IoT networks increase the complexity of the optimization problem. To address this problem, DAG* was proposed as an A*-alike algorithm that prunes the explored search space while retaining optimality for the produced workflow execution plan. In DAG*, each operator is assigned to an execution configuration, which determines the site where it is executed and the platform used for its execution. Building on this approach, this thesis extends the configuration logic of DAG* by also considering the number of processing site cores assigned to each operator. The goal is to exploit available site resources more effectively and reduce the estimated end-to-end workflow latency.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΠΕΤΡΟΥ ΜΠΙΜΠΙΡΗ

με θέμα

Μηχανισμοί Ψηφοφοριών ως Τεχνική Συμψηφισμού Μεντόρων Ενισχυτικής Μάθησης μέσω Μίμησης

Voting Mechanisms as a Mentor Aggregation Technique for Imitation Reinforcement Learning

Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Χαλκιαδάκης (επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος
Καθηγητής Μιχαήλ Λαγουδάκης

Περίληψη

Την τελευταία δεκαετία η μηχανική μάθηση έχει γίνει εξαιρετικά δημοφιλής, καθώς προσφέρει λύσεις σε  προβλήματα στα οποία οι συμβατικοί αλγόριθμοι υστερούν. Ένα πολλά υποσχόμενο υπό-πεδίο της μηχανικής μάθησης είναι η μάθηση από μίμηση (imitation learning), όπου ένας πράκτορας-μαθητής παρακολουθεί έναν μέντορα να εκτελεί κάποια διαδικασία (επίδειξη - demonstration) και χρησιμοποιεί την εμπειρία αυτή προς όφελος του. Μια από τις μεγαλύτερες προκλήσεις της μάθησης από μίμηση είναι ότι ο μέντορας πρέπει να είναι βέλτιστος, πράγμα το οποίο είναι εξαιρετικά σπάνιο (ή και αδύνατο) στην πράξη. Αντίθετα, υπάρχει πληθώρα πιθανών μεντόρων που πετυχαίνουν αφενός καλά αποτελέσματα, παρουσιάζοντας ωστόσο αστοχίες και λάθη τα οποία ένας βέλτιστος μέντορας θα απέφευγε.
Στην εργασία αυτή παρουσιάζεται ένας αλγόριθμος συνδυασμού μη-βέλτιστων μεντόρων στα πλαίσια της έμμεσης μάθησης μέσω μίμησης. Δεδομένων επιδείξεων από μη-βέλτιστους μέντορες, ο σκοπός μας είναι να δημιουργήσουμε νέες επιδείξεις, αποφεύγοντας τα σφάλματα στα οποία υπέπεσαν οι μέντορες. Οι νέες αυτές επιδείξεις μπορούν να χρησιμοποιηθούν για να εκπαιδευτούν πράκτορες γρηγορότερα και πιο αποτελεσματικά.
Η βάση πάνω στη οποία αναπτύσσονται οι προτεινόμενες μέθοδοι είναι η παρατήρηση ότι “υπάρχουν λίγοι τρόποι για να πετύχει κανείς ενώ πολλοί για να αποτύχει”, οπότε οι μέντορες τείνουν να συμφωνούν όταν πράττουν σωστά ενώ διαφωνούν όταν σφάλλουν. Η συμφωνία των μεντόρων δρα συνεπώς ως ένδειξη ποιότητας μιας δεδομένης πράξης, οπότε προτείνεται η χρήση ψηφοφορίας για να προκύψουν οι νέες επιδείξεις. Για την ψηφοφορία χρησιμοποιείται ο μηχανισμός της σχετικής πλειοψηφίας, γύρω από τον οποίο αναπτύσσεται ο βασικός αλγόριθμος που προτείνεται σε αυτή την εργασία.
Προτείνονται επίσης δύο εναλλακτικές, εκ των οποίων η μία επιτρέπει την χρήση ευρετικής για την ποιότητα κάθε επίδειξης ως βάρος στην ψηφοφορία, ενώ η άλλη λειτουργεί χωρίς να αλληλεπιδρά με το περιβάλλον. Η απόδοση των αλγορίθμων παρουσιάζεται σε πειράματα όπου συνδυάζονται με γνωστή τεχνική για έμμεση μάθηση μέσω μίμησης (Behavioral Cloning from Observation, BCO), καθιστώντας δυνατή την εκπαίδευση ενός μοντέλου από δεδομένα τα οποία αρχικά ήταν ανεπαρκή για αυτό τον σκοπό. Επιβεβαιώνεται επίσης πειραματικά η υπόθεση ότι η ψηφοφορία επιλέγει τους βέλτιστους μέντορες συχνότερα από τους υπόλοιπους, εξηγώντας ουσιαστικά τον τρόπο λειτουργίας της προτεινόμενης προσέγγισης.

Abstract 
During the last decade machine learning has gained a lot of popularity, due to its ability to tackle problems that conventional algorithms struggle with. A vibrant subfield of machine learning research is imitation learning, where an agent observes a mentor perform a task and leverages their experience to its advantage. One of the challenges in imitation learning is the need for optimal mentors, which are rare in practice, while sub-optimal ones are readily available.
This thesis proposes an algorithm for mentor aggregation in implicit imitation learning. Given a set of state-only demonstrations from sub-optimal mentors, our goal is to produce a dataset that minimizes the effects of those suboptimalities, allowing for greater sample efficiency and better performance.
The basis of our mentor aggregation approach is the idea that there are more ways to fail than to succeed, and thus mentor actions match when right and differ when wrong. Mentor consensus becomes then an indicator of action quality. In order to identify such a consensus, we leverage a method from the social choice theory literature, Plurality Voting, and employ it to aggregate the mentor “opinions” as described by their demonstrations.
We present a main approach and two alternative versions, one incorporating a demonstration quality heuristic to weigh the votes and one requiring no environment interaction. We showcase the effectiveness of our approach alongside a known algorithm for behavioral cloning, Behavioral Cloning from Observation (BCO). We also verify our hypothesis that voting selects optimal mentors more frequently than sub-optimal ones experimentally.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΔΗΜΟΠΟΥΛΟΥ ΘΕΟΔΩΡΟΥ

με θέμα

Δυναμικός Προγραμματισμός Υπηρεσιών σε Πολλαπλές Περιοχές Υπολογιστικού Νέφους
Adaptive Service Scheduling Across Multiple Cloud Regions

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (Επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η διαχείριση φορτίου εργασίας μικροϋπηρεσιών σε γεωγραφικά κατανεμημένους Kubernetes clusters παρουσιάζει προκλήσεις τις οποίες τα εργαλεία μονού cluster δεν μπορούν να αντιμετωπίσουν: ο Horizontal Pod Autoscaler δεν έχει ορατότητα μεταξύ διαφορετικών cluster, και οι στατικές πολιτικές διαχείρησης κίνησης του Istio δεν μπορούν να προσαρμοστούν σε πραγματικό χρόνο στις μεταβολές της κατανομής του φορτίου. Η παρούσα διπλωματική εργασία επεκτείνει το StornX - ένα πλαίσιο διαχείρισης κίνησης και αυτόματης κλιμάκωσης για μονούς Kubernetes clusters που εισήγαγε ο Λαζίδης (2026) - σε ένα ομοσπονδιακό περιβάλλον δύο clusters που έχει δημιουργηθεί στο AWS EKS, υλοποιώντας άμεσα την πρόταση του Λαζίδη για επέκταση σε πολλαπλές περιοχές.
Η πλατφόρμα αποτελείται από δύο clusters σε χωριστές περιοχές AWS (eu-west-1 και eu-north-1), ομοσπονδιακά συνδεδεμένους μέσω Karmada και διασυνδεδεμένους μέσω πλέγματος υπηρεσιων Istio πολλαπλών clusters με shared root CA και east-west gateways. Δύο αναπτύξεις αυτής της υποδομής αξιολογούνται συγκριτικά. Στην αναφορική ανάπτυξη, το FederatedHPA διαχειρίζεται την αυτόματη κλιμάκωση μεταξύ clusters μέσω του karmada-metrics-adapter, ενώ στατικά DestinationRules τοπικότητας διέπουν την ανακατεύθυνση κίνησης. Στην ανάπτυξη StornX, ένα ανεξάρτητο instance StornX ανά cluster αντικαθιστά και τα δύο: το OptiBalancer επαναϋπολογίζει δυναμικά τα βάρη τοπικότητας των Istio DestinationRule κάθε 60 δευτερόλεπτα από μετρικές Prometheus (χρήση CPU, καθυστέρηση P95, ρυθμός αιτημάτων ανά υπηρεσία και καθυστέρηση δικτύου μεταξύ κόμβων), ενώ το OptiScaler διαχειρίζεται την αυτόματη κλιμάκωση εντός cluster με τοπολογικά ενήμερη τοποθέτηση αντιγράφων. Ως φόρτος εργασίας χρησιμοποιείται η εφαρμογή αναφοράς Google Online Boutique, η οποία διαδίδεται και στα δύο clusters μέσω Karmada.
Και οι δύο αναπτύξεις υποβάλλονται σε δύο σενάρια αποτυχίας. Το σενάριο 1 οδηγεί το eu-north σε οργανική υπερφόρτωση μέσω ασύμμετρης παραγωγής φόρτου. Το σενάριο 2 προσομοιώνει πλήρη αποτυχία ζώνης διαθεσιμότητας εκκενώνοντας όλους τους κόμβους στο eu-north-1a.

Abstract 
Managing microservice workloads across geographically distributed Kubernetes clusters introduces challenges that single-cluster tooling cannot address: the Horizontal Pod Autoscaler has no cross-cluster visibility, and static Istio traffic policies cannot adapt in real time to shifts in load distribution. This thesis extends StornX — a single-cluster Kubernetes traffic management and autoscaling framework introduced by Lazidis (2026) — to a federated two-cluster environment built on AWS EKS, directly realising Lazidis's suggestion for multi-region extension. 
The platform consists of two clusters in separate AWS regions (eu-west-1 and eu-north-1), federated by Karmada and connected via Istio multi-cluster service mesh with a shared root CA and east-west gateways. Two deployments of this infrastructure are evaluated against each other. In the baseline deployment, FederatedHPA manages cross-cluster autoscaling through the karmada-metrics-adapter and static locality DestinationRules govern traffic failover. In the StornX deployment, an independent StornX instance per cluster replaces both:  OptiBalancer dynamically recomputes Istio DestinationRule locality weights every 60 seconds from Prometheus metrics (CPU utilisation, P95 latency, per-service request rate, and inter-node network latency), while OptiScaler handles intra-cluster autoscaling with topology-aware replica placement. The Google Online Boutique benchmark application, propagated to both clusters by Karmada, serves as the workload.                
Both deployments are subjected to two failure scenarios. Scenario 1 drives eu-north into organic overload through asymmetric load generation. Scenario 2 simulates a full availability zone failure by draining all nodes in eu-north-1a.
 
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΑΡΙΣΤΑΡΧΟΥ ΤΖΑΤΖΟΥ

με θέμα

Ανάπτυξη περιβάλλοντος διαχείρισης εικονικών μηχανών βασισμένο σε Kubernetes αξιοποιώντας την υποδομή του LXD
Developing a Kubernetes-based Virtual Machine Management Environment leveraging LXD Infrastructure

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλης Σαμολαδάς
Καθηγητής Αντώνιος Δεληγιαννάκης

Περίληψη
Οι πλατφόρμες υπολογιστικού νέφους (cloud) παρέχουν επεκτάσιμες και έτοιμες προς χρήση υπηρεσίες που επιταχύνουν σημαντικά την ανάπτυξη και τη διαχείριση εφαρμογών και διαδικασιών, αλλά ταυτόχρονα παρουσιάζουν σημαντικούς περιορισμούς. Βασίζονται σε κλειστά συστήματα, API και μοντέλα τα οποία τείνουν να εγκλωβίζουν τους χρήστες και τους προγραμματιστές στους εκάστοτε παρόχους cloud. Αυτό έχει ως αποτέλεσμα το αυξημένο κόστος μεταφοράς των εφαρμογών, σε περίπτωση αλλαγής παρόχου, ενώ παράλληλα υπονομεύει την ελευθερία επιλογής αρχιτεκτονικής. Επιπλέον, τα περίπλοκα μοντέλα χρέωσης που συχνά βασίζονται σε δυσνόητες μονάδες μέτρησης, όπως η εισροή/εκροή των δεδομένων ή οι μονάδες (credits) επεξεργαστή, καθιστούν τα λειτουργικά έξοδα απρόβλεπτα και δυσκολεύουν τον μακροπρόθεσμο οικονομικό προγραμματισμό, ειδικά για εφαρμογές που πρέπει να λειτουργούν αδιάκοπα.
Η ανάπτυξη και διαχείριση ενός cloud σε μηχανήματα που διατηρούνται και συντηρούνται από εμάς ή τις ομάδες μας, αντιμετωπίζει πολλούς από αυτούς τους περιορισμούς. Η αυτοφιλοξενία (self-hosting), όπως αποκαλείται, επιτρέπει τον απόλυτα προβλέψιμο έλεγχο του κόστους μέσω επενδύσεων σε εξοπλισμό (hardware) σταθερής χωρητικότητας και δυνατοτήτων, ενώ ταυτόχρονα διασφαλίζει την πλήρη κυριότητα των δεδομένων και της συμμόρφωσης των διαδικασιών στα διεθνή ρυθμιστικά πλαίσια. Επιπρόσθετα, παρέχει τη δυνατότητα σχεδίασης υποδομών δικτύου και αποθηκευτικού χώρου με τρόπο που να ανταποκρίνεται πλήρως στις εξειδικευμένες ανάγκες της εκάστοτε εφαρμογής. Παράλληλα, μειώνει σημαντικά την εξάρτηση από τις υπηρεσίες των παρόχων, καθώς βασίζεται σε εργαλεία ανοιχτού κώδικα και καθιερωμένα πρότυπα, βελτιώνοντας έτσι τη φορητότητα και διευκολύνοντας τη μακροπρόθεσμη συντήρηση των συστημάτων και εφαρμογών. Παρόλα αυτά, η αυτοφιλοξενία μεταθέτει την ευθύνη της ορθής λειτουργίας, στον ίδιο τον διαχειριστή. Διαδικασίες όπως ο προγραμματισμός των απαιτούμενων πόρων, ο σχεδιασμός για υψηλή διαθεσιμότητα, η ενίσχυση της ασφάλειας και η συνολική διαχείριση του κύκλου ζωής, πρέπει πλέον να διεκπεραιώνονται αποκλειστικά από τη δική μας ομάδα (in-house).
    Η παρούσα εργασία παρουσιάζει μια τέτοια, ιδιόκτητη πλατφόρμα cloud που απαντά σε αυτές ακριβώς τις προκλήσεις. Προσφέρει ένα ασφαλές περιβάλλον, υψηλής διαθεσιμότητας, το οποίο μπορεί να εξυπηρετήσει πολλούς χρήστες ταυτόχρονα για την εκτέλεση Linux containers ή εικονικών μηχανών. Η πλατφόρμα αξιοποιεί τεχνολογίες ανοιχτού κώδικα για να δημιουργήσει μια ευέλικτη και επεκτάσιμη υποδομή, την οποία μπορεί να διαχειριστεί κανείς εύκολα μέσα από ένα ενιαίο API και ένα γραφικό περιβάλλον (web interface).

Abstract 
Cloud platforms provide scalable, managed services that accelerate development and operations, but they also introduce significant constraints. Proprietary APIs, proprietary service primitives, and proprietary deployment models can lead to vendor lock-in that increases migration costs and limits architectural freedom. Pricing models based on opaque units (e.g., I/O, egress, managed service tiers) create unpredictable operational expenses and can make long-term budgeting difficult for sustained workloads.
Running a cloud on machines you maintain, addresses many of these limitations. Self-hosting enables predictable cost control through fixed-capacity hardware investment, full ownership of data and compliance posture, and the ability to design network and storage configurations tailored to application needs. It also reduces dependence on vendor-specific services by relying on open-source components and standard protocols, improving portability and long-term maintainability. However, self-hosting shifts operational responsibility to the operator. Things like capacity planning, high-availability design, security hardening, and lifecycle management must be handled in-house.
This thesis presents a self-hosted cloud platform that addresses these challenges by providing a multi-tenant, high-availability, and secure environment for running linux containers or virtual machines. The platform leverages open-source technologies to create a flexible and extensible infrastructure that can be managed through a unified API and web interface.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
 

ΕΛΕΝΗΣ ΣΤΑΥΡΟΠΟΥΛΟΥ
 

με θέμα
Ταξινόμηση Κυρίαρχων Γραφημάτων Λειτουργικής Συνδεσιμότητας από Ήπιες Τραυματικές Εγκεφαλικές Κακώσεις με χρήση των Δικτύων Kolmogorov-Arnold (KAN)
Classification of dominant functional connectivity graphs from mild traumatic brain injuries using Kolmogorov-Arnold Networks (KAN)

Εξεταστική Επιτροπή
Καθ. Μιχαήλ Ζερβάκης (επιβλέπων)
Καθ. Διονύσιος Χριστόπουλος
Καθ. Αθανάσιος Λιάβας

Περίληψη
Η κλινική διάγνωση της ήπιας κρανιοεγκεφαλικής κάκωσης (mTBI)
αποτελεί διαρκή πρόκληση λόγω των ήπιων νευροφυσιολογικών συμπτωμάτων που τη χαρακτηρίζουν, τα οποία δεν είναι εύκολο να εντοπιστούν με μεθόδους συμβατικής δομικής νευροαπεικόνισης. Η παρούσα διπλωματική προτείνει μια μέθοδο ταξινόμησης μέσω ανάλυσης δεδομένων Μαγνητοεγκεφαλογραφήματος (MEG) σε κατάσταση ηρεμίας. Συνδυάζει την ανάλυση μικροκαταστάσεων δυναμικής λειτουργικής συνδεσιμότητας με τα Δίκτυα Kolmogorov-Arnold (KAN), δίνοντας έμφαση στην ερμηνεία και τη διαφάνεια των αποτελεσμάτων.
Η μελέτη βασίστηκε σε κατωφλιωμένους, χρονικά μεταβαλλόμενους γράφους κυρίαρχης λειτουργικής συνδεσιμότητας διάστασης 90x90 (iPLV, OMST). Από αυτούς τους γράφους εξήχθη το φάσμα ιδιοτιμών του κανονικοποιημένου πίνακα Laplace, και ακολούθησε ο κβαντισμός τους σε δύο πρότυπες καταστάσεις μέσω του αλγορίθμου Neural Gas. Βάσει ενός κριτηρίου ταξινόμησης που στηρίχθηκε στις ιδιοτιμές Laplace, οι καταστάσεις διαχωρίστηκαν σε υψηλής και χαμηλής συνδεσιμότητας αντίστοιχα. Από τις προκύπτουσες συμβολικές χρονοσειρές εξήχθησαν δέκα χρονικά και γραφοθεωρητικά χαρακτηριστικά ανά υποκείμενο. Αυτά τα χαρακτηριστικά χρησιμοποιήθηκαν ως είσοδος σε ένα ρηχό, μονοεπίπεδο δίκτυο ΚΑΝ, το οποίο είναι μια καινοτόμα αρχιτεκτονική που αντικαθιστά τα σταθερά βάρη των ακμών με learnable συναρτήσεις ενεργοποίησης B-spline και εξάγει τα πιο σημαντικά χαρακτηριστικά άμεσα κατά την εκπαίδευση. Για την αντιμετώπιση της ανισορροπίας των κλάσεων εφαρμόστηκε τυχαία υποδειγματοληψία σε 100 ανεξάρτητες
επαναλήψεις, παράγοντας ένα ισορροπημένο σύνολο 60 υποκειμένων. Το μοντέλο αξιολογήθηκε μέσω ενός πρωτοκόλλου δύο φάσεων: stratified 5-fold cross-validation για την επιλογή των κυρίαρχων χαρακτηριστικών, και Leave-One-Out (LOO) testing σε ένα ανεξάρτητο test dataset.
Το μοντέλο πέτυχε ακρίβεια 0.707 ± 0.133 και AUC
-ROC 0.760 ± 0.141. Αν και τα SVM και MLP ξεπέρασαν το KAN σε ακρίβεια κατά 4–5% μέσω του ίδιου πρωτοκόλλου αξιολόγησης, το KAN από μόνο του κατάφερε να απομονώσει την πιθανότητα μετάβασης και τον μέσο χρόνο παραμονής στην κατάσταση χαμηλότερης συνδεσιμότητας ως τους ισχυρότερους δείκτες mTBI. Οι συναρτήσεις spline που έμαθε το μοντέλο αποκάλυψαν μη γραμμικές, μη μονότονες σχέσεις μεταξύ αυτών των χαρακτηριστικών και της εξόδου ταξινόμησης, παρέχοντας μία νευροφυσιολογικά θεμελιωμένη ερμηνεία των αποφάσεων του μοντέλου. Η εργασία αυτή αποδεικνύει ότι τα ερμηνεύσιμα νευρωνικά δίκτυα μπορούν να προσφέρουν διαγνωστικά στοιχεία με διαφάνεια έναντι ελάχιστου κόστους στην ακρίβεια ταξινόμησης.

Abstract
The clinical diagnosis of Mild Traumatic Brain Injury (mTBI) remains a formidable challenge due to the subtle
neurophysiological changes that characterize the condition, which conventional structural neuroimaging typically fails to detect. This thesis proposes a pipeline for classifying mTBI from healthy subjects by analyzing resting-state Magnetoencephalography (MEG) data. Specifically, it combines dynamic functional connectivity microstate analysis with Kolmogorov-Arnold Networks (KAN) and emphasizes interpretability and visual transparency.
The analysis was based on thresholded, time
-varying, dominant functional connectivity graphs of dimensionality 90x90 (iPLV, OMST). These graphs were decomposed via normalized Laplacian eigenspectra and quantized into two prototypical network microstates using the Neural Gas algorithm. An eigenvalue-based sorting criterion was introduced to label the microstates as higher-connectivity and lower-connectivity across all subjects. Ten temporal and graph-theoretic features were extracted from the symbolic time series per subject. These features were fed into a shallow, single-layer KAN, which is an emerging architecture that replaces fixed edge weights with learnable B-spline activation functions and derives feature importance intrinsically during training. To address class imbalance, a random undersampling routine was implemented across 100 independent runs, yielding a balanced dataset of 60 subjects. Model evaluation followed a two-phase protocol: 5-fold stratified cross-validation on 48 training subjects for feature threshold selection, and Leave-One-Out testing on a held-out set of 12 subjects.
The model achieved a test accuracy of 0.707
± 0.133 and AUC-ROC of 0.760 ± 0.141. While both SVM and MLP slightly outperformed the network by 4–5% in accuracy under the same protocol, KAN intrinsically isolated transition probability and mean dwell time in the lower-connectivity state as the strongest mTBI biomarkers. The learned spline functions revealed non-linear, non-monotonic relationships between these features and the classification output, providing a neurophysiologically grounded explanation of the model’s decisions. This work is proof that interpretable neural architectures can provide transparent diagnostic insights with minimal impact on classification performance.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΝΙΚΟΛΑΟΥ ΧΕΙΛΑΔΑΚΗ

με θέμα

Αναγνώριση Αντικειμένων σε ροές video με μοντέλα Τεχνητής Νοημοσύνης στο Apache Flink 
Real-time object detection in streaming video with AI models and Apache Flink
 

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Στα πλαίσια της παρούσας διπλωματικής, υλοποιήθηκε ένα κατανεμημένο σύστημα για επεξεργασία βίντεο, αξιοποιώντας τις τεχνολογίες Apache Flink και Apache Kafka. Το σύστημα αυτό, είναι εγκατεστημένο σε cloud υποδομή με το Kubernetes να λειτουργεί ως πλατφόρμα ενορχήστρωσης. Στόχος της υλοποίησης, είναι η ανίχνευση αντικειμένων κι η ταξινόμησή τους στην κατηγορία που ανήκουν χρησιμοποιώντας το μοντέλο YOLO11, καθώς κι η εξαγωγή των τροχιών τους για πολλαπλές ροές βίντεο. Πρωταρχικό ερώτημα της εργασίας, ήταν αν το συγκεκριμένο σύστημα είναι εφικτό με την χρήση του Apache Flink, με απότερο σκοπό την αξιολόγηση των αποτελεσμάτων, τόσο των θεωρητικών εκτιμήσεων όσο των πειραματικών ευρημάτων που προέκυψαν από την ανάλυση. Η ακρίβεια των τελικών τροχιών, καθώς κι οι χρονικές αποδόσεις, αποτελούν τα κύρια αποτελέσματα της εργασίας. Βασιζόμενο στο Apache Flink για την κατανεμημένη επεξεργασία ροών και αξιοποιώντας το Apache Kafka για την διακίνηση μηνυμάτων και την ακεραιότητά τους, το σύστημα χρησιμοποιεί το προαναφερθέν μοντέλο ανίχνευσης αντικειμένων, σε συνδυασμό με αλγορίθμους μηχανικής όρασης, όπως η συγχώνευση ανιχνεύσεων για την δημιουργία ολόκληρων των αντικειμένων ανά καρέ και η παρακολούθησή τους με βάση τα κέντρα τους μαζί με την βοήθεια ενός φίλτρου Kalman για την ανάθεση των τροχιών τους. Η υλοποίηση των αλγορίθμων βασίζεται στο μοντέλο ροής δεδομένων (dataflow) που παρέχεται από το Apache Flink. Συνεπώς, τόσο το μοντέλο όσο και οι αλγόριθμοι, βρίσκονται μέσα σε ξεχωριστούς τελεστές του Flink. Με σκοπό να αξιοποιηθεί πλήρως η κατανεμημένη επεξεργασία, κάθε καρέ διασπάται σε μικρότερες δυναμικά προσαρμοζόμενες οριζόντιες λωρίδες χρησιμοποιώντας στρατηγική επικάλυψης, διασφαλίζοντας την αδιάλειπτη ανίχνευση των αντικειμένων που βρίσκονται στα όρια των τμημάτων, οι οποίες διανέμονται στους συντελεστές του Flink για ταυτόχρονη επεξεργασία. Αρχικά, όλες οι λωρίδες ενός βίντεο κατανέμονται ομοιόμορφα στα partitions του Apache Kafka κι έπειτα όλοι οι κόμβοι του Apache Flink τις επεξεργάζονται παράλληλα. Όσον αφορά την επεξεργασία, το πρώτο βήμα είναι κάθε λωρίδα να αποτελέσει την είσοδο του μοντέλου YOLO11, έτσι ώστε να ληφθούν οι πληροφορίες του κάθε αντικειμένου που περιέχει. Οι πληροφορίες αυτές περιλαμβάνουν το ορθογώνιο οριοθέτησης του αντικειμένου, το κέντρο του, την κλάση στην οποία ανήκει, καθώς και την πιθανότητα να ανήκει σε αυτήν. Έπειτα, όλα τα αναγνωρισμένα αντικείμενα του ίδιου καρέ ομαδοποιούνται και συγχωνεύονται, εφόσον πληρούν κάποιες προϋποθέσεις, έτσι ώστε να σχηματιστούν αντικείμενα σε επίπεδο καρέ. Τέλος, όλα τα αντικείμενα ενός καρέ, συγκεντρώνονται σε έναν τελεστή, ο οποίος είναι υπεύθυνος για την δημιουργία της τροχιάς κάθε αντικειμένου που εμφανίζεται στο βίντεο, με βάση τη θέση του κέντρου του και την κλάση του. Μετά την ολοκλήρωση της εξεργασίας όλων των καρέ ενός βίντεο, οι τελικές τροχιές ανακοινώνονται σε ένα άλλο Kafka topic. Η εφαρμογή εγκαταστάθηκε ως Flink Cluster πάνω σε Kubernetes cluster, με τη χρήση του Flink Kubernetes Operator. Από τα πειράματα που πραγματοποιήθηκαν σε περιβάλλον με 7 μηχανές, διαπιστώθηκε ότι το προτεινόμενο σύστημα έχει τη δυνατότητα κλιμάκωσης και υπερέχει σε απόδοση έναντι ενός μονολιθικού συστήματος, ενώ ταυτόχρονα παράγονται ακριβείς τροχιές για τα αντικείμενα στο βίντεο. Συγκεκριμένα, η εκτέλεση της εφαρμογής στο Apache Flink με παραλληλισμό 7 είναι 4.95 φορές πιο αποδοτική σε σύγκριση με την εκτέλεση με παραλληλισμό 1, που προσομοιώνει ένα πλήρως σειριακό σύστημα με ακριβή και ορθά αποτελέσματα ως προς τις τροχιές των αντικειμένων.

Abstract 
In this thesis, a distributed video processing system was implemented, utilizing Apache Flink and Apache Kafka technologies. The system is deployed on a cloud infrastructure, using Kubernetes as the orchestration platform. The objective of this implementation is object detection and classification using the YOLO11 model, as well as trajectory extraction for multiple streaming or batch video sources. The main research question was whether such a system is feasible using Apache Flink, with the ultimate goal of evaluating both the theoretical estimations and the experimental findings derived from the analysis.  The accuracy of the trajectories, alongside the system's speedup are the main results of this thesis. Relying on Apache Flink for distributed stream processing and Apache Kafka for message transmission and durability, the system combines the object detection model with computer vision algorithms, such as detection fusion, centroid-based object tracking and Kalman filtering. The implementation is based on the dataflow model provided by Apache Flink, where the model and the associated algorithms are implemented within separate Flink operators. To fully exploit distributed processing, each frame is split into smaller, dynamically adjusted horizontal blocks using an overlapping strategy, to ensure object detection accuracy at segment boundaries. These blocks are initially distributed uniformly across Apache Kafka partitions and then processed in parallel by an equal number of Apache Flink nodes. Regarding the processing pipeline, the first step consists of processing each block with the YOLO11 model to extract information about the objects it contains. This information includes the object's bounding box, its centroid, its class and the confidence score. Afterwards, all detected objects belonging to the same frame are grouped and fused, in order to reconstruct them at the frame level. In the final stage, all objects within a frame are aggregated into a single operator, which is responsible for extracting the trajectory of each object in the video, based on its centroid position and class. Upon completing the processing of every frame of a video, the final trajectories are published to a separate Kafka topic. The application was deployed as a Flink Cluster on top of a Kubernetes cluster, utilizing the Flink Kubernetes Operator. Experiments conducted in an environment consisting of 7 machines demonstrate that the proposed system is scalable and outperforms a monolithic architecture, while maintaining the accuracy of the trajectories. Specifically, executing the application on Apache Flink with parallelism 7 yields 4.95x performance increase compared to the execution with a parallelism 1, which simulates a serial implementation with precise object trajectory results.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΜΑΡΙΑΣ ΧΑΪΝΤΟΥΤΗ

με θέμα

 Ανάπτυξη Μικροϋπηρεσιών σε Πολλαπλές Συστάδες Υπολογιστικού Νέφους με Ενισχυτική Μάθηση
 Microservices Deployment Across Multiple Cloud Clusters with Reinforcement Learning

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Καθηγητής Μιχαήλ Λαγουδάκης

Περίληψη
Η ραγδαία αναπαραγωγή εφαρμογών, οι οποίες βασίζονται στην αρχιτεκτονική μικροϋπηρεσιών σε Edge, Fog και Cloud έχει οδηγήσει σε σημαντικές προκλήσεις της δυναμικής ενορχήστρωσης πόρων. Παραδοσιακές ευριστικές προσεγγίσεις, όπως η Least Frequently Used (LFU) τοποθέτηση, συχνά αποτυγχάνουν να προσαρμόζονται στα ασταθή  μοτίβα κυκλοφορίας και ετερογενείς περιορισμούς των σύχρονων κατανεμημένων υποδομών. Αυτή η διπλωματική εργασία προτείνει ένα έξυπνο πλαίσιο ενορχήστρωσης αξιοποιώντας την Ενισχυτική Μάθηση (Reinforcement Learning - RL), προκειμένου να βελτιστοποιήσει την ανάπτυξη μικροϋπηρεσιών. Αξιοποιώντας το Linkerd service mesh για παρατήρηση σε πραγματικό χρόνο και διαχείριση κίνησης, υλοποιούνται και συγκρίνονται τρείς διαφορετικές στρατηγικές: μια βασική ευρετική προσέγγιση LFU, μια πολυπρακτορική (Multi-agent) προσέγγιση RL και ένας κεντρικοποιημένος (Centralized) πράκτορας RL χρησιμοποιώντας τον αλγόριθμο Maskable Proximal Policy Optimization (PPO). Τα πειραματικά αποτελέσματα που πραγματοποιήθηκαν σε υποδομή Kubernetes βασισμένη στο Google Cloud Platform, χρησιμοποιώντας ως ορόσημο την Online Google Boutique και τo TeaStore, δείχνουν ότι παρόλο που οι πολυπρακτορικές διαμορφώσεις προσφέρουν τοπική βελτιστοποίηση, πλήττονται από συγκρούσεις συντονισμού, οι οποίες οδηγούν το σύστημα σε αστάθεια. Ο κεντρικοποιημένος RL agent , παρόλα αυτά, περιορίζει αυτές τις συγκρούσεις διατηρώντας μια καθολική εικόνα της κατάστασης της υποδομής. Τα ευρήματα της εργασίας καταδεικνύουν ότι η κεντρικοποιημένη προσέγγιση επιτυγχάνει σημαντική μείωση της συνολικής καθυστέρησης (end-to-end latency) και βελτιώνει τα ποσοστά επιτυχίας αιτημάτων σε σύγκριση τόσο με την ευρετική, όσο και με την πολυπρακτορική προσέγγιση, παρέχοντας μια αξιόπιστη λύση για κλιμακούμενη διαχείριση μικροϋπηρεσιών.

Abstract 
The rapid proliferation of microservice-based applications across Edge, Fog, and Cloud hierarchies has introduced significant challenges in dynamic resource orchestration. Traditional heuristic-based approaches, such as Least Frequently Used (LFU) placement, often fail to adapt to the volatile traffic patterns and heterogeneous constraints of modern distributed infrastructures. This thesis proposes an intelligent orchestration framework utilizing Reinforcement Learning (RL) to optimize microservice deployment. Leveraging Linkerd service mesh for real-time observability and traffic management, we implement and compare three distinct strategies: a baseline LFU heuristic, a Multi-agent RL approach, and a Centralized RL agent using the Maskable Proximal Policy Optimization (PPO) algorithm. Experimental results, conducted on a Kubernetes-based, multi-cluster testbed deployed on Google Cloud Platform using Google’s Online Boutique and TeaStore as benchmark, demonstrate that while multi-agent configurations provide localized optimization, they suffer from coordination conflicts that lead to system instability. In contrast, the proposed Centralized RL agent successfully mitigates these conflicts by maintaining a global state of the infrastructure. Our findings show that the Centralized approach achieves a significant reduction in end-to-end latency and improved request success rates compared to both heuristic and Multi-agent baselines, providing a robust solution for scalable microservice management.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μιχάλη Λαμπράκη

με θέμα

Πλαίσιο Full-Stack για την Έκδοση Ψηφιακών Διαβατηρίων Προϊόντων με χρήση Τεχνολογίας Blockchain 

Full-Stack Framework for Issuing Digital Product Passports using Blockchain Technology

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (Σχολή ΗΜΜΥ)
Καθηγητής Γεώργιος Αραμπατζής (Σχολή ΜΠΔ)

Περίληψη
    
Η μετάβαση στην κυκλική οικονομία και ο Κανονισμός της Ευρωπαϊκής Ένωσης για τον Οικολογικό Σχεδιασμό Βιώσιμων Προϊόντων (Ecodesign for Sustainable Products Regulation) εισάγουν την έννοια του Ψηφιακού ∆ιαβατήριου Προϊόντος (Digital Product Passport - DPP) ως ένα βασικό εργαλείο για τη διαφάνεια και την ιχνηλασιμότητα των προϊόντων. Λειτουργώντας ως μια ολοκληρωμένη ψηφιακή ταυτότητα, ένα DPP αποτελείται από μια δομημένη συλλογή δεδομένων σχετικά με τα υλικά, τα εξαρτήματα και το ιστορικό του κύκλου ζωής ενός προϊόντος, η οποία είναι προσβάσιμη μέσω ενός φυσικού φορέα δεδομένων (π.χ QR code). Ωστόσο, η υλοποίηση ενός ψηφιακού διαβατήριου δεν αποτελεί απλώς ένα πρόβλημα αποθήκευσης δεδομένων. Οι πληροφορίες του προϊόντος  δημιουργούνται, διατηρούνται και είναι προσβάσιμες από πολλαπλούς ανεξάρτητους φορείς σε όλο τον κύκλο ζωής του, γεγονός που εγείρει αυστηρές απαιτήσεις για εμπιστοσύνη, ελεγχόμενη πρόσβαση, προστασία από παραβιάσεις και μακροπρόθεσμη διαθεσιμότητα, τις οποίες κεντρικοποιημένα συστήματα δεν μπορούν να ικανοποιήσουν πλήρως. Η παρούσα διπλωματική εργασία παρουσιάζει τον σχεδιασμό και την υλοποίηση ενός πλαισίου full-stack για την έκδοση και την επαλήθευση Ψηφιακών ∆ιαβατηρίων Προϊόντων. Το σύστημα βασίζεται σε μια υβριδική on-chain/off-chain αρχιτεκτονική, με το Hyperledger Fabric να λειτουργεί ως το επίπεδο εμπιστοσύνης, και υλοποιείται ως ένα end-to-end σύστημα για ένα πραγματικό σενάριο: την ανάκτηση μεταχειρισμένων ρούχων από κάδους ανακύκλωσης και τη μετατροπή τους σε διακοσμητικά πλακίδια. Η κεντρική σχεδιαστική απόφαση είναι η αντιμετώπιση του διαβατηρίου όχι ως ενός στατικού εγγράφου, αλλά ως ενός που παράγεται δυναμικά μέσω της διάσχισης ενός μοντέλου παραγωγής. Το ιστορικό κατασκευής αναπαρίσταται ως ένας διμερής κατευθυνόμενος άκυκλος γράφος παρτίδων υλικών και εκτελέσεων διεργασιών. Κάθε διαβατήριο ανακατασκευάζεται μέσω μιας διάσχισης αυτού του γράφου, έτσι ώστε κάθε ισχυρισμός στο έγγραφο να υποστηρίζεται από έναν καταγεγραμμένο φυσικό μετασχηματισμό, αντί να δηλώνεται εκ των υστέρων. Ο ίδιος μηχανισμός επιτρέπει την έκδοση έγκυρων και ανεξάρτητα επαληθεύσιμων διαβατηρίων για οποιοδήποτε ενδιάμεσο υλικό, μια δυνατότητα πολύ χρήσιμη σε περιβάλλοντα όπου εμπλέκονται πολλαπλοί φορείς, όπως αυτά των κυκλικών αλυσίδων εφοδιασμού. Ένα κρυπτογραφικό SHA-256 hash κάθε παραγόμενου διαβατηρίου αποθηκεύεται στο δίκτυο blockchain, ενώ ο κύριος όγκος των δεδομένων παραμένει εκτός αυτού. Αυτό επιτρέπει ένα μοντέλο επαλήθευσης, όπου κάθε ενδιαφερόμενος μπορεί να επιβεβαιώσει την ακεραιότητα ενός διαβατηρίου, χωρίς να χρειάζεται να εμπιστευθεί τον εκδότη ή τη βάση δεδομένων.

Abstract

The transition to a circular economy and the European Union’s Ecodesign for Sustainable Products Regulation introduce the Digital Product Passport (DPP) as a key instrument for product transparency and traceability. Acting as a comprehensive digital identity, a DPP consists of a structured collection of data regarding a product’s materials, components, and lifecycle history, accessible via a physical data carrier. Implementing a DPP, however, is not a simple data-storage problem. Product information is created, maintained, and accessed by multiple independent actors across a product’s lifecycle, which raises demanding requirements for trust, controlled access, tamper-evidence, and long-term availability that centralized systems cannot fully satisfy. This diploma thesis presents the design and implementation of a full-stack framework for issuing and verifying Digital Product Passports, built on a hybrid on-chain/off-chain architecture with Hyperledger Fabric as the trust layer, and realized as a complete, end-to-end system for a concrete real-world scenario: the recovery of post-consumer textiles and their transformation into decorative tiles. The central design decision is to treat the passport not as a static stored document, but as an artifact compiled on demand by traversing a model of production. The manufacturing history is represented as a bipartite directed acyclic graph of material lots and process executions, and each passport is reconstructed through a backward traversal of that graph, so that every claim in the document is backed by a recorded physical transformation rather than asserted retrospectively. The same mechanism issues valid, independently verifiable passports for any intermediate material, a capability of direct value in the multi-actor, by-product-rich setting of circular supply chains. A SHA-256 hash of each compiled passport is anchored on the permissioned ledger, while the bulk of the data remains off-chain, enabling a verification model in which any party can confirm a passport’s integrity without trusting the issuer or the database.

