Papers by Anastasia Migkipi
Στα πλαίσια της παρούσας εργασίας χρησιμοποιήθηκε ο Carla simulator, με βάση τον οποίο δημιουργήθ... more Στα πλαίσια της παρούσας εργασίας χρησιμοποιήθηκε ο Carla simulator, με βάση τον οποίο δημιουργήθηκαν αυτόνομες συμπεριφορές που εφαρμόζονται σε αυτοκινούμενα αυτοκίνητα, με την γλώσσα Python σε σύστημα με AMD Ryzen 5 με 16 BG RAM και κάρτα γραφικών NVIDIA GeForce GTX 1650 με αυτόνομη RAM 4GB σε Windows.
Χρησιμοποιήθηκαν διάφορες εκδόσεις του simulator – η stable 0.8.2 (που μετράει αρκετά έτη πια και τις λείπουν αρκετά χαρακτηριστικά), η 0.9.10, η 0.9.5 – στην οποία υλοποιήθηκε και έτρεξε μέρος του κώδικα, και η 0.9.8 (στην οποία έτρεξαν τα περισσότερα ερωτήματα).
Στόχος της εργασίας είναι η δημιουργία ενός συστήματος αναγνώρισης δραστηριότητας από σήματα επιτ... more Στόχος της εργασίας είναι η δημιουργία ενός συστήματος αναγνώρισης δραστηριότητας από σήματα επιταχυνσιόμετρου.
Ως μέθοδος επίλυσης του προβλήματος επιλέχθηκε η εφαρμογή μηχανικής μάθησης και η αναγωγή του προβλήματος σε πρόβλημα ταξινόμησης. Γι’ αυτό το σκοπό, αναπτύχθηκαν scripts σε MATLAB και Python τα οποία επιτελούν τις εργασίες της προεπεξεργασίας των δεδομένων και της εξαγωγής χαρακτηριστικών και την εκπαίδευση του κατάλληλου μοντέλου ταξινόμησης και της οπτικοποίησης των αποτελεσμάτων, αντίστοιχα.
The basic objective of the current project is to analyse arrival delay of the flights using data ... more The basic objective of the current project is to analyse arrival delay of the flights using data mining and supervised machine learning algorithms: Random Forest, Support Vector Machine (SVM), Linear Regression, Bagging Trees, Ada Boost and Gradient Boosting Classifier (GBC), and compare their performances to obtain the best performing classifier. Next, the best performing classifier is used to predict whether a flight will be delayed well before it is announced on the boards.
Vehicle position estimation using Kalman and Particle filters.
Initial estimations with one, con... more Vehicle position estimation using Kalman and Particle filters.
Initial estimations with one, consequent with two radars.
Classification, detection and segmentation of unordered 3D point sets-point clouds is a core prob... more Classification, detection and segmentation of unordered 3D point sets-point clouds is a core problem in computer vision. PointNet is a seminal paper in 3D perception, applying deep learning to point clouds for object classification and part/scene semantic segmentation. The current project trains the aforementioned seminal point cloud deep classifier PointNet on the ModelNet10 and ModelNet40 using Transfer Learning.
Στόχος της εργασίας αυτής είναι να διερευνηθεί η ικανότητα των μοντέλων Takagi-Sugeno-Kang (TSK) ... more Στόχος της εργασίας αυτής είναι να διερευνηθεί η ικανότητα των μοντέλων Takagi-Sugeno-Kang (TSK) στη μοντελοποίηση προβλημάτων παλινδρόμησης και ταξινόμησης. Τα ασαφή μοντέλα τύπου TSK περιλαμβάνουν ασαφείς κανόνες των οποίων το τμήμα συμπεράσματος περιγράφεται γενικά από αλγεβρικές συναρτήσεις των εισόδων και χρησιμοποιούνται ευρέως στο πεδίο της Ασαφούς Λογικής, καθώς γενικά παρουσιάζουν πολύ καλή ακρίβεια προσέγγισης με μικρότερο αριθμό κανόνων.
Η υλοποίηση της εργασίας έγινε με χρήση Matlab R2018b.
Thesis Chapters by Anastasia Migkipi
Hellenic Open University, 2010
With the rapidly increasing use of the internet technology in the educational field, the applicat... more With the rapidly increasing use of the internet technology in the educational field, the application of Knowledge Discovery & Data Mining (KDDM) to Web Usage Mining data (WUM) in education constitutes a field with significant activity. In the application process of the WUM in the educational field, its uniqueness should be taken into consideration. The current papers on similarity evaluation patterns in Web Access Sequences (WAS) and Patterns focus mainly in the content field. The development, additionally, of time can assist in knowledge mining of the users’ behavior, as the exact moment in time of the user’s participation is a basic factor in not only the format of the educational activities, but also the typical or non-typical cooperation between users.