Meeting ID: 96455391738
Password: 454737
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ευαγγελίας Τιτάκη

με θέμα

Διαχείριση Ενέργειας Κτηρίων με Τεχνικές Μηχανικής Μάθησης
Energy Management of Buildings based on Machine Learning Techniques

Εξεταστική Επιτροπή

Καθηγητής Ευτύχης Κουτρούλης (επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας
Καθηγητής Μιχαήλ Γ. Λαγουδάκης

Περίληψη

Η αυξανόμενη ζήτηση ηλεκτρικής ενέργειας, η ραγδαία διείσδυση ανανεώσιμων πηγών ενέργειας και η ανάγκη περιορισμού του ενεργειακού κόστους καθιστούν απαραίτητη την ανάπτυξη αποδοτικών συστημάτων διαχείρισης ενέργειας για τη σταδιακή μετάβαση στα Έξυπνα Δίκτυα (Smart Grids). Στο πλαίσιο αυτής της ενεργειακής μετάβασης, η αξιοποίηση αλγορίθμων βελτιστοποίησης μπορεί να συμβάλει στη βελτίωση της ενεργειακής απόδοσης και στη μείωση της εξάρτησης από το ηλεκτρικό δίκτυο.
Η παρούσα διπλωματική εργασία επικεντρώνεται στη μελέτη ενός Συστήματος Διαχείρισης Ενέργειας Κτηρίου (Building Energy Management System - BEMS), με στόχο τη μείωση του συνολικού λειτουργικού κόστους, διασφαλίζοντας παράλληλα την άνεση των χρηστών. Το υπό μελέτη σύστημα ενσωματώνει μονάδα παραγωγής φωτοβολταϊκής ενέργειας (PV), σύστημα αποθήκευσης ενέργειας με μπαταρίες (BESS), ηλεκτρικό όχημα (EV), οικιακά φορτία καθώς και σύστημα θέρμανσης και κλιματισμού (HVAC). Η λειτουργία αυτού του συστήματος μελετάται υπό διάφορες εποχικές συνθήκες λειτουργίας και για δύο σενάρια τιμολόγησης ηλεκτρικής ενέργειας, Τιμολόγηση Ώρας Χρήσης (Time of Use - ToU) και Τιμολόγηση Πραγματικού Χρόνου (Real Time Pricing - RTP).
Για την αντιμετώπιση του προβλήματος βελτιστοποίησης, μοντελοποιήθηκε η δυναμική συμπεριφορά του κτηρίου και εξετάστηκαν τρεις στρατηγικές ελέγχου. Αρχικά, υλοποιήθηκε ένας στατικός ημερήσιος προγραμματισμός μέσω του αλγορίθμου Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization - PSO). Στη συνέχεια, αναπτύχθηκε η Στρατηγική Προβλεπτικού Ελέγχου με Μοντέλο (Model Predictive Control - MPC) για διαχείριση σε πραγματικό χρόνο μέσω κυλιόμενου ορίζοντα. Τέλος, μοντελοποιήθηκε και εκπαιδεύτηκε ο αλγόριθμος Ενισχυτικής Μάθησης Q-Learning, ο οποίος λειτουργεί χωρίς εκ των προτέρων γνώση του μοντέλου (model-free) και μαθαίνει τη βέλτιστη πολιτική ελέγχου μέσω της συνεχούς αλληλεπίδρασης με το περιβάλλον. Οι παραπάνω αλγόριθμοι αξιολογήθηκαν σε σύγκριση με ένα σενάριο αναφοράς, στο οποίο τα φορτία λειτουργούν χωρίς εφαρμογή βελτιστοποίησης. 
Από τα αποτελέσματα των προσομοιώσεων προκύπτει ότι οι στρατηγικές ελέγχου που υλοποιήθηκαν προσφέρουν βελτιωμένες ενεργειακές επιδόσεις σε σύγκριση με το σενάριο αναφοράς και χαμηλότερη απορρόφηση ισχύος από το ηλεκτρικό δίκτυο. Παράλληλα, η εσωτερική θερμοκρασία του κτηρίου διατηρείται εντός των αποδεκτών ορίων άνεσης του χρήστη, ενώ επιτυγχάνεται πιο αποδοτικός προγραμματισμός των φορτίων και καλύτερη διαχείριση των τοπικών μονάδων παραγωγής και αποθήκευσης ενέργειας.

Abstract 

The growing demand for electricity, the rapid penetration of renewable energy sources, and the need to reduce energy costs make it essential to develop efficient energy management systems for the gradual transition to Smart Grids. Within the context of this energy transition, the use of optimization algorithms can help improve energy efficiency and reduce dependence on the power grid.
This thesis focuses on the development of a Building Energy Management System (BEMS), with the aim of reducing total operating costs while ensuring user comfort. The system under study integrates a photovoltaic (PV) power generation unit, a battery energy storage system (BESS), an electric vehicle (EV), household loads, and a heating, ventilation, and air conditioning (HVAC) system. The operation of this system is studied under various seasonal operating conditions and for two electricity pricing scenarios: Time-of-Use (ToU) pricing and Real-Time Pricing (RTP).
To address the optimization problem, the dynamic behavior of the building was modeled, and three control strategies were examined. Initially, a static daily schedule was implemented using the Particle Swarm Optimization (PSO) algorithm. Next, a Model Predictive Control (MPC) strategy was developed for real-time management using a rolling horizon. Finally, the Q-Learning Reinforcement Learning algorithm was modeled and trained. This algorithm operates without prior knowledge of the model (model-free) and learns the optimal control policy through continuous interaction with the environment. The above algorithms were evaluated in comparison with a reference scenario, in which the loads operate without optimization. 
The simulation results show that the proposed control strategies that were implemented offer improved energy performance compared to the reference scenario and lower power consumption from the electrical grid. At the same time, the building’s internal temperature is maintained within the occupants’ acceptable comfort limits, while more efficient load scheduling and better management of local energy generation and storage units are achieved.

Meeting ID: 967 8767 2714
Password: 259569

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Γιαννουράκη

με θέμα

Ανάλυση Ριζικών Αιτιών Εφαρμοσμένη σε Ένα Πανεπιστημιακό Δίκτυο Αξιοποιώντας Μοντέρνες Μεθόδους Μηχανικής Μάθησης 

Root Cause Analysis Performed on a Campus Network using Modern Machine Learning Methods

Εξεταστική Επιτροπή

Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Δρ Ιωάννης Πευκιανάκης (Staff Wireless Architect, Apple)

Περίληψη

Η διάγνωση προβλημάτων απόδοσης σε εταιρικά ασύρματα δίκτυα IEEE 802.11 απαιτεί βαθιά εξειδίκευση στο αντικείμενο, ώστε να είναι δυνατή η ερμηνεία πυκνών και πολυδιάστατων αρχείων καταγραφής συστήματος. Παρότι συστήματα ελέγχου που τρέχουν το Aruba OS 8, όπως αυτό που χρησιμοποιείται στο δίκτυο της πανεπιστημιούπολής μας, παρέχουν πληθώρα δεδομένων δικτύου, ο τεράστιος όγκος και η πολυπλοκότητα αυτών των syslogs καθιστούν τη χειροκίνητη Ανάλυση Βασικών Αιτιών (Root Cause Analysis – RCA) ιδιαίτερα αναποτελεσματική και επιρρεπή σε σφάλματα. Η παρούσα διπλωματική εργασία εισάγει ένα έξυπνο πλαίσιο βασισμένο σε διάφορες πηγές δεδομένων, για την αυτοματοποίηση της διάγνωσης προβλημάτων δικτύων, αξιοποιώντας προσαρμοσμένη πληροφορία και γλωσσικά μοντέλα με δυνατότητες συλλογισμού.
Για την ακριβή αποτύπωση της δυναμικής αλληλεπίδρασης μεταξύ των χρηστών και του δικτύου, αναπτύχθηκε μια προσαρμοσμένη εφαρμογή διακομιστή-πελάτη για την παρακολούθηση της απόδοσης. Η πληροφορία στο επίπεδο του χρήστη εξήχθη σε πραγματικό χρόνο και συσχετίστηκε αυστηρά ως χρονοσειρά με συγκεντρωτικά αρχεία συστήματος του Aruba OS 8. Η σύνθεση αυτή οδήγησε στη δημιουργία ενός νέου, εξειδικευμένου συνόλου δεδομένων (dataset) αντιμετώπισης προβλημάτων, ειδικά σχεδιασμένου για την καταγραφή και την αξιολόγηση σύνθετων σεναρίων βλάβης σε δίκτυα Wi-Fi. Στη συνέχεια, το εξειδικευμένο αυτό σύνολο δεδομένων χρησιμοποιήθηκε για τη διερεύνηση και την αξιολόγηση μιας αυτοματοποιημένης διαγνωστικής μεθοδολογίας, βασισμένης σε εκπαίδευση δύο σταδίων. Αρχικά, η μεθοδολογία αξιοποιεί ένα πολυπρακτορικό σύστημα για επιβλεπόμενη λεπτομερή προσαρμογή γλωσσικών μοντέλων (Supervised Fine-Tuning – SFT), ενσωματώνοντας γνώση του αντικειμένου στο μοντέλο μέσω της παραγωγής δομημένων, βήμα προς βήμα διαδρομών συλλογισμού αλυσίδας σκέψης (Chain-of-Thought – CoT). Στη συνέχεια, εφαρμόζεται ενισχυτική μάθηση μέσω της μεθόδου Group Relative Policy Optimization (GRPO), με σκοπό την περαιτέρω βελτίωση της διαγνωστικής ακρίβειας του μοντέλου. Μέσω της επιτυχούς αντιστοίχισης σύνθετων καταστάσεων του δικτύου σε σαφώς προσδιορισμένες βασικές αιτίες και της παραγωγής κατανοητών από τον άνθρωπο, πολυβηματικών διαγνωστικών επεξηγήσεων, η παρούσα διπλωματική εργασία επιβεβαιώνει την αποτελεσματικότητα της αξιοποίησης λεπτομερώς προσαρμοσμένων γλωσσικών μοντέλων μικρού μεγέθους. Τελικά, η προσέγγιση αυτή γεφυρώνει το χάσμα μεταξύ της ακατέργαστης, πυκνά δομημένης πληροφορίας του συστήματος και των αξιοποιήσιμων συμπερασμάτων, ενισχύοντας σημαντικά την ερμηνευσιμότητα και τη λειτουργική διαχείριση εταιρικών ασύρματων περιβαλλόντων.

Abstract 

Diagnosing performance anomalies in enterprise IEEE 802.11 wireless networks requires deep domain expertise to parse dense, high-dimensional system logs. While controllers running Aruba OS 8, like the one used in our campus network, provide extensive telemetry, the sheer volume and complexity of these syslogs make manual Root Cause Analysis (RCA) highly inefficient and prone to error. This thesis introduces a data-driven, intelligent framework to automate network diagnostics by leveraging customized telemetry and reasoning-capable language models. 
To accurately capture the dynamic interaction between clients and the network, a custom performance monitoring server-client application was developed. Real-time user plane telemetry was extracted and strictly time-series correlated with aggregated Aruba OS 8 syslogs. This synthesis resulted in a novel, curated troubleshooting dataset specifically designed to capture and benchmark complex Wi-Fi fault scenarios. This curated dataset was subsequently utilized to explore and evaluate an automated diagnostic pipeline based on a two-stage training methodology. Initially, the pipeline employs a multi-agent system for supervised fine-tuning (SFT), embedding domain knowledge into the model by generating structured, step-by-step chain-of-thought (CoT) reasoning trajectories. Following this, reinforcement learning via group relative policy optimization (GRPO) is applied to further refine the model's diagnostic accuracy. By successfully mapping intricate network states to definitive root causes and generating human-readable, multi-step diagnostic explanations, this thesis demonstrates the efficacy of deploying fine-tuned, small-sized language models. Ultimately, this approach bridges the gap between raw, densely packed system telemetry and actionable insights, significantly enhancing the interpretability and operational management of enterprise wireless environments.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δημητρίου Σουλιώτη

με θέμα

Ανάπτυξη Υπολογιστικού Εργαλείου για Παρεμβολή και Πρόβλεψη Χρονοσειρών με Αραιά Μοντέλα Τοπικών Αλληλεπιδράσεων

Development of Computational Tool for Time Series Interpolation and Forecasting using Sparse Local Interaction Models

Εξεταστική Επιτροπή

Καθηγητής Διονύσιος Χριστόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Δρ Σοφία Τσακιρίδου (ΠΚ, Σχολή ΗΜΜΥ, ΕΔΙΠ)

Περίληψη

Στην παρούσα διπλωματική εργασία αναπτύσσεται μια μέθοδος για τον υπολογισμό ενός μοντέλου που πραγματοποιεί παρεμβολή και βραχυπρόθεσμη πρόβλεψη τιμών μιας χρονοσειράς, με βάση την έννοια της Στοχαστικής Διαδικασίας Boltzmann–Gibbs (Boltzmann–Gibbs Random Process — BGRP). Η μέθοδος στηρίζεται σε ιδέες από τη στατιστική φυσική και χρησιμοποιεί μια τοπική συνάρτηση ενέργειας. Επιπλέον, αξιοποιεί την αναπαράσταση των χρονικών εξαρτήσεων μέσω ενός αραιού πίνακα ακρίβειας (ισορροπίας), με στόχο την περιγραφή και τον χαρακτηρισμό της δομής μιας χρονοσειράς.
Η υπολογιστική διαδικασία περιλαμβάνει την εκτίμηση των παραμέτρων μέσω της μεθόδου των ροπών (MMoM), την εφαρμογή Μπεϋζιανής βελτιστοποίησης (Bayesian optimization), την κατασκευή του πίνακα ακρίβειας (ισορροπίας), την παρεμβολή των ελλειπουσών τιμών και την πρόβλεψη μελλοντικών τιμών της χρονοσειράς. Η πειραματική αξιολόγηση πραγματοποιείται σε δύο κατηγορίες συνθετικών χρονοσειρών: περιοδικά ημιτονοειδή σήματα με διαφορετικά επίπεδα θορύβου και Γκαουσιανές στοχαστικές διεργασίες με εκθετική συνδιακύμανση και διαφορετικά μήκη συσχέτισης. Για κάθε σενάριο πραγματοποιούνται 30 επαναλήψεις Monte Carlo, με κοινό σύνολο εκπαίδευσης 290 τιμών και κοινό ορίζοντα πρόβλεψης 10 μελλοντικών σημείων. Οι προβλέψεις παράγονται από κοινό σημείο εκκίνησης και χωρίς ενδιάμεση ενημέρωση των μοντέλων με τις πραγματικές μελλοντικές τιμές. 
Η προτεινόμενη μέθοδος συγκρίνεται, ανάλογα με το πειραματικό σενάριο, με τα μοντέλα Holt, Holt–Winters και αυτοπαλινδρόμησης δεύτερης τάξης, δηλαδή AR(2), χρησιμοποιώντας ως βασικές μετρικές αξιολόγησης το μέσο τετραγωνικό σφάλμα (RMSE) και το μέσο απόλυτο σφάλμα (MAE). Αξιοποιώντας τις τοπικές αλληλεπιδράσεις που περιγράφονται από το μοντέλο, η προτεινόμενη τεχνική προσέγγιση επιτυγχάνει υπολογιστική αποδοτικότητα, ενώ παράλληλα παραμένει αρκετά ευέλικτη ώστε να περιγράψει διαφορετικά είδη συμπεριφοράς χρονοσειρών.
Τα αποτελέσματα δείχνουν ότι, στο περιοδικό ημιτονοειδές σήμα, το μοντέλο Holt–Winters επιτυγχάνει τα μικρότερα σφάλματα πρόβλεψης, καθώς αξιοποιεί ρητά την περιοδική δομή του σήματος. Στο στοχαστικό δείγμα με πυρήνα εκθετικής συνδιακύμανσης, το μοντέλο Holt παρουσιάζει την καλύτερη απόδοση. Το μοντέλο πρόβλεψης BGRP επιτυγχάνει ακρίβεια πρόβλεψης συγκρίσιμη με εκείνη του κλασικού μοντέλου χρονοσειρών AR(2) και για τα δύο είδη σημάτων, χωρίς να προϋποθέτει συγκεκριμένη περιοδική ή αυτοπαλίνδρομη δομή. Παράλληλα, χάρη στην πιθανοτική του διατύπωση, παρέχει και διαστήματα πρόβλεψης για την εκτίμηση της αβεβαιότητας των προβλέψεων.

Abstract 

This thesis introduces an approach to building a model that performs interpolation and short-term forecasting of time-series values based on the concept of the Boltzmann–Gibbs Random Process (BGRP). The approach combines ideas from statistical physics with a local energy function. Moreover, temporal dependencies are represented by a sparse precision matrix to describe and characterize the structural properties of a time series. 
The computational procedure includes parameter estimation using the Modified Method of Moments (MMoM), the application of Bayesian optimization, the construction of the precision matrix, the interpolation of missing values, and the prediction of future time-series values. The experimental evaluation is carried out on two categories of synthetic time series: periodic sinusoidal signals with different noise levels and Gaussian stochastic processes with exponential covariance kernel and different correlation lengths. For each scenario, 30 Monte Carlo runs are performed using a common training set of 290 values and a common forecasting horizon of 10 future points. Forecasts are generated from the same forecast origin without updating the models using future observations of the time series. 
Depending on the experiment, the proposed approach is compared with the Holt, Holt-Winters, and AR(2) models using Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) as evaluation metrics. By exploiting local interactions, the proposed algorithm is computationally efficient and flexible enough to describe different types of time-series behavior. The results show that, in the periodic sinusoidal experiment, the Holt-Winters model gives the smallest forecasting errors because it explicitly captures the periodic structure of the signal. In the stochastic scenario with exponential covariance, the Holt model shows the best results. The forecasting accuracy of the BGRP predictor is comparable to that of the classical AR(2) time-series model in both scenarios, without assuming any specific periodic or autoregressive structure. At the same time, due to its probabilistic nature, the BGRP model also generates prediction intervals for estimating forecast uncertainty.  

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Θεοδώρας Χρίστου 

με θέμα

Μελέτη, Σχεδιασμός και Υλοποίηση Συνελικτικού Αλγορίθμου Μηχανικής Εκμάθησης Νευρωνικών Δικτύων σε Αναδιατασσόμενη Λογική

Study, Design and Implementation of Convolutional Algorithms for Machine Learning Neural Networks in Reconfigurable Logic

Εξεταστική Επιτροπή

Καθηγητής Σωτήριος Ιωαννίδης (επιβλέπων)
Ομότιμος Καθηγητής Απόστολος Δόλλας 
Δρ Γρηγόριος Χρύσος
    
Περίληψη

Η εργασία εξετάζει τρόπους αποδοτικής εφαρμογής νευρωνικών δικτύων σε υπολογιστικές πλατφόρμες περιορισμένων πόρων, με στόχο τη βελτίωση της ταχύτητας, της ενεργειακής απόδοσης και της αξιοπιστίας σε εφαρμογές πραγματικού χρόνου. Παρουσιάζεται η διαδικασία υλοποίησης των αλγορίθμων, καθώς και τεχνικές βελτιστοποίησης που επιτρέπουν την αποτελεσματικότερη χρήση της μηχανικής μάθησης σε σύγχρονα ενσωματωμένα συστήματα.

Abstract 

Predictive maintenance in edge computing plays a pivotal role in ensuring the reliability and efficiency of critical systems. Neural networks are particularly well-suited for predictive maintenance due to their ability to effectively model complex patterns and relationships within data. While powerful in their predictive capabilities, they often face challenges when deployed on resource-constrained edge devices. The limitations in computational efficiency and real-time responsiveness hinder their seamless integration into edge environments. This research focuses on the implementation of a Convolutional Neural Network (CNN) algorithm for machine learning in reconfigurable logic. By leveraging the parallel processing capabilities of FPGAs, these challenges can be overcome. The FPGA implementation not only enhances the adaptability of predictive maintenance models to the dynamic nature of edge environments but also addresses the broader problem of seamlessly integrating neural networks into resource-constrained environments.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Παναγιώτη Αγραφιώτη

με θέμα
Μελέτη Μεταβατικής Συμπεριφοράς Αγωγών Καθόδου Συστημάτων Αντικεραυνικής Προστασίας
Transient Impedance of Down Conductors for Lightning Protection Systems

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Καθηγητής Ευτύχιος Κουτρούλης

Περίληψη

Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη της μεταβατικής συμπεριφοράς αγωγών καθόδου συστημάτων αντικεραυνικής προστασίας, με στόχο την αξιολόγηση της καταλληλότητας διαφορετικών μοντέλων γραμμών μεταφοράς για την προσομοίωση κεραυνικών φαινομένων. Αρχικά παρουσιάζεται το θεωρητικό υπόβαθρο που διέπει τη διάδοση ηλεκτρομαγνητικών κυμάτων σε αγωγούς καθόδου, καθώς και οι βασικές αρχές της θεωρίας γραμμών μεταφοράς και των συχνοεξαρτώμενων ηλεκτρικών παραμέτρων.
Στο πειραματικό μέρος πραγματοποιήθηκαν μετρήσεις της ταχύτητας διάδοσης του ρεύματος σε γυμνούς χάλκινους αγωγούς διαφορετικών διατομών με χρήση γεννήτριας συχνοτήτων. Επιπλέον, πραγματοποιήθηκαν πειράματα με χρήση κρουστικής γεννήτριας με στόχο την πειραματική διερεύνηση της συμπεριφοράς των αγωγών υπό πρότυπη κεραυνική διέγερση. Αν και δεν κατέστη δυνατός ο άμεσος υπολογισμός της ταχύτητας διάδοσης από τις κρουστικές μετρήσεις λόγω περιορισμών του διαθέσιμου εργαστηριακού εξοπλισμού, οι καταγεγραμμένες κυματομορφές αξιοποιήθηκαν για τη συγκριτική αξιολόγηση των αποτελεσμάτων των αριθμητικών προσομοιώσεων.
Για την αριθμητική ανάλυση χρησιμοποιήθηκε το λογισμικό FEMM, μέσω του οποίου υπολογίστηκαν οι συχνοεξαρτώμενες ηλεκτρικές παράμετροι των εξεταζόμενων αγωγών. Οι παράμετροι αυτές χρησιμοποιήθηκαν στη συνέχεια για την ανάπτυξη μοντέλων γραμμών μεταφοράς στο περιβάλλον ATP/EMTP. Πραγματοποιήθηκαν προσομοιώσεις πρότυπων κρουστικών παλμών 8/20 μs και συγκρίθηκαν διαφορετικές προσεγγίσεις μοντελοποίησης, με σκοπό την αξιολόγηση της επίδρασης των παραδοχών κάθε μοντέλου στη μεταβατική απόκριση των αγωγών.
Η σύγκριση των πειραματικών και αριθμητικών αποτελεσμάτων επέτρεψε την αξιολόγηση της ακρίβειας των εξεταζόμενων μοντέλων και την εξαγωγή συμπερασμάτων σχετικά με την εφαρμογή τους στη μελέτη συστημάτων αντικεραυνικής προστασίας. Η εργασία αναδεικνύει τη σημασία της ορθής μοντελοποίησης των αγωγών καθόδου, καθώς και της πειραματικής επαλήθευσης των αριθμητικών προσομοιώσεων, συμβάλλοντας στην καλύτερη κατανόηση της μεταβατικής συμπεριφοράς τους κατά τη διέλευση κεραυνικών ρευμάτων.
Λέξεις-κλειδιά: αγωγοί καθόδου, ATP/EMTP, FEMM, μεταβατικά ηλεκτρομαγνητικά φαινόμενα, συστήματα αντικεραυνικής προστασίας, ταχύτητα διάδοσης.

Abstract 

This diploma thesis investigates the transient behavior of down conductors used in lightning protection systems, aiming to evaluate the suitability of different transmission line models for the simulation of lightning-induced phenomena. Initially, the theoretical background governing the propagation of electromagnetic waves along down conductors is presented, with emphasis on transmission line theory, distributed electrical parameters, and frequency-dependent effects.
The experimental part includes measurements of current propagation velocity on bare copper conductors of different cross-sectional areas using a high-frequency signal generator. In addition, experiments were carried out using an impulse generator to investigate the response of the conductors under a standard lightning current waveform. Although the direct determination of current propagation velocity from the impulse measurements was not feasible due to limitations of the available laboratory equipment, the recorded waveforms were successfully utilized for comparison with the numerical simulation results.
For the numerical analysis, the Finite Element Method Magnetics (FEMM) software was employed to calculate the frequency-dependent electrical parameters of the examined conductors. These parameters were subsequently used to develop transmission line models in the ATP/EMTP environment. Standard 8/20 μs impulse current simulations were performed, and different modeling approaches were comparatively evaluated in order to investigate the influence of each model on the transient response of the conductors.
The comparison between experimental measurements and numerical simulations enabled the assessment of the accuracy of the investigated transmission line models and the identification of the most suitable approach for representing the transient behavior of down conductors. The results highlight the importance of accurate conductor modeling and experimental validation in improving the reliability of lightning transient simulations and contribute to a better understanding of the electromagnetic behavior of lightning protection systems.
Keywords: down conductors, ATP/EMTP, FEMM, transient electromagnetic phenomena, lightning protection systems, current propagation velocity.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίας Μπαντουβά

με θέμα

Αυτοεπιβλεπόμενη Μάθηση με χρήση Νευρωνικών Δικτύων και Γράφων για Ανίχνευση Επιληψίας

Graph-based Self-Supervised Learning for Epilepsy Detection

Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Επίκουρος Καθηγητής Μάριος Αντωνακάκης (ΕΛΜΕΠΑ, Τμήμα Ηλεκτρονικών Μηχανικών)

Περίληψη

Η επιληψία είναι μία από τις πιο κοινές νευρολογικές διαταραχές παγκοσμίως, πλήττοντας περίπου 50 εκατομμύρια ανθρώπους. Παρά τις διαθέσιμες θεραπείες, σχεδόν το 30% των ασθενών εμφανίζει φαρμακοανθεκτική επιληψία, ενώ η απρόβλεπτη εκδήλωση των κρίσεων επιβαρύνει σημαντικά την ποιότητα ζωής. Η αυτοματοποιημένη ανίχνευση επιληψίας από σήματα ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) αποτελεί επομένως ένα κλινικά σημαντικό πρόβλημα, το οποίο περιπλέκεται λόγω της μεγάλης ετερογένειας μεταξύ των ασθενών και της περιορισμένης διαθεσιμότητας επισημασμένων δεδομένων. Η παρούσα διπλωματική εργασία προτείνει ένα πλαίσιο βαθιάς μάθησης βασισμένο σε γράφους και το αξιολογεί στο σύνολο δεδομένων Temple University EEG Epilepsy Corpus (TUEP), το οποίο περιλαμβάνει 200 ασθενείς και αντιπροσωπεύει έναν μεγάλο και ετερογενή κλινικό πληθυσμό, χρησιμοποιώντας ένα αυστηρό σχήμα διαχωρισμού train/validation/test. Το τελικό πρόβλημα ορίζεται ως δυαδική ταξινόμηση επιληψίας έναντι υγιούς δείγματος σε επίπεδο epoch. Κάθε τμήμα ΗΕΓ αναπαρίσταται ως μη κατευθυνόμενος, σταθμισμένος γράφος, όπου οι κόμβοι αντιστοιχούν στα ηλεκτρόδια και οι ακμές κωδικοποιούν τη λειτουργική συνδεσιμότητα μέσω του δείκτη Phase Lag Index (PLI). Ένα Συνελικτικό Δίκτυο Γράφων (GCN) εκπαιδεύεται για την ταξινόμηση αυτών των γράφων, χρησιμοποιώντας φασματικά χαρακτηριστικά, παραμέτρους Hjorth και χαρακτηριστικά πεδίου χρόνου ανά κανάλι ως χαρακτηριστικά κόμβων. Για τη μείωση της εξάρτησης από επισημασμένα δεδομένα, εισάγεται ένα στάδιο αυτοεπιβλεπόμενης προεκπαίδευσης μέσω αντιθετικής μάθησης σε γράφους (GraphCL), όπου ο κωδικοποιητής εκπαιδεύεται αρχικά σε μη επισημασμένα δεδομένα πριν από την τελική επιβλεπόμενη εκπαίδευση. Επιπλέον, για λόγους σύγκρισης αξιολογούνται κλασικά μοντέλα μηχανικής μάθησης καθώς και μία παραλλαγή GCN που χρησιμοποιεί μόνο πληροφορία συνδεσιμότητας. Τα αποτελέσματα δείχνουν ότι το Random Forest επιτυγχάνει το υψηλότερο AUC (84.4%), το επιβλεπόμενο GCN με χαρακτηριστικά κόμβων σημειώνει τα καλύτερα αποτελέσματα σε F1 (81.8%), ακρίβεια (76.3%) και MCC (48.4%), ενώ το SSL-GCN παρουσιάζει την υψηλότερη εξειδίκευση και την πιο ισορροπημένη σχέση μεταξύ ευαισθησίας και εξειδίκευσης (77.7%-69.3%). Τα ευρήματα αυτά δείχνουν ότι τα τοπικά χαρακτηριστικά κόμβων είναι καθοριστικά, ενώ η δομή του γράφου και η αυτοεπιβλεπόμενη προεκπαίδευση προσφέρουν συμπληρωματικά οφέλη ανάλογα με τη μετρική αξιολόγησης και τον επιδιωκόμενο κλινικό στόχο.

Abstract 

Epilepsy is one of the most common neurological disorders worldwide, affecting approximately 50 million people. Despite available treatments, nearly 30% of patients develop drug-resistant epilepsy, while seizure unpredictability severely affects quality of life. Automated epilepsy detection from electroencephalography (EEG) is therefore clinically important, but remains challenging due to strong inter-patient variability and limited expert-labelled data. This thesis proposes a graph-based EEG analysis pipeline and evaluates it on the Temple University EEG Epilepsy Corpus (TUEP), a large and heterogeneous clinical dataset of 200 patients, under a strict patient-level train/validation/test split. The downstream task is binary classification between patients with epilepsy and healthy controls at the epoch level. Each EEG epoch is modelled as an undirected weighted graph, where nodes correspond to electrodes and edges encode functional connectivity estimated with the Phase Lag Index (PLI). A Graph Convolutional Network (GCN) is trained to classify the graphs using spectral, Hjorth, and time-domain features as node attributes. In order to reduce dependence on labelled data, a self-supervised pre-training stage based on graph contrastive learning (GraphCL) is introduced, where the encoder first learns from unlabelled graphs before fine-tuning on labelled data. Classical machine-learning baselines and a GCN with connectivity-only information are also evaluated for comparison. The results show that Random Forest achieves the highest AUC (84.4%), the supervised feature-based GCN gives the best F1 (81.8%), accuracy (76.3%), and MCC (48.4%), while the SSL-GCN gives the highest specificity and the most balanced performance regarding sensitivity and specificity (77.7%–69.3%). These findings indicate that local node features are essential, while graph structure and self-supervised pre-training provide complementary benefits depending on the evaluation metric and the target clinical operating point.

Meeting ID: 918 3112 7338
Password: 996903

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χαράλαμπου Χούλη 

με θέμα

Αλγόριθμοι Επιγραμμικής Μάθησης για τη Βελτιστοποίηση Συστάσεων σε Περιβάλλοντα Πολυεκπομπής Περιεχομένου 

Online Learning Algorithms for Recommendation Optimization in Multicast Content Environments

Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Γ. Λαγουδάκης
Δρ Ιωάννης Πευκιανάκης, Αρχιτέκτων Ασύρματων Συστημάτων στην Apple 

Περίληψη

Το ζωντανό περιεχόμενο και το περιεχόμενο συνεχούς ροής αποτελούν έναν από τους κυρίαρχους φόρτους εργασίας των σύγχρονων υποδομών επικοινωνιών. Στα συστήματα κοινόχρηστης διανομής, σημαντικό μέρος του λειτουργικού κόστους δεν συνδέεται με τον όγκο της κίνησης, αλλά με το πλήθος των διακριτών ροών που πρέπει να διατηρούνται ενεργές: μία και μόνη ροή μπορεί να μοιράζεται μεταξύ πολλών ταυτόχρονων θεατών, ενώ κάθε πρόσθετη ενεργή ροή καταναλώνει σπάνιους πόρους, όπως η χωρητικότητα μετακωδικοποίησης (transcoding) και η αντιγραφή στους εξυπηρετητές άκρης (edge replication). Τα συστήματα συστάσεων, τα οποία παραδοσιακά αντιμετωπίζονται ως μηχανισμοί εξατομίκευσης προς τον χρήστη, διαμορφώνουν επίσης τον τρόπο με τον οποίο κατανέμεται η ζήτηση μεταξύ των ροών και λειτουργούν συνεπώς ως μοχλός ελέγχου του δικτύου: κατευθύνοντας έναν αφικνούμενο χρήστη προς ένα ήδη ενεργό κανάλι, το σύστημα συστάσεων μπορεί να συγκεντρώσει τη ζήτηση και να μειώσει το πλήθος των ενεργών ροών, υπό την προϋπόθεση ότι διατηρείται η ποιότητα εμπειρίας του χρήστη. Η παρούσα διπλωματική εργασία μελετά το προκύπτον πρόβλημα συστάσεων φιλικών προς την πολυεκπομπή (multicast-friendly), το οποίο διατυπώνεται ως ελαχιστοποίηση υπό περιορισμούς του χρονικά μέσου πλήθους ενεργών καναλιών, με κάτω φράγμα στη μέση χρησιμότητα που παρέχεται ανά άφιξη. Το κεντρικό ερώτημα σε όλη την εργασία είναι κατά πόσον μια επιγραμμική (online) πολιτική με επίγνωση της κατάστασης του συστήματος μπορεί να ικανοποιεί αυτό το κατώφλι ποιότητας εμπειρίας, διατηρώντας ταυτόχρονα αυστηρά λιγότερα ενεργά κανάλια από μια ισχυρή στατική πολιτική αναφοράς.
Το πρόβλημα διατυπώνεται ως δεσμευμένη μαρκοβιανή διαδικασία αποφάσεων (Constrained Markov Decision Process, CMDP) επάνω σε ένα μοντέλο δραστηριότητας χρηστών ON/OFF συνεχούς χρόνου, και αναπτύσσεται μια ακολουθία δυναμικών πολιτικών αυξανόμενης κλίμακας έναντι δύο στατικών πολιτικών αναφοράς: μιας άπληστης ευρετικής κάλυψης συνόλου (greedy set-cover) και μιας αναλυτικά βελτιστοποιημένης πολιτικής κατωφλίου α, οι παράμετροι της οποίας προκύπτουν εκτός γραμμής (offline) μέσω μιας προσέγγισης μέσου πεδίου (mean-field). Το πρόβλημα μικρής κλίμακας επιλύεται αρχικά με ακρίβεια μέσω επανάληψης τιμών (Value Iteration), απομονώνοντας τον μηχανισμό, επαναχρησιμοποίηση των ενεργών καναλιών και αποφυγή πρόωρων ενεργοποιήσεων, μέσω του οποίου η προνοητικότητα μειώνει το κόστος. Για την επίτευξη ρεαλιστικών κλιμάκων, η πινακοποιημένη λύση αντικαθίσταται από ένα βαθύ δίκτυο Q (Deep Q-Network, DQN) που εκπαιδεύεται απευθείας στη δυναμική της δραστηριότητας των χρηστών, με τον περιορισμό ποιότητας εμπειρίας να επιβάλλεται εντός του αλγορίθμου μάθησης μέσω λαγκρανζιανής, βελτιστοποιούμενης με δυϊκή ανάβαση (dual ascent). Σημαντικό μέρος της εργασίας είναι διαγνωστικό: στο ομοιογενές, συμμετρικό καθεστώς αποδεικνύεται ότι υπάρχει εφικτή μαθημένη (learned)  πολιτική που υπερτερεί της στατικής πολιτικής αναφοράς και ότι είναι αναπαραστάσιμη από το δίκτυο, ωστόσο η εκπαίδευση από ψυχρή εκκίνηση (cold start) αδυνατεί να τη φθάσει. Το εμπόδιο αυτό εντοπίζεται, δι' αποκλεισμού, στην κλάση των ντετερμινιστικών πολιτικών argmax, η οποία δεν μπορεί να διατηρήσει τη μεικτή πολιτική που απαιτεί το βέλτιστο σημείο μείωσης κόστους επάνω σε εναλλάξιμες καταστάσεις. Η άρση αυτής της εναλλαξιμότητας μέσω ετερογένειας στους ρυθμούς δραστηριότητας, σε συνδυασμό με μια αρχιτεκτονική ανά κανάλι (channel-wise architecture) αναλλοίωτη σε μεταθέσεις, ένα χαρακτηριστικό επιμονής (persistence) ανά κανάλι και έναν διαβαθμισμένο περιορισμό, επιτρέπει στη μαθημένη πολιτική να βελτιώνει αυστηρά τη στατική πολιτική αναφοράς, παραμένοντας εφικτή από ψυχρή εκκίνηση. Μια ανάλυση ανά απόφαση αποδίδει το κέρδος στην εξαρτώμενη από την κατάληψη επαναχρησιμοποίηση μακρόβιων καναλιών, την οποία ο στατικός κανόνας δεν μπορεί να αναπαραστήσει, χωρίς καμία θυσία στη χρησιμότητα του χρήστη. Ένας έλεγχος με μυωπική πολιτική δείχνει ότι το πλεονέκτημα διατηρείται και με μηδενικό συντελεστή έκπτωσης, εντοπίζοντάς το στην αναπαράσταση της κατάστασης και όχι στο βάθος σχεδιασμού. Το πλεονέκτημα είναι υπό συνθήκη και όχι καθολικό: φέρεται από την ετερογένεια των ρυθμών δραστηριότητας, μια δομή που η στατική πολιτική αναφοράς δεν μπορεί να αναπαραστήσει αλλά η μαθημένη πολιτική μπορεί να εκμεταλλευθεί, ενώ η ασυμμετρία δημοτικότητας απορροφάται απευθείας στο βέλτιστο της ίδιας της πολιτικής αναφοράς. Η εργασία, συνεπώς, τεκμηριώνει ότι ένα μαθημένο σύστημα συστάσεων που σέβεται τον περιορισμό μπορεί να υπερτερεί μιας ισχυρής στατικής πολιτικής αναφοράς, και προσδιορίζει την αναπαραστατική ασυμμετρία που απαιτεί αυτή η βελτίωση.

Abstract 

Live and streamed content constitutes one of the dominant workloads of modern communication infrastructure. In shared delivery systems a substantial part of the operating cost is tied not to the volume of traffic but to the number of distinct streams that must be kept active: a single stream can be shared across many co-viewers while each additional active stream draws on scarce resources such as transcoding capacity and edge replication. Recommendation systems, traditionally treated as user-facing personalisation mechanisms, also shape how demand is distributed across streams and therefore act as a network-control lever: by steering an arriving user toward an already-active channel, the recommender can consolidate demand and reduce the number of active streams, provided the user's quality of experience is preserved. This thesis studies the resulting multicast-friendly recommendation problem, formalised as the constrained minimisation of the time-averaged number of active channels subject to a lower bound on the mean utility delivered per arrival. The central question throughout is whether an online, state-aware policy can meet this
quality-of-experience floor while sustaining strictly fewer active channels than a strong static benchmark.
The problem is cast as a constrained Markov decision process over a continuous-time ON/OFF user-activity model, and a sequence of dynamic policies of increasing scale is developed against two static baselines: a greedy set-cover heuristic and an analytically optimised α-threshold policy whose parameters are derived offline through a mean-field approximation. The small-scale problem is first solved exactly by value iteration, isolating the mechanism, reuse of active channels and avoidance of premature activations, by which foresight reduces cost. To reach realistic scales the tabular solution is replaced by a deep Q-network trained directly against the activity dynamics, with the quality-of-experience constraint enforced inside the learner through a Lagrangian relaxation optimised by dual ascent. A substantial part of the work is diagnostic: in the homogeneous, symmetric regime a feasible learned policy that beats the static benchmark is shown to exist and to be representable by the network, but cold-start training cannot reach it, and this obstruction is traced by elimination to a deterministic-argmax policy class that cannot hold the mixing policy the cost-improving optimum requires over exchangeable states. Breaking this exchangeability through activity-rate heterogeneity, together with a permutation-invariant channel-wise architecture, a per-channel persistence feature, and a graded constraint, enables the learned policy to strictly improve on the static benchmark while remaining feasible from a cold start. A per-decision analysis attributes the gain to occupancy-conditioned reuse of long-lived channels that the static rule cannot represent, delivered without any sacrifice in user utility. A myopic-policy control shows the advantage survives with the discount removed, locating it in the state representation rather than planning depth. The advantage is conditional rather than universal: it is carried by activity-rate heterogeneity, a structure the static benchmark cannot represent but the learned policy can exploit, whereas popularity skew is absorbed directly into the benchmark's own optimum. The thesis therefore establishes that a learned, constraint-respecting recommender can outperform a strong static benchmark  and identifies the representational asymmetry that this improvement requires.

Meeting ID: 92187241010
Password: 457753

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Γεωργίου Συντυχάκη 

με θέμα

Έλεγχος Γραμμών Παραγωγής με Ζήτηση Ενδιάμεσων και Τελικών Προϊόντων μέσω Τεχνικών Ενισχυτικής Μάθησης

Control of Production Lines with Demand for Intermediate and Final Products through Reinforcement Learning Techniques

Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Γ. Λαγουδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)
Καθηγητής Γεώργιος Χαλκιαδάκης (Σχολή ΗΜΜΥ)
Αναπληρωτής Καθηγητής Ευστράτιος Ιωαννίδης (Σχολή ΜΠΔ)

Περίληψη
Μια σημαντική πρόκληση στον χώρο της βιομηχανικής παραγωγής αποτελεί η αποδοτική διαχείριση και ο έλεγχος των γραμμών παραγωγής σε περιβάλλοντα με δυναμική ζήτηση. Στην παρούσα διπλωματική εργασία, αναπτύσσεται μια μεθοδολογία βασισμένη στον Q-learning, ο οποίος αποτελεί έναν αλγόριθμο ενισχυτικής μάθησης, για τον έλεγχο γραμμών παραγωγής που εξυπηρετούν την ζήτηση τόσο ενδιάμεσων όσο και τελικών προϊόντων. Δεδομένου ότι οι αφίξεις των πελατών είναι τυχαίες και  ακολουθούν την κατανομή Poisson, ενώ οι χρόνοι παραγωγής είναι εκθετικά κατανεμημένοι, το σύστημα παραγωγής μοντελοποιείται ως Μαρκοβιανή Διαδικασία Αποφάσεων (Markov Decision Process). Ο πράκτορας ελέγχου εκπαιδεύεται με σκοπό την προσέγγιση μιας βέλτιστης πολιτικής ελέγχου παραγωγής, η οποία ελαχιστοποιεί το κόστος λειτουργίας του συστήματος, λαμβάνοντας υπόψη παραμέτρους, όπως η διαθεσιμότητα προϊόντων και η κάλυψη της ζήτησης. Οι ανταμοιβές (rewards) που λαμβάνει το σύστημα καθορίζονται από την ικανοποίηση της ζήτησης, τον χρόνο παραμονής προϊόντων σε απόθεμα, καθώς και τον χρόνο κατά τον οποίο παραμένει μια παραγγελία τελικού προϊόντος εκκρεμής. Μέσω εκτεταμένων προσομοιώσεων, εξετάζεται η αποτελεσματικότητα του προτεινόμενου συστήματος. Επίσης, υπολογίζεται το μέσο κόστος της εκάστοτε πολιτικής και συγκρίνεται με αποτελέσματα βέλτιστων πολιτικών, οι οποίες προκύπτουν από την εφαρμογή τεχνικών δυναμικού προγραμματισμού.

Abstract
A significant challenge in the field of industrial production is the efficient management and control of production lines in environments with dynamic demand. In this diploma thesis, a methodology based on Q-learning, which is a reinforcement learning algorithm, is developed for controlling production lines that serve the demand for both intermediate and final products. Given that customer arrivals follow a Poisson distribution and production times are exponentially distributed, the production system is modeled as a Markov Decision Process (MDP). The control agent is trained to approximate an optimal production control policy, which minimizes system operational costs, while considering factors, such as product availability and demand fulfillment. The rewards received by the system are determined by demand satisfaction, product inventory holding time, and the time a final product order remains pending. Through extensive simulations, the effectiveness of the proposed system is evaluated. Additionally, the average cost of each policy is calculated and compared with the optimal policy results of dynamic programming techniques.

Meeting ID: 92187241010
Password: 457753

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Δέσποινα Παρασκευοπούλου

με θέμα

Αλγόριθμοι Μάθησης Συστάσεων για την Εξισορρόπηση μεταξύ Κόστους Δικτύου και Πόλωσης Απόψεων σε Πλατφόρμες Περιεχομένου

Recommendation Learning Algorithms to Balance Network Cost and Opinion Polarization in Content Platforms

Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Τα διαδικτυακά κοινωνικά δίκτυα έχουν πλέον καταστεί κεντρικοί χώροι συζήτησης θεμάτων που επηρεάζουν την κοινωνία. Σε αυτά τα περιβάλλοντα, η ποιότητα της πληροφορίας και ο τρόπος με τον οποίο αυτή διαδίδεται μέσα στο δίκτυο μπορούν να επηρεάσουν σημαντικά τη διαμόρφωση των απόψεων. Οι χρήστες στα δίκτυα τείνουν να αλληλοεπιδρούν με άτομα που έχουν παρόμοιες αντιλήψεις και να σχηματίζουν κοινότητες στις οποίες ανταλλάσσονται παρόμοιες απόψεις. Τα συστήματα συστάσεων διαδραματίζουν σημαντικό ρόλο σε αυτή τη διαδικασία, καθώς καθορίζουν μεγάλο μέρος του περιεχομένου στο οποίο εκτίθεται κάθε χρήστης. Συνήθως, τα συστήματα αυτά προωθούν περιεχόμενο που ευθυγραμμίζεται με τις προηγούμενες αλληλεπιδράσεις και πεποιθήσεις των χρηστών, με στόχο την αύξηση της αλληλεπίδρασης και τη μείωση του κόστους του δικτύου. Η παρούσα εργασία εστιάζει στον μετριασμό της πόλωσης των απόψεων σε δίκτυα, διατηρώντας παράλληλα συστάσεις φιλικές προς τη λειτουργία του δικτύου. Αρχικά, μοντελοποιούμε ένα κοινωνικό δίκτυο με χρήση γράφων, όπου οι απόψεις των χρηστών εξελίσσονται σύμφωνα με το μοντέλο Friedkin–Johnsen για την κοινωνική επιρροή. Επιβεβαιώσαμε ότι η πόλωση μπορεί να μεταβληθεί όταν αφήνουμε την κοινωνική επιρροή να εξελίσσεται με την πάροδο του χρόνου και, πάνω σε αυτή τη δυναμική, χρησιμοποιούμε τις συστάσεις περιεχομένου ως μηχανισμό μείωσης της πόλωσης. Το βασικό ερώτημα είναι σε ποιους χρήστες, μέσα στο δίκτυο, θα προταθεί περιεχόμενο, ώστε να επιτευχθεί αυτή η μείωση. Καθώς το περιβάλλον μεταβάλλεται με τον χρόνο, το πρόβλημα διατυπώνεται ως ένα μη στάσιμο πρόβλημα ακολουθιακής λήψης αποφάσεων. Μελετούμε bandit-style μεθόδους επιλογής χρηστών, όπως οι EXP3.S, restart LinUCB και GNN-based UCB, σε συνδυασμό με επιλογή περιεχομένου. Οι μέθοδοι αυτές συγκρίνονται με μία Greedy προσέγγιση, ώστε να αξιολογηθεί η ικανότητά τους να μειώνουν την πόλωση σε διαφορετικά καθεστώτα δικτύου και υπό περιορισμένη γνώση.

Abstract
Online social networks have become central spaces for the discussion of topics that affect a society. In these environments, the quality of information and the way it diffuses through the network can strongly affect opinion formation. Users in networks tend to interact with like-minded individuals and form communities where similar views are exchanged. Recommendation systems play an important role in this process, since they determine a large part of the content each user is exposed to. Most of the time, the systems promote content that aligns with users' previous interactions and beliefs in order to increase engagement and reduce the network cost. This work focuses on mitigating opinion polarization in networks while maintaining network-friendly recommendations. At first, we model a social network using graphs where user opinions evolve following the Friedkin-Johnsen model for social influence. We verified that polarization can change when letting the social influence evolve over time hence, on top of that, we use content recommendations as a depolarizing mechanism. The question here is which users should we target, with content, inside a network in order to get a depolarizing effect. Since the environment changes over time, the problem is formulated as a non-stationary sequential decision-making task. We study bandit-style user-selection methods, including EXP3.S, restart LinUCB, and GNN-based UCB, combined with a depolarizing content selection. These methods are compared against a Greedy baseline to evaluate their ability to reduce polarization across different network regimes under limited knowledge.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Ιγγλεζάκη

με θέμα

Πειραματική Διερεύνηση Παραδιακλαδωμένων Πιεζοηλεκτρικών Κυκλωμάτων για τη Μείωση Ταλαντώσεων

Experimental Investigation of Branched Piezoelectric Circuits for the Reduction of Oscillations

Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας
Καθηγητής Γεώργιος Σταυρουλάκης (Σχολή ΜΠΔ)

Περίληψη
Με την ραγδαία εμφάνιση νέων τεχνολογιών αλλά και την εξέλιξη πολλών επιστημονικών κλάδων αναζητούνται συνεχώς νέες μέθοδοι για την ελάττωση των δυναμικών αποκρίσεων σε μηχανολογικές εφαρμογές όπου πληρούν συγκεκριμένα κριτήρια όπως χαμηλό κόστος, υψηλή επίδοση και εύκολη εφαρμογή. Τα πιεζοηλεκτρικά στοιχεία το τελευταίο διάστημα έχουν γνωρίσει μεγάλη άνθιση καθώς συνιστούν μια καινοτόμα τεχνική επίλυσης με αρκετές προοπτικές. Σε αρκετούς τομείς μηχανολογίας κρίνεται αναγκαία η μείωση των ταλαντώσεων μιας και αυτές οι δυναμικές αποκρίσεις συντελούν στην πρόωρη εμφάνιση αστοχίας. Επίσης, τα πιεζοηλεκτρικά λόγω της διττής τους συμπεριφοράς μπορούν να χρησιμοποιηθούν σε εφαρμογές σε τομείς παραγωγής ηλεκτρικής ενέργειας. Συνεπώς τα πιεζοηλεκτρικά υλικά καλύπτουν ένα μεγάλο εύρος εφαρμογών.
Στην παρούσα διατριβή μελετάται η εφαρμογή πιεζοηλεκτρικών στοιχείων που αποσκοπούν στην απόσβεση ταλαντώσεων σε μία δοκό πρόβολο με τη χρήση παθητικών διατάξεων και προγραμματιζόμενου λογικού ελεγκτή ο οποίος καθορίζει τους κανόνες ενεργοποίησης των παθητικών κυκλωμάτων. Ανάλογα με την εφαρμογή και τις συνθήκες του συστήματος η διάταξη διαφοροποιείται. Γενικά τα πιο συνηθισμένα παθητικά κυκλώματα είναι το κύκλωμα αντίστασης και το κύκλωμα αντίστασης-πηνίου, αντίστοιχα. Η κατάλληλη ρύθμιση των κυκλωμάτων αυτών συντελεί σημαντικά στο να επιτευχθεί η μέγιστη δυνατή απόσβεση της ταλάντωσης η οποία όμως εξαρτάται και από τα πιεζοηλεκτρικά στοιχεία. Όπως παρουσιάζεται και στην παρούσα διπλωματική εργασία, με βάση και την βιβλιογραφία αλλά και με την πειραματική διερεύνηση που ακολούθησε, τα παθητικά κυκλώματα αντίστασης-πηνίου είναι πιο αποδοτικά συγκριτικά με τα κυκλώματα αντίστασης, αλλά παρουσιάζουν κάποια μειονεκτήματα σε συγκεκριμένα λειτουργικά χαρακτηριστικά.

Abstract 
With the rapid emergence of new technologies and the advancement of many scientific fields, there is a constant search for new methods to reduce dynamic responses in mechanical engineering applications that meet specific criteria such as low cost, high performance, and ease of implementation. Piezoelectric elements have recently experienced a significant development as they represent an innovative solution with considerable potential. In many fields of mechanical engineering, it is necessary to reduce vibrations, as these dynamic responses contribute to premature failure. Furthermore, due to their dual behavior, piezoelectric devices can be used in applications within the field of power generation. Consequently, piezoelectric devices cover a wide range of applications.
This thesis examines the application of piezoelectric elements designed to dampen vibrations in a cantilever beam using passive devices and a programmable logic controller that determines the activation rules for the passive circuits. Depending on the application and system conditions, the passive circuit varies. Generally, the most common passive circuits are the resistor circuit and the resistor-inductor circuit, respectively. Proper adjustment of these circuits contributes significantly to achieving the maximum possible damping of the oscillation, which, however, also depends on the piezoelectric elements. As presented in this diploma thesis, based on both the literature and the subsequent experimental investigation, passive resistor-inductor circuits are more efficient compared to the resistor circuits, but they exhibit certain disadvantages in specific operational characteristics. 

Meeting ID: 967 8767 2714
Password: 259569

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μιχαήλ Ζαφειρόπουλου

με θέμα

Ανάλυση του Λόγου στα Μέσα Κοινωνικής Δικτύωσης σχετικά με τη Σύγκρουση Ισραήλ–Παλαιστίνης στο Telegram

 A Social Media Analysis of Discourse on the Israel-Palestine Conflict on Telegram

Εξεταστική Επιτροπή
Καθηγητής Σωτήριος Ιωαννίδης
Καθηγητής Μιχαήλ Ζερβάκης 
Καθηγητής Θρασύβουλος Σπυρόπουλος

Περίληψη
Τα μέσα κοινωνικής δικτύωσης έχουν αναδειχθεί σε κεντρικό πεδίο εντός του οποίου διαμφισβητούνται οι ένοπλες συγκρούσεις· ωστόσο, οι κοινότητες υπέρ του Ισραήλ και υπέρ της Παλαιστίνης στο Telegram —του οποίου η αρχιτεκτονική εκπομπής (broadcast) παράγει μια ασυνήθιστα άμεση καταγραφή σκόπιμης πολιτικής επικοινωνίας— δεν έχουν συγκριθεί συστηματικά σε μεγάλη κλίμακα. Η παρούσα διπλωματική εργασία παρουσιάζει μια πολυμεθοδική υπολογιστική ανάλυση 87.617 μηνυμάτων από δεκαέξι κανάλια του Telegram, οκτώ υπέρ του Ισραήλ και οκτώ υπέρ της Παλαιστίνης, τα οποία καλύπτουν την περίοδο από τον Μάιο του 2021 έως τον Ιούνιο του 2026 και πολλαπλές κλιμακώσεις της σύγκρουσης. Συνδυάζει ανάλυση συναισθήματος (sentiment analysis), τρεις μεθόδους ανίχνευσης στάσης (stance detection) προερχόμενες από διακριτά παραδείγματα προσέγγισης —αντιστοίχιση λέξεων-κλειδιών, zero-shot ταξινόμηση με το μοντέλο DeBERTa μέσω συμπερασμού φυσικής γλώσσας (natural language inference) και ένα προσαρμοσμένο (fine-tuned) μοντέλο BERTweet— καθώς και ανάλυση πλαισίωσης (framing analysis), όλες αξιολογημένες έναντι 736 χειροκίνητα επισημειωμένων μηνυμάτων. Το προσαρμοσμένο μοντέλο σημείωσε την υψηλότερη επίδοση (ακρίβεια/accuracy 72,1%, μακρο-F1 0,721 υπό 5-πτυχη (5-fold) διασταυρούμενη επικύρωση), ξεπερνώντας κατά 8 έως 11 μονάδες αμφότερες τις μεθόδους αναφοράς (baselines) που δεν απαιτούν ετικέτες· οι τελευταίες παρέμειναν καθηλωμένες στη ζώνη του χαμηλού έως μεσαίου 60%, γεγονός που υποδηλώνει την ύπαρξη ενός ανώτατου ορίου για την ανίχνευση στάσης όταν αυτή δεν είναι προσαρμοσμένη στη γλώσσα του εκάστοτε πεδίου. Το κεντρικό εύρημα αναδεικνύεται μόνο όταν το συναίσθημα, η στάση και η πλαισίωση εξετάζονται από κοινού: οι δύο κοινότητες αξιοποιούν το ίδιο λεξιλόγιο σχετικό με τον θάνατο και τα θύματα σε αντίθετα συναισθηματικά ύφη (registers) —τα κανάλια υπέρ του Ισραήλ κατά κύριο λόγο ουδέτερα και ειδησεογραφικού ύφους, ενώ τα κανάλια υπέρ της Παλαιστίνης εμφανώς πιο αρνητικά— κάτι που συνάδει με τη συγγραφή από τις διακριτές θέσεις λόγου του δρώντος και του θιγόμενου μέρους αντίστοιχα.

Abstract 
Social media has become a central arena in which armed conflicts are contested, yet the pro-Israel and pro-Palestine communities on Telegram, whose broadcast architecture yields an unusually direct record of deliberate political communication, have not been systematically compared at scale. This thesis presents a multi-method computational analysis of 87,617 messages from sixteen Telegram channels, eight pro-Israel and eight pro-Palestine, spanning May 2021 to June 2026 and covering multiple conflict escalations. It combines sentiment analysis, three stance detection methods drawn from distinct paradigms (keyword matching, zero-shot DeBERTa via natural language inference, and a fine-tuned BERTweet model), and a framing analysis, all evaluated against 736 manually annotated messages. The fine-tuned model performed best (72.1% accuracy, 0.721 macro F1 under 5-fold cross-validation), outperforming both label-free baselines by 8 to 11 points; the baselines stalled in the low-to-mid 60s, suggesting a ceiling for stance detection not adapted to in-domain language. The central finding emerges only when sentiment, stance, and framing are read together: the two communities deploy the same death- and victim-related vocabulary in opposite emotional registers, pro-Israel channels predominantly neutral and report-style, pro-Palestine channels markedly more negative, consistent with writing from the distinct discourse positions of acting party and affected party.

 ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Εύας Πανταζή

με θέμα

Εκτίμηση Καρδιακού Παλμού με Χρήση Καμερών Βάθους ϰαι Τεχνικών Αναγνώρισης Προτύπων
Estimation of Heart Rate Using Depth Cameras and Pattern Recognition Methods

Εξεταστική Επιτροπή

Καθηγητής Μιχαήλ Ζερβάκης (Επιβλέπων)
Καθηγητής Θρασύβουλος Σπυρόπουλος
Επίκουρος Καθηγητής Μάριος Αντωνακάκης (ΕΛΜΕΠΑ, Τμήμα Ηλεκτρονικών Μηχανικών)

Περίληψη
Η εκτίμηση του καρδιακού παλμού είναι ϑεμελιώδης τόσο σε κλινιϰά περιβάλλοντα όσο και στην καϑημερινή ζωή. Ωστόσο τα υπάρχοντα μέσα για την εϰτίμηση του, που απαιτούν φυσική επαφή με τον ασθενή, επιβάλλουν σημαντιϰούς περιορισμούς ϰαι ϰινδύνους ιδιαίτερα όταν χρησιμοποιούνται από ασϑενείς με ευαίσϑητο δέρμα. Οι ϰάμερες βάϑους τεχνολογίας Time-of-Flight (ToF) αποτελούν μια πολλά υποσχόμενη εναλλαϰτιϰή μέσω της ανέπαφης ανίχνευσης των βαλλιστοϰαρδιογραφιϰών (BCG) ϰινήσεων του ϑώραϰα οι οποίες είναι της τάξεως του υπο-χιλιοστού. Οι συγϰεϰριμένες ϰάμερες είναι ανεξάρτητες από τον περιβάλλοντα φωτισμό ϰαι διαφυλάσσουν ταυτόχρονα την ιδιωτιϰότητα του ϰάϑε ασϑενή, ϰαϑώς βασίζονται σε γεωμετριϰές ϰαι όχι φωτομετριϰές μεταβολές. Η παρούσα διπλωματική εργασία προτείνει μια ολοϰληρωμένη μεϑοδολογία επεξεργασίας σήματος που επιτρέπει την ανάϰτηση του ϰαρδιαϰού παλμού από αϰατέργαστη ροή δεδομένων βάϑους προερχόμενα από μία ϰάμερα ToF ευρείας ϰατανάλωσης (Orbbec Femto Bolt) χωρίς την απαίτηση για εξατομιϰευμένη ρύϑμιση. Ο συνδυασμός της δυναμιϰής παραϰολούϑησης ενός ασύμμετρου πλέγματος 7 × 4 από σήματα βάϑους από την περιοχή του ϑώραϰα, μαζί με Ανϑεϰτιϰή Ανάλυση Κύριων Συνιστωσών (Robust PCA) σε ϰυλιόμενα παράϑυρα, διαϰρίνει το χωριϰά συνεϰτιϰό ϰαρδιαϰό σήμα από την έντονη αναπνευστιϰή ϰίνηση ϰαι από ϑορύβους του αισϑητήρα. ΄Ενας νέος αλγόριϑμος βαϑμολόγησης (harmonic-stack scoring) αναγνωρίζει την ϑεμελιώδη ϰαρδιαϰή συχνότητα από τα υποψήφια χρονιϰά σήματα, ενώ η προσαρμοστιϰή εξομάλυνση μέσω comb filter παράγει μία εϰτίμηση ϰαρδιαϰού παλμού ανά ϰαταγραφή. Η μεϑοδολογία αξιολογείται σε ένα σύνολο δεδομένων 76 ϰαταγραφών από 13 άτομα, με διαϰύμανση σε τρεις αποστάσεις (800, 1200, 1800 mm) ϰαι δύο συνϑήϰες ρουχισμού (μπλουζάϰι, φούτερ), με ένα συγχρονισμένο μονοπολικό ηλεϰτροϰαρδιογράφημα (ECG) ιατριϰού βαϑμού να λειτουργεί ως σημείο αναφοράς. Στη βασιϰή συνϑήϰη (1200 mm, μπλουζάϰι), η μεϑοδολογία επιτυγχάνει μέσο απόλυτο σφάλμα MAE 3.45 BPM, με το 84.6% των ϰαταγραφών εντός 5 BPM από την αναφορά ϰαι συντελεστή συσχέτισης Pearson 𝑟 = 0.84. Η απόσταση ατόμου-κάμερας αποτελεί τον κύριο παράγοντα διακύμανσης του σφάλματος μεταξύ συνθηκών, με ποινή απόστασης περίπου 1.5 BPM μεταξύ της βέλτιστης απόστασης 1200 mm και των ακραίων τιμών, ενώ η επίδραση της ενδυμασίας είναι συγκριτικά μικρή (0.56 BPM). Μια ελεγχόμενη σύγκριση μεϑόδων διαχωρισμού πηγών επιβεβαιώνει ότι η Robust PCA υπερτερεί έναντι της κλασικής PCA ϰαι της Ανάλυσης Ανεξάρτητων Συνιστωσών (ICA) κατά 29–41% στη βασική συνϑήκη. Τα αποτελέσματα αυτά επιβεβαιώνουν τη δυνατότητα εφαρμογής της βαλλιστοϰαρδιογραφίας μέσω ϰάμερας βάϑους ως πρακτικής μεθόδου παρακολούϑησης καρδιακού παλμού χωρίς επαφή.

Abstract 
Heart rate monitoring is fundamental in clinical as well as in ambulatory contexts, however existing contact based solutions place considerable behavioral burden upon the patient which can pose significant risks when used by those with sensitive skin. Time-of-Flight (ToF) depth cameras offer a compelling opportunity to realize this sensing modality through non-contact detection of the sub-millimeter BCG movements of the chest wall. These cameras operate independently of ambient light and inherently maintain patient privacy through their exclusive reliance on geometrical, rather than photometric, changes. This thesis presents an end-to-end signal processing pipeline enabling estimation of heart-rate from the raw depth stream provided by a single consumer ToF camera (Orbbec Femto Bolt) without requiring subject specific calibration. A combination of dynamic tracking of an asymmetric grid of depth signals originating from the area of interest (chest-region) with sliding-window Robust PCA separates out the spatially-coherent heart-signal against sparse sensor-artifacts and intense respiratory motion. Temporal analysis of such isolated time-courses is then facilitated through a novel harmonic-stack spectral-scoring method while refinement is afforded through application of adaptive-comb-filtering leading to one estimate of the HR per recording. This methology was evaluated in a custom dataset composed of 76 recordings taken by 13 subjects. An experimental variable was considered to assess how variation in distance between subject and camera (800, 1200, and 1800mm), and clothing conditions (T-Shirt/Hoodie) impacted the system’s behavior.
Estimates derived by our pipeline were contrasted against a synchronized medical-grade single-lead ECG ground-truth. With reference to the base-case scenario (1200mm/T-shirt) our pipeline achieves an average absolute error (MAE) of 3.45BPM with 84.6% of all recorded
instances having <5 BPM deviation from the ground-truth. The results of the analysis of the collected data based on various conditions show that the error is mainly caused by the distance between the camera and the person. On the other hand, the impact of clothing thickness on
the results is relatively low. A controlled comparison of source-separation methods establishes that Robust PCA outperforms classical PCA and Independent Component Analysis by 29–41% in the baseline configuration. These results confirm the viability of BCG measurement based on depth.

Meeting ID: 954 649 5567
Password: 956799

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολάου Παπουτσάκη

με θέμα

Ενίσχυση της Ασφάλειας του Περιηγητή: Επέκταση με Επιτάχυνση WebGPU για Ανίχνευση Κακόβουλων Διακομιστών σε Πραγματικό Χρόνο

Enhancing Browser Security: A real-time WebGPU-accelerated Extension for Malicious Server Detection

Εξεταστική Επιτροπή
Καθηγητής Ιωαννίδης Σωτήριος (επιβλέπων)
Επίκουρος Καθηγητής Νικόλαος Γιατράκος
Μεταδιδακτορική Ερευνήτρια Ευαγγελία Παπαδογιαννάκη (Σχολή ΗΜΜΥ)

Περίληψη
Στη σύγχρονη εποχή, το web έχει επεκταθεί τόσο ως προς τις εφαρμογές του, όσο και ως προς τη χρήση του. Ως εκ τούτου, οδηγηθήκαμε σε περισσότερα ζητήματα που αφορούν την ασφάλεια. Παρά την υιοθέτηση του πρωτοκόλλου HTTPS, που θεωρείται ακρογωνιαίος λίθος στην ασφάλεια του διαδικτύου, δεν είναι προφανές στο χρήστη για το αν ένας διακομιστής είναι επιβλαβείς για αυτόν. Συνεπώς, δημιουργήθηκε η ανάγκη για την διασφάλιση της προστασίας του χρήστη. Για το λόγο αυτό, η παρούσα εργασία παρουσιάζει ένα σύστημα ανίχνευσης κακόβουλων διακομιστών σε πραγματικό χρόνο, με την χρήση τεχνικών όπως το active TLS server fingerprinting, για την κατηγοριοποίηση δυνητικά επιβλαβών υποδομών στον ιστό. Το σύστημά μας βασίζεται σε ένα pattern matching αλγόριθμο που συγκρίνει τα παρατηρούμενα fingerprints με ένα σύνολο ήδη γνωστών κακόβουλων αποτυπωμάτων, αξιοποιώντας παράλληλα hardware acceleration για βελτιωμένη απόδοση. Τελικά, προτείνουμε μία client-side και serverless αρχιτεκτονική ενσωματωμένη σε ένα Chrome extension που θα μπορούσε προστατέψει το χρήστη, διατηρώντας την ιδιωτικότητά του, με απώτερο στόχο την ενίσχυση της ασφάλειας της καθημερινής περιήγησης από απειλές.

Abstract 
In the contemporary landscape, the web has rapidly expanded both in terms of applications and usage. Consequently, these circumstances have lead to the proliferation of security concerns. Although the adoption of HTTPS is widely regarded as one of the cornerstones of web security, it is not readily apparent to the user whether a server is malicious, even when a valid TLS certificate is present. Therefore, it is essential to ensure that users can be transparently protected. To this end, this work presents a system for real-time detection of malicious servers within the browser by adopting JARM, an active TLS server fingerprinting technique for classifying and characterizing potentially harmful web infrastructures. Our system is based in a pattern matching algorithm to compare observed fingerprints against a curated set of known malicious signatures, executing locally while leveraging hardware acceleration for enhanced performance. Ultimately, we propose a purely client-side and serverless approach, integrated seamlessly into a Chrome extension that provides protection while preserving users’ privacy. Our aim is to enhance the security of everyday web browsing and protect users from online threats.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολέτας Κοπάση

με θέμα

Μέθοδοι Βαθιάς Μάθησης για τη Δημιουργία Τρισδιάστατων Χαρακτήρων με Δυνατότητα Κίνησης

Deep Learning Methods for Authoring Animation-ready 3D Characters

Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Καθηγήτρια Aικατερίνη Μανιά

Περίληψη
Η αυτόματη δημιουργία τρισδιάστατων χαρακτήρων κατάλληλων για animation παραμένει ένα απαιτητικό πρόβλημα, καθώς απαιτεί την εκτίμηση του σκελετού (ιεραρχιών αρθρώσεων) και των skinning weights (βαρών επιρροής). Πρόσφατες μέθοδοι βασισμένες σε deep learning έχουν βελτιώσει την αυτοματοποίηση αυτής της διαδικασίας, προβλέποντας animation-ready χαρακτήρες απευθείας από τη τρισδιάστατη γεωμετρία. Ωστόσο, καθοδηγούνται κυρίως από γεωμετρικά χαρακτηριστικά και δεν αξιοποιούν ρητά σημασιολογική πληροφορία σχετικά με τα μέρη του σώματος.
Η παρούσα διπλωματική εργασία εξετάζει αν η σημασιολογική πληροφορία μερών του σώματος μπορεί να χρησιμοποιηθεί ως ένα επιπλέον σήμα καθοδήγησης (conditioning signal) για την πρόβλεψη των  blend weights. Για τον σκοπό αυτό δημιουργήθηκε ένα σημασιολογικά επαυξημένο σύνολο δεδομένων, στο οποίο κάθε σημείο του μοντέλου συνοδεύεται από πληροφορία σχετικά με το μέρος του σώματος στο οποίο ανήκει. 
Η προτεινόμενη μέθοδος ενσωματώνει τη σημασιολογική πληροφορία των μερών του σώματος στη διαδικασία πρόβλεψης των blend weights, εμπλουτίζοντας τη γεωμετρική αναπαράσταση. Η μέθοδος αξιολογείται μέσω ενός ablation study που συγκρίνει το fine-tuned geometry-only model με το προτεινόμενο semantic-conditioned model.  Η αξιολόγηση γίνεται με τη χρήση σφάλματος του blend-weight και σφάλματος του deformation. Χρησιμοποιούνται επίσης οπτικοποιήσεις για την εξέταση των προβλεπόμενων κατανομών των blend weights. 
Τα αποτελέσματα δείχνουν ότι το fine-tuning βελτιώνει την ποιότητα παραμόρφωσης και ότι η χρήση της σημασιολογικής πληροφορίας υπερέχει. Συνεπώς, το νέο semantic μοντέλο επηρεάζει θετικά τις προβλέψεις των κατανομών των βαρών.

Abstract 
Automatic generation of animation-ready 3D characters remains a challenging problem, as it requires the estimation of both the underlying skeleton (joint hierarchy) and the corresponding skinning weights. Recent deep learning approaches have significantly advanced the automation of this process by predicting animation-ready assets directly from 3D geometry. However, these methods are primarily driven by geometric features and do not explicitly exploit high-level semantic information describing the different body parts.
This thesis investigates whether body-part semantic information can be used as an additional conditioning signal for blend-weight prediction. To this end, a semantically augmented dataset was constructed, in which every point of each 3D model is associated with semantic information indicating the body part to which it belongs.
The proposed method incorporates body-part semantics into the blend-weight prediction process by enriching the original geometric representation with semantic information. The effectiveness of the proposed approach is evaluated through an ablation study comparing a fine-tuned geometry-only model with the proposed semantic-conditioned model. Performance is assessed using both blend-weight prediction error and deformation error. In addition, qualitative visualizations are employed to examine the predicted blend-weight distributions.
The experimental results show that fine-tuning improves deformation quality, while the incorporation of semantic information provides further improvements. Overall, the proposed semantic-conditioned model produces more accurate blend-weight distributions and leads to improved deformation quality compared with the geometry-only baseline.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σοφίας Καρκαζή

με θέμα

Πειραματική Μελέτη και Μοντελοποίηση Μεταβατικής Συμπεριφοράς Μετασχηματιστών Ισχύος Υψηλής Τάσης

Experimental Study and Modeling of Transient Behavior of High Voltage Power Transformers
        
Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωσταντίνος Γυφτάκης
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Τμήμα ΗΜΜΥ)

Περίληψη
Η παρούσα διπλωματική εργασία διερευνά τη μεταβατική συμπεριφορά υψηλών συχνοτήτων των μετασχηματιστών ισχύος υπό κεραυνική κρουστική τάση, καθώς και τον βαθμό στον οποίο αυτή δύναται να αναπαραχθεί από μοντέλα ισοδύναμου κυκλώματος διαφορετικής πολυπλοκότητας. Στα απότομα μέτωπα κύματος του κεραυνού, η μαγνητική ροή αποκλείεται από τον σιδηροπυρήνα λόγω του επιδερμικού φαινομένου, και η απόκριση διέπεται από τις χωρητικότητες των τυλιγμάτων και τον συντονισμό τους με την αυτεπαγωγή, η ακριβής αναπαράσταση της συμπεριφοράς αυτής είναι ουσιώδης για την αποτίμηση των μεταφερόμενων υπερτάσεων και τον σχεδιασμό μόνωσης και προστασίας.
Η μελέτη διεξήχθη σε μετασχηματιστή ισχύος τύπου πυρήνα, με μεταγωγέα λήψεων, 150 kV/11,5 kV, συνδεσμολογίας αστέρα-τριγώνου, 36/52 MVA. Ο μετασχηματιστής, απομονωμένος από το δίκτυο, διεγέρθηκε από γεννήτρια συνδυασμένου κύματος σε τριάντα διατάξεις δοκιμής και σε διάφορες στάθμες φόρτισης, και οι μετρηθείσες κυματομορφές, κατόπιν απεικόνισης στη MATLAB, χρησιμοποιήθηκαν για την αξιολόγηση τεσσάρων μοντέλων: του γραμμικού BCTRAN, του θεμελιωμένου στον δυϊσμό Υβριδικού (XFMR), αμφοτέρων στο ATP-EMTP, και του απλού μοντέλου συγκεντρωμένων παραμέτρων του Piantini με την επέκτασή του από την Nehmdoh A. Sabiha, με παραμέτρους εξαχθείσες από την απόκριση συχνότητας.
Τα αποτελέσματα των προσομοιώσεων τεκμηριώνουν ότι η πιστότητα υπό κεραυνική κρουστική τάση καθορίζεται όχι από την πολυπλοκότητα της αρχιτεκτονικής του μοντέλου, αλλά από την επάρκεια της χωρητικής του αναπαράστασης. 

Abstract 
This thesis investigates the high-frequency transient behavior of power transformers under lightning impulse, and the extent to which it can be reproduced by equivalent-circuit models of differing complexity. At the steep wavefronts of lightning, the magnetic flux is excluded from the iron core by the skin effect, and the response is governed by the winding capacitances and their resonance with the winding inductance. An accurate representation of this behavior is essential for evaluating transferred overvoltages and for insulation and protection design.
The study was carried out on a core-type, tap-changing power transformer, 150 kV/11.5 kV, star-delta connection, 36/52 MVA. The transformer, isolated from the grid, was excited by a combination waveform generator across thirty test configurations and several charge levels, and the measured waveforms, imported in MATLAB, were used to evaluate four models: the linear BCTRAN and the duality-based Hybrid (XFMR), both in ATP-EMTP, and the minimal lumped-parameter model of Piantini with its extension by Sabiha, with parameters extracted from the measured frequency response.
The simulation results establish that the fidelity attainable under lightning impulse is governed not by the sophistication of the model architecture but by the adequacy of its capacitive representation.

Meeting ID: 335 373 075 577 0
Passcode: kr9V9mv6

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΚΩΝΣΤΑΝΤΙΝΟΥ ΑΘΑΝΑΣΟΥΛΗ

με θέμα

Τμηματοποίηση Περιοχών Κλινικού Ενδιαφέροντος της Κοιλιακής Αορτής με χρήση Θεμελιωδών Μοντέλων (Medical-SAM2)

Segmentation of Clinically Relevant Regions of the Abdominal Aorta Using Foundation Models (Medical-SAM 2)

Εξεταστική Επιτροπή

Καθ. Μιχαήλ Ζερβάκης (Επιβλέπων)
Καθ. Αθανάσιος Λιάβας
Επίκ. Καθ. Μάριος Αντωνακάκης (ΕΛΜΕΠΑ)

Περίληψη
    
Το Ανεύρυσμα Κοιλιακής Αορτής (ΑΚΑ) θεωρείται ως μία από τις πιο επικίνδυνες παθήσεις του κοιλιακού τμήματος της αορτής, η οποία επηρεάζει κυρίως άνδρες ηλικίας άνω των 65 ετών. Λαμβάνοντας υπόψη ότι η αορτή είναι η μεγαλύτερη αρτηρία του ανθρώπινου σώματος, η συγκεκριμένη πάθηση μπορεί να οδηγήσει σε σημαντικές, ή ακόμη και καταστροφικές, κλινικές επιπτώσεις εάν δεν διαγνωστεί και αντιμετωπιστεί έγκαιρα. Ωστόσο, η τρισδιάστατη μοντελοποίηση του αυλού της αορτής μπορεί να προσφέρει σημαντικά στοιχεία για τα μορφολογικά χαρακτηριστικά του ανευρύσματος, τα οποία είναι ζωτικής σημασίας για την διάγνωση και την πιθανή πρόοδό του. Η τμηματοποίηση εικόνας είναι επομένως απαραίτητη για τη μοντελοποίηση του AAA, επιτρέποντας την αξιόπιστη εξαγωγή και ανάλυση των σχετικών περιοχών. Η παρούσα διπλωματική εργασία συγκαταλέγεται στον τομέα της Κατάτμησης Εικόνας και διερευνά τη χρήση μοντέλων Βαθιάς Μάθησης για την τμηματοποίηση του αυλού της αορτής σε ένα σύνολο δεδομένων από ιατρικές εικόνες ΑΚΑ. Επίσης, συμπεριλαμβάνεται και ένα ακόμη διερευνητικό πείραμα για την τμηματοποίηση του ενδοαυλικού θρόμβου, του οποίου τα δεδομένα είναι αρκετά περιορισμένα. Η εργασία αξιοποιεί το μοντέλο Medical SAM 2 (MedSAM-2), ένα θεμελιώδες μοντέλο το οποίο προσαρμόζεται στο συγκεκριμένο ιατρικό πρόβλημα μέσω fine-tuning. Η εκπαίδευση του μοντέλου βασίζεται σε επιβλεπόμενη μάθηση, χρησιμοποιώντας ζεύγη εικόνων αξονικής τομογραφίας (CT) με τις αντίστοιχες Ground Truth (GT) μάσκες. Κατά την πειραματική διαδικασία τα δεδομένα επεξεργάζονται και έπειτα γίνεται ποσοτική, καθώς και ποιοτική αξιολόγηση των τελικών προβλέψεων. Η απόδοση του μοντέλου αξιολογείται ποσοτικά, με βασικότερη αναφορά στις μετρικές αξιολόγησης Dice Similarity Coefficient (DSC) και Intersection over Union (IoU), ενώ η ποιοτική αξιολόγηση της απόδοσης προκύπτει από οπτική σύγκριση των τελικών προβλέψεων του μοντέλου με τις αντίστοιχες GT μάσκες. Κατά την ποσοτική αξιολόγηση του τελικού πειράματος του αυλού, το μοντέλο MedSAM-2, αξιολογημένο στο small checkpoint, κατέδειξε μέση τιμή DSC 91.1%, καθώς και μέση τιμή IoU 84.3%. Παρότι οι συγκεκριμένες μετρικές είναι ικανοποιητικές, το μοντέλο έχει δυνατότητες να επιτύχει καλύτερα αποτελέσματα, εάν εκπαιδευτεί με περισσότερα ιατρικά δεδομένα, καθώς και λιγότερους περιορισμούς υπολογιστικής ισχύος και χρόνου. Αξίζει να σημειωθεί πως η ποιοτική αξιολόγηση των αποτελεσμάτων θεωρείται εξίσου σημαντική με την ποσοτική αξιολόγηση, καθώς η συγκεκριμένη εργασία ανήκει στον τομέα των προβλημάτων Μηχανικής Όρασης. Μέσω των ποιοτικών αποτελεσμάτων επιβεβαιώνεται ότι το βελτιστοποιημένο μοντέλο προσφέρει μια οργανωμένη πειραματική βάση και μπορεί να λειτουργήσει ως σημείο αναφοράς για μελλοντικές εργασίες, συμβάλλοντας έτσι στην περαιτέρω διερεύνηση του συγκεκριμένου προβλήματος.

Abstract 
    
Abdominal Aortic Aneurysm (AAA) is considered one of the most dangerous diseases of the abdominal part of the aorta, affecting mainly men over the age of 65. Considering that the aorta is the largest artery of the human body, this condition can lead to significant, or even catastrophic, clinical consequences if it is not diagnosed and treated in time. In this context, the three-dimensional modeling of the aortic lumen can provide important information about the morphological characteristics of the aneurysm, which are vital for its diagnosis and possible progression. Image segmentation is therefore essential for AAA modeling, enabling reliable extraction and analysis of relevant regions. The present thesis belongs to the field of Image Segmentation and investigates the use of Deep Learning models for the segmentation of the aortic lumen in a dataset of AAA medical images. In addition, another exploratory experiment is included for the segmentation of the intraluminal thrombus, for which the available data are quite limited. The work utilizes the Medical SAM 2 (MedSAM-2) model, a foundation model that is adapted to this specific medical problem through fine-tuning. The training of the model is based on supervised learning, using pairs of Computed Tomography (CT) images with the corresponding Ground Truth (GT) masks. During the experimental process, the data are processed and then quantitative, as well as qualitative, evaluation of the final predictions is performed. The performance of the model is evaluated quantitatively, with main reference to the evaluation metrics Dice Similarity Coefficient (DSC) and Intersection over Union (IoU), while the qualitative evaluation of the performance is derived from visual comparison of the final predictions of the model with the corresponding GT masks. During the quantitative evaluation of the final lumen experiment, the MedSAM-2 model, evaluated on the small checkpoint, demonstrated a mean DSC value of 91.1%, as well as a mean IoU value of 84.3%. Although these metrics are satisfactory, the model has the potential to achieve better results if it is trained with more medical data, as well as fewer limitations in computational power and time. It is worth noting that the qualitative evaluation of the results is considered equally important to the quantitative evaluation, since this work belongs to the field of Computer Vision problems. Through the qualitative results, it is confirmed that the optimized model provides an organized experimental basis and can serve as a reference point for future studies, thus contributing to the further investigation of this specific problem.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αρτεμίου Τριανταφύλλου

με θέμα

Μελέτη Αλγορίθμων GPU στο Σύστημα DuckDB στη Γλώσσα Futhark 
Study of GPU Algorithms on DuckDB Using the Futhark Programming Language

Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (επιβλέπων)
Επίκουρος Καθηγητής Νικόλαος Γιατράκος
Καθηγητής Σωτήριος Ιωαννίδης

Περίληψη 
Η γλώσσα Futhark είναι μία συναρτησιακή γλώσσα προγραμματισμού πινάκων, σχεδιασμένη για παραλληλισμό GPU, και για την οποία διεξάγεται έρευνα ως προς την υλοποίηση μη-τετριμμένων αλγορίθμων. Αυτή η εργασία εξετάζει τη σχεδίαση και επίδοση αλγορίθμων επεξεργασίας δεδομένων, όπως της Σχεσιακής Συνένωσης (Relational Join) και του DBSCAN, προσαρμόζοντας έννοιες από παραδοσιακές υλοποιήσεις χρησιμοποιώντας τις βασικές ρουτίνες της Futhark. Επιπλέον, διερευνάει την ένωση Futhark-παραγόμενου κώδικα σε συνδυασμό με τη φόρτωση δεδομένων από μία αναλυτική βάση δεδομένων, συγκεκριμένα την DuckDB.
Τα αποτελέσματα δείχνουν ότι μπορούν να υλοποιηθούν μέσω της Futhark ευέλικτες θεμελιώδεις ρουτίνες, οι οποίες εκμεταλλεύονται τον παραλληλισμό GPU. Ακόμα, εντοπίζονται ορισμένοι περιορισμοί ως προς την επίδοση, κυρίως λόγω έλλειψης ελέγχου παραμέτρων στο επίπεδο υλικού.