The scope of this study is the development of a complete KDDM model, in which the time dimension of the login data will also be taken into consideration. In particular, this study is summed up in the following subjects:
Overview of the current Web Usage Mining methods and results, emphasizing in the Open and Distance Education
Check of the incorporation of the time factor of data during the process of similarity seeking in the users’ activities and the establishment of time and place metrics
Algorithm development to estimate the similarities in time and place of the users’ activity
Application of the algorithm to group users, according to the path similarities in real usage data, and data mining about the function of the corresponding groups
Besides the bibliographical study and overview of the current techniques, the expected results of this thesis include the development of software through the algorithm will be implemented in order to estimate the time and place similarity of the users’ activities. Last but not least, a case study applying the above mentioned algorithm in preprocessed usage data of the Hellenic Open University Portal will be implemented, and results will be reached with the analysis of this study.
Uploads
Papers by Anastasia Migkipi
Χρησιμοποιήθηκαν διάφορες εκδόσεις του simulator – η stable 0.8.2 (που μετράει αρκετά έτη πια και τις λείπουν αρκετά χαρακτηριστικά), η 0.9.10, η 0.9.5 – στην οποία υλοποιήθηκε και έτρεξε μέρος του κώδικα, και η 0.9.8 (στην οποία έτρεξαν τα περισσότερα ερωτήματα).
Ως μέθοδος επίλυσης του προβλήματος επιλέχθηκε η εφαρμογή μηχανικής μάθησης και η αναγωγή του προβλήματος σε πρόβλημα ταξινόμησης. Γι’ αυτό το σκοπό, αναπτύχθηκαν scripts σε MATLAB και Python τα οποία επιτελούν τις εργασίες της προεπεξεργασίας των δεδομένων και της εξαγωγής χαρακτηριστικών και την εκπαίδευση του κατάλληλου μοντέλου ταξινόμησης και της οπτικοποίησης των αποτελεσμάτων, αντίστοιχα.
Initial estimations with one, consequent with two radars.
Η υλοποίηση της εργασίας έγινε με χρήση Matlab R2018b.
Thesis Chapters by Anastasia Migkipi
The scope of this study is the development of a complete KDDM model, in which the time dimension of the login data will also be taken into consideration. In particular, this study is summed up in the following subjects:
Overview of the current Web Usage Mining methods and results, emphasizing in the Open and Distance Education
Check of the incorporation of the time factor of data during the process of similarity seeking in the users’ activities and the establishment of time and place metrics
Algorithm development to estimate the similarities in time and place of the users’ activity
Application of the algorithm to group users, according to the path similarities in real usage data, and data mining about the function of the corresponding groups
Besides the bibliographical study and overview of the current techniques, the expected results of this thesis include the development of software through the algorithm will be implemented in order to estimate the time and place similarity of the users’ activities. Last but not least, a case study applying the above mentioned algorithm in preprocessed usage data of the Hellenic Open University Portal will be implemented, and results will be reached with the analysis of this study.
Χρησιμοποιήθηκαν διάφορες εκδόσεις του simulator – η stable 0.8.2 (που μετράει αρκετά έτη πια και τις λείπουν αρκετά χαρακτηριστικά), η 0.9.10, η 0.9.5 – στην οποία υλοποιήθηκε και έτρεξε μέρος του κώδικα, και η 0.9.8 (στην οποία έτρεξαν τα περισσότερα ερωτήματα).
Ως μέθοδος επίλυσης του προβλήματος επιλέχθηκε η εφαρμογή μηχανικής μάθησης και η αναγωγή του προβλήματος σε πρόβλημα ταξινόμησης. Γι’ αυτό το σκοπό, αναπτύχθηκαν scripts σε MATLAB και Python τα οποία επιτελούν τις εργασίες της προεπεξεργασίας των δεδομένων και της εξαγωγής χαρακτηριστικών και την εκπαίδευση του κατάλληλου μοντέλου ταξινόμησης και της οπτικοποίησης των αποτελεσμάτων, αντίστοιχα.
Initial estimations with one, consequent with two radars.
Η υλοποίηση της εργασίας έγινε με χρήση Matlab R2018b.
The scope of this study is the development of a complete KDDM model, in which the time dimension of the login data will also be taken into consideration. In particular, this study is summed up in the following subjects:
Overview of the current Web Usage Mining methods and results, emphasizing in the Open and Distance Education
Check of the incorporation of the time factor of data during the process of similarity seeking in the users’ activities and the establishment of time and place metrics
Algorithm development to estimate the similarities in time and place of the users’ activity
Application of the algorithm to group users, according to the path similarities in real usage data, and data mining about the function of the corresponding groups
Besides the bibliographical study and overview of the current techniques, the expected results of this thesis include the development of software through the algorithm will be implemented in order to estimate the time and place similarity of the users’ activities. Last but not least, a case study applying the above mentioned algorithm in preprocessed usage data of the Hellenic Open University Portal will be implemented, and results will be reached with the analysis of this study.