Abstract
The Futhark Programming Language (Futhark) is a functional array-programming language designed for GPU-parallelism, with ongoing research with regards to the implementation of non-trivial algorithms. This thesis examines the design and performance of certain data-processing algorithms, namely relational Joins and DBSCAN, adapting concepts from traditional implementations using the primitives provided by Futhark. Furthermore, it investigates the integration of Futhark-generated code in conjunction with data loaded from an analytical database, namely DuckDB.
The results show that Futhark can be used to implement versatile primitive routines exploiting GPU parallelism. Also, certain limitations with regards to performance, caused mainly by a lack of leveraging hardware-level parameters, are identified.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Σκουρολιάκου

με θέμα

Εντοπισμός Ηλιόφωτων Φύλλων Εσπεριδοειδών με Αξιοποίηση Συνελικτικών Νευρωνικών Δικτύων

Identifying Sunlit Citrus Leaves Using Convolutional Neural Networks

Εξεταστική Επιτροπή

Καθηγητής Γεώργιος Χαλκιαδάκης (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Αναπληρωτής Καθηγητής Αθανάσιος (Άρης) Παναγόπουλος Πανεπιστήμιο Πολιτείας της Καλιφόρνιας, Τμήμα Επιστήμης Υπολογιστών, Φρέσνο

Περίληψη

Η παρούσα διπλωματική εργασία διερευνά την αυτόματη αναγνώριση ηλιόλουστων φύλλων σε δενδροκαλλιέργειες εσπεριδοειδών μέσω τεχνικών βαθιάς μάθησης για σημασιολογική τμηματοποίηση εικόνας (semantic segmentation). Η ακριβής ανίχνευση των ηλιόλουστων
φύλλων αποτελεί κρίσιμο βήμα για την εκτίμηση του Δείκτη Υδατικού Στρες Καλλιέργειας (Crop Water Stress Index - CWSI), ο οποίος χρησιμοποιείται ευρέως σε συστήματα γεωργίας ακριβείας και διαχείρισης άρδευσης. Για τον σκοπό αυτό, δημιουργήθηκε ένα
νέο σύνολο δεδομένων αποτελούμενο από 633 χειροκίνητα επισημασμένες εικόνες πορτοκαλιών, οι οποίες καλύπτουν διαφορετικές συνθήκες φωτισμού, πυκνότητες κόμης και γωνίες λήψης. Αξιολογήθηκαν πέντε σύγχρονες αρχιτεκτονικές σημασιολογικής τμηματοποίησης, συμπεριλαμβανομένων τριών Συνελικτικών Νευρωνικών Δικτύων (FCN, FRRN-A & FC-DenseNet103) και δύο μοντέλων βασισμένων σε Vision Transformers (SegFormer & Mask2Former).
Τα μοντέλα εκπαιδεύτηκαν και αξιολογήθηκαν χρησιμοποιώντας καθιερωμένες μετρικές σημασιολογικής τμηματοποίησης, όπως η Ακρίβεια Ταξινόμησης (Accuracy), η Θετική Προγνωστική Αξία (Precision), η Ανάκληση (Recall), ο δείκτης F1 και ο δείκτης Επικάλυψης Περιοχών (Intersection over Union - IoU). Τα πειραματικά αποτελέσματα έδειξαν ότι τα μοντέλα Vision Transformer πέτυχαν τη συνολικά καλύτερη απόδοση, με το Mask2Former να παρουσιάζει την υψηλότερη Accuracy (91,19%), F1 Score (85,79%) & IoU (76,16%).
Ωστόσο, το FRRN-A κατέγραψε την υψηλότερη τιμή Precision (86,35%) μεταξύ όλων των εξεταζόμενων μοντέλων. Δεδομένου ότι ο τελικός στόχος της εφαρμογής είναι η αξιόπιστη εκτίμηση του CWSI, η μετρική Precision θεωρείται ιδιαίτερα σημαντική, καθώς οι ψευδώς θετικές προβλέψεις μπορούν να ταξινομήσουν λανθασμένα σκιασμένα φύλλα ως ηλιόλουστα, επηρεάζοντας αρνητικά τους υπολογισμούς της θερμοκρασίας της κόμης και, κατ’ επέκταση, τις αποφάσεις άρδευσης.
Τα αποτελέσματα καταδεικνύουν ότι τόσο οι αρχιτεκτονικές CNN όσο και οι αρχιτεκτονικές Vision Transformer είναι ιδιαίτερα αποτελεσματικές για την τμηματοποίηση ηλιόλουστων φύλλων σε καλλιέργειες εσπεριδοειδών. Παράλληλα, αναδεικνύεται η σημασία της επιλογής κατάλληλων μετρικών αξιολόγησης σύμφωνα με τις απαιτήσεις της εκάστοτε γεωργικής εφαρμογής. Το προτεινόμενο σύνολο δεδομένων και τα ευρήματα της μελέτης συμβάλλουν στην ανάπτυξη αυτοματοποιημένων συστημάτων παρακολούθησης καλλιεργειών και υποστηρίζουν τη μελλοντική έρευνα στον τομέα της γεωργίας ακριβείας και της βιώσιμης διαχείρισης υδατικών πόρων.

Abstract 

This thesis investigates the automatic identification of sunlit leaves in citrus tree canopies using deep learning techniques for semantic segmentation. Accurate detection of sunlit foliage is a critical step in estimating the Crop Water Stress Index (CWSI), a key indicator used in precision irrigation systems. To support this objective, a new dataset consisting of 633 manually annotated images of orange trees was developed under diverse illumination conditions, canopy densities, and viewing perspectives. Five state-of-theart semantic segmentation architectures were evaluated, including three Convolutional Neural Networks (FCN, FRRN-A, and FC-DenseNet103) and two Vision Transformerbased models (SegFormer and Mask2Former).
The models were trained and tested using standard semantic segmentation metrics, namely Accuracy, Precision, Recall, F1 Score, and Intersection over Union (IoU). Experimental results show that the Vision Transformer models achieved the highest overall segmentation performance, with Mask2Former obtaining the best Accuracy (91.19%), F1 Score (85.79%), and IoU (76.16%). However, FRRN-A achieved the highest Precision (86.35%) among all evaluated models. Since the intended application is CWSI estimation, precision is considered particularly important because false positive predictions may incorrectly classify shaded leaves as sunlit, potentially leading to inaccurate
canopy temperature measurements and irrigation decisions.
The results demonstrate that both CNN-based and Transformer-based architectures are highly effective for sunlit-leaf segmentation in citrus crops, while highlighting the importance of selecting evaluation metrics according to the requirements of the agricultural application. The developed dataset and experimental findings contribute to the advancement of automated crop monitoring systems and support future research in precision agriculture and water resource management.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρύσας Παναγιωτοπούλου

με θέμα

Πρόβλεψη Συχνότητας Κρουσμάτων Covid-19 με Μεθοδολογίες Ανάλυσης Χρονοσειρών 
Forecasting the Frequency of Covid-19 Cases with Time Series Analysis 

Εξεταστική Επιτροπή
Καθηγητής Διονύσιος Χριστόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Ζερβάκης 
Καθηγητής Μιχαήλ Λαγουδάκης 

Περίληψη
Η παρούσα διπλωματική εργασία εξετάζει την πρόβλεψη της συχνότητας κρουσμάτων COVID-19 με χρήση μεθόδων ανάλυσης χρονοσειρών. Η μελέτη επικεντρώνεται σε τέσσερις ευρωπαϊκές χώρες, την Ελλάδα, την Ιταλία, την Κύπρο και τη Γερμανία, με στόχο τη σύγκριση διαφορετικών προσεγγίσεων στατιστικής, μηχανικής και βαθιάς μάθησης. Τα δεδομένα προέρχονται από τη βάση Our World in Data και αφορούν κυρίως τα νέα επιβεβαιωμένα κρούσματα ανά εκατομμύριο κατοίκων, καθώς και τον κυλιόμενο μέσο όρο 7 ημερών, ώστε να μειωθεί ο ημερήσιος θόρυβος και να αποτυπωθεί πιο καθαρά η πορεία της πανδημίας.
Στο πλαίσιο της εργασίας εφαρμόστηκαν και αξιολογήθηκαν το μοντέλο χρονοσειρών ARIMA Walk-forward, τα μοντέλα δέντρων αποφάσεων XGBoost και LightGBM, το μοντέλο νευρωνικών δικτύων LSTM και ένα υβριδικό μοντέλο ARIMA-LSTM με μηχανισμό προσοχής (Attention). Η αξιολόγηση πραγματοποιήθηκε με χρονικά διατεταγμένους διαχωρισμούς συνόλων εκπαίδευσης και ελέγχου, ώστε να διατηρηθεί η φυσική σειρά των χρονοσειρών και να αποφευχθεί η χρήση μελλοντικής πληροφορίας κατά την εκπαίδευση. Η απόδοση των μοντέλων συγκρίθηκε με βάση τα εξής στατιστικά μέτρα: ρίζα του μέσου τετραγωνικού σφάλματος (RMSE), μέσο απόλυτο σφάλμα (MAE) και συντελεστής προσδιορισμού (R2).
Η ανάλυση των αποτελεσμάτων έδειξε ότι το ARIMA Walk-forward παρουσιάζει πιο σταθερές και ακριβείς προβλέψεις στις περισσότερες περιπτώσεις, υπερέχοντας συνολικά έναντι των πιο σύνθετων μοντέλων μηχανικής και βαθιάς μάθησης. Το LSTM αποτέλεσε τη δεύτερη πιο ανταγωνιστική προσέγγιση, ενώ τα XGBoost και LightGBM εμφάνισαν μέτρια αλλά συγκρίσιμη απόδοση. Το υβριδικό μοντέλο, παρά τη μεγαλύτερη πολυπλοκότητά του, δεν οδήγησε σε ουσιαστική βελτίωση. Συνεπώς, η εργασία αναδεικνύει ότι σε επιδημιολογικές χρονοσειρές, αν δεν υπάρχει ή δεν χρησιμοποιείται πληροφορία από πολλαπλές πηγές, η χρήση πολυπλοκότερων μοντέλων δεν εγγυάται από μόνη της μεγαλύτερη ακρίβεια πρόβλεψης. 

Abstract 
This diploma thesis investigates the forecasting of COVID-19 case frequency using time series analysis methods. The study focuses on four European countries, namely Greece, Italy, Cyprus and Germany, with the aim of comparing different statistical, machine learning and deep learning approaches. The data were obtained from the Our World in Data database and mainly concern new confirmed cases per million people, as well as the 7-day rolling average, in order to reduce daily noise and provide a clearer representation of the pandemic trend.
In this work, five forecasting approaches were implemented and evaluated: ARIMA Walk-forward, XGBoost, LightGBM, LSTM and a hybrid ARIMA-LSTM model with an Attention mechanism. The evaluation was carried out using time-ordered training and test splits, so that the chronological structure of the data was preserved and future information was not used during training. Model performance was compared using RMSE, MAE and R².
The results shσowed that the ARIMA Walk-forward model achieved the most stable and accurate forecasts in most cases, outperforming the more complex machine learning and deep learning models overall. The LSTM model was the second most competitive approach, while XGBoost and LightGBM showed moderate but comparable performance. The hybrid model, despite its increased complexity, did not lead to a substantial improvement in forecasting accuracy. Therefore, this thesis highlights that, in epidemiological time series, when information from multiple sources is not available or not used, the application of more complex models does not, by itself, guarantee higher forecasting accuracy.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αποστόλου Τσάμπουρα

με θέμα

Προσεγγιστικοί Αλγόριθμοι Ενισχυτικής Μάθησης για Φιλικές προς το Δίκτυο Συστάσεις

Approximate Reinforcement Learning Algorithms for Network-Friendly Recommendations

Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Άγγελος Μπλέτσας
Καθηγητής Μιχαήλ Λαγουδάκης 

Περίληψη
Ο έλεγχος του κόστους παράδοσης μέσω δικτύου, με ταυτόχρονη διατήρηση της υψηλής ποιότητας εμπειρίας των χρηστών, αποτελεί μια κρίσιμη πρόκληση για τους σύγχρονους παρόχους περιεχομένου. Ενώ οι παραδοσιακές προσεγγίσεις βελτιστοποιούν τα Δίκτυα Παράδοσης Περιεχομένου (CDNs) και τα Συστήματα Συστάσεων (RS) ανεξάρτητα, πρόσφατες έρευνες προτείνουν την ανατροπή του προβλήματος, αξιοποιώντας το σύστημα συστάσεων για να «ωθήσει» τους χρήστες προς περιεχόμενο που βρίσκεται ήδη στην τοπική μνήμη. Αυτό το παράδειγμα, γνωστό ως Φιλικές προς το Δίκτυο Συστάσεις, μοντελοποιείται ως μια ακολουθιακή Διαδικασία Απόφασης Markov (MDP), σχεδιασμένη να ελαχιστοποιεί το μακροπρόθεσμο κόστος δρομολόγησης, διατηρώντας παράλληλα αυστηρά την Ποιότητα της Σύστασης (QoR).
Ο πρωταρχικός στόχος αυτής της διπλωματικής εργασίας είναι η διερεύνηση τόσο ακριβών όσο και προσεγγιστικών  μεθόδων Ενισχυτικής Μάθησης, προκειμένου να αυξηθεί η δυνατότητα εφαρμογής αυτής της μεθοδολογίας σε μεγαλύτερα, εν δυνάμει άγνωστα σενάρια. Για να επιτευχθεί αυτό, η πρώτη μας συνεισφορά είναι η διατύπωση ενός αλγορίθμου Tabular Q-learning, ο οποίος εξισώνεται επιτυχώς με την απόδοση των ακριβών αλγορίθμων βάσης «(oracle), δηλαδή των Value Iteration και Policy Iteration, σε σενάρια μικρού έως μεσαίου μεγέθους. Ωστόσο, επειδή ο διαρκώς αυξανόμενος χώρος καταστάσεων-ενεργειών καθιστά τις tabular μεθόδους μη εφαρμόσιμες για μεγαλύτερους καταλόγους, η δεύτερη συνεισφορά μας εισάγει προσεγγιστικές λύσεις Βαθιάς Ενισχυτικής Μάθησης (Deep RL) βασισμένες σε Βαθιά Δίκτυα Q (DQNs). Και συνδυάζοντας τα DQNs με δομικές ενσωματώσεις γράφων, αντιμετωπίζουμε επιτυχώς τον αυξανόμενο χώρο καταστάσεων και βελτιώνουμε δραστικά τη γενίκευση των συστάσεων.
Τέλος, αν και το τυπικό DQN ξεπερνά αυτή την πολυπλοκότητα,  δυσκολεύεται να αναπτύξει επίγνωση του δικτύου. Ως τρίτη συνεισφορά, προτείνουμε μια νέα αρχιτεκτονική Graph Q-Network (GQN), η οποία αξιοποιεί τις ιδιότητες των γράφων μεταξύ σχετικού περιεχομένου, προκειμένου να πραγματοποιεί έξυπνες συστάσεις αξιοποιώντας graph convolutional layers. Και με αξιολογήσεις σε αραιά  σύνολα δεδομένων αποδεικνύουμε ότι το πλαίσιο GQN μπορεί να φτάσει την απόδοση των βελτιστοποιημένων αλγορίθμων βάσης μας, επιτυγχάνοντας παράλληλα ταχύτερη σύγκλιση. Εν κατακλείδι, αυτή η διπλωματική εργασία καταδεικνύει πώς μπορούμε να προχωρήσουμε προοδευτικά από τις ακριβείς tabular μεθόδους σε προσεγγιστικές, βαθιές αρχιτεκτονικές γράφων και να μετασχηματίσουμε επιτυχώς την  κλίμακα των NFR.

Abstract 
Controlling network delivery costs while maintaining high-quality user experiences is a critical challenge for modern content providers (CP). While traditional approaches optimize Content Delivery Networks (CDNs) and Recommendation Systems (RS) independently, recent work has proposed turning the problem on its head by leveraging the RS to seamlessly ``nudge'' users toward locally cached content. This paradigm, known as Network-Friendly Recommendations (NFR), is modeled as a sequential Markov Decision Process (MDP) designed to minimize long-term routing costs while strictly preserving the Quality of Recommendation (QoR). 
The primary goal of this thesis is to investigate both exact and approximate Reinforcement Learning (RL) methods to increase the applicability of this methodology to larger, potentially unknown scenarios. To achieve this, our contributions are ,firstly, to formulate a Tabular Q-learning algorithm that successfully matches the performance of the exact ``oracle'' Value Iteration and Policy Iteration baselines in small-to-medium sized scenarios. However, because the expanding state-action space makes tabular methods infeasible for larger catalogs, our second contribution introduces approximate Deep RL solutions based on Deep Q-Networks (DQNs) and by pairing DQNs with structural graph embeddings, we successfully deal with the increasing state space and drastically improve the generalization of the method.
Finally, while the standard DQN overcomes the sample complexity, it also struggles to navigate through the network-awareness . As our third contribution, we propose a novel Graph Q-Network (GQN) architecture that leverages the MDP graphs properties between related contents to make intelligent recommendations by utilizing graph convolutional layers. The evaluations on sparse, real-world datasets demonstrateσ that the GQN framework can effortlessly match our optimized baseline algorithms while achieving faster convergence. Ultimately, this thesis demonstrates how we can progressively advance from exact tabular methods to approximate deep graph architectures and successfully transform NFR's scale.

 
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αλεξάνδρου Σιούτη

με θέμα
Ανάπτυξη Μετατροπέα Ισχύος DC/DC Πολλαπλών Θυρών για Φωτοβολταϊκά Συστήματα
Development of a Multi-port DC/DC Power Converter for Photovoltaic Systems

Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας

Περίληψη
Οι ανανεώσιμες πηγές ενέργειας διαδραματίζουν αναπόσπαστο ρόλο στη σύγχρονη κοινωνία, παρέχοντας ενέργεια για οικιακές και βιομηχανικές εφαρμογές. Ωστόσο, για την επίτευξη υψηλής απόδοσης, απαιτείται ο κατάλληλος σχεδιασμός ηλεκτρονικών συστημάτων ισχύος, ώστε να εξασφαλίζεται η βέλτιστη μεταφορά ενέργειας από τις πηγές στα φορτία. Στην παρούσα διπλωματική εργασία, παρουσιάζεται ο σχεδιασμός και η κατασκευή ενός πολύθυρου μετατροπέα DC–DC τύπου Buck–Boost με αμφίδρομη ροή ισχύος, με έμφαση στη χρήση φωτοβολταϊκών συστημάτων ως κύρια πηγή ενέργειας. Επιπλέον, εφαρμόζεται αλγόριθμος παρατήρησης τάσης και ρεύματος με σκοπό την εξαγωγή της μέγιστης ισχύος από τα φωτοβολταϊκά στοιχεία κατά τη διάρκεια της ημέρας. Η υπό μελέτη τοπολογία του μετατροπέα αναλύεται θεωρητικά και παραθέτονται εξισώσεις σχεδιασμού για παθητικά και ενεργά στοιχεία. Το σύστημα μοντελοποιείται και προσομοιώνεται στο MATLAB/Simulink υπό διάφορα σενάρια λειτουργίας. Σχεδιάζεται πλήρες κύκλωμα και διάταξη PCB, ενώ ακολουθεί και κατασκευή πραγματικής πλακέτας η οποία υποβάλλεται σε εργαστηριακές δοκιμές. Τα πειραματικά αποτελέσματα επαληθεύουν την ορθή λειτουργία του μετατροπέα, καταδεικνύοντας ικανοποιητική κατανομή ισχύος μεταξύ των θυρών. Η μετρούμενη απόδοση συγκλίνει με τα αποτελέσματα προσομοίωσης, επιβεβαιώνοντας την καταλληλότητα του προτεινόμενου μετατροπέα για υβριδικά φωτοβολταϊκά ενεργειακά συστήματα.

Abstract 
Renewable energy sources play an integral role in modern society, providing energy for residential and industrial applications. However, to achieve high efficiency, the appropriate design of power electronic systems is required to ensure optimal energy transfer from the sources to the loads. In this diploma thesis, the design and construction of a multiport Buck–Boost DC–DC converter with bidirectional power flow are presented, with a focus on the use of photovoltaic systems as the primary energy source. Moreover, an observation algorithm of voltage and current is applied in order to extract the maximum power of the photovoltaic strings during the day. The studied converter topology is theoretically analyzed and design equations for its passive and active components are applied. The system is modelled and simulated in MATLAB/Simulink under various operating scenarios. A complete schematic and Printed Circuit Board (PCB) layout are designed, followed by hardware construction and laboratory testing. The experimental results validate the correct operation of the converter, demonstrating optimal power flow and efficient power sharing among ports. The measured performance shows good agreement with simulation results, confirming the suitability of the studied converter for multi-source photovoltaic energy systems.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Παναγιώτη Ζαχαρία

με θέμα

Μελέτη Επικινδυνότητας και Σχεδίαση Αντικεραυνικής Προστασίας Βιομηχανικού Αποστακτηρίου

Risk Assessment and Design of Lightning Protection of an Industrial Distillery Building

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας, Επιβλέπων 
Καθηγητής Ευτύχιος Κουτρούλης
Καθηγητής Κωνσταντίνος Γυφτάκης

Περίληψη
Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη επικινδυνότητας και τη σχεδίαση αντικεραυνικής προστασίας ενός βιομηχανικού αποστακτηρίου, με εφαρμογή στο αποστακτήριο Lost Lake Distillery, στην Πέτρα Βοιωτίας. Ο χώρος ενός αποστακτηρίου παρουσιάζει αυξημένη επικινδυνότητα, καθώς οι υψηλές συγκεντρώσεις αλκοόλης δημιουργούν εύφλεκτη ατμόσφαιρα, στην οποία ένα κεραυνικό πλήγμα μπορεί να προκαλέσει φωτιά ή έκρηξη.
Η ανάλυση βασίζεται στα πρότυπα IEC EN ΕΛΟΤ 62305-2, για την εκτίμηση του κινδύνου από κεραυνικά πλήγματα, και IEC EN ΕΛΟΤ 62305-3, για τη σχεδίαση του Συστήματος Αντικεραυνικής Προστασίας (ΣΑΠ). Αρχικά προσδιορίζονται οι πηγές και οι τύποι των βλαβών, οι τύποι των απωλειών και οι συνιστώσες κινδύνου, και μέσω του υπολογισμού των πιθανοτήτων P και των απωλειών L προκύπτει ο συνολικός κίνδυνος R της εγκατάστασης. Επειδή ο κίνδυνος υπερβαίνει τον ανεκτό, σχεδιάζεται και εφαρμόζεται ολοκληρωμένη προστασία: εξωτερικά μέσω συλλεκτηρίου συστήματος, αγωγών καθόδου και γείωσης σε επίπεδο προστασίας I, και εσωτερικά μέσω θωράκισης, ισοδυναμικών συνδέσεων και απαγωγών υπερτάσεων. Τέλος, ο κίνδυνος επαναϋπολογίζεται και επιβεβαιώνεται ότι, μετά τις παρεμβάσεις, περιορίζεται κάτω από το ανεκτό όριο, καθιστώντας την εγκατάσταση ασφαλή.
Λέξεις-κλειδιά: αντικεραυνική προστασία, εκτίμηση κινδύνου, IEC EN ΕΛΟΤ 62305, αποστακτήριο, κίνδυνος έκρηξης, Σύστημα Αντικεραυνικής Προστασίας.

Abstract
This diploma thesis addresses the risk assessment and the design of lightning protection for an industrial distillery, applied to the Lost Lake Distillery in Petra, Boeotia. A distillery is a particularly hazardous environment, since the high concentrations of alcohol create a flammable atmosphere in which a lightning strike may cause fire or explosion.
The analysis is based on IEC 62305-2, for the assessment of the risk due to lightning, and IEC 62305-3, for the design of the Lightning Protection System (LPS). First, the sources and types of damage, the types of loss and the risk components are identified, and through the calculation of the probabilities P and the losses L the total risk R of the installation is obtained. As the risk exceeds the tolerable level, a complete protection scheme is designed and applied: externally through an air-termination system, down-conductors and earthing at protection level I, and internally through shielding, equipotential bonding and surge protective devices. Finally, the risk is recalculated and it is confirmed that, after the interventions, it is reduced below the tolerable limit, rendering the installation safe.
Keywords: lightning protection, risk assessment, IEC 62305, distillery, explosion risk, Lightning Protection System.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αθανασίου Κασσελά

με θέμα

Βαθιά Ενισχυτική Μάθηση σε Στρατηγικά Περιβάλλοντα Πραγματικού Χρόνου

Deep Reinforcement Learning in a Real Time Strategy Environment

Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Χαλκιαδάκης (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης 
Καθηγητής Θρασύβουλος Σπυρόπουλος

Περίληψη
Τα παιχνίδια στρατηγικής σε πραγματικό χρόνο, όπως το StarCraft II, ανήκουν στα πιο δύσκολα περιβάλλοντα για την τεχνητή νοημοσύνη. Ο παίκτης πρέπει να μαζεύει πόρους, να χτίζει στρατό και να δίνει μάχες, όλα σε πραγματικό χρόνο, ενώ βλέπει μόνο το κομμάτι του χάρτη που έχουν ήδη επισκεφθεί οι δικές του μονάδες. Η παρούσα διπλωματική εργασία μελετά πώς ένας τεχνητός πράκτορας μπορεί να εκπαιδευτεί σε τέτοια παιχνίδια με τη βοήθεια της βαθιάς ενισχυτικής μάθησης, μιας τεχνικής στην οποία ο πράκτορας βελτιώνει τη συμπεριφορά του επιλέγοντας ενέργειες και αξιολογώντας την ανταμοιβή που λαμβάνει. 
Υλοποιούμε δύο τέτοιους πράκτορες, έναν από καθεμία από τις δύο κύριες κατηγορίες της βαθιάς ενισχυτικής μάθησης και τους εκπαιδεύουμε υπό τις ίδιες συνθήκες σε τέσσερα σύντομα εκπαιδευτικά σενάρια του StarCraft II που έχει δημοσιεύσει η ερευνητική μονάδα γνωστής μεγάλης εταιρείας πληροφορικής. Για τη διασφάλιση μιας δίκαιης σύγκρισης, χρησιμοποιούμε μια πληρέστερη αναπαράσταση της κατάστασης του περιβάλλοντος, προσθέτουμε μια νέα δυνατότητα που επιτρέπει στον πράκτορα να επιλέγει ποια μονάδα θα ελέγξει και αποφεύγουμε τη διαμόρφωση της ανταμοιβής, ώστε οι πράκτορες να μαθαίνουν αποκλειστικά από την πρωτογενή βαθμολογία του παιχνιδιού. 
Στα πιο εύκολα σενάρια οι πράκτορες σημειώνουν επιδόσεις συγκρίσιμες με άλλες μελέτες μικρής κλίμακας, καθώς επίσης χρησιμοποιούμε σημαντικά μικρότερο υπολογιστικό πόρο σε σχέση με μεγάλες ερευνητικές ομάδες. Στο πιο απαιτητικό σενάριο, όπου απαιτείται η ανάπτυξη οικονομίας και η παραγωγή στρατού από το μηδέν, οι πράκτορες δεν καταφέρνουν να αναπτύξουν μια αποτελεσματική στρατηγική, κάτι που επιβεβαιώνει τη γνωστή αδυναμία της μεθόδου όταν οι ανταμοιβές είναι σπάνιες και ο χρονικός ορίζοντας μεγάλος. Το τελευταίο κεφάλαιο συζητά τους περιορισμούς της υλοποίησής μας και προτείνει κατευθύνσεις για μελλοντική έρευνα, όπως ιεραρχικές μεθόδους, αναδρομική μνήμη και καλύτερα σήματα ανταμοιβής.

Abstract 
Real-time strategy games such as StarCraft II are difficult testbeds for artificial intelligence because a player has to manage economy, production, movement, and combat at the same time. The player also acts under partial observability, seeing only the parts of the map that their own units have already visited. This thesis studies how an agent can learn to play in this environment, using Deep Reinforcement Learning, a learning paradigm in which the agent improves by interacting with the game and adapting its behaviour via employing Deep Neural Networks to evaluate its decision policy based on reward signals it receives from the environment. 
We implement two agents from different families of Deep Reinforcement Learning: a Deep Q-Network agent and a synchronous Advantage Actor-Critic agent. Both are implemented in TensorFlow 2 and trained under the same conditions on four short PySC2 mini-games released with DeepMind’s StarCraft II research environment. To ensure a fair comparison, both agents use the same two-channel screen representation, the same action-argument factorisation, and the same decision rate. We also add a unit-selection head for the A2C agent and keep the reward signal unshaped, so both agents learn only from the scoring rules provided by PySC2. 
On the easier scenarios the agents reach scores that are competitive with other small-scale studies on the same environment, despite the much smaller compute budget available for this project. On the hardest scenario, the agents do not learn an effective production policy. This result is consistent with a known limitation of flat approaches when rewards are rare and the time horizon is long. The final chapter discusses the limitations of our implementation and suggests future research directions, such as hierarchical methods, recurrent memory, and better reward signals.  

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολάου Κομητόπουλου

με θέμα

Προσομοίωση Ζήτησης Ηλεκτρικής Ενέργειας Ηλεκτρικών Οχημάτων με Χρήση Λεπτομερών Μοντέλων Κυκλοφορίας 

Simulation of Electric Power Demand of Electric Vehicles Based on Detailed Transport Models

Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων) 
Επίκουρος Καθηγητής Γεώργιος Πέππας 
Καθηγητής Φώτιος Κανέλλος (Πολυτεχνείο Κρήτης, Σχολή ΜΠΔ)

Περίληψη

Η διπλωματική εργασία εξετάζει την προσομοίωση της ζήτησης ηλεκτρικής ενέργειας από ηλεκτρικά οχήματα, με αξιοποίηση λεπτομερών μοντέλων μεταφορών. Η αυξανόμενη διείσδυση της ηλεκτροκίνησης δημιουργεί νέες απαιτήσεις για τα δίκτυα ηλεκτρικής ενέργειας, καθώς η φόρτιση των οχημάτων εξαρτάται από τις καθημερινές μετακινήσεις, τον χρόνο στάθμευσης, τη διαθεσιμότητα υποδομών και τις επιλογές των χρηστών. Στόχος της εργασίας είναι η διερεύνηση του τρόπου με τον οποίο δεδομένα μετακινήσεων και μοντέλα μεταφοράς μπορούν να χρησιμοποιηθούν για την εκτίμηση του χρονικού και χωρικού προφίλ της ηλεκτρικής ζήτησης. Παρουσιάζονται οι βασικές αρχές της μοντελοποίησης μετακινήσεων, της χρήσης ηλεκτρικών οχημάτων και της διαδικασίας φόρτισης. Στη συνέχεια, αναλύονται σενάρια που συνδέουν τα πρότυπα ταξιδιών με την κατανάλωση ενέργειας και τη φόρτιση. Τα αποτελέσματα συμβάλλουν στην κατανόηση των επιπτώσεων της ηλεκτροκίνησης στο ενεργειακό σύστημα και υποστηρίζουν τον σχεδιασμό κατάλληλων υποδομών, πολιτικών διαχείρισης ζήτησης και στρατηγικών βιώσιμης κινητικότητας σε σύγχρονες αστικές και περιαστικές περιοχές με αυξανόμενη ζήτηση μετακινήσεων και ενέργειας.

Abstract

This thesis examines the simulation of electricity demand generated by electric vehicles through the use of detailed transport models. The growing uptake of electric mobility creates new requirements for electricity networks, since vehicle charging depends on daily travel patterns, parking duration, infrastructure availability, and users’ choices. The study aims to investigate how travel data and transport models can be used to estimate the temporal and spatial profile of electricity demand. It presents the fundamental principles of travel modelling, electric vehicle use, and charging processes. Subsequently, it analyses scenarios that link travel patterns with energy consumption and charging activity. The findings contribute to a better understanding of the effects of electric mobility on the energy system and support the planning of appropriate infrastructure, demand-management policies, and sustainable mobility strategies in contemporary urban and suburban areas experiencing increasing travel and energy demand over time and across the study area under consideration.

Meeting ID: 967 8767 2714
Password: 259569

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Νικολάου Μουζακίτη

με θέμα

Διαδραστικότητα που Βασίζεται στο Βλέμμα Χρησιμοποιώντας Παρακολούθηση Ματιών σε Επαυξημένη Πραγματικότητα

Gaze-driven Interaction using Binocular Eye-Tracking in Augmented Reality

Εξεταστική Επιτροπή
Καθηγήτρια Αικατερίνη Μανιά (επιβλέπουσα)
Καθηγητής Κωνσταντίνος Μπάλας 
Καθηγητής Αντώνιος Δεληγιαννάκης 

Περίληψη
Η παρούσα διπλωματική εργασία διερευνά την αλληλεπίδραση βασισμένη στο βλέμμα σε περιβάλλοντα Επαυξημένης Πραγματικότητας (AR) με τη συσκευή Magic Leap One, αντιμετωπίζοντας το πρόβλημα Midas Touch: την πρόκληση διάκρισης μεταξύ σκόπιμων εντολών μέσω βλέμματος και φυσικής οπτικής σάρωσης του περιβάλλοντος.
Σχεδιάστηκε και υλοποιήθηκε μια εφαρμογή γρίφου με θέμα ντετέκτιβ, τοποθετημένη σε ένα επιστημονικό εργαστήριο του 1914, χρησιμοποιώντας το Unity 2020.3 LTS. Η εφαρμογή τοποθετεί εικονικά αντικείμενα σε επιφάνειες του πραγματικού κόσμου που ανιχνεύονται μέσω χωρικής σάρωσης και απαιτεί από τους χρήστες να πλοηγούνται σε μενού, να συλλέγουν κρυφές ενδείξεις που αποκαλύπτονται με το φως κεριών και να εισάγουν έναν κωδικό λύσης, αποκλειστικά μέσω του βλέμματος. Ένα πλαίσιο αλληλεπίδρασης χρόνου παραμονής dwell-time) αποτελεί το κύριο αντίμετρο του προβλήματος Midas Touch, εφαρμόζοντας ενιαίο κατώφλι 1000ms για όλους τους τύπους αλληλεπίδρασης, συνοδευόμενο από ακτινωτές και γραμμικές ενδείξεις προόδου, ενώ ένα buffer καταστολής 150ms μετά από σακκαδικές κινήσεις φιλτράρει παροδικά δείγματα βλέμματος για την αποφυγή τυχαίων ενεργοποιήσεων. Νέα στοιχεία διεπαφής περιλαμβάνουν ένα κατάλογο ευρημάτων τοποθετημένο στον καρπό που συνδυάζει παρακολούθηση χεριών με ενεργοποίηση μέσω βλέμματος, καθώς και ένα ακτινωτό πληκτρολόγιο με τριγωνομετρική διάταξη πλήκτρων βελτιστοποιημένη για ελάχιστες αποστάσεις κίνησης των ματιών μεταξύ διαδοχικών επιλογών χαρακτήρων.
Μια μελέτη με οκτώ συμμετέχοντες απέδωσε ποσοστό επιτυχούς ολοκλήρωσης εργασιών 100%, ποσοστό βαθμονόμησης 87,5% στην πρώτη προσπάθεια, συνολικό ποσοστό επιτυχίας αλληλεπίδρασης μέσω βλέμματος 86%, μέση βαθμολογία φόρτου εργασίας Raw NASA-TLX 1,83 σε κλίμακα 7 βαθμών και συνολική βαθμολογία χρηστικότητας 5,83 σε κλίμακα Likert δέκα στοιχείων ειδικά για αλληλεπίδραση με βλέμμα. Τα αποτελέσματα αυτά υποδηλώνουν ότι ένα ενιαίο κατώφλι dwell-time 1000ms σε συνδυασμό με ενδείξεις προόδου σε πραγματικό χρόνο καταστέλλει αποτελεσματικά τις ακούσιες ενεργοποιήσεις χωρίς να επιβάλλει ανεπίτρεπτο φόρτο εργασίας, και ότι χρήστες χωρίς προηγούμενη εκπαίδευση μπορούν να αλληλεπιδράσουν αποτελεσματικά με διεπαφές AR βασισμένες αποκλειστικά στο βλέμμα.
Η εργασία συνεισφέρει μια υλοποίηση αναφοράς αλληλεπίδρασης βασισμένης στο βλέμμα σε AR επί καταναλωτικής συσκευής, προκαταρκτικά εμπειρικά στοιχεία για την αποτελεσματικότητα της πρόληψης Midas Touch μέσω dwell-time, και σχεδιαστικές γνώσεις που πληροφορούν μελλοντικές διεπαφές AR χωρίς χέρια για εφαρμογές προσβασιμότητας και επαγγελματικά περιβάλλοντα.

Abstract 
This diploma thesis investigates gaze-driven interaction in Augmented Reality (AR) environments on the Magic Leap One, addressing the Midas Touch problem: the challenge of distinguishing deliberate gaze commands from ordinary visual scanning behaviour.
A detective-themed puzzle application set in a 1914 science laboratory was designed and implemented using Unity 2020.3 LTS. The application places virtual props on real-world surfaces detected through spatial plane scanning and requires users to navigate menus, collect hidden clues revealed by candlelight, and enter a solution code, all through eye gaze alone. A dwell-time interaction framework serves as the primary Midas Touch countermeasure, applying a uniform 1000ms threshold across all interaction types, accompanied by radial and linear progress indicators, while a 150ms post-saccadic suppression buffer filters transient gaze samples to prevent accidental activations. Novel interface components include a wrist-mounted inventory combining hand tracking with gaze activation, and a radial keyboard with trigonometric button layout optimised for minimal eye-movement distances between consecutive character selections.
A study with eight participants yielded a 100% task completion rate, an 87.5% first-attempt calibration success rate, an 86% overall gaze interaction success rate, a mean Raw NASA-TLX workload score of 1.83 on a 7-point scale, and a composite gaze interaction usability score of 5.83 on a ten-item gaze-specific Likert scale. These results suggest that a uniform 1000ms dwell-time threshold combined with real-time progress indicators effectively suppresses unintentional activations without imposing unacceptable workload, and that users without prior training can engage productively with gaze-only AR interaction.
The work contributes a reference implementation of binocular gaze-driven AR interaction on a consumer headset, preliminary empirical evidence for the effectiveness of dwell-time Midas Touch prevention, and design insights informing future hands-free AR interfaces for accessibility and professional applications. 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών (Διδακτορικών) Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ

Χαράλαμπου – Ιωάννη Μητρόπουλου

με θέμα

Ενίσχυση του Οικοσυστήματος της Solidity μέσω Εμπειρικής Ανάλυσης και Μεθόδων Καθοδηγούμενων από Ανατροφοδότηση

Strengthening the Solidity Ecosystem Through Empirical Analysis and Feedback-driven Methods

Εξεταστική Επιτροπή
Καθηγητής Σωτήριος Ιωαννίδης
Καθηγητής Αντώνιος Δεληγιαννακης
Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς
Καθηγητής Διομήδης Σπινέλλης
Καθηγητής Ιωάννης Σμαραγδάκης 
Επίκουρος Καθηγητής Ευάγγελος Ατλιδάκης

Περίληψη
Τα έξυπνα συμβόλαια που αναπτύσσονται σε πλατφόρμες blockchain είναι αμετάβλητα και διαχειρίζονται περιουσιακά στοιχεία αξίας δισεκατομμυρίων δολαρίων, καθιστώντας την ορθότητά τους υψίστης σημασίας. Η παρούσα διατριβή ενισχύει το οικοσύστημα της Solidity μέσω εμπειρικά θεμελιωμένης έρευνας και ανάπτυξης εργαλείων βασισμένων σε τεκμήρια. Παρουσιάζουμε την πρώτη μεγάλης κλίμακας μελέτη μεικτών μεθόδων για τον σχεδιασμό της γλώσσας Solidity, αναλύοντας 296.000 έξυπνα συμβόλαια, διεξάγοντας έρευνα με 31 προγραμματιστές και αξιολογώντας 11 εργαλεία ανάλυσης. Τα ευρήματά μας αποκαλύπτουν ότι τα υπάρχοντα εργαλεία ανιχνεύουν μόνο το 43,5% των σφαλμάτων διαχείρισης εξαιρέσεων και ότι η αστάθεια της τεκμηρίωσης αποθαρρύνει τους προγραμματιστές από τη χρήση της. Βασιζόμενοι σε αυτά τα ευρήματα, παρουσιάζουμε τον FUZZOL, έναν συντακτικά ενήμερο fuzzer μεταλλάξεων που ανακάλυψε 19 σφάλματα στον μεταγλωττιστή (17 διορθώθηκαν), επιτυγχάνοντας έως και 5,8× υψηλότερη κάλυψη κώδικα σε σχέση με τα κορυφαία εργαλεία. Επίσης, παρουσιάζουμε το DGRed, το οποίο μειώνει το κόστος ανάπτυξης κατά μέσο όρο 15,65% μέσω μετάλλαξης μεταβλητών κατάστασης βασισμένης σε αναζήτηση, αμφισβητώντας τις συμβατικές πρακτικές συμπίεσης μεταβλητών.

Abstract
Smart contracts deployed on blockchain platforms are immutable and control billions of dollars in assets, making their correctness paramount. This dissertation strengthens the Solidity ecosystem through empirically-grounded investigation and feedback-driven tool development. We present the first large-scale mixed-methods study of Solidity’s language design, analyzing 296,000 smart contracts, surveying 31 developers, and evaluating 11 analysis tools. Our findings reveal that existing tools detect only 43.5% of error-handling misuses and that documentation instability discourages developer consultation. Building on these findings, we introduce FUZZOL, a syntax-aware mutation fuzzer that discovered 19 compiler bugs (17 fixed), achieving up to 5.8× higher coverage than state-of-the-art fuzzers. We also introduce DGRed, which reduces deployment gas costs by 15.65% through search-based state variable mutation, challenging conventional variable packing practices.

Meeting ID: 969 6047 4548
Password: 677316

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Καπνιά

με θέμα
Σχεδίαση ταχυφορτιστή ηλεκτρικών οχημάτων σε Simulink/Matlab
Design of Electric Vehicles Fast Charger in Simulink/Matlab

Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Επίκουρος Καθηγητής Γεώργιος Πέππας

Περίληψη
Η ραγδαία ανάπτυξη της ηλεκτροκίνησης δημιουργεί αυξημένες απαιτήσεις για υποδομές φόρτισης υψηλής ισχύος, ικανές να εξυπηρετούν γρήγορα και αξιόπιστα τα σύγχρονα ηλεκτρικά οχήματα. Οι ταχυφορτιστές συνεχούς ρεύματος αποτελούν βασικό στοιχείο αυτής της μετάβασης, καθώς μειώνουν σημαντικά τον χρόνο φόρτισης και βελτιώνουν τη λειτουργική αξιοποίηση των οχημάτων.
Στην παρούσα διπλωματική εργασία μελετάται και προσομοιώνεται ένα σύστημα ταχυφόρτισης υψηλής ισχύος, βασισμένο σε κοινό ζυγό συνεχούς τάσης 800 V, στο οποίο ενσωματώνεται φωτοβολταϊκή παραγωγή. Η προτεινόμενη αρχιτεκτονική περιλαμβάνει φωτοβολταϊκή πηγή με μετατροπέα ανύψωσης τάσης (Boost) και έλεγχο μέγιστης ισχύος, τριφασικό μετατροπέα AC/DC τριών επιπέδων για τη διασύνδεση με το δίκτυο και απομονωμένο αμφίδρομο μετατροπέα DC/DC για τη φόρτιση της μπαταρίας.
Έμφαση δίνεται στον έλεγχο της πλευράς AC/DC μέσω φίλτρου LCL και τεχνικής διαμόρφωσης SVPWM, με στόχο τη βελτίωση της ποιότητας ρεύματος στην πλευρά του δικτύου. Ο έλεγχος υλοποιείται σε σύστημα αναφοράς dq, με εξωτερικό βρόχο ρύθμισης της τάσης του DC ζυγού και εσωτερικούς βρόχους ελέγχου ρεύματος. Παράλληλα, εξετάζεται η λειτουργία του αμφίδρομου μετατροπέα DC/DC κατά τη φόρτιση της μπαταρίας, καθώς και η συμβολή της φωτοβολταϊκής πηγής μέσω μετατροπέα Boost με αλγόριθμο MPPT τύπου ‘Perturb and Observe’. Επιπλέον, εφαρμόζεται στρατηγική ελέγχου της φόρτισης, σύμφωνα με την οποία η ζητούμενη ισχύς προσαρμόζεται στη μέγιστη διαθέσιμη ισχύ του συστήματος.
Η προσομοίωση πραγματοποιείται στο περιβάλλον MATLAB/Simulink και το σύστημα αξιολογείται σε δύο σενάρια λειτουργίας, μεγάλης και μικρότερης κλίμακας. Τα αποτελέσματα δείχνουν ότι το σύστημα επιτυγχάνει σταθερή λειτουργία σε διαφορετικά επίπεδα ισχύος, υποστηρίζει αποτελεσματικά τη φόρτιση της μπαταρίας και αξιοποιεί τη φωτοβολταϊκή παραγωγή, μειώνοντας την απαίτηση ισχύος από το δίκτυο.

Abstract
The rapid development of electric mobility creates increasing demands for high-power charging infrastructure capable of serving modern electric vehicles quickly and reliably. DC fast chargers constitute a key component of this transition, as they significantly reduce charging time and improve the operational utilization of electric vehicles.
In this diploma thesis, a high-power fast-charging system based on a common 800 V DC bus with integrated photovoltaic generation is studied and simulated. The proposed architecture includes a photovoltaic source with a boost converter and maximum power point tracking control, a three-level AC/DC converter for grid interfacing, and an isolated bidirectional DC/DC converter for battery charging.
Particular emphasis is placed on the control of the AC/DC stage through an LCL filter and SVPWM modulation technique, aiming at improving current quality on the grid side. The control is implemented in the dq reference frame, with an outer DC bus voltage control loop and inner current control loops. In parallel, the operation of the bidirectional DC/DC converter during battery charging is examined, as well as the contribution of the photovoltaic source through a boost converter employing a ‘Perturb and Observe’ MPPT algorithm. In addition, a charging control strategy is applied, according to which the requested charging power is adjusted to the maximum available system power.
The simulation is carried out in the MATLAB/Simulink environment and the system is evaluated under two operating scenarios, corresponding to larger-scale and smaller-scale applications. The results show that the system achieves stable operation at different power levels, effectively supports battery charging, and makes efficient use of photovoltaic generation, thereby reducing the power demand from the grid.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Θωμά Λαγού

με θέμα

Mελέτη Διηλεκτρικής Συμπεριφοράς Νανορευστών Οξειδίων Τιτανίου για χρήση σε ΣΗΕ
Study of the Dielectric Behavior of Titanium Oxide Nanofluids for use in Power Systems

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Τμήμα ΗΜΜΥ)

Περίληψη
Η παρούσα διπλωματική εργασία πραγματεύεται τη μελέτη της διηλεκτρικής αντοχής νανοελαίων φυσικού εστέρα και ειδικότερα του ελαίου FR3, με πρόσμιξη νανοσωματιδίων διοξειδίου του τιτανίου (TiO2), υπό διαφορετικές συνθήκες αφύγρανσης. Στόχος της εργασίας είναι η διερεύνηση της επίδρασης της συγκέντρωσης των νανοσωματιδίων, της επίδρασης του χρόνου επεξεργασίας αφύγρανσης καθώς και της στατιστικής συμπεριφοράς του μονωτικού υγρού έπειτα από τον μεγάλο όγκο συνεχόμενων ηλεκτρικών εκκενώσεων.
Η πειραματική διαδικασία πραγματοποιήθηκε σύμφωνα με το διεθνές πρότυπο IEC 60156, ενώ τα αποτελέσματα αναλύθηκαν με χρήση της κατανομής Weibull, επιτρέποντας την αξιολόγηση της διηλεκτρικής αντοχής με όρους αξιοπιστίας και όχι μόνο μέσω μέσων τιμών. Ιδιαίτερη έμφαση δόθηκε στα χαμηλά ποσοστιαία επίπεδα πιθανότητας (1%,10%), τα οποία είναι κρίσιμα για τον ασφαλή σχεδιασμό αξιόπιστων υγρών διηλεκτρικών σε εφαρμογές μετασχηματιστών υψηλής τάσης.
Τα αποτελέσματα δείχνουν ότι η προσθήκη νανοσωματιδίων TiO2 βελτιώνει σημαντικά τη διηλεκτρική αντοχή, με τη συγκέντρωση 0.020% wt (Δείγμα C5) να αναδεικνύεται ως η βέλτιστη (optimum concentration), καθώς συνδυάζει τη μέγιστη διηλεκτρική αντοχή με την υψηλότερη στατιστική ομοιογένεια και σταθερότητα. Παράλληλα, αναδεικνύεται ο καθοριστικός ρόλος του χρόνου αφύγρανσης, ο οποίος δεν λειτουργεί γραμμικά αλλά εξαρτάται από τη συγκέντρωση, ενώ η παρατεταμένη καταπόνηση από τις εκατοντάδες συνεχόμενες διασπάσεις αποδείχθηκε ότι προκαλεί σταδιακή υποβάθμιση της διηλεκτρικής συμπεριφοράς και διεύρυνση της στατιστικής διασποράς.
Συνολικά, η εργασία αυτή βοηθάει στο να καταλάβουμε καλύτερα πώς τα νανοσωματίδια επηρεάζουν τη διηλεκτρική συμπεριφορά του φυσικού εστέρα και δείχνει στην πράξη πόσο χρήσιμη είναι η στατιστική ανάλυση Weibull για να αξιολογούμε σωστά και με ασφάλεια τα μονωτικά λάδια που χρησιμοποιούνται στις υψηλές τάσεις.
Λέξεις κλειδιά: TiO2, νανοέλαια, νανοσωματίδια, βέλτιστη συγκέντρωση, χρόνος αφύγρανσης, διηλεκτρική αντοχή, κατανομή Weibull, φυσικός εστέρας, IEC 60156.

Abstract 
This diploma thesis investigates the dielectric strength of natural ester insulating nanofluids, focusing on FR3 oil enhanced with titanium dioxide (TiO2) nanoparticles under different dehydration conditions. The main objective is to examine the influence of nanoparticle concentration, the effect of dehydration processing time , as well as the statistical behavior after the large volume of consecutive electrical discharges. 
The experimental procedure was conducted in accordance with the international standard IEC 60156, and the obtained breakdown voltage data were analyzed using the Weibull distribution. This approach enables a reliability-oriented evaluation of dielectric strength, extending beyond simple mean values and emphasizing low-probability percentiles (1%,10%), which are of critical importance for the design of reliable liquid dielectrics in high-voltage transformer applications.
The results indicate that the addition of TiO2 nanoparticles significantly enhances the dielectric withstand, with the concentration of 0.020% wt (Sample C5) being identified as the optimum choice, combining peak dielectric strength with the highest statistical homogeneity and stability. Furthermore, the crucial role of dehydration time is highlighted, showing a non-linear behavior that depends on the specific concentration level, while the prolonged exposure to hundreds of consecutive breakdown events was found to induce gradual degradation of the dielectric performance and an increase in statistical dispersion.
Overall, this work helps to better understand how nanoparticles affect the dielectric behavior of natural esters and demonstrates in practice how useful Weibull statistical analysis is for properly and safely assessing insulating oils used in high-voltage applications. 
Keywords: TiO2, nanofluids, nanoparticles, optimum concentration, dehydration time, dielectric strength, Weibull distribution, natural ester, liquid dielectrics, IEC 60156.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Δρίτσα

με θέμα

Ασαφής Έλεγχος με την χρήση της Python
Fuzzy Control using Python

Εξεταστική Επιτροπή
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς (επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης
Καθηγητής Γεώργιος Σταυρουλάκης (Σχολή ΜΠΔ)

Περίληψη
Η παρούσα διπλωματική εργασία επικεντρώνεται στη μελέτη, τον σχεδιασμό και την υλοποίηση ενός συστήματος ελέγχου βασισμένου στην Ασαφή Λογική (Fuzzy Logic), με στόχο την ενεργή απόσβεση ταλαντώσεων σε ένα δυναμικό μηχανικό σύστημα «έξυπνης δοκού» (smart beam) εξοπλισμένης με πιεζοηλεκτρικούς αισθητήρες και διεγέρτες. Η κύρια καινοτομία της έρευνας έγκειται στην πλήρη αυτονόμηση της προσομοίωσης και τη μετάβαση από εμπορικά λογισμικά κλειστού κώδικα σε περιβάλλον ανοικτού κώδικα Python. Για τον σκοπό αυτό, αξιοποιήθηκαν ευρέως επιστημονικές βιβλιοθήκες, όπως οι NumPy, SciPy, python-control, skfuzzy και fuzzylab [cite: 535-542].  
Το μαθηματικό μοντέλο της δοκού εξήχθη μέσω της Μεθόδου των Πεπερασμένων Στοιχείων (FEM) κατά Timoshenko, ενώ η δυναμική απόκριση του συστήματος υπολογίστηκε με τη μέθοδο αριθμητικής ολοκλήρωσης Houbolt. Στο πλαίσιο της εργασίας αναπτύχθηκαν και συγκρίθηκαν δύο ελεγκτές: ένας Γραμμικός Τετραγωνικός Ρυθμιστής (LQR), ο οποίος βασίζεται στην ακριβή γνώση του μαθηματικού μοντέλου της κατασκευής, και ένας Ασαφής Ελεγκτής (MISO) με μέθοδο συνεπαγωγής Mamdani. Ο ασαφής ελεγκτής αξιολογεί τη μετατόπιση και την ταχύτητα της δοκού μέσω 15 εμπειρικών κανόνων, προκειμένου να υπολογίσει την απαιτούμενη δύναμη διόρθωσης.  
Τα αποτελέσματα των προσομοιώσεων επιβεβαιώνουν ότι και οι δύο μέθοδοι καταστέλλουν επιτυχώς τις ταλαντώσεις. Ο ελεγκτής LQR προσφέρει ιδανική εξομάλυνση της απόκρισης, εφόσον το μοντέλο είναι απολύτως ακριβές. Στον αντίποδα, ο ασαφής ελεγκτής αποδεικνύεται εξαιρετικά ανθεκτικός και ικανός να ελέγξει αποτελεσματικά το σύστημα, χωρίς να απαιτείται η παραμικρή γνώση των μητρώων μάζας και δυσκαμψίας.  
Λέξεις-Κλειδιά: Ασαφής Λογική, Έξυπνη Δοκός, Πιεζοηλεκτρικά Υλικά, Βέλτιστος Έλεγχος LQR, Python, Μέθοδος Πεπερασμένων Στοιχείων (FEM).

Abstract 
This thesis focuses on the study, design, and implementation of a Fuzzy Logic control system aimed at actively damping vibrations in a "smart beam" dynamic mechanical system, equipped with piezoelectric sensors and actuators. The primary innovation of this research lies in the complete autonomy of the simulation and the transition from commercial closed-source software to the open-source Python programming environment. To achieve this, scientific libraries such as NumPy, SciPy, python-control, skfuzzy, and fuzzylab were extensively utilized [cite: 535-542].  
The mathematical model of the beam was derived using the Finite Element Method (FEM) based on Timoshenko beam theory, and the dynamic response of the system was calculated via the Houbolt numerical integration method. Two controllers were developed and compared within this framework: a Linear Quadratic Regulator (LQR), which relies on exact mathematical modeling of the structure, and a Multiple Input, Single Output (MISO) Fuzzy Controller utilizing Mamdani inference. The fuzzy controller evaluates the beam's displacement and velocity through 15 empirical rules to compute the required corrective force.  
Simulation results confirm that both methods effectively suppress vibrations. The LQR controller provides perfectly smooth response damping, provided the model is absolutely accurate. Conversely, the fuzzy controller demonstrates remarkable robustness, successfully and effectively controlling the system without requiring any knowledge of the mass and stiffness matrices.  
Keywords: Fuzzy Logic, Smart Beam, Piezoelectric Materials, Optimal Control LQR, Python, Finite Element Method (FEM).

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αλεξάνδρου Παπαδάκη

με θέμα

Ασφαλή Διασυνδεδεμένα Έξυπνα Συστήματα για Οικιακές Εγκαταστάσεις

Secure Interconnected Smart Systems for Home Installations

Εξεταστική Επιτροπή
Καθηγητής  Σωτήριος Ιωαννίδης (επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός
Δρ Κυπριανός Παπαδημητρίου

Περίληψη
Η εργασία μελετά τη συγκριτική συμπεριφορά πέντε διαδρομών ασύρματης επικοινωνίας σε πραγματικό περιβάλλον οικιακού αυτοματισμού: Wi-Fi, Zigbee, Matter μέσω Wi-Fi και Matter μέσω Thread, με κοινό επίπεδο ανταλλαγής μηνυμάτων MQTT σε δύο στάδια ασφάλειας — χωρίς κρυπτογράφηση (βασικό στάδιο) και με έλεγχο πρόσβασης και κρυπτογράφηση μεταφοράς (ACL+TLS). Πλατφόρμα ενορχήστρωσης αποτελεί το Home Assistant OS με πραγματικές συσκευές καταναλωτικής αγοράς.
Η ανάλυση οργανώνεται γύρω από τρεις άξονες αξιολόγησης: (α) καθυστέρηση από άκρο σε άκρο και συμπεριφορά ουράς, (β) σημασιολογική απόκλιση μεταξύ διαδρομών που μοιράζονται κοινά κανάλια επικοινωνίας αλλά διαφορετική ακολουθία γεγονότων, και (γ) πολυπλοκότητα ένταξης συσκευών και κύκλου ζωής ανά τεχνολογία.
Τα ευρήματα δείχνουν ότι οι διαδρομές Zigbee εμφανίζουν τις ταχύτερες τυπικές αποκρίσεις ενεργοποίησης (διάμεση ολική καθυστέρηση ≈ 54 ms), το Matter μέσω Wi-Fi είναι ιδιαίτερα ανταγωνιστικό (65 ms), ενώ το Matter μέσω Thread, αν και επιχειρησιακά σταθερό, παρουσιάζει σημαντικά υψηλότερες καθυστερήσεις (205 ms, p99 = 691 ms). Η κρυπτογράφηση μεταφοράς με έλεγχο πρόσβασης δεν εισάγει μετρήσιμη επιβάρυνση απόδοσης, αλλά δεν εξαλείφει τη διαρροή μεταδεδομένων μέσω του χώρου ονομάτων των καναλιών μηνυμάτων. Η εργασία καταλήγει ότι η πρακτική ασφάλεια και η επίδοση ενός έξυπνου οικιακού περιβάλλοντος δεν προκύπτουν μόνο από το πρωτόκολλο, αλλά από το σύνολο της αρχιτεκτονικής εγκατάστασης.

Abstract 
This thesis investigates the comparative behavior of five communication protocol paths in a real smart home environment: Native Wi-Fi, Zigbee, Matter-over-Wi-Fi, and Matter-over-Thread, all sharing a common MQTT messaging layer across two security stages (Baseline and ACL+TLS). The orchestration platform is Home Assistant OS running on physical hardware with real consumer devices.
The study is structured around three evaluation axes: (a) end-to-end latency and tail behavior, (b) semantic drift — the observation that paths sharing the same topic namespace can exhibit fundamentally different event ordering — and (c) commissioning and lifecycle complexity per technology.
Findings show that Zigbee paths deliver the fastest typical ON responses (median E2E ≈ 54 ms), Matter-over-Wi-Fi is highly competitive (65 ms), while Matter-over-Thread, despite being operationally stable, is substantially slower in this setup (205 ms, p99 = 691 ms). Adding ACL+TLS introduces negligible latency overhead but does not eliminate metadata exposure through the MQTT topic namespace. The thesis concludes that practical smart home security and performance cannot be inferred from protocol specifications alone — they emerge from the combined effect of orchestration architecture, commissioning mechanisms, topic design, and deployment maturity.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρυσούλας Κωσταρέλου

με θέμα

Υπερφασματική Απεικόνιση Φθορισμού για την Ποσοτική Χαρτογράφηση της Έκκρισης Δερματικού Σμήγματος

Hyperspectral Fluorescence Imaging for the Quantitative Mapping of Skin Sebum Secretion

Εξεταστική Επιτροπή
Καθηγητής Κωσταντίνος Μπάλας (επιβλέπων)
Καθηγητής Ματτίας Μπούχερ
Καθηγήτρια Αικατερίνη Μανιά

Περίληψη
Το σμήγμα είναι μία πλούσια σε λιπίδια έκκριση των σμηγματογόνων αδένων, η οποία απλώνεται στην επιφάνεια του δέρματος ως λεπτό υμένιο και συμβάλλει στη λειτουργία του δερματικού φραγμού, στην ενυδάτωση, στην αντιμικροβιακή προστασία και στη συνολική εμφάνιση του δέρματος. Η μη φυσιολογική σμηγματογόνος δραστηριότητα συνδέεται με λιπαρότητα, διευρυμένους πόρους, ακμή και απόκριση σε θεραπείες, γεγονός που καθιστά σημαντική την αντικειμενική αξιολόγηση του σμήγματος στη δερματολογία και στην επιστήμη των καλλυντικών. Οι συμβατικές μέθοδοι, όπως οι απορροφητικές μεμβράνες, η μέτρηση με σμηγματόμετρο, η εκχύλιση με διαλύτες, ο πυρηνικός μαγνητικός συντονισμός και η υγρή χρωματογραφία σε συνδυασμό με φασματομετρία μάζας, παρέχουν χρήσιμες πληροφορίες για την ποσότητα, τον ρυθμό έκκρισης ή τη σύσταση του σμήγματος. Ωστόσο, πολλές από αυτές τις μέθοδοι απαιτούν επαφή με το δέρμα, είναι χρονοβόρες ή δίνουν μία μέση τιμή για μια επιλεγμένη περιοχή, με αποτέλεσμα να χάνεται συχνά η τοπική ανομοιογένεια στο επίπεδο των πόρων. Η υπερφασματική απεικόνιση φθορισμού αποτελεί μία υποσχόμενη προσέγγιση για μη επεμβατική χωρική αξιολόγηση, καθώς καταγράφει πληροφορία φθορισμού τόσο ως προς τη θέση όσο και ως προς το μήκος κύματος. Θεωρητικά, αυτό επιτρέπει τη χωριστή ανάλυση των εντοπισμένων φωτεινών περιοχών γύρω από τους πόρους και των σημάτων του υποβάθρου του δέρματος, ενώ μπορεί να υποστηρίξει μελλοντικά τη χαρτογράφηση επιμέρους συστατικών μέσω βαθμονόμησης και φασματικού διαχωρισμού. Παρόλα αυτά, ο φθορισμός του δέρματος δεν είναι ειδικός μόνο για το σμήγμα. Οι πορφυρίνες, ο αυτοφθορισμός της επιδερμίδας, ο φωτισμός, η εστίαση, η σκέδαση και οι συνθήκες λήψης μπορούν επίσης να επηρεάσουν το μετρούμενο σήμα. Για τον λόγο αυτό, τα αποτελέσματα που βασίζονται στον φθορισμό πρέπει να ερμηνεύονται ως περιγραφικά μεγέθη που σχετίζονται με το σμήγμα, εκτός εάν έχουν βαθμονομηθεί με αποδεκτές μεθόδους αναφοράς. Η παρούσα διπλωματική εργασία εξετάζει τις βιολογικές, οπτικές και μετρολογικές βάσεις της αξιολόγησης του σμήγματος και αναπτύσσει μία αναπαραγώγιμη ροή επεξεργασίας εικόνας για την ανάλυση φωτεινών περιοχών φθορισμού σε εικόνες ανθρώπινου δέρματος. Η ροή περιλαμβάνει αξιολόγηση των χρωματικών καναλιών, αυτόματη επιλογή καναλιού, καταστολή υποβάθρου, ανίχνευση φωτεινών περιοχών σε πολλαπλές κλίμακες, φιλτράρισμα και εξαγωγή ποσοτικών περιγραφικών μεγεθών, όπως ο αριθμός φωτεινών περιοχών, η μέση ένταση κάθε περιοχής, η κατανομή έντασης των εικονοστοιχείων και το μέγεθος των περιοχών. Οι εξαγόμενες μετρήσεις αξιολογούνται σε σύγκριση με μετρήσεις αναφοράς από λογισμικό ανάλυσης εικόνας, με στόχο την εκτίμηση της συμφωνίας έντασης και της απόδοσης ανίχνευσης. Τα αποτελέσματα δείχνουν ότι οι δερματοσκοπικές εικόνες φθορισμού μπορούν να μετατραπούν σε αναπαραγώγιμα ποσοτικά περιγραφικά μεγέθη φωτεινών περιοχών, τα οποία διατηρούν τη χωρική πληροφορία και επιτρέπουν τη σύγκριση μεταξύ διαφορετικών ατόμων. Ωστόσο, η παρούσα ροή εργασίας πρέπει να θεωρηθεί ως απόδειξη αρχής προς την ποσοτική χαρτογράφηση του σμήγματος και όχι ως άμεση μέτρηση της απόλυτης μάζας του. Μελλοντική εργασία θα πρέπει να συνδυάσει αντιστοιχισμένες λήψεις υπερφασματικής απεικόνισης φθορισμού με μεθόδους αναφοράς, όπως το σμηγματόμετρο, οι ταινίες συλλογής σμήγματος, ο σταθεροποιημένος ρυθμός έκκρισης σμήγματος, ο πυρηνικός μαγνητικός συντονισμός ή η υγρή χρωματογραφία σε συνδυασμό με φασματομετρία μάζας, ώστε τα περιγραφικά μεγέθη που προκύπτουν από την εικόνα να μετατραπούν σε φυσικά ή βιοχημικά ερμηνεύσιμες μετρήσεις σμήγματος.

Abstract 
Sebum is a lipid rich secretion of the sebaceous glands that spreads over the skin surface as a thin film and contributes to barrier function, hydration, antimicrobial protection and skin appearance. Abnormal sebaceous activity is associated with oily skin, enlarged pores, acne and treatment response making objective sebum assessment important in dermatology and cosmetic science. Conventional methods, such as absorbent films, Sebumeter measurements, solvent extraction, NMR, and LC-MS, provide useful information about sebum quantity, secretion rate or composition. However many of these methods are contact based, time consuming, or provide a single average value over a selected skin area, so local pore level heterogeneity is often lost. Hyperspectral fluorescence imaging (HSFI) offers a promising route toward non-invasive spatial assessment because it records fluorescence information with both spatial and spectral dimensions. In principle this allows follicular hotspot patterns and background tissue signals to be analyzed separately and can support future component mapping through calibration and spectral unmixing. However skin fluorescence is not specific to sebum alone. Porphyrins, epidermal autofluorescence, illumination, focus, scattering, and acquisition conditions can also influence the measured signal. Therefore fluorescence based outputs should be interpreted as sebum associated descriptors unless they are calibrated against accepted reference measurements. This thesis reviews the biological, optical and measurement foundations of sebum assessment and develops a reproducible image processing workflow for fluorescence hotspot analysis in human skin images. The workflow includes RGB channel evaluation, automatic channel selection, background suppression, multiscale hotspot detection, filtering, and extraction of quantitative descriptors such as hotspot count, mean spot intensity, pixel intensity distribution and hotspot size. The extracted measurements are evaluated against ImageJ based reference measurements to assess intensity agreement and detection performance. The results show that dermoscopic fluorescence images can be transformed into reproducible quantitative hotspot descriptors that preserve spatial information and allow comparison between subjects. Nevertheless the current workflow should be considered a proof of concept step toward quantitative sebum mapping rather than a direct measurement of absolute sebum mass. Future work should combine matched HSFI acquisitions with reference methods such as Sebumeter, Sebutape, SRSE, NMR or LC-MS to calibrate image derived descriptors into physically or biochemically meaningful sebum metrics.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αλεξάνδρου Νικολάου Κουφούδη

με θέμα
Προσομοίωση και Αξιολόγηση Λειτουργίας Ηλεκτρικού Οχήματος με Ενσωματωμένο Φωτοβολταϊκό Σύστημα σε Simulink/Matlab

Simulation and Evaluation of Electric Vehicle Operation with Integrated Photovoltaic System in Simulink/Matlab

Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης 
Επίκουρος Καθηγητής Γεώργιος Πέππας 

Περίληψη
Τα ηλεκτρικά οχήματα αποκτούν ολοένα και μεγαλύτερη σημασία στη μετάβαση προς καθαρότερες μεταφορές. Ωστόσο, η ευρύτερη υιοθέτησή τους εξακολουθεί να επηρεάζεται από περιορισμούς, όπως η διαθεσιμότητα των υποδομών φόρτισης, ο απαιτούμενος χρόνος φόρτισης και η ενεργειακή χωρητικότητα της μπαταρίας. Σε αυτό το πλαίσιο, τα φωτοβολταϊκά συστήματα που ενσωματώνονται σε οχήματα μπορούν να προσφέρουν πρόσθετη ενέργεια, συμβάλλοντας στην αύξηση της αυτονομίας ενός ηλεκτρικού οχήματος, στη μείωση του κόστους φόρτισης, στην επιμήκυνση της διάρκειας ζωής της μπαταρίας και στην αξιοποίηση επιφανειών του οχήματος που διαφορετικά θα παρέμεναν ανεκμετάλλευτες.
Η παρούσα διπλωματική εργασία παρουσιάζει τη μοντελοποίηση και προσομοίωση ενός ηλεκτρικού οχήματος με φωτοβολταϊκή υποβοήθηση στο περιβάλλον MATLAB/Simulink. Η φωτοβολταϊκή συστοιχία συνδέεται στον DC ζυγό υψηλής τάσης μέσω ενός DC-DC μετατροπέα ανύψωσης τάσης, ενώ εφαρμόζεται τεχνική MPPT, ώστε να αξιοποιείται η μέγιστη διαθέσιμη ηλιακή ενέργεια. Παράλληλα, μία συστοιχία μπαταριών ιόντων λιθίου συνδέεται στον ίδιο DC ζυγό μέσω αμφίδρομου DC-DC μετατροπέα, επιτρέποντας τη ροή ενέργειας και προς τις δύο κατευθύνσεις, δηλαδή τόσο κατά τη φόρτιση όσο και κατά την εκφόρτιση, καθώς και την ανάκτηση ενέργειας κατά την αναγεννητική πέδηση. Για την ασφαλή λειτουργία του συστήματος, λαμβάνεται επίσης υπόψη η κατάσταση φόρτισης της μπαταρίας, ώστε αυτή να παραμένει εντός προκαθορισμένων ορίων.
Στον ίδιο DC ζυγό συνδέεται και το υποσύστημα κίνησης, μέσω αντιστροφέα, ενώ ο ηλεκτροκινητήρας ελέγχεται με διανυσματικό έλεγχο πεδίου. Με αυτόν τον τρόπο επιτυγχάνεται ακριβής παρακολούθηση της ταχύτητας αναφοράς και σταθερή λειτουργία τόσο σε λειτουργία κίνησης όσο και σε λειτουργία αναγεννητικής πέδησης. Τα αποτελέσματα της προσομοίωσης δείχνουν ότι το προτεινόμενο σύστημα λειτουργεί όπως αναμένεται στα εξεταζόμενα σενάρια οδήγησης. Η τάση του DC ζυγού διατηρείται σταθερή γύρω από τα 500 V, ενώ η απαιτούμενη ισχύς του συστήματος κίνησης καλύπτεται από το φωτοβολταϊκό σύστημα και την μπαταρία, ανάλογα με τη διαθέσιμη ηλιακή ενέργεια και τις συνθήκες οδήγησης. Όταν υπάρχει διαθέσιμη φωτοβολταϊκή ισχύς, η συνεισφορά της μπαταρίας μειώνεται, ενώ η κατάσταση φόρτισής της παραμένει εντός των προκαθορισμένων ορίων.

Abstract
Electric vehicles have become increasingly important in the transition toward cleaner transportation, but their wider adoption is still affected by limitations such as charging infrastructure availability, charging time, and battery energy capacity. In this context, vehicle integrated photovoltaic (VIPV) systems can provide additional energy to help increase the driving distance of an EV, lower charging costs, extend the life of the battery and take advantage of unused surfaces on the car for energy generation. 
This thesis demonstrates a modeled and simulated PV augmented electric vehicle using MATLAB/Simulink. A PV array is connected to the high voltage DC-bus using a Boost DC-DC converter and an MPPT control technique is used to provide the maximum amount of solar energy to the electric vehicle. A lithium-ion battery pack is connected to the same high voltage DC-bus through a bidirectional DC-DC converter in order to allow energy to flow in both directions (charging and discharging), while allowing for energy recovery during regenerative braking. A state of charge (SOC) management approach has been included into the operation of the system so that it will operate safely within the defined limits. In the same DC-bus the traction subsystem is also connected through a voltage-source inverter (VSI) and controlled using field-oriented control (FOC) to achieve accurate speed tracking and stable operation across motoring and regenerative modes. The simulation results show that the proposed system operates as intended under the examined driving scenarios. The DC-bus remains stable around 500 V, while the power demand of the traction drive is supplied by the PV system and the battery according to the available solar energy and driving conditions. Battery contribution is reduced when PV power is available and the SOC is kept within the defined limits.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σοφίας Γαλανομάτη

με θέμα
Παραδοσιακές και Βαθιάς Μηχανικής Μάθησης Αρχιτεκτονικές για την Κατάτμηση Εικόνας και Εφαρμογές στο Γεωεντοπισμό
Traditional and Deep Learning Architectures for Image Segmentation and Applications on Geo-localizations

Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Δρ Ευφροσύνη Δούτση (ΙΤΕ)

Περίληψη
Η επεξεργασία εικόνων αποτελεί βασικό κλάδο στο πεδίο της υπολογιστικής όρασης. Καθώς ο όγκος των οπτικών δεδομένων συνεχίζει να αυξάνεται ραγδαία σε τομείς όπως η ιατρική απεικόνιση και η αυτόνομη πλοήγηση, αυξάνεται και η ζήτηση για ισχυρές και αποτελεσματικές μεθόδους επεξεργασίας εικόνας. Η επεξεργασία εικόνας περιλαμβάνει τεχνικές οι οποίες στοχεύουν στη βελτίωση της ποιότητας της εικόνας, στην εξαγωγή σχετικών χαρακτηριστικών και στην ενεργοποίηση της αυτοματοποιημένης λήψης αποφάσεων. Η κατάτμηση εικόνας αποτελεί βασική μέθοδο επεξεργασίας εικόνας. Με την κατάτμηση εικόνας επιτυγχάνεται ο διαχωρισμός της εικόνας σε διακριτές, ομοιογενείς περιοχές που αντιστοιχούν σε συγκεκριμένα αντικείμενα ή περιοχές ενδιαφέροντος. Καθώς είναι τεχνική της οποίας η ύπαρξη υφίσταται αρκετά χρόνια κι είναι ευρύτερα διαδεδομένη, έχουν αναπτυχθεί διαφορετικοί μέθοδοι με τις οποίες μπορεί να υλοποιηθεί. Στις μέρες μας, επιτυγχάνεται είτε με παραδοσιακές μεθόδους είτε με τη χρήση βαθιάς μηχανικής μάθησης και νευρωνικών δικτύων. Πρόκειται για τεχνική η οποία έχει εφαρμογές σε διάφορους τομείς. Για παράδειγμα, μέσω αυτής μπορεί να πραγματοποιηθεί η αναγνώριση ενός προσώπου, να πραγματοποιηθεί αναζήτηση βάσει του περιεχομένου της, να δημιουργηθούν αυτόνομα αυτοκίνητα και έξυπνες πόλεις. Δύο από τις πιο κρίσιμες εφαρμογές είναι ο γεωεντοπισμός εικόνας -ο προσδιορισμός της πραγματικής θέσης της εικόνας- και η τμηματοποίηση του τοπίου, η οποία περιλαμβάνει τον εντοπισμό και την οριοθέτηση διαφορετικών τύπων κάλυψης γης, όπως δάση και κατοικημένες περιοχές. Ο σκοπός της έρευνας διαχωρίζεται σε τρία κυρίως μέρη. Στο πρώτο μέρος γίνεται επισκόπηση κι ανάλυση ορισμένων παραδοσιακών τεχνικών κατάτμησης εικόνας, όπως είναι η κατάτμηση βάσει κατωφλίου. Το δεύτερο μέρος αφορά στις πιο σύγχρονες τεχνικές κατάτμησης εικόνας, οι οποίες βασίζονται σε αλγορίθμους μηχανικής ή βαθιάς μηχανικής μάθησης. Στο τρίτο μέρος αναλύεται η εφαρμογή των μεθόδων αυτών στο γεωεντοπισμό.

Abstract 
Image processing is a basic discipline in the field of computer vision. As the volume of visual data continues to grow rapidly across domains such as medical imaging and autonomous navigation, the demand for robust and efficient image processing methods is also increasing. Image processing includes techniques which aim at enhancing image quality, extracting relevant features, and enabling automated decision-making. Image segmentation constitutes a basic method of image processing. Image segmentation achieves the separation of the image into distinct, homogeneous areas that correspond to specific objects or areas of interest. As it is a technique that has been around for several years and is more widespread, different methods have been developed with which it can be implemented. Nowadays, it is achieved either with traditional methods or with the use of deep machine learning and neural networks. This is a technique that has applications in various fields. For example, it can be used to recognize a person, search based on their content, create autonomous cars and smart cities. Two of the most critical applications are image geolocalization -the determination of the actual location of an image- and landscape segmentation, which involves identifying and demarcating different types of land cover, such as forests and residential areas. The purpose of the research is divided into three main parts. The first part provides an overview and analysis of some traditional image segmentation techniques, such as threshold-based segmentation. The second part deals with the most modern image segmentation techniques, which are based on machine learning or deep machine learning algorithms. The third part analyzes the application of these methods on geolocalization.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ένρι Αγιάζι

με θέμα
Μεταβατική Συμπεριφορά Μοντέλων Γειώσεων
Transient Behavior of Grounding Systems

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Τμήμα ΗΜΜΥ)

Περίληψη
Η συνεχής αύξηση της ζήτησης ενέργειας, σε συνδυασμό με την πλήρη εξάρτηση του ανθρώπινου πολιτισμού στην ηλεκτρική ενέργεια καθιστά ολοένα και πιο σημαντική την αξιόπιστη και αδιάλειπτη λειτουργία των μονάδων παραγωγής ηλεκτρικής ενέργειας. Επιπλέον, η ταυτόχρονη ανάγκη για την παραγωγή ενέργειας, σε μια εποχή που μας απασχολεί το πρόβλημα της κλιματικής κρίσης, έχει οδηγήσει πολλούς επιστήμονες και μηχανικούς στην αναζήτηση εναλλακτικών μορφών παραγωγής ηλεκτρικής ενέργειας. Οι πιο διαδεδομένες εναλλακτικές, είναι η μετατροπή της αιολικής και ηλιακής ενέργειας σε ηλεκτρική, μέσα από τις ανεμογεννήτριες και αντίστοιχα από τα φωτοβολταϊκά στοιχεία. Στις περισσότερες περιπτώσεις οι μονάδες αυτές βρίσκονται σε απομακρυσμένες περιοχές και είναι εκτεθειμένες σε ακραία καιρικά φαινόμενα. Για τον λόγο αυτό, είναι εξαιρετικής σημασίας η προστασία τους από κεραυνικά πλήγματα ή βραχυκυκλώματα ή οποιαδήποτε διακοπή της εγκατάστασης είτε για λόγους συντήρησης είτε σφάλματος του δικτύου. Aυτο οποίο επιτυγχάνεται με τον σωστό σχεδιασμό του συστήματος γείωσης. 
Ο σωστός σχεδιασμός του συστήματος γείωσης είναι κρίσιμος για την ασφαλή όδευση και εξουδετέρωση των ρευμάτων σφάλματος από την εγκατάσταση προς την γη. Στην παρούσα διπλωματική εργασία μελετάται η μεταβατική συμπεριφορά απλών συστημάτων γείωσης, και στην συνέχεια το σύστημα γείωσης ενός αιολικού πάρκου. Η ανάλυση της μεταβατικής συμπεριφοράς των συστημάτων γείωσης γίνεται μέσω διαφορετικών μοντέλων και προσφέρει σημαντικές πληροφορίες για την ποιότητα και την αξιοπιστία του. Για παράδειγμα την μεταβολή της αντίστασης γείωσης σε συνάρτηση της συχνότητας, τις υπερτάσεις που αναπτύσσονται στην επιφάνεια τους εδάφους (βηματικές τάσεις) καθώς και οι επαγόμενες τάσεις στα διπλανά μεταλλικά αντικείμενα (τάσεις επαφής). Η ανάλυση πραγματοποιείται με την χρήση του προγράμματος εξομοίωσης κυκλωμάτων ATP -EMTP. Πολλαπλά μοντέλα έχουν προταθεί από την βιβλιογραφία, τα οποία εξετάζονται και συγκρίνονται μεταξύ τους. Τέλος, το καταλληλότερο μοντέλο επιλέγεται για την προσομοίωση ενός συστήματος γείωσης υπό διαφορετικές συνθήκες εδάφους αρχικά για μια ανεμογεννήτρια και στην συνέχεια για ένα αιολικό πάρκο με 23 ανεμογεννήτριες, υπό κυματομορφές κλάσης I του πρότυπου IEC 62305-1.

Abstract 
The constant raise of energy demand, combined with the complete dependence of human civilization on electricity, makes the reliable and uninterrupted operation of electrical power plans increasingly important. Furthermore, the simultaneous need for energy, at a time when we are concerned about the climate crisis problem, has led more scientists and engineers to search for alternative ways of electricity production. The most widespread alternatives of alternatives are the conversion of wind and solar energy into electricity, through wind turbines and photovoltaic cells, respectively. In most cases, these units are in remote areas and are exposed to extreme weather conditions, such as lightings strikes. For this reason, it is of utmost importance to protect them from lighting strikes or short circuits faults or any interruption of the installation, whether for maintenance reasons or network faults, which is achieved by properly designing the grounding system.
The proper design of the grounding system is crucial for safe routing and neutralization of fault currents from an installation into the earth. In this thesis, the transient behaviour of simple grounding systems is investigated followed by the analysis of the grounding system of a wind park. The analysis for the transient behaviour of grounding systems is done through different models and offers important information about its quality and reliability. For example, the variation of the grounding resistance as a function of frequency, known as grounding impedance, the over voltages that develop on the ground surface (step voltages) as well as the induced voltages in adjacent metal objects (contact voltages). The analysis is carried out using the ATP-EMTP circuit simulation program. Various grounding models proposed in the literature are examined and compared, to select the most suitable one for the scope of this work. The selected model is then applied to the simulation of a wind turbine grounding system followed by the simulation of a 23-wind generator park using class I waveforms of IEC 62305-1.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Πατεράκη

με θέμα

Πειραματική Διερεύνηση και Μοντελοποίηση Διάταξης Προστασίας από Υπερτάσεις σε Φορτιστές Ηλεκτρικών Οχημάτων
Experimental Investigation and Modelling of SPD in Electric Vehicle Chargers

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Γεώργιος Πέππας (επιβλέπων)
Καθηγητής Κωνσταντίνος Γυφτάκης
Αναπληρωτής Καθηγητής Θωμάς Τσοβίλης (ΑΠΘ, Τμήμα ΗΜΜΥ)

Περίληψη
Η ταχεία ανάπτυξη της ηλεκτροκίνησης έχει οδηγήσει σε αυξανόμενη ζήτηση για υποδομές φόρτισης ηλεκτρικών οχημάτων. Καθώς οι φορτιστές ηλεκτρικών οχημάτων εγκαθίστανται ολοένα και περισσότερο σε οικιακούς, εμπορικούς και δημόσιους χώρους, η αξιόπιστη και ασφαλής λειτουργία τους αποτελεί σημαντική απαίτηση για τις σύγχρονες ηλεκτρικές εγκαταστάσεις. Δεδομένου ότι οι φορτιστές ηλεκτρικών οχημάτων περιλαμβάνουν ευαίσθητα ηλεκτρονικά, ενδέχεται να εκτεθούν σε μεταβατικές υπερτάσεις που προκαλούνται από κεραυνική δραστηριότητα, διακοπτικούς χειρισμούς και άλλες ηλεκτρικές διαταραχές. Για τον λόγο αυτό, οι διατάξεις προστασίας από υπερτάσεις είναι απαραίτητες για τη μείωση της ηλεκτρικής καταπόνησης που επιβάλλεται στον φορτιστή και για τη βελτίωση της αξιοπιστίας της εγκατάστασης. Η παρούσα διπλωματική εργασία περιλαμβάνει τόσο πειραματική διερεύνηση όσο και μοντελοποίηση μιας τέτοιας προστατευτικής συσκευής, η οποία χρησιμοποιείται σε εγκαταστάσεις φόρτισης ηλεκτρικών οχημάτων.
Το πειραματικό μέρος της εργασίας εξετάζει τη μεταβατική συμπεριφορά της προστατευτικής συσκευής υπό τυποποιημένες κρουστικές κυματομορφές τάσης και ρεύματος. Οι δοκιμές πραγματοποιήθηκαν με διαφορετικές συνδεσμολογίες, ώστε να εξεταστεί η απόκρισή της υπό κρουστικές συνθήκες. Επιπλέον, η ίδια συσκευή διερευνήθηκε πειραματικά ως μέρος του συστήματος προστασίας ενός φορτιστή ηλεκτρικού οχήματος, με στόχο την αξιολόγηση της συμπεριφοράς της πλήρους συνδεσμολογίας υπό κρουστική καταπόνηση.
Στο μέρος της μοντελοποίησης αναπτύσσεται ένα ισοδύναμο κυκλωματικό μοντέλο της προστατευτικής συσκευής στο ATP-EMTP. Το μοντέλο βασίζεται στην εσωτερική τοπολογία της συγκεκριμένης συσκευής και περιλαμβάνει αναπαραστάσεις τόσο των μεταλλοξειδικών βαρίστορ όσο και των σπινθηριστών αερίου που χρησιμοποιούνται ως προστατευτικά στοιχεία. Το προτεινόμενο μοντέλο επικυρώθηκε μέσω συγκρίσεων μεταξύ προσομοιωμένων και πειραματικών κυματομορφών τάσης και ρεύματος.
Συνολικά, η διπλωματική εργασία συμβάλλει στην ανάλυση της μεταβατικής συμπεριφοράς των διατάξεων προστασίας από υπερτάσεις και της απόδοσης της προστασίας έναντι υπερτάσεων σε εγκαταστάσεις φόρτισης ηλεκτρικών οχημάτων, μέσω μιας συνδυασμένης πειραματικής και υπολογιστικής προσέγγισης.

Abstract 
The rapid growth of electric mobility has led to an increasing demand for electric vehicle charging infrastructure. As electric vehicle chargers become more widely installed in residential, commercial and public locations, their reliable and safe operation becomes an important requirement for modern electrical installations. Since EV chargers include sensitive power electronic components, they may be exposed to transient overvoltages caused by lightning activity, switching operations and other electrical disturbances. For this reason, surge protective devices (SPDs) are essential for reducing the electrical stress imposed on the charger and improving the reliability of the installation. This diploma thesis includes both experimental work and modeling of an SPD used for the protection of electric vehicle charger installations.
The experimental part of this work examines the transient behavior of the SPD under standard impulse voltage and current waveforms. The tests were performed with different connection configurations, to examine the response of the device under impulse conditions. In addition, the same SPD was experimentally investigated as part of the protection system of an electric vehicle charger, to assess the behavior of the complete connection arrangement under impulse stress.
The modeling part of this work develops an equivalent circuit model of the SPD in ATP-EMTP. The model is based on the internal topology of the specific device and includes representations of both metal oxide varistor and gas discharge tube protective elements. The proposed model was validated through comparisons between simulated and experimental voltage and current waveforms.
Overall, the thesis contributes to the analysis of SPD transient behavior and surge protection performance in electric vehicle charger installations through a combined experimental and simulation approach.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μάριου Μανωλιά 

με θέμα
Ανάπτυξη Ψηφιακού Διδύμου Φωτοβολταϊκού Μετατροπέα DC/DC σε Αναδιατασσόμενη Λογική
Development of the Digital Twin of a Photovoltaic DC/DC Converter in Reconfigurable Logic

Εξεταστική Επιτροπή
Καθηγητής Ευτύχιος Κουτρούλης (Επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας
Καθηγητής Σωτήριος Ιωαννίδης

Περίληψη
Καθώς πραγματοποιείται η ενεργειακή μετάβαση σε Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ), τα ηλεκτρονικά ισχύος που τις υποστηρίζουν πρέπει να λειτουργούν αποδοτικά και αξιόπιστα, επιτρέποντας παράλληλα ανίχνευση βλαβών και αποκλίσεων από την αναμενόμενη λειτουργία. Η παρούσα διπλωματική εργασία παρουσιάζει την ανάπτυξη ενός ψηφιακού διδύμου πραγματικού χρόνου για έναν φωτοβολταϊκό (Φ/Β) μετατροπέα ανύψωσης τάσης (DC-DC Boost converter), υλοποιημένου σε FPGA. Το ψηφιακό δίδυμο εκτελείται παράλληλα με το πραγματικό σύστημα και λειτουργεί ως ενσωματωμένη αναφορά της αναμενόμενης συμπεριφοράς, επιτρέποντας συνεχή παρακολούθηση και ανίχνευση ανωμαλιών με πολύ μικρή καθυστέρηση, χωρίς εξάρτηση από υποδομές υπολογιστικού νέφους. Αρχικά αναπτύσσεται και επιβεβαιώνεται το μοντέλο μετατροπέα και ελεγκτή στο MATLAB/Simulink, μετασχηματίζεται σε διακριτό χρόνο και στη συνέχεια υλοποιείται σε πλακέτα Intel MAX10 μέσω σύνθεσης στο Quartus. Η πειραματική αξιολόγηση δείχνει ότι το ψηφιακό δίδυμο αναπαράγει με ακρίβεια τη δυναμική του μετατροπέα σε τυπικές συνθήκες, ενώ οι αποκλίσεις διδύμου–συστήματος παρέχουν πληροφορία χρήσιμη για παρακολούθηση κατάστασης, ανίχνευση βλαβών και μελλοντικές επεκτάσεις σε προηγμένο έλεγχο και διάγνωση.
Λέξεις-Κλειδιά: Ψηφιακό δίδυμο, Φωτοβολταϊκά (Φ/Β), Μετατροπέας ανύψωσης τάσης (Boost) DC/DC, Αναδιατασσόμενη λογική, Κλειστός βρόχος ελέγχου

Abstract 
As the energy transition toward renewable energy sources progresses, the power electronics that support them must operate efficiently and reliably while enabling rapid detection of faults and deviations from expected performance. This thesis presents the development of a real-time digital twin for a photovoltaic (PV) DC–DC Boost converter, implemented on an FPGA. The digital twin runs in parallel with the physical system and acts as an embedded reference of the expected behavior, enabling continuous monitoring and low-latency anomaly detection without relying on cloud computing infrastructure. First, a detailed converter-and-controller model is developed and validated in MATLAB/Simulink, transformed into a discrete-time form, and then implemented on an Intel MAX10 development board through synthesis in Intel Quartus. Validation through FPGA-in-the-Loop co-simulation shows that the FPGA-based digital twin accurately reproduces the converter dynamics under typical operating conditions. Deviations between the digital twin and the physical system provide information that is useful for condition monitoring, fault detection, and future extensions toward advanced control and diagnostics.
Keywords: Digital Twin, Photovoltaic (PV), Boost DC/DC Converter, FPGA, FPGA-in-the-Loop

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Βασιλικής Νέτσιου

με θέμα
Ομοσπονδιακή Μάθηση και Αυτοματοποίηση Ροών Εργασίας CEP/CEF μέσω Τελεστών του RapidMiner Studio
Federated Learning and CEP/CEF Workflow Automation through RapidMiner Studio Operators

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος  Δεληγιαννάκης (επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς
Επίκουρος Καθηγητής Νικόλαος Γιατράκος

Περίληψη
Η αυξανόμενη πολυπλοκότητα των κατανεμημένων συστημάτων επεξεργασίας ροών δεδομένων, σε συνδυασμό με την ανάγκη για μηχανική μάθηση με διαφύλαξη της ιδιωτικότητας, δημιουργεί σημαντικές προκλήσεις στη διαμόρφωση και ενορχήστρωση ετερογενών τεχνολογιών. Το Federated Learning επιτρέπει την εκπαίδευση μοντέλων σε κατανεμημένους κόμβους χωρίς τη συγκέντρωση των πρωτογενών δεδομένων, ενώ οι τεχνικές Complex Event Processing/Forecasting (CEP/CEF) επιτρέπουν την αναγνώριση και πρόβλεψη σύνθετων γεγονότων σε πραγματικό χρόνο. Ωστόσο, η ενσωμάτωση αυτών των προσεγγίσεων σε υποδομές streaming απαιτεί συνήθως χειροκίνητη παραμετροποίηση, εξειδικευμένες τεχνικές γνώσεις και άμεση αλληλεπίδραση με τη γραμμή εντολών.
Η παρούσα διπλωματική εργασία αντιμετωπίζει αυτές τις προκλήσεις μέσω της ανάπτυξης custom operators για το RapidMiner Studio, μια οπτική πλατφόρμα μηχανικής μάθησης. Οι τελεστές επιτρέπουν στους χρήστες να διαμορφώνουν οπτικά πειράματα federated learning και να ενσωματώνουν μηχανή CEP/CEF σε κατανεμημένες ροές εργασίας streaming, μειώνοντας την ανάγκη για χειροκίνητη παραμετροποίηση χαμηλού επιπέδου. Η προτεινόμενη αρχιτεκτονική διαχωρίζει το επίπεδο ελέγχου από το επίπεδο επεξεργασίας δεδομένων, επιτρέποντας τον σχεδιασμό και την εκτέλεση σύνθετων ροών εργασίας μέσω οπτικού περιβάλλοντος, ενώ παραμένουν διαθέσιμες ρυθμίσεις που εξαρτώνται από την εκάστοτε υποδομή, όπως οι Kafka brokers, οι απομακρυσμένες διαδρομές αρχείων και τα SSH credentials.
Η πειραματική αξιολόγηση επιβεβαίωσε ότι η προτεινόμενη προσέγγιση απλοποιεί επιτυχώς την ενορχήστρωση κατανεμημένων συστημάτων streaming μέσω οπτικού περιβάλλοντος.
Abstract 
The increasing complexity of distributed data stream processing systems, combined with the need for privacy-preserving machine learning, creates significant challenges in configuring and orchestrating heterogeneous technologies. Federated Learning enables model training across distributed nodes without centralizing raw data, while Complex Event Processing and Forecasting (CEP/CEF) techniques allow real-time pattern recognition and prediction over event streams. However, integrating these approaches into streaming infrastructures typically requires manual configuration, specialized technical knowledge, and direct interaction with command-line interfaces.
This diploma thesis addresses these challenges through the development of custom operators for RapidMiner Studio, a visual machine learning platform. The operators allow users to visually configure federated learning experiments and to integrate a CEP/CEF engine into distributed streaming pipelines, reducing the amount of manual low-level configuration required. The proposed architecture separates the control layer from the data processing layer, enabling the design and execution of complex streaming workflows through a drag-and-drop environment while still exposing deployment-specific settings such as Kafka brokers, remote paths, and SSH credentials when needed.
The experimental evaluation confirmed that the proposed approach successfully simplifies the orchestration of distributed streaming systems through a visual environment.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ελεονόρας Τσόμη

με θέμα
Υλοποίηση του OmniSketch στο  Apache Flink  
Implementation of OmniSketch in Apache Flink

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς 

Περίληψη
Είναι γνωστό ότι ο όγκος των δεδομένων που παράγονται καθημερινά από οποιαδήποτε εφαρμογή αυξάνεται ραγδαία, με αποτέλεσμα να δημιουργείται άμεση ζήτηση για πλαίσια επεξεργασίας ροών σε πραγματικό χρόνο. Η παρούσα εργασία διερευνά την ενσωμάτωση του OmniSketch στο Apache Flink, με σκοπό την αξιοποίηση του δυναμικού του για την παράλληλη επεξεργασία σε κατανεμημένα συστήματα. Ο πρωταρχικός στόχος είναι η επίτευξη βαθμού παραλληλισμού μέσω της ενσωμάτωσης του OmniSketch στο Synopsis Data Engine (SDE). Η διαδικασία ενσωμάτωσης αξιοποίησε τις δυνατότητες κατανεμημένης επεξεργασίας του Flink για την αποτελεσματική διαχείριση ροών δεδομένων μεγάλης κλίμακας. Επιπλέον, πραγματοποιήθηκαν τροποποιήσεις, από την πλευρά μας, στον αλγόριθμο του OmniSketch προκειμένου να καταστεί δυνατή η λειτουργία του παράλληλο επίπεδο, ενισχύοντας τόσο την αποτελεσματικότητα της σύνοψης όσο και της εκτέλεσης της.

Abstract 
It is known that the amount of data generated every day by any application is rapidly growing, resulting in an immediate demand for real-time stream processing frameworks. This work explores the integration of OmniSketch within Apache Flink to leverage its potential for parallel processing
in distributed systems. The primary objective is to achieve a degree of parallelism greater than one by embedding OmniSketch into the Synopsis Data Engine (SDE) framework. The integration process utilized Flink’s distributed processing capabilities to efficiently handle large-scale data streams. Additionally, modifications, from our part, to the OmniSketch algorithm were made to enable its operation
in parallel, enhancing both summarization and execution efficiency.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννας Μαρίνου

με θέμα
Χρήση Μεγάλων Γλωσσικών Μοντέλων για Ανάπτυξη Γεννήτριας Συνόλων Δεδομένων για Οικοσυστήματα Έξυπνων Δικτύων με Ηλεκτρικά Οχήματα
An LLM-Based Dataset Generator for Smart Grid Ecosystems Populated with Electric Vehicles

Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Χαλκιαδάκης (επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς
Καθηγητής Φώτιος Κανέλλος (ΠΚ, Σχολή ΜΠΔ)

Περίληψη
Τα ρεαλιστικά σύνολα δεδομένων διαδρομών και φόρτισης ηλεκτρικών οχημάτων (EV) είναι απαραίτητα για τον σχεδιασμό ευφυών δικτύων ενέργειας, ωστόσο τα πραγματικά δεδομένα παραμένουν δυσεύρετα, εξαρτόμενα από την τοποθεσία και δύσκολα γενικεύσιμα. Στην παρούσα εργασία, παρουσιάζουμε ένα πολυπρακτορικό σύστημα που αξιοποιεί Μεγάλα Γλωσσικά Μοντέλα (LLMs) για τη δημιουργία συνθετικών συνόλων δεδομένων EV χρησιμοποιώντας τις ελάχιστες δυνατές πληροφορίες ως είσοδο και χωρίς πρόσβαση σε πραγματικά δεδομένα για εκπαίδευση. Το πλαίσιο αποτελείται από τέσσερις εξειδικευμένους πράκτορες οργανωμένους σε μια σειριακή δομή επεξεργασίας: έρευνα σεναρίου μέσω αναζήτησης στο διαδίκτυο, σχεδιασμό αρχετύπων συμπεριφοράς, κατανομή πληθυσμού και σταδιακή παραγωγή γεγονότων. Κάθε στάδιο είναι συνδεδεμένο με έναν ντετερμινιστικό βρόχο επικύρωσης και ανατροφοδότησης. Αξιολογούμε το πλαίσιο σε τρία γεωγραφικά πλαίσια και με τρία διαφορετικά LLMs χρησιμοποιώντας συσχετίσεις Spearman, Ολική Απόσταση Μεταβολής (TVD) και απόσταση Manhattan, διαπιστώνοντας ότι και οι τέσσερις συσχετίσεις Spearman είναι θετικές και στατιστικά σημαντικές (ρ ∈ [0.572, 0.835], p < 0.01) και ότι τα παραγόμενα δεδομένα επιτυγχάνουν 75% κατανεμητική επικάλυψη με πραγματικές παρατηρήσεις (TVD 0.249). Σε 38 πειράματα εντοπίζουμε κατανεμητικές αποκλίσεις και θεμελιώνουμε ένα κεντρικό συμπέρασμα: οι προτροπές και ο σχεδιασμός αρχετύπων διέπουν αποτελεσματικά τον χρονισμό των διαδρομών, υστερούν όμως ως προς την κατανομή του αριθμού τους και αποτυγχάνουν σε μεγάλο βαθμό να ελέγξουν τις κατανομές φόρτισης, τόσο ως προς τον χρονισμό όσο και ως προς τη συχνότητα. Καταλήγουμε ότι η παραγωγή μέσω LLM συμπληρώνει τις στατιστικές μεθόδους, αλλά δεν τις αντικαθιστά, προσφέροντας προσαρμοστικότητα σε περιπτώσεις όπου δεν υπάρχουν διαθέσιμα πραγματικά δεδομένα.

Abstract 
Realistic electric vehicle (EV) trip and charging datasets are essential for smart grid planning, yet real-world data remains scarce, location-specific, and difficult to generalise. In this work, we present a multiagent framework that employs Large Language Models (LLMs) to generate synthetic EV datasets from minimal input, without access to ground-truth training data. The framework consists of four specialised agents arranged in a staged pipeline - scenario research via web search, behavioural archetype design, population distribution assignment, and incremental event generation - each coupled with a deterministic validation feedback loop. We evaluate our framework across three geographic contexts and three LLMs using Spearman rank correlations, Total Variation Distance (TVD), and Manhattan distance, finding that all four Spearman correlations are positive and statistically significant (ρ ∈ [0.572, 0.835], p < 0.01) and that the generated data achieves 75% distributional overlap with real-world observations (TVD 0.249). In 38 experiments we identify distributional biases that resist prompt engineering, and establish a central finding: prompts and archetype design together effectively govern trip timing, but fall short for trip-count distribution and largely fail to control charging distributions, both timing and frequency. We conclude that LLM-based generation complements, rather than replaces, statistical methods, offering scenario adaptability where ground-truth data is unavailable.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αθανασίου Μπούτα

με θέμα
ETL σε Ροές Δεδομένων χρησιμοποιώντας το Apache Flink
Streaming ETL using Apache Flink

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Επίκουρος Καθηγητής Νικόλαος Γιατράκος

Περίληψη
Η παρούσα διπλωματική εργασία παρουσιάζει την ανάπτυξη ενός συστήματος ETL για την επεξεργασία και αποθήκευση δεδομένων που προέρχονται από ένα δίκτυο αισθητήρων, σε πραγματικό χρόνο. Στο σύστημα που αναπτύχθηκε οι χρήστες μπορούν να αποστείλουν ερωτήματα(Queries)  σε μορφή Json αρχείου ως προς την εισερχόμενη ροή. H ανάπτυξη έγινε με την χρήση της κατανεμημένης μηχανής Flink. Τα ερωτήματα κατατίθενται μέσω ενός REST API που αναπτύχθηκε σχετικά, ενώ υποστηρίζονται μετασχηματισμοί συνάθροισης αλλά και μετασχηματισμοί σε single elements. Το σύστημα μας προσφέρει την δυνατότητα πολλαπλών υποβολών αρχείων χωρίς να χρειάζεται να επανεκκινήσει το job. Η αξιολόγηση του συστήματος μας  πραγματοποιήθηκε στον SoftNet Cluster του Πολυτεχνείου Κρήτης. Εκεί μελετήθηκε σε batch προσέγγιση, η επίδραση των επιπέδων παραλληλισμού του Flink, η επίδρασή του πλήθους των δεδομένων εισόδου αλλά και του αριθμού των αρχείων που υποβάλλονται από τους χρήστες.  Τα αποτελέσματα επιβεβαιώνουν ότι η επεξεργασία παραμένει σταθερή ανά εγγραφή ανεξαρτήτως του όγκου των δεδομένων, ενώ ο χρόνος επεξεργασίας μειώνεται με την αύξηση των επιπέδων του παραλληλισμού.

Abstract 
This thesis presents the development of an ETL system for the real-time processing and storage of data originating from a sensor network. The developed system enables users to submit queries in the form of JSON files over the incoming data stream. The implementation was carried out using the distributed processing engine Apache Flink. Queries are submitted through a dedicated REST API, while the system supports both aggregation transformations and single-element transformations. Furthermore, the system provides the capability of handling multiple query file submissions without requiring a job restart. The evaluation of the system was conducted on the SoftNet Cluster of the Technical University of Crete. Using a batch-processing approach, we investigated the impact of Flink's parallelism levels, the volume of input data, and the number of query files submitted by users. The results confirm that the processing cost per record remains stable regardless of data volume, while the overall processing time decreases as the level of parallelism increases.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ιωάννη Εμμανουηλίδη 

με θέμα

Υλοποίηση ενός Ακριβούς, Αντιστρέψιμου και Συγχωνεύσιμου Σκίτσου για την Ανίχνευση Υπερ-διαμοιραστών στο Apache Flink 
Implementation of an Accurate, Invertible, and Mergeable Sketch for Online Super Spreader Detection on Apache Flink

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η συνεχής επέκταση των περιβαλλόντων ροών δεδομένων απαιτεί τεχνικές επεξεργασίας οι οποίες είναι αυστηρά οριοθετημένες τόσο σε χώρο όσο και σε χρόνο. Για την ικανοποίηση αυτών των περιορισμών, οι πιθανοτικές συνόψεις (σκίτσα) χρησιμοποιούνται ευρέως για να συνοψίσουν ογκώδεις ροές δεδομένων και να προσεγγίσουν αποτελέσματα ερωτημάτων χρησιμοποιώντας εξαιρετικά περιορισμένη μνήμη. Η παρούσα διπλωματική αναλύει την υλοποίηση του RGS-Sketch, μιας εξειδικευμένης δομής για την online ανίχνευση Υπερ-διαμοιραστών, καθώς και την ενσωμάτωσή της στο Apache Flink. Το RGS-Sketch εντοπίζει ροές υψηλής πληθικότητας μέσω ενός μηχανισμού Register Group Sharing, επιτυγχάνοντας ταυτόχρονα εξαιρετική αποδοτικότητα μνήμης και ταχύτητα. Για τη μεγιστοποίηση του ρυθμού διεκπεραίωσης κατά την παρακολούθηση της πληθικότητας σε πραγματικό χρόνο, ο αλγόριθμος υποστηρίζει την κλιμάκωση σε κατανεμημένα συστήματα μέσω της δομικής του συγχωνευσιμότητας, η οποία επιτρέπει την άμεση ένωση των κατανεμημένων καταστάσεων. Αυτό επιτρέπει στο σύστημα να εξάγει συλλογικά ακριβείς εκτιμήσεις πληθικότητας και να ανιχνεύει Υπερ-διαμοιραστές σε ανεξάρτητα σημεία μέτρησης.
 
Abstract 
The continuous expansion of data stream environments requires processing techniques that are strictly bounded in both space and time. To meet these constraints, probabilistic synopses (sketches) are widely used to summarize massive data streams and approximate query results using highly restricted memory. This thesis details the implementation of the RGS-Sketch, a specialized structure for online Super Spreader detection, and its integration into Apache Flink. The RGS-Sketch identifies high-cardinality flows through a Register Group Sharing mechanism, concurrently achieving exceptional memory efficiency and speed. To maximize throughput during real time cardinality tracking, the algorithm supports scaling across distributed systems through its structural mergeability, which enables the direct fusion of distributed states. This allows the system to collectively derive accurate cardinality estimations and detect Super Spreaders across independent measurement points.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χρήστου Κωσταδήμα

με θέμα
Βαθιά Μάθηση για Αυτοματοποιημένη Ποσοτικοποίηση Νευρωνικής Μορφολογίας και Υγείας σε Εικόνες Μικροσκοπίας
Deep Learning for Automated Quantification of Neuronal Morphology and Health in Microscopy Images

Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (Επιβλέπων) 
Αναπληρωτής Καθηγητής Ευάγγελος Καλογεράκης 
Δρ. Νικόλαος-Κοσμάς Χλης

Περίληψη
Η βιοϊατρική έρευνα στις μέρες μας έχει σημειώσει σημαντική πρόοδο χάρη στη χρήση διαφοροποιημένων  βλαστοκυττάρων (human induced pluripotent stem cells), τα οποία αποτελούν μια ανανεώσιμη και γενετικά προσαρμόσιμη πηγή εξειδικευμένων κυτταρικών συστημάτων. Ωστόσο, η διαδικασία διαφοροποίησης είναι εξαιρετικά χρονοβόρα και επιρρεπής σε μορφολογική μεταβλητότητα. Τα βλαστοκύτταρα ενδέχεται να διαφοροποιηθούν σε τρεις κατηγορίες: υγιή νευρωνικά δίκτυα, δίκτυα με αυξημένο κυτταρικό θάνατο ή δίκτυα που εμφανίζουν σχηματισμό κυτταρικών συσσωματωμάτων (clusters). Μεταξύ αυτών των μορφολογικών αποτελεσμάτων, μόνο ο σχηματισμός υγιών νευρωνικών δικτύων πληροί τα πρότυπα που απαιτούνται για τα πειράματα που αποσκοπούν στην ανάπτυξη φαρμάκων. Ο ποιοτικός έλεγχος για τη διασφάλιση της ποιότητας των δειγμάτων βασίζεται επί του παρόντος στη χειροκίνητη επιθεώρηση εικόνων μικροσκοπίας, ενδεχομένως με την πρόσθετη χρήση fluorescent labeling (staining). Ωστόσο, αυτές οι χειροκίνητες μεθοδολογίες παρουσιάζουν περιορισμούς, καθώς είναι εγγενώς χρονοβόρες και επιρρεπείς σε ανθρώπινα σφάλματα. Τεχνικές όπως το fluorescent labeling αυξάνουν σημαντικά την πολυπλοκότητα και  τον χρόνο προετοιμασίας της πειραματικής διαδικασίας, ενώ παράλληλα ενέχουν κινδύνους τοξικότητας για τα ζωντανά κύτταρα, θέτοντας σε κίνδυνο την ακεραιότητα του δείγματος. Συγκεκριμένα, η προτεινόμενη ροή εργασίας χρησιμοποιεί ένα βελτιστοποιημένο συνελικτικό νευρωνικό δίκτυο τύπου U-net για την ακριβή κατάτμηση εικόνας (image segmentation) των διαφοροποιημένων κυττάρων. Αντί για μια τυποποιημένη αρχιτεκτονική, το μοντέλο αναπτύχθηκε κατόπιν διεξοδικών δοκιμών διαφορετικών συναρτήσεων απώλειας (loss functions) και μεγεθών δικτύου, ώστε να επιτυγχάνεται η βέλτιστη κατάτμηση τόσο μεμονωμένων νευρώνων όσο και κυτταρικών συσσωματωμάτων. Μετά την κατάτμηση των εικόνων, εξάγεται ο συνολικός αριθμός των pixels που αντιστοιχούν σε νευρώνες και ο αριθμός των pixels που αντιστοιχούν σε συσσωματώματα. Αυτά τα δεδομένα, σε συνδυασμό με χαρακτηριστικά που εξάγονται από το ιστόγραμμα των εικόνων γκρίζας κλίμακας (grayscale images), τροφοδοτούν έναν ταξινομητή Random Forest. ΄Ετσι, το μοντέλο αποφασίζει εάν η αντίστοιχη εικόνα απεικονίζει ένα well με υγιείς νευρώνες, συσσωματώματα (clusters) ή υπολείμματα από νεκρά κύτταρα (dead cells). Η μεθοδολογία αυτή εφαρμόζεται well-by-well, παρέχοντας μια ολοκληρωμένη ποιοτική αξιολόγηση της πειραματικής διάταξης. Με αυτόν τον τρόπο, το μοντέλο ταξινομεί κάθε μεμονωμένη εικόνα μικροσκοπίας (η οποία έχει ληφθεί από ένα συγκεκριμένο well) σε μία από τις τρεις κατηγορίες: υγιείς νευρώνες, συσσωματώματα (clusters) ή υπολείμματα νεκρών κυττάρων. Διαχωρίζοντας με ακρίβεια τις εικόνες υγιών νευρώνων, το εργαλείο παρέχει τα απαραίτητα δεδομένα για τη μεταγενέστερη λήψη αποφάσεων σε επίπεδο well, συμβάλλοντας έτσι σε μια ολοκληρωμένη ποιοτική αξιολόγηση της πειραματικής διάταξης και διασφαλίζοντας ότι μόνο τα wells που παρουσιάζουν υγιή νευρωνικά δίκτυα προκρίνονται για περαιτέρω βιολογικές δοκιμές. Για την επιλογή του βέλτιστου μοντέλου κατάτμησης (segmentation), πραγματοποιήθηκε εκτενής αξιολόγηση 192 διαφορετικών παραμετροποιήσεων. Η κορυφαία διαμόρφωση του βελτιστοποιημένου μοντέλου U-Net πέτυχε συνολική μέση ακρίβεια εικονοστοιχείων (mean pixel accuracy) 97,78%. Η μέση ακρίβεια του προσκηνίου (foreground accuracy) η οποία λαμβάνει υπόψη μόνο τους νευρώνες και τα συσσωματώματα, υπολογίστηκε στο 82,95%, ενώ η διάμεση τιμή (median) του Dice Score διαμορφώθηκε στο 0,95 για τα συσσωματώματα (clusters) και στο 0,70 για τους μεμονωμένους νευρώνες. Επιπλέον, το ενσωματωμένο μοντέλο απόφασης Random Forest επέδειξε εξαιρετική αξιοπιστία στην ταξινόμηση των δειγμάτων, επιτυγχάνοντας F1-score 0,97 σε νέα δεδομένα δοκιμής (unseen test data). Τα αποτελέσματα αυτά υποδεικνύουν ότι το αυτοματοποιημένο σύστημα μπορεί να αντικαταστήσει αποτελεσματικά τη χειροκίνητη επιθεώρηση, παρέχοντας μια στιβαρή λύση υψηλής απόδοσης για τον ποιοτικό έλεγχο στις διαδικασίες σχεδιασμού φαρμάκων, διασφαλίζοντας την ακεραιότητα βιολογικών δοκιμών.

Abstract 
Biomedical research nowadays has advanced considerably thanks to the use of differentiated human induced pluripotent stem cells, which offer renewable, genetically customizable source of specialized cellular systems. However, the differentiation process is significantly time consuming and prone to morphological variability. Stem cells in each well differentiate into three categories: healthy neuronal networks, increased cell death and clustered cell formations. Among these morphological outcomes, only the formation of healthy, intricate neuronal net works meets the standards required for drug discovery assays. To ensure the required purity, quality control currently relies on manual inspection of microscopy images, potentially in addition to fluorescent labeling (staining). Nonetheless, these manual methodologies come with limitations: they are inherently time-consuming and susceptible to human error. Also, techniques such as fluorescent labeling add significant complexity and time to the experimental setup, while potentially presenting toxicity risks to living cells that jeopardize sample integrity. To overcome these limitations, this thesis proposes an automated, label-free quality control pipeline. The work focuses on the post-differentiation stage to assess if stem cells have successfully differentiated into neurons in each well. By analyzing images without the need for staining, our AI-driven approach provides a faster and highly reliable evaluation of the culture’s quality for downstream assays. Specifically, the proposed workflow employs a customized U-Net architecture optimized for the precise segmentation of differentiated cells. To ensure high performance on complex cellular morphologies, several model depths and loss functions were evaluated, ultimately arriving at a configuration tailored to segment both individual neurons and dense clusters with high fidelity. After segmenting the images, the numbers of total pixels that correspond to neurons and the number of pixels that correspond to clusters are extracted. These spatial features are combined with intensity features extracted from the histogram of the microscopy images and are fed to a Random Forest classifier. In this way, the model classifies each individual microscopy image (acquired from a specific well) into one of three categories: healthy neurons, clusters, or dead cell debris. By accurately identifying and separating images of healthy neurons from those containing dead cells or clusters, the tool provides the essential data required for informed subsequent well-level decision-making, thereby contributing to a comprehensive quality assessment of the experimental setup and ensuring that only wells containing healthy neuronal networks are promoted to downstream assays. To select the optimal segmentation model, we extensively benchmarked 192 configurations. The top-performing optimized U-Net achieved an overall mean pixel accuracy of 97.78%. We further evaluated its performance on foreground elements (neurons and clusters), reaching a mean foreground accuracy of 82.95%. Specifically, the model achieved a median Dice Score of 0.95 for clusters and 0.70 for individual neurons. Furthermore, the integrated Random Forest decision model demonstrated exceptional reliability in culture classification, achieving an F1-score of 0.97 on unseen test data. These results indicate that the automated system can effectively replace manual inspection, providing a ro bust, high-throughput solution for quality control in drug discovery workflows while ensuring the integrity and reproducibility of biological assays.

Meeting ID: 954 649 5567
Password: 956799

Το Πολυτεχνείο Κρήτης, ιδρυτικό μέλος του Ευρωπαϊκού Πανεπιστημίου European University on Responsible Consumption and Production (EURECA-PRO), διοργανώνει μια σειρά ανοικτών επιστημονικών διαλέξεων για να διευκολύνει τη συνεργασία μεταξύ φοιτητών και καθηγητών όλων των εταίρων του EURECA-PRO.

Η επόμενη διάλεξη της σειράς θα δοθεί από τον δικό μας Καθ. Διονύσιο Χριστόπουλο, Καθηγητή της Σχολής Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (ΗΜΜΥ) του Πολυτεχνείου Κρήτης. Ο Καθ. Χριστόπουλος θα δώσει μια φημισμένη διάλεξη, σε συνέχεια του έγκριτου βραβείου Georges Matheron Lectureship Award 2024 που έλαβε από τη Διεθνή Ένωση Μαθηματικών Γεωεπιστημών (IAMG), ως αναγνώριση της εξαιρετικής επιστημονικής του συμβολής στη χωρική στατιστική και τη μαθηματική μορφολογία.

Η διάλεξη του Καθ. Χριστόπουλου έχει τίτλο:

"From Particles to Patterns:
An Odyssey from Physics to Geostatistics and Beyond"

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

ΓΚΑΡΑΓΚΑΝΗ ΑΛΕΞΑΝΔΡΑΣ

με θέμα

Βελτιστοποίηση Φιλικών προς το Δίκτυο Συστάσεων με Χρήση Ενισχυτικής Μάθησης για Χρήστες με Μνήμη
Using Reinforcement Learning to Optimize Network-friendly Recommendations for Users with Memory

Εξεταστική Επιτροπή

Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Ζερβάκης
Καθηγητής Μιχαήλ Λαγουδάκης

Περίληψη

Η ελαχιστοποίηση του κόστους μετάδοσης περιεχομένου από το δίκτυο, διατηρώντας παράλληλα την ικανοποίηση του χρήστη αποτελεί πρόκληση για τις σύγχρονες πλατφόρμες περιεχομένου. Οι υπάρχουσες υλοποιήσεις Συστημάτων Συστάσεων Φιλικά προς το Δίκτυο αντιμετωπίζουν αυτήν την πρόκληση κατευθύνοντας τους χρήστες προς αποθηκευμένο, χαμηλού κόστους περιεχόμενο. Είναι γεγονός ωστόσο, ότι η συντριπτική πλειοψηφία τους υποθέτει ένα στατικό μοντέλο χρήστη, στο οποίο η πιθανότητα αποδοχής μιας σύστασης παραμένει αμετάβλητη καθ΄ όλη τη διάρκεια μιας συνεδρίας. Αυτή η απλοποίηση δεν είναι ρεαλιστική, ένας χρήστης που λαμβάνει επανειλημμένα συστάσεις χαμηλής ποιότητας θα χάσει τελικά την εμπιστοσύνη του στο σύστημα, πιθανόν αγνοώντας τις συστάσεις και καταφεύγοντας σε αναζήτηση ακριβού περιεχομένου μέσω της μπάρας αναζήτησης. Αυτό λοιπόν το πρόβλημα κληθήκαμε να αντιμετωπίσουμε στην παρούσα διπλωματική εργασία, επεκτείνοντας το πλαίσιο των Markov Decision Processes (MDP) για Συστάσεις Φιλικές προς το Δίκτυο. Μοντελοποιήσαμε την εμπιστοσύνη του χρήστη ως μεταβλητή κατάστασης που εξελίσσεται κατά τη διάρκεια μιας συνεδρίας με βάση την ποιότητα των συστάσεων εξετάζοντας δύο μοντέλα. Το πρώτο είναι το μοντέλο Σταθερής Εμπιστοσύνης, που χρησιμεύει ως βάση σύγκρισης. Το δεύτερο, πρόκειται για ένα απλό μοντέλο Μεταβαλλόμενης Εμπιστοσύνης, στο οποίο η πιθανότητα προσοχής του χρήστη αυξάνεται μετά από συστάσεις υψηλής σχετικότητας και μειώνεται με συστάσεις χαμηλής. Το τελευταίο μοντέλο εφαρμόζει μια νέα στρατηγική, όπου η βέλτιστη πολιτική συστήνει ακριβά αλλά υψηλής σχετικότητας αντικείμενα στην αρχή μιας συνεδρίας για να χτίσει εμπιστοσύνη, δημιουργώντας έναν χρήστη που δυναμικά αυξάνει την εμπιστοσύνη του στο Σύστημα Συστάσεων. Για μεγάλους καταλόγους περιεχομένου που οι επιλυτές MDP δεν μπορούν να διαχειριστούν υπολογιστικά, προτείνουμε μια προσέγγιση Q-Learning χωρίς μοντέλο, που προσεγγίζει τη βέλτιστη πολιτική. Επικυρώνουμε την εγκυρότητα του μοντέλου μας μέσω προσομοιώσεων σε συνθετικούς καταλόγους, καθώς και σε πραγματικούς, στις οποίες εφαρμόζουμε διάφορα σύνολα παραμέτρων για να αποτυπώσουμε διαφορετικές συμπεριφορές.

Abstract 

Minimizing the network cost of content delivery while maintaining user satisfaction is a challenge for content platforms. Existing work on Network-Friendly Recommendation Systems (NF-RS) address this by moving users toward cached content, but the majority assumes a static user model, where the probability of accepting a recommendation remains constant through a session. This is unrealistic because a user who repeatedly receives low-quality cached recommendations will lose trust in the system and eventually ignore it, resorting to expensive content retrieved from the search bar. In this thesis, we extend the Markov Decision Process (MDP) framework for Network-Friendly Recommendations by modeling trust as a variable that evolves during a session based on the quality of recommendations. We consider two models: a Fixed-Trust model, our baseline, and an Adaptive-Trust model, where the user’s attention probability rises after high-utility suggestions and falls after poor ones. The latter model introduces the invest and exploit strategy, where the optimal far-sighted policy recommends costly but high-utility items early in a session to build trust, creating a user that is able to increase her confidence to our Recommender System. For large content catalogs the exact MDP solvers could not computationally handle, we propose a model-free Q-Learning approach that approximates the optimal policy. We validate our framework through extensive simulations over synthetic and real-world catalog topologies, on which we apply a number of different parameter sets to capture different behaviors.
 

To Γραφείο Διασύνδεσης και Σταδιοδρομίας του Πολυτεχνείου Κρήτης σε συνεργασία με το Μεταπτυχιακό Πρόγραμμα Διοίκηση Επιχειρήσεων(MBA), της Σχολής Μηχανικών Παραγωγής και Διοίκησης,στο πλαίσιο της δράσης #CareerDay@TUC Career Office, διοργανώνει 

Career Day with Alpha Bank: “Δεξιότητες, Ρόλοι & Προοπτικές στον Τραπεζικό Τομέα Σήμερα”

Τετάρτη 27 Μαΐου 2026 | 11:00 – 16:00 | Γ2.1 Αμφιθέατρο

Facebook event 

Η εκδήλωση δίνει τη δυνατότητα στους φοιτητές και τις φοιτήτριες, να γνωρίσουν τα στελέχη της Alpha Bank, να ενημερωθούν για στρατηγικά έργα, τον ψηφιακό μετασχηματισμό και τις νέες τεχνολογίες στον τραπεζικό χώρο, καθώς και να ανακαλύψουν επαγγελματικές προοπτικές, δεξιότητες καθώς και ευκαιρίες εξέλιξης στο σύγχρονο τραπεζικό κλάδο για νέους και νέες μηχανικούς σε τομείς όπως το Project Management, η Τραπεζική Επιχειρήσεων, τα Analytics και το Digital Banking.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Γραμμένου 

με θέμα
Θεωρητική Διερεύνηση της Υπόθεσης "Κρίσιμου Εγκεφάλου" και Κλινικές Εφαρμογές σε Δεδομένα Ηλεκτροεγκεφαλογραφημάτων (EEG)
Critical Brain Hypothesis: Theoretical Investigations and Applications to Clinical EEG Data

Εξεταστική Επιτροπή
Καθηγητής Διονύσιος Χριστόπουλος (επιβλέπων)
Καθηγητής Αθανάσιος Λιάβας
Καθηγητής Μιχαήλ Ζερβάκης

Περίληψη
Η υπόθεση του “κρίσιμου εγκεφάλου” στην σύγχρονη νευροεπιστήμη ισχυρίζεται ότι ο εγκέφαλος λειτουργεί κοντά σε μία μετάπτωση φάσης. Στο κρίσιμο σημείο, κοντά στο όριο ανάμεσα στην πλήρη τάξη και την αταξία, εμφανίζονται αναδυόμενες ιδιότητες όπως ταλαντώσεις, συγχρονισμός και βέλτιστη ροή πληροφορίας. Η παρούσα δουλειά ερευνά αυτήν την υπόθεση. Μοντελοποιούμε την νευρωνική δυναμική μέσω μίας πολυδιάστατης διαδικασίας Ornstein–Uhlenbeck, η οποία περιλαμβάνει όρους ολίσθησης (αντιστοιχώντας στις συνδέσεις ανάμεσα στους νευρώνες) και έναν όρο διάχυσης (Γκαουσιανός λευκός θόρυβος). Διερευνούμε δύο μοντέλα δομής συνδεσιμότητας μεταξύ νευρώνων: το ανεξάρτητο και ισοκατανεμημένο (i.i.d.) Γκαουσιανό μοντέλο και το τμηματικό Γκαουσιανό Ορθογώνιο Σύνολο (block GOE). Μελετούμε αυτά τα μοντέλα στο όριο μεγάλου πλήθους νευρώνων N, με στόχο να εξετάσουμε δύο συμπληρωματικούς και ανεξάρτητους σκοπούς. Εμπνευσμένο από τα διεγερτικά-κατασταλτικά δίκτυα στην νευροεπιστήμη, το τμηματικό Γκαουσιανό ορθογώνιο σύνολο μας επιτρέπει την μαθηματική εξερεύνηση των αναδυόμενων ιδιοτήτων, όπως ταλαντώσεις και συγχρονισμός. Από την άλλη, το ανεξάρτητο και ισοκατανεμημένο Γκαουσιανό μοντέλο δρα ως ένα γενικό και ευέλικτο μοντέλο, το οποίο είναι ιδανικό για την ανίχνευση των κρίσιμων μοτίβων σε εμπειρικά κλινικά δεδομένα. Ο εγκέφαλος εμφανίζει πλούσια χωροχρονική δραστηριότητα, ενώ οι νευρωνικές καταγραφές συχνά συνυπάρχουν με θόρυβο τύπου 1/f (δηλαδή με φάσμα μειούμενο αλγεβρικά ως συνάρτηση της συχνότητας). Προκειμένου να ανιχνεύσουμε  την εγκεφαλική δραστηριότητα, εργαζόμαστε στο πεδίο της συχνότητας και παρουσιάζουμε μετρικές οι οποίες βασίζονται στον πίνακα φασματικής πυκνότητας ισχύος. Αυτές οι μετρικές είναι η αποτελεσματική διαστατικότητα (ED), η μέση τιμή της φασματικής πυκνότητα ισχύος ως προς το δίκτυο (NAPS), και η αποτελεσματική σύζευξη (EC). Η παρούσα εργασία αποτελείται από δύο ενότητες. Στο θεωρητικό τμήμα, ενισχύουμε την ερμηνευσιμότητα του συστήματος με  block GOE συνδεσιμότητα. Συγκεκριμένα, παρέχουμε αναλυτική έκφραση για την NAPS και την ED, οι οποίες μας επιτρέπουν να ερευνήσουμε τις ιδιότητες του συστήματος καθώς οι παράμετροι του μοντέλου μεταβάλλονται. Ως τελική επέκταση αυτής της ανάλυσης, υπολογίζουμε κλειστή έκφραση και για την μέση τιμή της συνάρτηση συνδιακύμανσης ως προς το δίκτυο. Παρά το γεγονός ότι αυτές οι κλειστές εκφράσεις δεν έχουν δοκιμαστεί σε πραγματικά δεδομένα, ενισχύουν σημαντικά την κατανόηση των σύνθετων νευρωνικών συστημάτων. Επιπροσθέτως, ανιχνεύουμε την αποτελεσματική σύζευξη (χρησιμοποιώντας την υπόθεση της i.i.d. Γκαουσιανής συνδεσιμότητας) καθώς και την αποτελεσματική διαστατικότητα, σε EEG δεδομένα τα οποία περιλαμβάνουν εφήβους τόσο υγιείς όσο και προσβεβλημένους με διάσειση. Με αυτόν τον τρόπο, ανιχνεύουμε ενδείξεις κρισιμότητας και συγχρονισμένης δραστηριότητας ανά ομάδα.

Abstract 
The critical brain hypothesis in modern neuroscience states that the brain operates near a phase transition. At the critical point, close to the boundary between total order and chaos, emergent properties such as oscillations, synchronization, and optimal information flow emerge. This work investigates this theory. We model neural dynamics via a vector Ornstein–Uhlenbeck process which consists of a drift (the connection of each neuron) and a diffusion term (Gaussian white noise). We investigate two models of connectivity structure among neurons: independent and identically distributed (i.i.d.) Gaussian and block Gaussian Orthogonal Ensemble (block GOE). We study these models in the large-N limit to study two complementary, independent purposes. Inspired by excitatory–inhibitory networks in neuroscience, the arrangement of the block GOE structure allows for the mathematical exploration of emergent properties such as critical oscillations and coordination. On the other hand, the model connected with i.i.d. Gaussian structure acts as a generic, asymmetric, flexible model, suitable for the detection of critical patterns in empirical clinical data. The brain contains rich spatiotemporal activity, while neural recordings often coexist with 1/f noise. To capture this activity, we work in the frequency domain and present the following metrics based on the spectral density matrix (SDM). These metrics are the effective dimensionality (ED), the network-averaged power spectrum (NAPS), and the effective coupling (EC). Our work consists of the following two parts. In our theoretical part, we enhance the explainability of the system with the block GOE connectivity structure. Specifically, we derive a closed formula for the NAPS and ED, which allows us to explain the system properties, as the model parameters vary. As a final extension of the analysis, we derived the network averaged autocovariance function. Although these results were not tested on real world data, they serve as an enhancement of the understanding of complex neural systems. In addition, we infer the effective coupling using the i.i.d. Gaussian connectivity assumption, and the effective dimensionality in EEG data that consist of both concussed and healthy male adolescents. Hence, we detect signatures of criticality and coordinated activity within each group.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Γούτσια

με θέμα

Ανάπτυξη Ελαφριού Πράκτορα Σκακιού για Επιθετικό Παιχνίδι με χρήση Ενισχυτικής Μάθησης
Developing a Lightweight Chess Agent for Aggressive Play using Reinforcement Learning

Εξεταστική Επιτροπή
Καθηγητής Θρασύβουλος Σπυρόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης 
Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η τεχνητή νοημοσύνη στο σκάκι έχει εμφανίσει σημαντική πρόοδο τα τελευταία χρόνια, καθώς νέες προσεγγίσεις συνεχίζουν να ξεπερνούν τις προηγούμενες. Ενώ οι μηχανές που βασίζονται σε ευρετικές μεθόδους κυριαρχούσαν στον τομέα για πολλά χρόνια, μέθοδοι ενισχυτικής μάθησης (ΕΜ), όπως το AlphaZero, έχουν πρόσφατα αναδειχθεί ως ιδιαίτερα ισχυρές και αξιόπιστες εναλλακτικές προσεγγίσεις. Σε αυτό το πλαίσιο, η παρούσα διπλωματική εργασία παρουσιάζει έναν πράκτορα ενισχυτικής μάθησης εμπνευσμένο από το AlphaZero, ο οποίος μαθαίνει να παίζει σκάκι κυρίως μέσω αυτοπαιξίματος (self-play), βασιζόμενος σε ελάχιστα δεδομένα που προέρχονται από ανθρώπινες παρτίδες. Λόγω της υψηλής πολυπλοκότητας του παιχνιδιού, οι προσεγγίσεις που βασίζονται στην ενισχυτική μάθηση απαιτούν συνήθως σημαντικούς υπολογιστικούς πόρους. Στην εργασία αυτή, αρχικά αναπτύσσεται μια βασική υλοποίηση ενός πλαισίου αυτοπαιξίματος βασισμένου στη μέθοδο Monte Carlo Tree Search και αποδεικνύεται ότι ακόμη και με περιορισμένη υπολογιστική ισχύ είναι δυνατό να αναπαραχθεί η θεμελιώδης αρχή αυτοβελτίωσης που χαρακτηρίζει το AlphaZero. Στο δεύτερο μέρος της εργασίας παρουσιάζεται μια σειρά από βελτιστοποιήσεις σε διαφορετικά επίπεδα του συστήματος. Οι βελτιστοποιήσεις αυτές έχουν δύο κύριους στόχους: την επιτάχυνση της παραγωγής δεδομένων και τη βελτίωση της ποιότητάς τους, ώστε να απαιτείται συνολικά μικρότερος όγκος δεδομένων για την εκπαίδευση. Μέσω της βελτίωσης τόσο της υπολογιστικής αποδοτικότητας όσο και της αποτελεσματικότητας της διαδικασίας εκπαίδευσης, οι προτεινόμενες τροποποιήσεις μειώνουν το συνολικό υπολογιστικό κόστος της μάθησης. Τα πειραματικά αποτελέσματα δείχνουν ότι οι βελτιώσεις αυτές επιτρέπουν στο σύστημα να εκτελείται έως και 20 φορές ταχύτερα στο υλικό σύστημα που χρησιμοποιήθηκε για τα πειράματα.
Τέλος, διερευνώνται μέθοδοι για την κατεύθυνση του πράκτορα προς ένα πιο επιθετικό στυλ παιχνιδιού. Συνδυάζοντας ευρετικές τεχνικές με μεθόδους διαμόρφωσης της συνάρτησης ανταμοιβής (reward shaping), η διαδικασία εκπαίδευσης ενθαρρύνει επιθετικές και δυναμικές στρατηγικές παιχνιδιού. Τα πειραματικά αποτελέσματα δείχνουν ότι ο πράκτορας υιοθετεί σταδιακά ένα πιο επιθετικό στυλ καθώς προχωρά η εκπαίδευση, αποδεικνύοντας ότι η συμπεριφορά και το στυλ παιχνιδιού σε πράκτορες σκακιού που βασίζονται σε ενισχυτική μάθηση μπορούν να επηρεαστούν αποτελεσματικά μέσω στοχευμένων τροποποιήσεων στο πλαίσιο μάθησης.

Abstract 
Chess artificial intelligence has advanced significantly in recent years, with new approaches continuously surpassing previous ones. While heuristic-based engines dominated the field for many years, reinforcement learning (RL) methods such as AlphaZero have recently emerged as powerful and reliable alternatives. Against this background, this thesis presents an AlphaZero-inspired reinforcement learning agent that learns to play chess primarily through self-play, relying on minimal human-generated data. Due to the complexity of chess, RL-based approaches typically require substantial computational resources. In this work, we first establish a baseline implementation of a Monte Carlo Tree Search-based self-play framework and demonstrate that, even with limited computational power, it is possible to reproduce the fundamental self-improvement principle underlying AlphaZero. The second part of this work focuses on a series of optimizations at different levels of the system. These optimizations pursue two main objectives: accelerating the generation of data and improving its quality so that less data is required overall. By improving computational efficiency and training effectiveness, the proposed modifications reduce the overall computational cost of the training process. Experimental results show that these improvements allow the system to run up to 20 times faster on the hardware configuration used in this study. Finally, we investigate methods for biasing the agent toward a more aggressive playing style. By combining heuristic guidance with reward shaping techniques, the training process encourages attacking and dynamic gameplay. The experimental results indicate that the agent progressively adopts a more aggressive strategy during training, demonstrating that stylistic behavior in RL-based chess agents can be effectively influenced through targeted modifications to the learning framework.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

του Παναγιώτη Σκλάβου

με θέμα
Προσαρμοστικά Νευρωνικά Πεδία Ακτινοβολίας για Σταδιακή Ανακατασκευή Σκηνών Μεγάλης Κλίμακας
Adaptive Neural Radiance Fields for Incremental Reconstruction of Large-Scale Scenes

Εξεταστική Επιτροπή
Καθηγητής Αντώνιος Δεληγιαννάκης (επιβλέπων)
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς
Επίκουρος Καθηγητής Νικόλαος Γιατράκος

Περίληψη
Οι εξελίξεις στις τεχνολογίες αεροφωτογράφησης, και ιδίως η ευρεία χρήση των drones, έχουν καταστήσει δυνατή τη συλλογή οπτικών δεδομένων σε μεγάλες και συχνά απρόσιτες περιοχές, υποστηρίζοντας την επίγνωση της κατάστασης κατά τη διάρκεια εκτάκτων περιστατικών, όπως δασικές πυρκαγιές, πλημμύρες και σεισμοί. Αυτές οι εικόνες παρέχουν πολύτιμες πληροφορίες για την πληγείσα περιοχή, αλλά στερούνται γεωμετρικού βάθους και δομής, δημιουργώντας την ανάγκη για ταχέως εξελισσόμενες τρισδιάστατες αναπαραστάσεις. Τα Νευρωνικά Πεδία Ακτινοβολίας (NeRFs) έχουν αναδειχθεί ως ένα αναπόσπαστο εργαλείο για τη φωτορεαλιστική ανακατασκευή 3D σκηνών από πολυπροοπτικές εικόνες. Ωστόσο, οι συμβατικές προσεγγίσεις NeRF παραμένουν στατικές και πλήττονται από καταστροφική λήθη καθώς φτάνουν νέες παρατηρήσεις, περιορίζοντας την αποτελεσματικότητά τους σε δυναμικά περιβάλλοντα. Για να αντιμετωπίσουμε αυτόν τον περιορισμό, παρουσιάζουμε ένα προσαρμοστικό πλαίσιο NeRF, το οποίο ενσωματώνει χωρική διαμέριση για κλιμάκωση σε περιοχές σε κλίμακα πόλης, Άμεσα Νευρωνικά Γραφικά Στοιχεία (Instant-NGP) για αποτελεσματική βελτιστοποίηση, μέτα-μάθηση για ισχυρές περιφερειακές αρχικοποιήσεις και μηχανισμούς συνεχούς μάθησης για σταδιακές ενημερώσεις, με παράλληλο μετριασμό της λήθης. Το σύστημα λειτουργεί σε δύο στάδια: ένα offline στάδιο το οποίο μετα-μαθαίνει μια αρχικοποίηση που καταγράφει τα γενικά περιφερειακά χαρακτηριστικά μιας ευρείας περιοχής ενδιαφέροντος, και ένα online στάδιο που επεξεργάζεται εικόνες από την επηρεαζόμενη περιοχή για να ενσωματώνει σταδιακά ενημερώσεις σχετικές με την κατάσταση έκτακτης ανάγκης. Πειραματική αξιολόγηση σε σύνολα δεδομένων που έχουν καταγραφεί από drones δείχνει ταχεία προσαρμογή σε νέες παρατηρήσεις με υψηλή ποιότητα ανακατασκευής και ανθεκτικότητα στην καταστροφική λήθη.
    
Abstract
Advances in aerial imaging technologies, such as drones, have enabled visual data collection over large and often inaccessible areas, supporting situational awareness during emergencies such as wildfires, floods, and earthquakes. These images provide valuable information about the affected region, yet they lack geometric depth and structure, introducing the need for rapidly evolving 3D representations. Neural Radiance Fields (NeRFs) have emerged as an indispensable tool for photorealistic 3D scene reconstruction from multi-view imagery. However, conventional NeRF pipelines remain static and struggle with catastrophic forgetting as new observations arrive, limiting their effectiveness in dynamic environments. To address this limitation, we present an adaptive NeRF framework that incorporates spatial modularization to scale to city-scale scenes, Instant Neural Graphics Primitives (Instant-NGP) for efficient optimization, meta-learning for strong regional initializations, and continual-learning mechanisms for incremental updates while mitigating forgetting. The system operates in two stages: an offline stage that meta-learns an initialization capturing the coarse regional characteristics of a wide area of interest, and an online stage that processes views from the affected area to incrementally incorporate emergency-related updates. Experimental evaluation on drone-captured datasets demonstrates rapid adaptation to new observations with high reconstruction quality and robustness to catastrophic forgetting.

Meeting ID: 922 5996 1268
Password: 221573

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Διδακτορικών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΔΑΚΤΟΡΙΚΗΣ ΔΙΑΤΡΙΒΗΣ

Δήμητρας Κυριάκου

με θέμα
Συμβολή στην Ανάπτυξη Προηγμένων Μεθόδων Διαχείρισης Ενέργειας και Ελέγχου Μικροδικτύων
Contribution to the Development of Advanced Energy Management and Control Methods for Microgrids

Εξεταστική Επιτροπή
Ομότιμος Καθηγητής Κωνσταντίνος Καλαϊτζάκης (επιβλέπων)
Καθηγητής Ευτύχιος Κουτρούλης
Αναπληρωτής Καθηγητής Γεώργιος Τσεκούρας (ΠΑΔΑ, Τμήμα Η. & Η.Μ.)
Καθηγητής Μιχαήλ Ζερβάκης
Καθηγητής Βασίλης Κουϊκόγλου (ΠΚ, Σχολή ΜΠΔ)
Αναπληρωτής Καθηγητής Δημήτριος Ιψάκης (ΠΚ, Σχολή ΜΠΔ)
Καθηγητής Παύλος Γεωργιλάκης (ΕΜΠ, Σχολή ΗΜΜΥ)

Περίληψη
Η διδακτορική διατριβή αναπτύσσει προηγμένες μεθοδολογίες για τη διαχείριση ενέργειας και τον έλεγχο μικροδικτύων που ενσωματώνουν παραγωγούς-καταναλωτές (prosumers), ηλεκτρικά οχήματα και συστήματα συμπαραγωγής ηλεκτρισμού και θερμότητας, με στόχο την οικονομικά αποδοτική, βιώσιμη και αξιόπιστη λειτουργία τους.
Τα υπό μελέτη συστήματα περιλαμβάνουν κτίρια, ηλεκτρικά οχήματα και σταθμούς φόρτισης, μονάδες συμπαραγωγής ηλεκτρισμού και θερμότητας, γεννήτριες και ανανεώσιμες πηγές ενέργειας. Αναπτύσσονται λεπτομερή μοντέλα για όλα τα στοιχεία του μικροδικτύου, συμπεριλαμβανομένων θερμικών και ηλεκτρικών φορτίων, τα οποία ταξινομούνται σε κρίσιμα και μη κρίσιμα φορτία. Τα φορτία μπορούν να τροφοδοτούνται από το μικροδίκτυο και το κύριο δίκτυο ή αποκλειστικά από το μικροδίκτυο σε λειτουργία νησιδοποίησης. Το μικροδίκτυο παρέχει επίσης στήριξη συχνότητας και τάσης μέσω βέλτιστης ρύθμισης ενεργού και άεργου ισχύος. 
Κύρια καινοτομία της διατριβής αποτελεί η εφαρμογή της σε συστήματα που εκτείνονται από οικιακούς καταναλωτές έως ιδιαίτερα πολύπλοκα μικροδίκτυα, χωρίς σημαντική υπολογιστική επιβάρυνση. Παράλληλα, προτείνονται προσαρμοστικές μέθοδοι κατανομής ισχύος σε πραγματικό χρόνο, βασισμένες σε νέους ορισμούς ευελιξίας που απαιτούν ελάχιστες μετρήσεις.
Οι κύριες επιστημονικές συνεισφορές συνοψίζονται ως εξής:
1. Ιεραρχικό πολυπρακτορικό σύστημα διαχείρισης ενέργειας και ελέγχου μικροδικτύων σε πραγματικό χρόνο
Ανάπτυξη συστήματος πολυπρακτορικού ελέγχου πραγματικού χρόνου για μικροδίκτυα με prosumers και ηλεκτρικά οχήματα, με στόχο την ελαχιστοποίηση του λειτουργικού κόστους υπό μεταβαλλόμενο κόστος ηλεκτρικής ενέργειας και τεχνικούς περιορισμούς, χωρίς πρόβλεψη επόμενης ημέρας. 
2. Διαχείριση ισχύος μικροδικτύων μηδενικού ενεργειακού ισοζυγίου με χρήση ψηφιακών διδύμων
Ανάπτυξη πλαισίου διαχείρισης ισχύος για μικροδίκτυα μηδενικού ενεργειακού ισοζυγίου που ενσωματώνουν κτίρια, συστήματα CHP, ανανεώσιμες πηγές και ηλεκτρικά οχήματα, χρησιμοποιώντας απλοποιημένα ψηφιακά δίδυμα κτιρίων με μειωμένη υπολογιστική πολυπλοκότητα και υψηλή ακρίβεια. 
3. Βέλτιστος έλεγχος συχνότητας σε πολύπλοκα μικροδίκτυα
Ανάπτυξη προηγμένων στρατηγικών ελέγχου συχνότητας που αξιοποιούν την ευελιξία των κτιριακών φορτίων και των ηλεκτρικών οχημάτων μέσω μεθόδων ασαφούς λογικής, διασφαλίζοντας θερμική άνεση, συμμόρφωση με τεχνικούς περιορισμούς και μείωση εκπομπών CO₂. 
4. Βέλτιστη και συντονισμένη λειτουργία θερμοηλεκτρικών μικροδικτύων
Ανάπτυξη πλαισίου βελτιστοποίησης για τον συντονισμένο έλεγχο συστημάτων συμπαραγωγής ηλεκτρισμού και θερμότητας, prosumers και ηλεκτρικών οχημάτων, με στόχο την ελαχιστοποίηση του λειτουργικού κόστους, την εξομάλυνση του φορτίου υποσταθμού και την επίτευξη μηδενικού ενεργειακού ισοζυγίου. 
5. Προσαρμοστικός έλεγχος πραγματικού χρόνου για μικροδίκτυα μηδενικού ενεργειακού ισοζυγίου
Εισαγωγή νέας διατύπωσης θερμικών μοντέλων κτιρίων, όπου οι αβεβαιότητες και οι χρονικά μεταβαλλόμενες είσοδοι συγκεντρώνονται σε μία ισοδύναμη είσοδο, επιτρέποντας προσαρμοστικό έλεγχο με ακρίβεια και υπολογιστική αποδοτικότητα. 
6. Προηγμένος έλεγχος ηλεκτρικών συστημάτων κτιρίων με χρήση τεχνητής νοημοσύνης
Ανάπτυξη μεθοδολογιών διαχείρισης ενέργειας βασισμένων σε τεχνητά νευρωνικά δίκτυα και Νευροασαφή Δίκτυα για εκτίμηση και προσαρμοστικό έλεγχο σε πραγματικό χρόνο, βελτιώνοντας τη θερμική άνεση, την ερμηνευσιμότητα του ισοδύναμου μοντέλου, την ακρίβεια και την ενεργειακή αποδοτικότητα. 
7. Διαχείριση φορτίου σε ενεργειακές κοινότητες βασισμένες σε μικροδίκτυα
Ανάπτυξη μεθοδολογίας συνδυασμένης διαχείρισης ηλεκτρικών και θερμικών φορτίων σε ενεργειακές κοινότητες, με στόχο την εξομάλυνση της ζήτησης στον υποσταθμό και λαμβάνοντας υπόψη τη θερμική άνεση και τους περιορισμούς συστημάτων θέρμανσης/ψύξης. 
Όλες οι προτεινόμενες μέθοδοι έχουν επικυρωθεί θεωρητικά και μέσω προσομοιώσεων με χρήση λεπτομερών αναλυτικών μοντέλων σύνθετων συστημάτων μικροδικτύων.
    
Abstract
The doctoral dissertation develops advanced methodologies for the energy management and control of microgrids integrating prosumers, electric vehicles, and combined heat and power (CHP) systems, aiming at economically efficient, sustainable, and reliable operation.
The studied systems include buildings, electric vehicles and charging stations, CHP units, generators, and renewable energy sources. Detailed models are developed for all microgrid components, including thermal and electrical loads classified into critical and non-critical (time-shiftable) loads. Loads may be supplied either by the microgrid and the main grid or solely by the microgrid in islanded mode. The microgrid also provides frequency and voltage support through optimal active and reactive power regulation.
A key innovation of the thesis is its applicability to systems ranging from residential consumers to highly complex microgrids without significant computational burden. Adaptive real-time power allocation methods are also proposed based on novel flexibility definitions requiring minimal measurements.
The main scientific contributions are:
1. Hierarchical multi-agent real-time energy management and control
Development of a real-time multi-agent control system for microgrids with prosumers and electric vehicles, minimizing operational cost under varying electricity prices and technical constraints without day-ahead forecasting. 
2. Power management of net-zero energy microgrids using digital twins
Development of a power management framework for net-zero energy microgrids integrating buildings, CHP systems, renewable sources, and electric vehicles, using simplified building digital twins with reduced computational complexity and high accuracy. 
3. Optimal frequency control in complex microgrids
Development of advanced frequency control strategies exploiting the flexibility of building loads and electric vehicles through fuzzy-logic-based methods that ensure thermal comfort, technical compliance, and reduced CO₂ emissions. 
4. Optimal and coordinated operation of thermal-electrical microgrids
Development of an optimization framework for coordinated control of CHP systems, building prosumers, and plug-in electric vehicles, minimizing operational cost, smoothing substation load, and enforcing net-zero energy balance. 
5. Adaptive real-time control for net-zero energy microgrids
Introduction of a novel formulation of building thermal models aggregating uncertainties into an equivalent input, enabling adaptive control with improved robustness, accuracy, and computational efficiency. 
6. Advanced control of building electrical systems using artificial intelligence
Development of energy management methodologies based on artificial neural networks and Neuro-Fuzzy Networks for real-time estimation and adaptive control, improving thermal comfort, interpretability of the equivalent model, accuracy, and energy efficiency. 
7. Load management in microgrid-based energy communities
Development of a methodology for combined management of electrical and thermal loads in energy communities to smooth substation demand while considering thermal comfort and heating/cooling constraints. 
All proposed methods have been validated theoretically and through simulations using detailed analytical models of complex microgrid systems.

Meeting ID: 987 6459 4178 
Password: 546811 

Το Γραφείο Διασύνδεσης και Σταδιοδρομίας του Πολυτεχνείου Κρήτης σε συνεργασία με τις Σχολές του Ιδρύματος διοργανώνει Ημέρα Ενημέρωσης για τις Μεταπτυχιακές Σπουδές στο Πολυτεχνείο Κρήτης

"Info Day Masters @ TUC 2026"
Τετάρτη, 20 Μαΐου 2026
Ώρες: 11:00 – 15:30
Χώρος: Αμφιθέατρο Γ2.1 & διαδικτυακά μέσω Zoom

Facebook event

Η εκδήλωση απευθύνεται σε υποψήφιους μεταπτυχιακούς φοιτητές οι οποίοι θα έχουν τη δυνατότητα να ενημερωθούν για : 

• τη διάρθρωση του Προγράμματος Μεταπτυχιακών Σπουδών κάθε Σχολής
• τη διαδικασία αίτησης, τις υποτροφίες και τα τέλη φοίτησης
• τον τρόπο παρακολούθησης σε κάθε ΠΜΣ (φυσική παρουσία ή/και τηλεκπαίδευση)
• τις επαγγελματικές προοπτικές που ανοίγονται από κάθε ΠΜΣ
• την έρευνα που παράγεται στο Πολυτεχνείο Κρήτης και τις δυνατότητες συμμετοχής 

Κατά τη διάρκεια της εκδήλωσης θα παρουσιαστούν τα Μεταπτυχιακά και Διδακτορικά Προγράμματα Σπουδών όλων των Σχολών του Ιδρύματος από μέλη ΔΕΠ και Διευθυντές ΠΜΣ.

Για τη συμμετοχή στην εκδήλωση με φυσική παρουσία απαιτείται εγγραφή στην ηλεκτρονική φόρμα https://forms.gle/RhbMqBLLQ5Fmgvie7 και για όσους θέλουν να παρακολουθήσουν διαδικτυακά ο σύνδεσμος της πλατφόρμας zoom θα σταλεί στο email που θα δηλώσετε στην ηλεκτρονική φόρμα μέχρι την Τρίτη 19 Μαΐου 2026.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Βασιλείου Γκεντσούδη

με θέμα
Εφαρμογή για Μετρήσεις και Επεξεργασία Ταλαντώσεων σε Κινητές Συσκευές
Application for Vibration Measurements and Processing on Mobile Devices

Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Καρυστινός (επιβλέπων)
Καθηγητής Διονύσιος Χριστόπουλος (Πολυτεχνείο Κρήτης, Σχολή ΗΜΜΥ)
Καθηγητής Γεώργιος Σταυρουλάκης (Πολυτεχνείο Κρήτης, Σχολή ΜΠΔ)

Περίληψη
Η παρούσα διπλωματική εργασία παρουσιάζει την ανάπτυξη μιας εφαρμογής για κινητές συσκευές Android που επιτρέπει τη μέτρηση και ανάλυση δονήσεων με τη χρήση των ενσωματωμένων αισθητήρων επιτάχυνσης. Η εφαρμογή, που αναπτύχθηκε στη γλώσσα Kotlin, παρέχει, μέσω φασματικής ανάλυσης, ζωντανή απεικόνιση των αποτελεσμάτων τόσο στο πεδίο του χρόνου όσο και στο πεδίο των συχνοτήτων. Η εφαρμογή υποστηρίζει ευέλικτο ρυθμό δειγματοληψίας από 10Hz έως 400Hz, επιτρέποντας τη μέτρηση δονήσεων σε ένα ευρύ φάσμα συχνοτήτων. Επιπλέον, προσφέρει τη δυνατότητα εξαγωγής των μετρήσεων σε αρχεία CSV και των γραφημάτων σε μορφή PNG, ενώ ενσωματώνει υψηπερατό φίλτρο για την αφαίρεση της συνιστώσας της επιτάχυνσης της βαρύτητας. Η αξιολόγηση της εφαρμογής πραγματοποιήθηκε μέσω πειραματικών δοκιμών που περιλάμβαναν μετρήσεις με γνωστές συχνότητες, ανίχνευση καρδιακών παλμών και επικύρωση με επαγγελματικό σύστημα δοκιμής δονήσεων. Τα αποτελέσματα επιβεβαίωσαν την ακρίβεια και την αξιοπιστία της εφαρμογής, καθιστώντας την κατάλληλη για εκπαιδευτικούς, ερευνητικούς και πρακτικούς σκοπούς.

Abstract 
This diploma thesis presents the development of a mobile application for Android devices that enables the measurement and analysis of vibrations using the built-in accelerometer sensors. The application, developed in Kotlin, provides, through spectral analysis, real-time visualization of results in both the time domain and the frequency domain. The application supports a flexible sampling rate ranging from 10 Hz to 400 Hz, allowing vibration measurements across a wide frequency spectrum. Moreover, it offers the ability to export measurements as CSV files and graphs in PNG format, while incorporating a high-pass filter to remove the gravitational acceleration component. The application was evaluated through experimental tests that included measurements at known frequencies, heartbeat detection, and validation against a professional vibration testing system. The results confirmed the accuracy and reliability of the application, making it suitable for educational, research, and practical purposes.

 
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Λεωνίδα Καραγιάννη – Ξανθάκη 

με θέμα
Ενσωματωμένο Σύστημα Ανάλυσης Φασματικού Κύβου και RF Μετάδοσης Φασματικών Χαρτών σε Πλατφόρμες Drone
Embedded System for Spectral Cube Processing and RF Transmission of Spectral Maps in Drone Platforms

Εξεταστική Επιτροπή
Καθηγητής Κωνσταντίνος Μπάλας 
Καθηγητής Ματτίας Μπούχερ 
Καθηγητής Γεώργιος Καρυστινός

Περίληψη
Η ενσωμάτωση της φασματικής απεικόνισης σε πραγματικό χρόνο σε μη επανδρωμένα εναέρια οχήματα (UAV) παρεμποδίζεται από τον μεγάλο όγκο δεδομένων των πολυφασματικών αισθητήρων και τους αυστηρούς περιορισμούς εύρους ζώνης των εναέριων ζεύξεων δεδομένων. Αυτή η διατριβή παρουσιάζει το σχεδιασμό, την υλοποίηση και την επικύρωση ενός πλήρους ενσωματωμένου συστήματος που ξεπερνά αυτό το σημείο συμφόρησης επιτρέποντας τη μετάδοση σε πραγματικό χρόνο επεξεργασμένων αναλυτικών στοιχείων βλάστησης από μια κινητή πλατφόρμα. Το έργο περιλαμβάνει την επιλογή και τη διαμόρφωση μιας εμπορικής πολυφασματικής κάμερας στιγμιότυπου, την επεξεργασία των ακατέργαστων δεδομένων της σε δείκτες βλάστησης και μια νέα στρατηγική μετάδοσης. 

Abstract 
The integration of real-time spectral imaging on unmanned aerial vehicles (UAVs) is impeded by the high data volume of multispectral sensors and the stringent bandwidth constraints of aerial data links. This thesis presents the design, implementation, and validation of a complete embedded system that overcomes this bottleneck by enabling the real-time transmission of processed vegetation analytics from a mobile platform. The work encompasses the selection and configuration of a commercial snapshot multispectral camera, the processing of its raw data into vegetation indices, and a novel transmission strategy. 

Abstract

The performance and efficiency of modern signal processing systems depend on tight and often non-linear interactions between algorithms and hardware. Algorithmic gains that look compelling on paper can diminish or even reverse when confronted with real architectural constraints, just as new hardware may underperform without algorithms designed to exploit it. Evaluations that focus on only one dimension therefore risk producing misleading conclusions about scalability, energy efficiency, or impact. This talk argues that algorithm–hardware co-design is essential not only for optimization, but for reaching correct insights. We will focus on three signal processing applications (decoding of polar codes, non-linearity compensation, and decoding of Reed-Muller codes), each showcasing a different aspect where the joint consideration of algorithms and hardware can produce unexpected results.

About the Speaker

Dr. Alexios Balatsoukas-Stimming holds Dipl.-Ing. (2010) and MSc (2012) degrees in Electronics and Computer Engineering from the Technical University of Crete. He received his PhD in Computer and Communications Sciences from the École polytechnique fédérale de Lausanne (EPFL) in 2016. He then spent a year as Marie Skłodowska-Curie postdoctoral fellow at the European Laboratory for Particle Physics (CERN), before joining the Telecommunications Circuits Laboratory of EPFL as postdoctoral researcher. Dr. Balatsoukas-Stimming is currently a tenured Assistant Professor in the Electronic Systems Group of the Eindhoven University of Technology. His research lies on the intersection between communications, hardware design, and machine learning and his specific research interests include VLSI circuits for communications, error-correction coding theory and practice, and non-linear signal processing.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Σταματίου Αλεξίου

με θέμα
Διεπαφή Επαυξημένης Πραγματικότητας για τον Έλεγχο Ρομποτικού Βραχίονα μέσω Εστίασης Βλέμματος
Augmented Reality Interface for Robotic Arm Control via Gaze-Based Interaction

Εξεταστική Επιτροπή
Καθηγήτρια Αικατερίνη Μανιά (επιβλέπουσα)
Καθηγητής Μιχαήλ Λαγουδάκης
Επίκουρος Καθηγητής Νικόλαος Γιατράκος

Περίληψη
Οι Διεπαφές Ανθρώπου-Ρομπότ είναι καθοριστικές για τη γεφύρωση του χάσματος μεταξύ ανθρώπων και ρομπότ, επιτρέποντας τη διαισθητική επικοινωνία και συνεργασία. Η ρομποτική διαδικασία επιλογής και τοποθέτησης (pick-and-place) αποτελεί τον πυρήνα του αυτόνομου χειρισμού. Όταν εκτελείται σε περιβάλλοντα με πολλά αντικείμενα ή αυξημένη πολυπλοκότητα, τα ρομπότ πρέπει να συνεκτιμούν την επιλεγμένη λαβή και τις επιθυμητές θέσεις τοποθέτησης, προκειμένου να διασφαλιστεί η επιτυχής εκτέλεση.
Η παρούσα διπλωματική εργασία παρουσιάζει ένα πλαίσιο επαυξημένης πραγματικότητας (AR) βασισμένο σε προσομοίωση, το οποίο είναι σχεδιασμένο να υποστηρίζει τον έλεγχο ενός ρομποτικού βραχίονα, καθοδηγούμενο από το βλέμμα, για εργασίες επιλογής και τοποθέτησης αντικειμένων. Η προτεινόμενη διεπαφή επιτρέπει στους χρήστες να επιλέγουν το αντικείμενο-στόχο είτε μέσω της παραμονής του βλέμματος (gaze dwell) είτε μέσω αλληλεπίδρασης με βλεφάρισμα (blink). Μόλις επιλεγεί ένα αντικείμενο, παράγονται υποψήφιες στάσεις λαβής από ένα ενσωματωμένο σύστημα Ανίχνευσης Θέσης Λαβής (Grasp Pose Detection - GPD) που λειτουργεί στο νέφος σημείων (point cloud) του αντικειμένου, παράγοντας τις δέκα κορυφαίες εφικτές διαμορφώσεις σύλληψης. Ωστόσο, δεδομένου ότι το σύστημα GPD δεν λαμβάνει υπόψη την πολυπλοκότητα της σκηνής, εκπαιδεύτηκε ένα μοντέλο μηχανικής μάθησης για να αξιολογεί τις παραγόμενες λαβές με βάση την καταλληλότητά τους μέσα στη δεδομένη σκηνή. Για τον καθορισμό της τοποθέτησης, ο χρήστης χειρίζεται έναν εικονικό κλώνο του επιλεγμένου αντικειμένου στον χώρο χρησιμοποιώντας την προσήλωση του βλέμματος (gaze fixation) και τον σταθεροποιεί στην επιθυμητή θέση τοποθέτησης μέσω βλεφαρίσματος. Αφού αποκτηθούν τόσο οι θέσεις λαβής όσο και τοποθέτησης, οι πληροφορίες αυτές μεταδίδονται στο Robot Operating System (ROS). Στη συνέχεια, ο σχεδιασμός της κίνησης και η παραγωγή της τροχιάς πραγματοποιούνται χρησιμοποιώντας το εργαλείο MoveIt, διασφαλίζοντας εκτέλεση χωρίς συγκρούσεις. Η προκύπτουσα τροχιά αποστέλλεται πίσω στο σύστημα, όπου ο χρήστης λαμβάνει οπτική ανατροφοδότηση σε πραγματικό χρόνο για το ρομπότ που εκτελεί την εργασία ή, σε περίπτωση αποτυχίας, ένα ενημερωτικό μήνυμα που υποδεικνύει την αιτία (π.χ., μη προσβάσιμος στόχος). Το προτεινόμενο πλαίσιο αξιολογήθηκε σε προσομοιωμένα σενάρια χειρισμού με δύο επίπεδα πολυπλοκότητας σκηνής. Τα αποτελέσματα καταδεικνύουν αξιόπιστη επιλογή αντικειμένου με βάση το βλέμμα, αποτελεσματική εκτέλεση της λαβής και αποδοτική ολοκλήρωση της εργασίας. Συνολικά, η εργασία αυτή συμβάλλει στους τομείς της επαυξημένης πραγματικότητας και του ρομποτικού χειρισμού, παρουσιάζοντας μια διεπαφή AR καθοδηγούμενη από το βλέμμα, η οποία ενσωματώνει την επιλογή λαβής μέσω μηχανικής μάθησης με τον σχεδιασμό κίνησης που βασίζεται στο ROS.

Abstract 
Human-Robot Interfaces are pivotal in bridging the gap between humans and robots, enabling intuitive communication and collaboration. Robotic pick-and-place constitutes the core of autonomous manipulation. When conducted in cluttered or complex environments, robots must jointly reason about the selected grasp and desired placement locations to ensure successful execution. This thesis presents a simulation-based augmented reality (AR) framework designed to support gaze-driven control of a robotic arm for object pick-and-place tasks. The proposed interface allows users to select the target object either through gaze dwell or blink interaction. Once an object is selected, candidate grasp poses are generated by an integrated Grasp Pose Detection (GPD) system operating on the object’s point cloud, producing the top ten feasible grasp configurations. However, since GPD does not take into consideration scene complexity, a machine learning model is trained to evaluate the generated grasps based on their suitability within the given scene. For placement specification, user manipulates a virtual clone of the selected object in space using gaze fixation and locks it at the desired placement position via blinking. After, both grasp and placement poses have been acquired, this information is transmitted to the Robot Operating System (ROS). Motion Planning and trajectory generation are then performed using MoveIt, ensuring collision-free execution. The resulting trajectory is sent back to the system, where user receives real-time visual feedback of the robot performing the task or, in the case of failure, an informative log indicating the cause (e.g., unreachable target). The proposed framework was evaluated in simulated manipulation scenarios with two levels of scene complexity. The results demonstrate reliable gaze-based object selection, effective grasp execution, and efficient task completion. Overall, this work contributes to the fields of augmented reality and robotic manipulation by presenting a gaze-driven AR interface that integrates learning-based grasp selection with ROS-based motion planning.

Meeting ID: 989 8380 3627
Passcode: 688370

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Αθανασίου Χριστόπουλου

με θέμα
Ομοσπονδιακή Βελτιστοποίηση Σμήνους Σωματιδίων (PSO) σε Μικροϋπηρεσίες Kafka Streams με χρήση DeepLearning4J
Federated Particle Swarm Optimization (PSO) on DeepLearning4J-powered Kafka Streams Microservices

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής  Νικόλαος Γιατράκος (Επιβλέπων)
Καθηγητής Αντώνιος Δεληγιαννάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η παρούσα διπλωματική εργασία παρουσιάζει ένα κατανεμημένο σύστημα για την εκπαίδευση νευρωνικών δικτύων με χρήση του αλγορίθμου Βελτιστοποίησης Σμήνους Σωματιδίων (Particle Swarm Optimization – PSO), ως εναλλακτική προσέγγιση στην μέθοδο η Στοχαστική Κατηφόρα Κλίση (Stochastic Gradient Descent – SGD). Το σύστημα υλοποιείται με χρήση των Apache Kafka και Kafka Streams, όπου οι εργαζόμενοι κόμβοι λειτουργούν ως ανεξάρτητα σωματίδια και επικοινωνούν ασύγχρονα μέσω Kafka, κάτι που επιτρέπει επίσης τη λειτουργία του σε ομοσπονδιακά (federated) περιβάλλοντα. Η προτεινόμενη αρχιτεκτονική είναι παραμετροποιήσιμη και επεκτάσιμη, υποστηρίζοντας διαφορετικές διαμορφώσεις του PSO, τρόπους επικοινωνίας και στρατηγικές εκπαίδευσης νευρωνικών δικτύων.
Σε αντίθεση με τις παραδοσιακές σύγχρονες υλοποιήσεις του PSO, το σύστημα λειτουργεί με ασύγχρονο τρόπο, επιτρέποντας στους εργαζόμενους κόμβους να ενημερώνουν τα μοντέλα τους ανεξάρτητα χωρίς καθολικό συγχρονισμό, γεγονός που βελτιώνει τον χρόνο εκπαίδευσης και την επεκτασιμότητα. Το σύστημα υποστηρίζει επίσης διαφορετικές στρατηγικές επικοινωνίας, συμπεριλαμβανομένης της καθολικής και της βασισμένης σε γειτονιές ανταλλαγής πληροφορίας, καθώς και μηχανισμούς φιλτραρίσματος επικοινωνίας, επιτρέποντας ευέλικτο έλεγχο της συμπεριφοράς του σμήνους.
Το σύστημα αξιολογήθηκε πειραματικά σε πολλαπλά σύνολα δεδομένων, με έμφαση τόσο στην ποιότητα πρόβλεψης όσο και στην απόδοση του συστήματος, συμπεριλαμβανομένου του χρόνου εκπαίδευσης και του επικοινωνιακού κόστους. Τα αποτελέσματα δείχνουν ότι η εκπαίδευση με PSO είναι εφικτή σε κατανεμημένα και ομοσπονδιακά περιβάλλοντα και ότι το προτεινόμενο σύστημα υποστηρίζει βελτιστοποίηση χωρίς παραγώγους και παράλληλη επεξεργασία, διατηρώντας παράλληλα ανταγωνιστική απόδοση.

Abstract 
This thesis presents a distributed system for training neural networks using Particle Swarm Optimization (PSO) as an alternative to conventional gradient-based methods, such as Stochastic Gradient Descent (SGD). It is implemented using Apache Kafka and Kafka Streams, where workers act as independent particles and communicate asynchronously through Kafka topics, which also enables operation in federated settings. The proposed architecture is configurable and extensible, supporting different PSO configurations, communication modes, and neural network training strategies.
Unlike traditional synchronous PSO implementations, the system operates in an asynchronous manner, allowing workers to update independently without global synchronization, which improves training time and scalability. The system also supports different communication strategies, including global, neighborhood-based information sharing and communication filtering, enabling flexible control over swarm behavior.
The system was evaluated experimentally on multiple datasets, with emphasis on both predictive quality and system performance, including 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, while maintaining competitive performance.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Δώρα

με θέμα

Aσύγχρονος προγραμματισμός (Flow-based Programming) στον Ιστό των Πραγμάτων (Web of Things)
Asynchronous Flow-Based Programming in the Web of Things

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης
Επίκουρος Καθηγητής Νικόλαος Γιατράκος
Δρ Χρύσα Τσιναράκη (EU Council, ICT Application Coordinator and Analyst)

Περίληψη
Η παρούσα διπλωματική εργασία αφορά τον σχεδιασμό και την υλοποίηση ενός συστήματος προσομοίωσης έξυπνης κατοικίας, βασισμένου σε ασύγχρονη επικοινωνία. Η υλοποίηση πραγματοποιείται στην πλατφόρμα Node-RED και αξιοποιεί το πρότυπο AsyncAPI (έκδοση 3+) ως τυπικό συμβόλαιο επικοινωνίας μεταξύ των επιμέρους συνιστωσών.
Το AsyncAPI χρησιμοποιείται για τον ορισμό της δομής του επιπέδου ανταλλαγής μηνυμάτων, συμπεριλαμβανομένων των καναλιών επικοινωνίας, των σχημάτων δεδομένων και των προτύπων αλληλεπίδρασης publish–subscribe, παρέχοντας μια τυποποιημένη και μηχανικά αναγνώσιμη περιγραφή της επικοινωνίας, κατάλληλη για event-driven περιβάλλοντα του Διαδικτύου των Πραγμάτων (IoT).
Για την ενσωμάτωση του προτύπου, αναπτύχθηκε προσαρμοσμένος κόμβος στην πλατφόρμα Node-RED, ο οποίος υλοποιήθηκε ως έργο σε Node.js. Ο κόμβος αυτός είναι υπεύθυνος για τη σύνδεση με τον εξυπηρετητή MQTT, τη δημιουργία και διαχείριση των καναλιών επικοινωνίας (topics), καθώς και για την επικύρωση των ανταλλασσόμενων μηνυμάτων βάσει JSON Schema, διασφαλίζοντας τη συνέπεια και την ορθότητα των δεδομένων.
Στο πλαίσιο της προσομοίωσης, υλοποιείται ένα ολοκληρωμένο μοντέλο έξυπνης κατοικίας που περιλαμβάνει συστήματα φωτισμού, συστήματα θέρμανσης και κλιματισμού, οικιακές συσκευές, αισθητήρες περιβάλλοντος και έξυπνες πρίζες με δυνατότητες απομακρυσμένου ελέγχου και παρακολούθησης ενεργειακής κατανάλωσης. Επιπλέον, αξιοποιείται το OpenAPI για την υλοποίηση σύγχρονων λειτουργιών μέσω webhooks.
Τέλος, μέσω της χρήσης subflows στο Node-RED, το σύστημα επεκτείνεται για την προσομοίωση πολλαπλών κατοικιών, συγκροτώντας ένα εικονικό έξυπνο δίκτυο γειτονιάς. Η προσέγγιση αυτή επιτρέπει την κλιμάκωση του συστήματος και τη μελέτη της κατανεμημένης ενεργειακής κατανάλωσης, αναδεικνύοντας τα πλεονεκτήματα του specification-driven σχεδιασμού σε εφαρμογές IoT.

Abstract 
This thesis focuses on the design and implementation of a smart-home simulation system based on asynchronous communication. The system is developed on the Node-RED platform and utilizes the AsyncAPI standard (version 3+) as a formal communication contract between distributed components.
AsyncAPI is used to define the structure of the messaging layer, including communication channels, data schemas, and publish–subscribe interaction patterns, providing a standardized and machine-readable description of communication, suitable for event-driven Internet of Things (IoT) environments.
To integrate this standard, a custom node was developed within Node-RED, implemented as a project in Node.js. This node is responsible for establishing the connection to the MQTT server, creating and managing communication channels (topics), and validating exchanged messages based on JSON Schema, ensuring the consistency and correctness of the exchanged data.
Within the simulation, a comprehensive smart-home model is implemented, including lighting systems, heating and cooling systems, household appliances, environmental sensors, and smart plugs that enable remote control and energy consumption monitoring. Furthermore, OpenAPI is utilized to implement synchronous operations through webhooks.
Finally, by using subflows in Node-RED, the system is extended to simulate multiple smart homes, forming a virtual smart neighborhood. This approach enables system scalability and supports the analysis of distributed energy consumption, highlighting the advantages of specification-driven design in IoT applications.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Κωνσταντίνου Όντρια

με θέμα
Βραχυπρόθεσμη Πρόβλεψη Χρηματοοικονομικών Δεδομένων με Χρήση Μοντέλων Χρονοσειρών και Μεθόδων Μηχανικής Μάθησης
Short-Term Forecasting of Financial Market Data Using Time Series Models and Machine Learning Methods

Εξεταστική Επιτροπή
Καθηγητής Διονύσιος Χριστόπουλος (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Δρ. Σοφία Τσακιρίδου (Σχολή ΗΜΜΥ, ΕΔΙΠ)

Περίληψη
Οι χρηματοοικονομικές αγορές έχουν παραδοσιακά θεωρηθεί ως ένας από τους βασικούς δείκτες οικονομικής δραστηριότητας, με τις αγορές μετοχών να προσελκύουν ιδιαίτερη προσοχή, καθώς οι τιμές των μετοχών αντανακλούν την αγοραία αξία μιας επιχείρησης, την αναμενόμενη μελλοντική της κερδοφορία, τις προοπτικές ανάπτυξης και τους επενδυτικούς κινδύνους που αντιμετωπίζει, καθώς και τις ευρύτερες οικονομικές συνθήκες. Συνεπώς, η προσπάθεια πρόβλεψης των τιμών καθώς και των αποδόσεων των μετοχών θεωρείται μία από τις πιο σύνθετες προκλήσεις στη σύγχρονη χρηματοοικονομική οικονομική θεωρία. Σύμφωνα με την Υπόθεση της Αποτελεσματικής Αγοράς (Fama, 1970), οι χρηματοοικονομικές αγορές είναι πληροφοριακά αποτελεσματικές, γεγονός που συνεπάγεται ότι οι τιμές των μετοχών ενσωματώνουν πλήρως όλες τις δημόσια διαθέσιμες πληροφορίες, με αποτέλεσμα οι επενδυτές να μην μπορούν να επιτυγχάνουν συστηματικά υπερβάλλουσες αποδόσεις. Παραδοσιακά, για σκοπούς πρόβλεψης χρησιμοποιούνται οικονομετρικά μοντέλα χρονοσειρών, όπως το μοντέλο Αυτοπαλίνδρομου Ολοκληρωμένου Κινητού Μέσου Όρου (Autoregressive Integrated Moving Average – ARIMA). Ωστόσο, δεδομένου ότι τα χρηματοοικονομικά δεδομένα συχνά παρουσιάζουν το φαινόμενο της συσσώρευσης της μεταβλητότητας (volatility clustering), εφαρμόζονται συχνά επεκτάσεις όπως τα μοντέλα ARIMA-GARCH για την καλύτερη αποτύπωση της δυναμικής της αγοράς. Παράλληλα, τα τελευταία χρόνια τεχνικές μηχανικής μάθησης εφαρμόζονται ολοένα και περισσότερο στην πρόβλεψη χρηματοοικονομικών δεδομένων. Ιδιαίτερα, ο αλγόριθμος Extreme Gradient Boosting (XGBoost) έχει αναδειχθεί σε ένα ισχυρό εργαλείο πρόβλεψης, λόγω της ικανότητάς του να διαχειρίζεται μη γραμμικές σχέσεις και χώρους χαρακτηριστικών υψηλών διαστάσεων. 
Παρακινούμενη από τις  παραπάνω εξελίξεις, η παρούσα διπλωματική εργασία αξιολογεί την ακρίβεια πρόβλεψης των μοντέλων ARIMA, ARIMA-GARCH και XGBoost χρησιμοποιώντας δεδομένα μετοχών πέντε μεγάλων αμερικανικών εταιρειών, οι οποίες αντιπροσωπεύουν διαφορετικούς τομείς της οικονομίας. Συγκεκριμένα, εξετάζονται μετοχές των εταιρείων Apple Inc. (AAPL), Microsoft Corp. (MSFT), Exxon Mobil Corp. (XOM), JPMorgan Chase & Co. (JPM), και The Coca-Cola Company (KO). Οι προβλέψεις των ημερήσιων λογαριθμικών αποδόσεων πραγματοποιούνται με τη χρήση ενός πλαισίου κυλιόμενης πρόβλεψης ενός βήματος ώστε να προσομοιωθούν ρεαλιστικές συνθήκες πρόβλεψης εκτός δείγματος, ενώ η ακρίβεια των μοντέλων αξιολογείται με τη χρήση μετρικών ακρίβειας πρόβλεψης. Τα αποτελέσματα δείχνουν ότι η ακρίβεια πρόβλεψης εξαρτάται τόσο από τα χαρακτηριστικά των μετοχών που περιλαμβάνονται στο υπό εξέταση χαρτοφυλάκιο όσο και από τις προδιαγραφές του εκάστοτε μοντέλου. Παρότι το μοντέλο ARIMA είναι ικανό να αποτυπώσει γραμμικές σχέσεις, το υβριδικό μοντέλο ARIMA–GARCH αποτελεί απαραίτητη επέκταση του βασικού μοντέλου ARIMA, καθώς επιτρέπει τη βελτίωση των προβλέψεων λαμβάνοντας υπόψη και το φαινόμενο της συσσώρευσης μεταβλητότητας. Τέλος, το μοντέλο XGBoost επιτυγχάνει ελαφρώς υψηλότερη ακρίβεια στις προβλέψεις του σε σύγκριση με τα υπόλοιπα μοντέλα, ιδιαίτερα όταν το σύνολο χαρακτηριστικών ιδιοτήτων εμπλουτίζεται με  πρόσθετα χαρακτηριστικά (engineered features) και εξωτερικούς δείκτες της αγοράς. Ωστόσο, τα κέρδη ως προς την ακρίβεια πρόβλεψης παραμένουν οριακά σε σύγκριση με το μοντέλο αναφοράς του τυχαίου περιπάτου (random walk). Τα αποτελέσματα δείχνουν ότι, παρότι το μοντέλο μηχανικής μάθησης μπορεί να προσφέρει μια ελάχιστα αυξημένη προβλεπτική ικανότητα, η συνολική συμπεριφορά των αποδόσεων των μετοχών παραμένει συμβατή με την Υπόθεση της Αποτελεσματικής Αγοράς.

Abstract 
Financial markets have traditionally been perceived as one of the major indicators of economic activity, with the equity markets attracting particular attention, as stock prices reflect the market value of a company, its expected future profitability, growth potential, and risk, as well as broader economic conditions. Therefore, forecasting stock prices and returns is considered one of the most important challenges in today's financial economics. According 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 systematically generate abnormal profits. Traditionally, econometric time series models, such as the Autoregressive Integrated Moving Average (ARIMA) model, are used for forecasting purposes. However, considering that financial data often exhibit volatility clustering, extensions such as ARIMA–GARCH models are frequently applied to better capture market dynamics. Furthermore, in recent years, machine learning techniques have also been increasingly applied in financial forecasting. In particular, Extreme Gradient Boosting (XGBoost) has emerged as a powerful predictive tool, owing to its ability to handle non-linear relationships and high-dimensional feature spaces. 
Motivated by these developments, this dissertation evaluates the forecasting performance of ARIMA, ARIMA–GARCH, and XGBoost models, using daily stock data from five major U.S. corporations representing various sectors of the economy: Apple Inc. (AAPL), Microsoft Corp. (MSFT), Exxon Mobil Corp. (XOM), JPMorgan Chase & Co. (JPM), and The Coca-Cola Company (KO). Forecasts of daily log-returns are generated using a rolling one-step-ahead framework to simulate realistic out-of-sample prediction conditions, and model performance is evaluated using standard forecasting accuracy metrics. The results indicate that predictive accuracy depends on the characteristics of the assets included in the portfolio and the specifications used in the model. Although the ARIMA model can capture linear relationships, the ARIMA-GARCH hybrid model is a necessary extension of the baseline ARIMA model, which can provide enhanced predictions by also accounting for volatility clustering. Finally, the XGBoost model provides slightly higher predictive accuracy compared to the other models, especially if the feature set is enriched with engineered 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 the machine learning model can provide some predictive accuracy, the overall behavior of the stocks is consistent with the Efficient Market Hypothesis.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ανδρέα Λοπάτα

με θέμα

Αλγόριθμοι Ομαδοποίησης για την Βέλτιστη Τοποθέτηση Μικροϋπηρεσιών στο Kubernetes 
Clustering Algorithms for Optimal Microservices Scheduling in Kubernetes

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (επιβλέπων)
Καθηγητής Γεώργιος Χαλκιαδάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η ευρεία υιοθέτηση της αρχιτεκτονικής μικροϋπηρεσιών στις σύγχρονες εφαρμογές έχει οδηγήσει σε σημαντικές προκλήσεις όσον αφορά τη διαχείριση και την ενορχήστρωση αυτών των υπηρεσιών. Το Kubernetes, ένα εργαλείο για την ενορχήστρωση containerized εφαρμογών, έχει καταστεί μια δημοφιλής επιλογή για τη διαχείριση μικροϋπηρεσιών. Ένα Kubernetes cluster αποτελείται από Nodes (VMs) που μπορούν να περιέχουν ένα ή περισσότερα pods. Κάθε pod μπορεί να περιέχει μία ή περισσότερες μικροϋπηρεσίες.
Για την τοποθέτηση αυτών των pods στα Nodes, το Kubernetes χρησιμοποιεί έναν default scheduler που λαμβάνει αποφάσεις με βάση τα αιτήματα και τα όρια πόρων. Αυτή η default στρατηγική τοποθέτησης είναι στατική και δεν λαμβάνει υπόψη τις αλλαγές στο workload, γεγονός που μπορεί να οδηγήσει σε μη βέλτιστες τοποθετήσεις. Πολλές στρατηγικές τοποθέτησης έχουν προταθεί για τη βελτιστοποίηση της τοποθέτησης των pods στο cluster, ωστόσο οι περισσότερες είναι στατικές και δεν προσαρμόζονται στις μεταβολές του workload, οδηγώντας σε λύσεις που ενδέχεται να μην είναι βέλτιστες.
Στην παρούσα εργασία προτείνουμε μια δυναμική στρατηγική τοποθέτησης που χρησιμοποιεί έναν incremental density-based clustering algorithm, προκειμένου να ενημερώνει δυναμικά την τοποθέτηση των μικροϋπηρεσιών σε απόκριση στις αλλαγές του workload.
Για την αξιολόγηση της απόδοσης της προτεινόμενης adaptive στρατηγικής, τη συγκρίνουμε με μια στατική στρατηγική τοποθέτησης που χρησιμοποιεί τον ίδιο density-based clustering algorithm, αλλά χωρίς προσαρμογή στις μεταβολές του workload. Χρησιμοποιούνται δύο benchmark εφαρμογές, το Google Online Boutique (eShop) και το iXen, οι οποίες αναπτύσσονται σε ένα πραγματικό Kubernetes cluster στο GCP.
Τα πειραματικά αποτελέσματα δείχνουν ότι η δυναμική προσέγγιση μειώνει σημαντικά το εξερχόμενο traffic και βελτιώνει τον χρόνο απόκρισης σε σύγκριση με τη στατική προσέγγιση. Επιπλέον, η δυναμική μέθοδος τοποθέτησης επιτυγχάνει χαμηλότερο χρόνο εκτέλεσης και μειωμένη χρήση CPU, οδηγώντας σε μικρότερο υπολογιστικό κόστος σε σχέση με την επανεκτέλεση της στατικής μεθόδου, καθιστώντας την κατάλληλη για real-time δυναμική τοποθέτηση μικροϋπηρεσιών.

Abstract 
The widespread adoption of microservices-based architecture in modern applications has led to significant challenges in managing and orchestrating these services effectively. Kubernetes, a tool for orchestrating containerized applications, has become a popular choice for managing microservices. A Kubernetes cluster consists of Nodes(VMs) that can host one or more pods. Each pod can contain one or more microservices.
To allocate these pods on the Nodes, Kubernetes uses a default scheduler that makes placement decisions based on resource requests and limits. This default placement strategy is a static one and does not take into account the workload changes so it can lead to suboptimal placements. Many placement strategies have been proposed to optimize the placement of the pods in the cluster, but most of them are static and do not adapt to changing workloads leading to placements that may not be optimal.
In our work we propose an adaptive placement strategy that uses an incremental density-based clustering algorithm to update the placement of microservices in response to workload changes.
To evaluate the performance of our adaptive placement strategy, we compare it with a static placement strategy that uses the same clustering density-based algorithm but does not adapt to workload changes. Two benchmarks applications are used, Google’s Online Boutique eShop and iXen, which are deployed on a real Kubernetes cluster in GCP. Experimental results demonstrate that the adaptive clustering approach significantly reduces egress traffic and improves response time compared to the static approach. Furthermore, the adaptive placement method achieves lower execution time and CPU utilization leading to lower overhead cost, compared to rerunning the static placement method, making it suitable for real-time adaptive microservice placement.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Θωμά Λάγκαλη

με θέμα

Προστασία Ιδιωτικότητας σε Ομοσπονδιακή Μάθηση
Privacy Preservation in Federated Learning

Εξεταστική Επιτροπή
Καθηγητής Αθανάσιος Λιάβας (επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός
Καθηγητής Θρασύβουλος Σπυρόπουλος 

Περίληψη
Η μηχανική μάθηση επιτυγχάνει πλέον κορυφαία απόδοση σε ένα ευρύ φάσμα εφαρμογών, ωστόσο η εκπαίδευση των μοντέλων βασίζεται συχνά σε μεγάλα σύνολα δεδομένων που περιέχουν ευαίσθητες πληροφορίες, δημιουργώντας σημαντικές προκλήσεις ως προς την προστασία της ιδιωτικότητας. Η Ομοσπονδιακή Μάθηση (Federated Learning) έχει αναδειχθεί ως μία κατανεμημένη αρχιτεκτονική εκπαίδευσης που μειώνει τον κίνδυνο αυτό, αποφεύγοντας τη συγκέντρωση των ακατέργαστων δεδομένων σε κεντρικούς εξυπηρετητές.
Παρ’ όλα αυτά, πρόσφατες μελέτες έχουν δείξει ότι η διαρροή πληροφοριών παραμένει δυνατή τόσο σε κεντρικοποιημένα όσο και σε ομοσπονδιακά σενάρια εκπαίδευσης μέσω επιθέσεων που επιχειρούν την ανακατασκευή δεδομένων εκπαίδευσης από τα εκπαιδευμένα μοντέλα ή από τις παραγώγους.
Η παρούσα διπλωματική εργασία διερευνά τη χρήση του πλαισίου της Διαφορικής Ιδιωτικότητας (Differential Privacy) ως μιας θεμελιωμένης μαθηματικά προσέγγισης για τον περιορισμό της διαρροής πληροφορίας. Η Διαφορική Ιδιωτικότητα παρέχει θεωρητικές εγγυήσεις προστασίας περιορίζοντας την επίδραση κάθε μεμονωμένης εγγραφής του συνόλου εισόδου στα αποτελέσματα του αλγορίθμου μέσω της προσθήκης κατάλληλου θορύβου, εισάγοντας έναν αναπόφευκτο συμβιβασμό μεταξύ ιδιωτικότητας και απόδοσης του μοντέλου.
Στο πλαίσιο της εργασίας πραγματοποιείται θεωρητική και πειραματική μελέτη μηχανισμών διαφορικά ιδιωτικής εκπαίδευσης τόσο σε κλασικά μοντέλα μηχανικής μάθησης όσο και σε σενάρια Ομοσπονδιακής Μάθησης. Συγκεκριμένα, εξετάζονται τεχνικές perturbation εξόδου (output perturbation), perturbation αντικειμενικής συνάρτησης (objective perturbation) και perturbation παραγώγων (gradient perturbation) στο πλαίσιο μοντέλων softmax regression, ενώ σε περιβάλλον Ομοσπονδιακής Μάθησης αξιολογούνται διαφορικά ιδιωτικοί μηχανισμοί βασισμένοι στο perturbation παραγώγων. Οι κίνδυνοι διαρροής αξιολογούνται μέσω επιθέσεων Model Inversion σε μοντέλα softmax regression και επιθέσεων Deep Leakage from Gradients (DLG και iDLG) σε ομοσπονδιακά σχήματα εκπαίδευσης, χρησιμοποιώντας σύνολα δεδομένων εικόνων όπως τα MNIST και CIFAR-10.
Τα πειραματικά αποτελέσματα παρέχουν μια αναλυτική αξιολόγηση του συμβιβασμού μεταξύ ιδιωτικότητας και απόδοσης για διαφορετικές τιμές του προϋπολογισμού ιδιωτικότητας (privacy budget) και διαφορετικές ρυθμίσεις εκπαίδευσης, αναδεικνύοντας τον τρόπο με τον οποίο η Διαφορική Ιδιωτικότητα περιορίζει την επιτυχία επιθέσεων ανακατασκευής, επηρεάζοντας παράλληλα την ακρίβεια και τη ταχύτητα σύγκλισης των μοντέλων. Συνολικά, η εργασία προσφέρει μια ολοκληρωμένη θεωρητική και πειραματική ανάλυση της προστασίας ιδιωτικότητας στη μηχανική μάθηση και στην Ομοσπονδιακή Μάθηση υπό εγγυήσεις Διαφορικής Ιδιωτικότητας, συμβάλλοντας στην κατανόηση της ασφαλούς ανάπτυξης κατανεμημένων συστημάτων μάθησης.

Abstract 
Machine learning models achieve state-of-the-art performance across a wide range of applications, but their reliance on large datasets containing sensitive personal information raises significant privacy concerns. Federated Learning has emerged as a distributed training paradigm that mitigates some of these risks by avoiding the centralization of raw data. However, recent studies have demonstrated that privacy leakage remains possible in both centralized and federated settings through inference attacks that reconstruct information about the training data from trained models or exchanged gradients.
This thesis investigates the use of Differential Privacy as a framework for limiting information leakage during the training process. Differential Privacy provides formal guarantees by bounding the influence of individual training records through the introduction of carefully calibrated noise, leading to a fundamental trade-off between model privacy and utility. We present a theoretical and experimental study of differentially private learning mechanisms in both standard machine learning and federated learning environments. In particular, (1) output perturbation, objective perturbation, and gradient perturbation techniques are analyzed in the context of softmax regression models, and (2) differentially private gradient-based mechanisms are evaluated within Federated Learning. Privacy risks are assessed using Model Inversion attacks against softmax regression models and Deep Leakage from Gradients (DLG and iDLG) attacks against federated learning schemes on image datasets such as MNIST and CIFAR-10.
The experimental results provide a detailed evaluation of the privacy–utility trade-off under different privacy budgets and training configurations, demonstrating how Differential Privacy mitigates reconstruction attacks while affecting model accuracy and convergence. Overall, this thesis presents a comprehensive theoretical and empirical analysis of privacy-preserving machine learning and federated learning under Differential Privacy guarantees, providing practical insight into the deployment of secure distributed learning systems. 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μαρίας Νικολούδη

με θέμα

Διατήρηση Απορρήτου σε Ομοσπονδιακή Μάθηση 
Privacy Preservation in Federated Learning

Εξεταστική Επιτροπή
Καθηγητής Αθανάσιος Λιάβας (Επιβλέπων)
Καθηγητής Γεώργιος Καρυστινός
Καθηγητής Μηχαήλ Λαγουδάκης

Περίληψη
Η διαδεδομένη χρήση τεχνικών μηχανικής μάθησης σε διάφορους τομείς έχει εγείρει σοβαρές ανησυχίες σχετικά με την ιδιωτικότητα των χρηστών. Η Ομοσπονδιακή Μάθηση έχει αναδειχθεί ως λύση, καθώς επιτρέπει την εκπαίδευση των νευρωνικών δικτύων μέσω παραλλαγών του αλγορίθμου Stochastic Gradient Descent και του διαμοιρασμού ενημερώσεων μοντέλων χωρίς να εκθέτει τα πρωτογενή δεδομένα. Ωστόσο, πρόσφατες μελέτες επισημαίνουν την δυνατότητα απειλής για την ασφάλεια των χρηστών που προκύπτει από επιθέσεις που μπορούν να ανακατασκευάσουν δεδομένα αντιστρέφοντας τις διαμοιραζόμενες κλίσεις (gradients). Η παρούσα διπλωματική εργασία εξετάζει τις πιθανές απειλές αξιολογώντας διεξοδικά τις σύγχρονες επιθέσεις αντιστροφής κλίσης και προτείνοντας έναν πιθανό μηχανισμό άμυνας για τον περιορισμό των κινδύνων.
Η αξιολόγηση επιτυγχάνεται χρησιμοποιώντας διάφορα μοντέλα νευρωνικών δικτύων εκπαιδευμένα στο σύνολο δεδομένων MNIST. Οι επιθέσεις διεξάγονται σε διάφορα στάδια της εκπαίδευσης και η αποτελεσματικότητά τους ποσοτικοποιείται συγκρίνοντας τις ανακατασκευασμένες εικόνες με τις πρωτότυπες, χρησιμοποιώντας καθιερωμένες μετρικές. Επιπλέον, παρουσιάζεται μία νέα παραλλαγή της αρχικής επίθεσης {Deep Leakage from Gradients, που ονομάζεται Normalized Deep Leakage from Gradients και βελτιώνει σημαντικά την ποιότητα της ανακατασκευής των εικόνων. Τα πειραματικά αποτελέσματα καταδεικνύουν ότι ο διαμοιρασμός των κλίσεων θέτει σε κίνδυνο την ιδιωτικότητα των χρηστών, ενώ παράλληλα αναδεικνύουν την άμεση εξάρτηση της αποτελεσματικόητας των επιθέσεων από την αρχιτεκτονική πολυπλοκότητα των νευρωνικών δικτύων, το μέγεθος του batch που χρησιμοποιείται και το στάδιο της εκπαίδευσης.
Ο προτεινόμενος μηχανισμός άμυνας είναι εμπνευσμένος από τη διαφορική ιδιωτικότητα (Differential Privacy) και περιλαμβάνει την προσθήκη γκαουσιανού θορύβου ανάλογου του μέτρου της κλίσης. Ο μηχανισμός έχει σχεδιαστεί ώστε να ελαχιστοποιεί τη διαρροή πληροφορίας χωρίς να επηρεάζει σημαντικά την απόδοση της εκπαίδευσης. Τα πειραματικά αποτελέσματα δείχνουν ότι ο συνδυασμός πολύπλοκων αρχιτεκτονικών με μεγαλύτερα μεγέθη batch, συμβάλλει σημαντικά στη διατήρηση του απορρήτου των χρηστών με ελάχιστη επίδραση στην απόδοση του μοντέλου. 
Εν κατακλείδι, η εργασία αυτή παρέχει μία ολοκληρωμένη ανάλυση των πιθανών κινδύνων για την ιδιωτικότητα των χρηστών που προκύπτουν από τον διαμοιρασμό των κλίσεων. Προσδιορίζοντας τόσο τις δυνατότητες όσο και τους περιορισμούς των επιθέσεων, σε συνδυασμό με την πρόταση ενός αμυντικού μηχανισμού, αναδεικνύονται τρόποι με τους οποίους μπορεί να ενισχυθεί η ιδιωτικότητα των χρηστών. Τα ευρήματα αυτής της εργασίας όχι μόνο αναγνωρίζουν τους πιθανούς κινδύνους για την ιδιωτικότητα αλλά χτίζουν και τα θεμέλια για μελλοντική έρευνα προς πιο ασφαλή συστήματα. 

Abstract 
The widespread adoption of machine learning techniques in various fields has raised serious concerns regarding the user data privacy. Federated Learning has emerged as a solution, since it enables training neural networks by sharing model updates without exposing raw user data. However, recent studies have highlighted potential vulnerabilities, introduced by gradient inversion attacks, demonstrating data reconstruction from shared gradients. This thesis studies this topic by comprehensively evaluating state-of-the-art gradient inversion attacks and testing a potential defense mechanism to mitigate the risks.
The evaluation is conducted using multiple neural network models trained on the MNIST dataset. The attacks are launched during different stages of training and their effectiveness is quantified by comparing reconstructed images with original ones using established similarity metrics. Furthermore, a variant of the original Deep Leakage from Gradients is introduced, termed Normalized Deep Leakage from Gradients, which significantly improves the reconstruction quality. Experimental results reveal substantial information leakage from gradients, while also demonstrating that attack performance is heavily influenced by the model's architectural complexity, batch size and training stage. 
The proposed defense mechanism is inspired by differential privacy and involves injecting Gaussian noise proportional to the gradient norm. The defense is designed to minimize the information leakage while preserving the training dynamics. Experimental results indicate that when combined with  more complex model architectures and larger batch sizes, the user privacy is preserved with a minimal impact on the model performance. 
In conclusion, this thesis provides a comprehensive study of potential privacy vulnerabilities arising from gradient sharing. Identifying both the strengths and limitations of gradient inversion attacks, alongside with a proposed defense mechanism, this work provides insight for preserving user privacy. The findings not only highlight the privacy risks, but also build a foundation for future research toward more robust systems. 

TECHNICAL UNIVERSITY OF CRETE
School of Electrical and Computer Engineering 
Postgraduate Program

Presentation of  the Research Work Erasmus+ (practice)

by Erasmus+ MSc student Piergiorgio Ferraro titled:

Generalized Quantum Walks: Randomness and Fock-state Lattices

Supervisor
Professor ret. Dimosthenis Ellinas 

Abstract 
We first propose a framework that bridges the definitions of discrete-time and continuous-time quantum walks on the line, which we call here time-parametrized quantum walk. In this context, we investigate the consequences of decreasing the time step in different scenarios, among others the usual unitary evolution, but also a stochastic one with the introduction of decoherence. We introduce another generalization by defining quantum walks on Fock-state lattices (FSLs). Using the setup and the properties discussed for time-parameterized quantum walk on the line, we investigate the dynamics of quantum walks on FSLs, again via unitary and stochastic evolution.
 

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μιχαήλ - Μάριου Χανιώτη

με θέμα
Αναλυτική Μοντελοποίηση Σύγχρονης Γεννήτριας Μονίμων Μαγνητών υπό Υγιή και Εσφαλμένη Λειτουργία με την Μέθοδο των Μαγνητικών Κυκλωμάτων
Analytical Modeling of Synchronous Permanent Magnet Generator under Healthy and Faulty Operation via Magnetic Equivalent Circuits

Εξεταστική Επιτροπή
Καθηγητής Κωσταντίνος Γυφτάκης (επιβλέπων)
Επίκουρος Καθηγητής Γεώργιος Πέππας
Δρ Ελευθερία Σεργάκη (ΕΔΙΠ)

Περίληψη
Καθώς η παγκόσμια ζήτηση για ενέργεια συνεχίζει να αυξάνεται, η ανάπτυξη τεχνολογιών παραγωγής ηλεκτρικής ισχύος υψηλής απόδοσης και αξιοπιστίας κρίνεται εξαιρετικά κρίσιμη. Οι Μηχανές Μόνιμου Μαγνήτη (PMMs) αποτελούν μια κορυφαία λύση λόγω της ανώτερης απόδοσης και του συμπαγούς σχεδιασμού τους. Ωστόσο, το υψηλό κόστος των μαγνητών σπάνιων γαιών και ο κίνδυνος λειτουργικών σφαλμάτων καθιστούν αναγκαία την ανάπτυξη ακριβών και χρονικά αποδοτικών προγνωστικών μοντέλων για τη βελτιστοποίηση της απόδοσης και τη διασφάλιση της αξιοπιστίας.
Η παρούσα διπλωματική εργασία παρουσιάζει ένα γενικευμένο αναλυτικό πλαίσιο για τη μοντελοποίηση και την ανάλυση των Μηχανών Μόνιμου Μαγνήτη με βάση τη μέθοδο των Μαγνητικών Ισοδύναμων Κυκλωμάτων (MEC). Η προτεινόμενη προσέγγιση αναπαριστά την ηλεκτρομαγνητική γεωμετρία της μηχανής ως ένα δίκτυο μαγνητικών αντιδράσεων (reluctances) και πηγών μαγνητοκινητικής δύναμης, αποτυπώνοντας την κατανομή της μαγνητικής ροής και τις μη γραμμικότητες των υλικών με υψηλή ακρίβεια.
Η αποτελεσματικότητα αυτής της μεθοδολογίας επικυρώνεται μέσω μιας ολοκληρωμένης σύγκρισης με τη Μέθοδο Πεπερασμένων Στοιχείων (FEA) και εναλλακτικές αναλυτικές μεθόδους. Τα αποτελέσματα υπογραμμίζουν την ικανότητα της προσέγγισης MEC να παρέχει αξιόπιστες προβλέψεις απόδοσης με σημαντικά μειωμένη υπολογιστική προσπάθεια σε σύγκριση με τις αριθμητικές τεχνικές. Αυτά τα ευρήματα αποδεικνύουν ότι το προτεινόμενο μοντέλο αποτελεί ένα πολύτιμο εργαλείο για τη βελτιστοποίηση του σχεδιασμού σε αρχικό στάδιο, την παραμετρική ανάλυση και την ανάπτυξη προηγμένων συστημάτων παρακολούθησης κατάστασης (condition monitoring) για τις σύγχρονες ηλεκτρικές μηχανές.

Abstract 
As global energy demand continues to rise, the development of highly efficient and reliable electrical power generation technologies is critical. Permanent Magnet Machines (PMMs) represent a leading solution due to their superior efficiency and compact design. However, the high cost of rare-earth magnets and the risk of operational faults necessitate the development of accurate, time-efficient predictive models to optimize performance and ensure reliability. 
This thesis presents a generalized analytical framework for the modeling and analysis of PMMs based on the Magnetic Equivalent Circuit (MEC) method. The proposed approach represents the machine's electromagnetic geometry as a network of reluctances and magnetomotive force sources, capturing magnetic flux distribution and material non-linearities with high precision. 
The effectiveness of this methodology is validated through a comprehensive comparison with Finite Element Analysis (FEA) and alternative analytical methods. The results highlight the capability of the MEC approach to provide reliable performance predictions with significantly reduced computational effort compared to numerical techniques. These findings demonstrate that the proposed model is a valuable tool for early-stage design optimization, parametric analysis, and the development of advanced condition monitoring systems for modern electrical machines.

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Θωμά Σαμούτη

με θέμα

Δυναμική τοποθέτηση Μικρουπηρεσιών στο Kubernetes
Dynamic Scheduling of Microservices in Kubernetes

Εξεταστική Επιτροπή
Καθηγητής Ευριπίδης Πετράκης (επιβλέπων)
Καθηγητής Μιχαήλ Λαγουδάκης
Αναπληρωτής Καθηγητής Βασίλειος Σαμολαδάς

Περίληψη
Η βιομηχανία ανάπτυξης λογισμικού εξελίσσεται συνεχώς. Η άνοδος του υπολογιστικού νέφους, η χρήση τεχνολογίας containers και οι αρχιτεκτονικές βασισμένες σε microservices έχουν εισαγάγει νέες προκλήσεις για τη βελτιστοποίηση της απόδοσης εφαρμογών και της μείωσης του λειτουργικού κόστους.
Το Kubernetes έχει καθιερωθεί ως το πρότυπο για τη διαχείριση και ενορχήστρωση εφαρμογών που εκτελούνται σε containers, σε περιβάλλοντα υπολογιστικού νέφους. Ένας Kubernetes cluster επιτρέπει την ανάπτυξη εφαρμογών βασισμένων σε microservices σε πολλούς virtual machines, ενω διαχειρίζεται παράλληλα την επικοινωνία μεταξύ των διαφόρων virtual machines.
Ωστόσο, ο προεπιλεγμένος scheduler του Kubernetes βασίζεται κυρίως σε στατικά κριτήρια. Αυτό μπορεί να οδηγήσει σε μη βέλτιστες τοποθετήσεις υπηρεσιών που δεν λαμβάνουν υπόψη τα μοτίβα επικοινωνίας μεταξύ τους. Επιπλέον, οι πάροχοι υπολογιστικού νέφους χρεώνουν βάσει του όγκου των δεσμευμένων πόρων, ακόμα και αν αυτοί δεν αξιοποιούνται πλήρως. Η αύξηση της εξερχόμενης κίνησης δικτύου μπορεί επίσης να καταστήσει τις μη βέλτιστες τοποθετήσεις ιδιαίτερα δαπανηρές. Επιπροσθέτως, η εφαρμογή στρατηγικών τοποθέτησης υπηρεσιών που λαμβάνουν υπόψη μόνο την αρχική τοποθέτηση της εφαρμογής μπορεί να έχει σημαντικά αποτελέσματα στην απόδοση και το κόστος, εφόσον ο φόρτος εργασίας παραμένει σταθερός. Όμως οι σύγχρονοι φόρτοι εργασίας είναι εξαιρετικά δυναμικοί, με μοτίβα χρήσης που μπορούν να μεταβάλλονται ταχύτατα, καθιστώντας τις στατικές στρατηγικές τοποθέτησης λιγότερο αποτελεσματικές.
Στην παρούσα Διπλωματική Εργασία, εστιάσαμε στην αξιολόγηση δυναμικών στρατηγικών τοποθέτησης οι οποίες προσαρμόζονται στις μεταβολές του φόρτου εργασίας, με στόχο τη βελτιστοποίηση της απόδοσης εφαρμογών και τη μείωση του κόστους σε περιβάλλον Kubernetes. Αναπτύξαμε δύο εφαρμογές αξιολόγησης επιδόσεων (benchmarking) σε έναν Kubernetes cluster που φιλοξενείται στην πλατφόρμα Google Cloud Platform. Υλοποιήσαμε ένα εργαλείο λήψης αποφάσεων που παρακολουθεί συνεχώς τον φόρτο εργασίας για μεταβολές και, μέσω του αλγορίθμου Twin-comparison, προσδιορίζει εάν η επιλεγμένη στρατηγική τοποθέτησης χρειάζεται να επανεφαρμοστεί. Για την αξιολόγηση της απόδοσης των δυναμικών στρατηγικών τοποθέτησης, προσαρμόσαμε τους προεπιλεγμένους φόρτους εργασίας των εφαρμογών αξιολόγησης ώστε να παρουσιάζουν υψηλή μεταβλητότητα.
Αξιολογήσαμε τρεις διαφορετικούς αλγορίθμους τοποθέτησης και συγκρίναμε την απόδοση και την οικονομική τους αποδοτικότητα σε σύγκριση με τον προεπιλεγμένο scheduler του Kubernetes, καθώς και με σενάρια χωρίς επανατοποθέτηση. Τα πειραματικά αποτελέσματα δείχνουν ότι οι δυναμικές στρατηγικές τοποθέτησης μπορούν να βελτιώσουν σημαντικά την απόδοση εφαρμογών και να μειώσουν το κόστος σε περιβάλλον Kubernetes. Επιπλέον, καταδεικνύουμε ότι η αποτελεσματικότητα των δυναμικών στρατηγικών τοποθέτησης εξαρτάται από τα συγκεκριμένα χαρακτηριστικά του φόρτου εργασίας. Σε περίπτωση στατικών φόρτων εργασίας, η εφάπαξ βελτιστοποίηση τοποθέτησης μπορεί να αποδειχθεί επαρκής, ενώ σε εξαιρετικά δυναμικούς φόρτους εργασίας, η απουσία προσαρμογής στις μεταβολές μπορεί να έχει σημαντικές αρνητικές συνέπειες.

Abstract 
The software development industry is evolving. The rise of cloud computing, containerization, and microservices-based architectures has introduced new challenges when optimizing application performance and operational costs.
Kubernetes has become the industry standard for orchestrating containerized applications in cloud environments. A Kubernetes cluster allows deploying microservices-based applications across multiple hosts (VMs) while managing communication between the various VMs. 
However, the default Kubernetes scheduler relies primarily on static criteria. This can lead to sub-optimal placements that do not take into account the communication patterns between services. Moreover, cloud providers charge based on the amount of used resources even if they are not fully utilized. Also, the increase in outbound network traffic can also make non optimal placements costly. Furthermore, applying service placement strategies that only consider the initial deployment of the application can have significant results on application performance and cost if the workload remains constant.  But todays workloads are highly dynamic, with traffic patterns that can change rapidly, making static placement strategies less effective.
In this Thesis, we focused on the evaluation of dynamic placement strategies which adapt to workload changes in order to optimize application performance and cost in a Kubernetes environment. We have deployed two benchmarking applications in a Kubernetes cluster hosted in the Google Cloud Platform. We have implemented a decision making tool that continuously monitors workload for changes and by using the Twin-comparison algorithm determines if the selected placement strategy needs to be reapplied. To evaluate the performance of dynamic placement strategies, we have adapted the default workloads of the benchmarking applications to be highly volatile.
We evaluated three different placement algorithms and compared their performance and cost-effectiveness with the default Kubernetes scheduler, as well as against scenarios without any re-placement. The experimental results show that dynamic placement strategies can significantly improve application performance and reduce costs in a Kubernetes environment. Additionally, we show that the effectiveness of dynamic placement strategies depends on the specific workload characteristics. In case of static workloads, the one-time placement optimization can be sufficient, while in highly dynamic workloads can have significant drawbacks if not adapted to workload changes.